Cuando la IA pide permiso: el dilema de automatizar la autorización médica

Si alguna vez has esperado semanas para que un seguro apruebe un tratamiento, sabes que la autorización previa puede ser un proceso agotador. Diseñado originalmente para contener costos y evitar procedimientos innecesarios, este mecanismo termina retrasando la atención justo cuando más se necesita. Hoy, la inteligencia artificial promete destrabar ese embudo, pero su llegada abre preguntas que ningún algoritmo puede responder solo.

La promesa es tentadora: una IA que, mientras el médico redacta la nota clínica, identifica automáticamente los requisitos del pagador, reúne la documentación de respaldo y ensambla una solicitud completa antes de que el paciente salga del consultorio. Empresas como LucasAI ya ofrecen herramientas que trabajan sobre la codificación en tiempo real (CPT, ICD-10, niveles E&M) para que la autorización se gestione en el mismo momento de la consulta, no después de una negación. La idea es reducir las denegaciones por documentación incompleta, que son una de las causas más frecuentes de rechazo, y liberar al personal administrativo de horas de papeleo.

Otras soluciones, como las que propone Arkangel AI, se centran en redactar cartas de autorización con IA generativa, optimizando el lenguaje clínico para aumentar la probabilidad de aprobación y reducir los tiempos de espera. Estiman que los retrasos pueden elevar los costos de atención urgente hasta un 20%, por lo que acelerar el proceso no es solo una cuestión de eficiencia, sino de salud financiera para el sistema y bienestar para el paciente.

Pero el entusiasmo encuentra un freno importante. Una encuesta de la Asociación Médica Americana de 2025 reveló que el 61% de los médicos teme que la IA aumente las negaciones injustificadas de tratamientos que consideran necesarios. El riesgo es que un algoritmo mal entrenado o con sesgos en sus datos decida que un procedimiento no es prioritario, y que esa decisión sea más difícil de impugnar porque está respaldada por una máquina. La automatización puede acelerar lo que ya funciona, pero también puede multiplicar los errores a escala. La preocupación no es menor: si la IA se equivoca, el paciente paga las consecuencias con su salud.

Frente a este panorama, la regulación empieza a tomar forma. En España, el Servicio de Salud de las Islas Baleares aprobó un código de buenas prácticas que exige que todo tratamiento de IA en diagnóstico o autorización cuente con una autorización previa interna y una evaluación de impacto en la privacidad. Además, desde agosto de 2025, el régimen sancionador del Reglamento Europeo de Inteligencia Artificial permite multas de hasta 35 millones de euros o el 7% de la facturación global por infracciones graves, como usar sistemas de IA no autorizados en el ámbito sanitario. La transparencia ya no es opcional: los pacientes tienen derecho a saber si una máquina está participando en la decisión sobre su cobertura.

Para los sistemas de salud latinoamericanos, donde la burocracia y la fragmentación de datos son aún mayores, la tentación de adoptar estas soluciones es comprensible. Pero la lección que llega desde Europa y Estados Unidos es que la implementación debe ser cuidadosa. No se trata de rechazar la IA, sino de preguntarse: ¿quién responde cuando el algoritmo se equivoca? ¿Cómo aseguramos que los datos usados para entrenar estos modelos reflejen la diversidad de nuestra región? ¿Estamos listos para auditar cada decisión automatizada?

La tecnología puede ser una aliada poderosa, pero solo si recordamos que, al final del proceso, lo que está en juego no es una solicitud, sino la salud de una persona. Y eso, ninguna inteligencia artificial debería decidirlo sola.