Bunkerhill Health acaba de cerrar una ronda Serie B de US$55 millones, con participación de Sequoia Capital, Felicis, Optum Ventures y Khosla Ventures. La cifra llama la atención, pero para cualquier ejecutivo de un sistema de salud la pregunta clave es distinta: ¿el software realmente funciona dentro de un hospital que atiende pacientes, o se queda en un laboratorio? Ese es el mismo interrogante que recorre la literatura académica sobre agentes autónomos de inteligencia artificial en medicina.
Una revisión publicada en npj Digital Medicine analizó 984 registros de cinco bases de datos y encontró apenas siete estudios que cumplieran los criterios mínimos para ser considerados agentes de IA en salud. De esos siete, solo uno fue un ensayo clínico aleatorizado con pacientes reales, con 42 participantes. El resto eran simulaciones, estudios computacionales o experimentos retrospectivos. La conclusión de los autores es clara: la evidencia es prometedora pero inmadura, y falta validación clínica robusta.
La brecha entre la inversión y la evidencia
Bunkerhill, con su plataforma Carebricks, argumenta que cierra el espacio entre un modelo que funciona en un entorno controlado y uno que opera con datos clínicos en vivo a escala institucional. Su CEO, Nishith Khandwala, lo plantea así: "La medicina ha avanzado más rápido que la capacidad de nuestro sistema de salud para operacionalizarla". La empresa permite que los hospitales construyan sus propios agentes, y el respaldo de Khosla Ventures sugiere que los inversores creen que esta vez será diferente.
El contexto de gasto es contundente. Según los Centros de Servicios de Medicare y Medicaid, el gasto en salud de Estados Unidos alcanzó los US$5,3 billones en 2024. La escasez de personal sigue siendo crítica. La apuesta de Bunkerhill es que la próxima ola de inversión en tecnología sanitaria no irá a sistemas de documentación, sino a software que actúe sobre las ideas que los clínicos ya tienen.
Sin embargo, la revisión de npj Digital Medicine muestra que los sistemas agentic actuales se limitan a tareas muy específicas: diagnóstico de cáncer con precisión del 94,1% en un estudio, ajuste de juegos terapéuticos con 87% de acierto, o planificación de radioterapia. Ninguno ha sido probado en un entorno clínico generalizado, y solo uno involucró pacientes de carne y hueso.
¿Qué significa esto para América Latina?
Para los sistemas de salud de la región, la tentación de saltar a estas soluciones es comprensible. La escasez de personal es igual de grave, los presupuestos son mucho más ajustados y la presión por innovar es constante. Pero la falta de validación clínica robusta debería ser una señal de alerta. En Estados Unidos, donde los hospitales tienen más recursos, los pilotos de IA suelen quedarse en el camino. En América Latina, sin acceso a los mismos datos de entrenamiento ni a la infraestructura regulatoria, el riesgo de implementar tecnología no probada es aún mayor.
La revisión académica también destaca que no existe una definición estandarizada de "agente de IA" frente a "sistema agentic". Esta falta de claridad conceptual dificulta la regulación, algo que en países como Brasil, México o Colombia apenas comienza a discutirse. Si un agente autónomo comete un error en un diagnóstico, ¿quién es responsable: el hospital, el desarrollador o el algoritmo?
El camino que viene
Los resultados reportados son alentadores en tareas concretas, pero la literatura es clara en que la implementación real es todavía incipiente. Bunkerhill representa una apuesta empresarial importante, pero su éxito dependerá de demostrar que Carebricks puede operar de forma segura y efectiva en un hospital real, no solo en un entorno de investigación.
Para los ejecutivos latinoamericanos, la pregunta no es si la IA agentic llegará al sector salud, sino cuándo y bajo qué condiciones. Antes de firmar un contrato o asignar presupuesto, vale la pena preguntarse: ¿estamos comprando una promesa de laboratorio o una herramienta que ya demostró su eficacia en un contexto clínico real? La respuesta, por ahora, es incómoda.
