En salud, la dimensión más incómoda es la económica porque expone un límite difícil de ignorar: la distancia entre lo que se aspira a garantizar —acceso universal, equitativo, oportuno y de máxima calidad— y lo que efectivamente puede sostenerse. Entender esa brecha es una condición necesaria para reducirla.

El problema no es solo cuánto se gasta en salud, sino a qué ritmo crece ese gasto frente a la economía que lo financia. Según Health at a Glance 2025 de la OCDE, en 2024 el gasto sanitario promedio alcanzó el 9,3% del PBI, por encima del 8,8% de 2019, lo que implica un aumento del 5,7%. En el mismo período, la OCDE estima que el PBI global creció alrededor del 3,3%, con una leve desaceleración prevista para 2025. La salud está absorbiendo una porción creciente de la actividad económica, no porque la economía crezca poco, sino porque el sistema sanitario sigue creciendo más rápido que ella.

En este contexto, la inteligencia artificial aparece como una herramienta concreta para aliviar parte de esa tensión. No reemplaza roles, pero tiene el potencial de ampliar la capacidad, simplificar la gestión, reducir desperdicios, prevenir errores y devolver tiempo donde más hace falta.

La primera palanca económica de la inteligencia artificial (IA) en salud es la burocracia. Procesos sobredimensionados, reglas redundantes y desperdicio operativo concentran una parte significativa del costo evitable.

La IA genera impacto cuando se conecta con tareas repetitivas, gestión de colas, orientación en la navegación del sistema, servicios de información general y gestión de trámites.

El NHS del Reino Unido reportó que, en un piloto con más de 30.000 trabajadores, un asistente de IA para tareas administrativas ahorró en promedio 43 minutos por persona por día. Proyectado a escala, el propio NHS estimó hasta 400.000 horas mensuales de tiempo liberado, con impacto económico de millones de libras por mes y, potencialmente, cientos de millones por año, por reducción de duplicaciones y trabajo redundante.

En el núcleo más costoso de la burocracia —facturación y cobranza— el margen es aún mayor. La American Hospital Association describe implementaciones de IA y automatización robótica para “claim scrubbing”, predicción de denegaciones y tareas repetitivas. Alrededor del 46% de los hospitales y sistemas de salud utiliza actualmente IA en sus operaciones.

Se reportan reducciones del 50% de casos no facturados por completo, aumentos superiores al 40% en la productividad de los codificadores, 22% menos de denegaciones por falta de autorización previa y 18% menos por servicios no cubiertos. Un informe de McKinsey de enero de este año, estimó que la automatización inteligente del “revenue cycle” (ciclo de ingresos) en salud puede reducir entre 30% y 60% el costo de cobrar, acelerar el flujo de caja y disminuir drásticamente el re-trabajo administrativo.

EL OTRO FACTOR. La segunda palanca económica es la carga de trabajo del equipo de salud. Un estudio publicado en JAMA Network Open en 2025, mostró que el uso de un ambient Scribe -sistemas que operan en segundo plano y utilizan IA para capturar, transcribir y resumir automáticamente las interacciones entre el paciente y el proveedor en notas clínicas estructuradas- se asoció con un 20,4% menos de tiempo en notas por consulta y un 30% menos de trabajo fuera de horario de los profesionales.

Una síntesis del McMaster Health Forum (en mayo de 2025) identificó ahorros de hasta el 30% en las tareas administrativas de enfermería en turnos y evaluación, documentación, comunicación y procesos de alta. A escala de sistema, Kaiser Permanente reportó cerca de 16.000 horas de documentación ahorradas, equivalentes a unos 7,5 trabajadores full time (FTE)/año reasignables a atención directa o coordinación clínica.

La liberación de carga no se limita a la documentación. Un metaanálisis de 2024 sobre colaboración humano-IA en imágenes médicas encontró una reducción promedio del 27,2% en el tiempo de lectura. Estudios en Nature Communications y The Lancet Digital Health muestran que el uso de IA como segundo lector en screening mamográfico reduce la carga de lectura humana entre el 30% y el 45% y el costo operativo por estudio en torno al 30%.

CERTEZA. La dimensión más contundente es la de calidad y seguridad. La OCDE estimó en 2025 que los errores diagnósticos equivalen al 17,5% del gasto total en salud, lo que representa cerca del 1,8% del PBI. La OMS calcula pérdidas anuales por US$42.000 millones asociadas a errores de medicación, y la Agency for Healthcare Research and Quality (AHRQ) estima US$17.100 millones por año en costos de eventos adversos prevenibles.

En un estudio reciente del European Journal of Cardiovascular Medicine se reportó una reducción de hasta el 45% en errores diagnósticos cuando los clínicos contaron con soporte de IA para interpretar datos, sugerir diagnósticos diferenciales y contrarrestar sesgos cognitivos como la conclusión prematura (del 35% al 5%) o el anclaje a la primera evidencia (del 30% al 5%).

La inteligencia artificial en salud suele medirse por lo visible: asistentes conversacionales, lectura automática de imágenes, orientación sobre inquietudes en salud. Hay otra contribución menos evidente: la de reducir la fricción, agilizar los procesos, liberar tiempo profesional, evitar costos por mayor complejidad y liberar recursos que pueden volcarse a la atención. El valor real de esta contribución, sin embargo, dependerá de la capacidad de los sistemas y la organización para capturarlo.