Casi el 90% de los servidores de inteligencia artificial del mundo se ensamblan en Taiwán, junto con un 60% de los semiconductores y más del 90% de los chips más avanzados. Esos datos, citados por el propio canciller de Taiwán en una columna sobre la competencia entre Estados Unidos y China, explican por qué la isla se convirtió en el nodo físico de la IA global. Ahora, esa misma infraestructura busca extender su dominio hacia la medicina.
El directivo de TAITRA, James Huang, resumió las ventajas del ecosistema taiwanés en tres pilares: la fabricación de chips y tecnologías de información, la base de datos del Seguro Nacional de Salud y la experiencia clínica acumulada por sus hospitales. Con esa combinación, en el foro “La nueva era de la IA médica: Taiwán se conecta con el mundo 2026”, celebrado en Taipéi, más de 400 profesionales vieron cómo 113 empresas locales sostuvieron alrededor de 200 reuniones de negocios con 34 compradores internacionales de 11 países.
Más allá de las cifras comerciales, el dato de fondo es cualitativo: Taiwán no quiere seguir siendo solo el fabricante invisible de la IA, sino el integrador de soluciones médicas que otros países compran y aplican. Y eso representa una señal directa para los sistemas de salud latinoamericanos.
En la región, la discusión sobre IA sanitaria suele girar en torno a diagnósticos automáticos o telemedicina, pero rara vez se aborda el obstáculo que define la adopción: la calidad y la interoperabilidad de los datos clínicos. El caso de Taiwán demuestra que, tan importante como contar con chips potentes es disponer de un acervo de información médica nacional, acumulada durante décadas, que alimente modelos de lenguaje y herramientas de apoyo al diagnóstico.
Un estudio reciente, publicado en Frontiers in Health Services, sobre la adopción longitudinal de cirugía robótica en un mismo centro por diez años, aporta otra pista para hospitales: la integración de estas herramientas no es un resorte inmediato de adquirir máquinas, sino un proceso que demanda formación de personal, adaptación de protocolos quirúrgicos y monitoreo financiero constante. Para cualquier hospital en América Latina que evalúe ingresar a cirugía asistida por IA, la evidencia es clara: la tecnología es lo menos complejo del problema. La gestión del cambio, las tasas de curva de aprendizaje y el costo marginal de cada intervención son la valla real.
El lugar que ocupa Taiwán en la infraestructura mudable de la IA, con su singularidad de tener producción de alto valor y una política de salud pública robusta, ofrece además una lección de modelo de negocio: mezclar el acumulado clínico estatal con capacidades industriales permite que la IA no quede cautiva de soluciones únicamente multimodales o dependientes de una plataforma extranjera.
Para un ejecutivo de una institución de salud en México, Colombia o Perú, la pregunta no es si su hospital adoptará algún modelo de IA por dictado, sino cómo integrar sus propios datos privados con una infraestructura resiliente de centros de datos. El contraste con Taiwán expone los enormes huecos que aún sufre la región: una parte de los hospitales empieza a digitalizar, pero la fragmentación sistemática de los registros sigue poniendo obstáculos a la hora de entrenar modelos propios o hasta realizar diagnóstico basado en IA de forma confiable.
La carrera de Taiwán desde la manufactura hacia la IA física —con robots, salud inteligente, transporte y aplicaciones de defensa— apunta, además, una dirección que los sistemas de la región no deberían ignorar: la tecnología no se remonta a los activos más digitales; también maneja la base física sobre la que corre infraestructura crítica. En un escenario de terremotos, cortes de energía y brechas de conectividad como el latinoamericano, eso vuelve decisivo cómo se innova la infraestructura para la nube, no como se lo imagina en San José.
La ventana de tiempo que ofrece Taiwán es única: la pandemia y la reorganización de cadenas de suministro abrieron la puerta para que la región busque socios de hospital, y no solo en una participación como proveedor de datos. Si los sistemas de salud de Iberoamérica no se posicionan frente a esta oportunidad, la próxima generación de IA sanitaria seguirá escrita por los países que dispongan de buenas fábricas, buenos datos y un sistema médico abierto a la experimentación.
