La trampa de la eficiencia: cuando la IA encarece la salud sin mejorarla

La promesa de la inteligencia artificial en salud siempre ha venido envuelta en el lenguaje de la eficiencia: diagnósticos más rápidos, tratamientos personalizados, reducción de errores. Pero los datos empiezan a contar una historia distinta. Un análisis de la Blue Cross Blue Shield Association —la mayor federación de aseguradoras de Estados Unidos— documenta que el uso de herramientas de IA para codificar reclamos hospitalarios generó un gasto adicional de 942 millones de dólares en apenas dos años. El hallazgo central no es técnico, es económico: se disparó el registro de pacientes con condiciones complejas, pero no hubo evidencia de que la atención entregada hubiera cambiado en lo más mínimo.

El mecanismo invisible del encarecimiento

Lo que ocurre es más sencillo de lo que parece: se disparó el registro de pacientes con condiciones complejas sin que la atención hubiera cambiado. El resultado es una inflación documental: el paciente sigue recibiendo la misma atención, pero el papel —y la factura— reflejan una gravedad superior.

El hallazgo de BCBSA advierte sobre la replicación de incentivos perversos en sistemas que adopten codificación automática sin auditoría clínica paralela: en la práctica, se estaría automatizando el upcoding.

La carrera armamentista que nadie gana

El fundador de Abridge, Shiv Rao, lo describió con crudeza: "bots peleando contra bots, agentes contra agentes". Las aseguradoras responden desplegando sus propios algoritmos de rechazo y auditoría automatizada. El resultado es una guerra de trincheras algorítmica donde el único ganador previsible es el proveedor de software. Luke Chalker, vicepresidente senior de BCBSA, fue más gráfico aún: "No es una guerra. Es una masacre completamente unilateral", con las aseguradoras —y en última instancia, los pacientes y empleadores que pagan las primas— absorbiendo el costo.

Publicada en npj Digital Medicine (2025), una revisión sistemática aporta contrapeso necesario: 19 estudios muestran que la IA puede mejorar precisión diagnóstica y reducir procedimientos innecesarios. Pero la misma revisión advierte que la mayoría de evaluaciones económicas usan modelos estáticos, ignoran costos de infraestructura, integración y equidad, y sobrestiman beneficios al no capturar el aprendizaje adaptativo real. En otras palabras: la evidencia de valor económico sigue siendo frágil y contextual.

Qué deben exigir los directores hoy

Para un ejecutivo que firma contratos de IA clínica o administrativa en la región, la lección es inmediata: no compren promesas de eficiencia sin métricas de resultado clínico atadas al pago. Exijan:

• Auditoría clínica paralela: cada código sugerido por IA debe ser validado por criterio médico humano antes de facturar.
• Contratos de riesgo compartido: el proveedor de tecnología asume parte del impacto financiero si la codificación no se correlaciona con outcomes medibles.
• Transparencia algorítmica: acceso a la lógica de sugerencia de códigos para detectar sesgos hacia mayor complejidad.
• Métricas de valor, no de volumen: indicadores que midan reducción de reingresos, tiempo de estancia o mortalidad, no cantidad de códigos de alta complejidad generados.

El costo de la ingenuidad

El historial de la tecnología en salud muestra herramientas que prometieron ahorro y entregaron burocracia más cara. La IA no es la excepción; es la aceleración. Los 942 millones de dólares documentados por BCBSA no son un error de implementación: son el funcionamiento exacto de un sistema de incentivos que premia la complejidad documental sobre la resolución clínica.

Latinoamérica tiene la oportunidad —y la obligación— de no repetir el experimento a ciegas. La próxima vez que un proveedor prometa que su IA "optimiza la captura de valor", pregunten: valor para quién. Si la respuesta no incluye al paciente, el director financiero debería cerrar la puerta.