La próxima evolución de la IA en el sector salud: hacia una arquitectura modular

La inteligencia artificial (IA) ha capturado el espíritu de la época, y las organizaciones de salud ahora se enfrentan a una abrumadora variedad de soluciones de IA entre las que elegir. Ante desafíos estructurales profundos, como la escasez de personal, el aumento de los costos de atención y una presión persistente sobre los márgenes, no sorprende que la adopción generalizada de soluciones puntuales habilitadas por IA (aplicaciones que mejoran una sola actividad o tarea) de empresas de servicios y tecnología en salud (HST) haya despegado.

De hecho, es un verdadero derroche de opciones. Las soluciones de IA están proliferando más rápido de lo que la mayoría de organizaciones pueden asimilarlas, lo que presiona a los proveedores de salud a evolucionar la manera en que trabajan. Las organizaciones más eficaces actuarán localmente pero con una visión a nivel empresarial, apostando por aplicaciones de IA muy tácticas mientras reimaginan los dominios de negocio. El próximo horizonte de innovación surgirá de la convergencia de la IA agentiva, la conectividad de datos optimizada y la coordinación transversal para la transformación empresarial.

Creemos que esta ola de innovación en IA está a punto de desencadenar dos cambios críticos que muchos actores quizás aún no consideran, pero para los que deberían empezar a prepararse. Primero, los líderes sentarán las bases para una arquitectura de IA modular y conectada, que reúna soluciones puntuales, infraestructura de datos y agentes inteligentes en un conjunto cohesionado. Segundo, esto generará oportunidades para que las organizaciones de salud conviertan sus vastos archivos de registros de pacientes en facilitadores clave, creando “fundiciones” de datos clínicos que impulsen la innovación, mejoren la prestación de atención clínica y los resultados de los pacientes, y desbloqueen nuevas fuentes de valor. La gobernanza de datos será el núcleo de ambos aspectos, y las organizaciones que establezcan marcos sólidos de gobernanza con los resguardos de riesgo adecuados desde el inicio, garantizando la privacidad y confidencialidad, lograrán resultados sostenibles.

Aprovechar este potencial requerirá más que adoptar nuevas herramientas y tecnologías. La carrera hacia las soluciones puntuales ha creado un entorno fragmentado de IA y nuevas fricciones operativas. A menos que los líderes corrijan el rumbo ahora, solo automatizarán las ineficiencias actuales. Las organizaciones de salud que inviertan hoy en rediseñar los dominios y procesos centrales para flujos de trabajo nativos de IA estarán mejor posicionadas para capturar el valor empresarial y brindar resultados clínicos efectivos. Los actores del sector salud están en una encrucijada estratégica: ¿permanecerán como vendedores, compradores y usuarios pasivos de herramientas de terceros, o se convertirán en arquitectos activos de una infraestructura de IA en salud flexible e integrada, que ahora es una posibilidad tentadora?

Este artículo explora cómo las innovaciones emergentes, la evolución de los pools de rentabilidad y las primeras señales de cambio podrían dar forma al panorama de la salud. La IA en salud está cambiando de herramientas tácticas y específicas de flujos de trabajo a una arquitectura federada y modular y a fundiciones de datos clínicos. Por lo tanto, el verdadero campo de batalla será quién controla las capas de datos y de orquestación.

El próximo horizonte es una arquitectura de IA modular y conectada

Las soluciones puntuales están ganando terreno porque abordan fricciones reales de los flujos de trabajo con especificidad y entregan valor tangible y a corto plazo en los dominios donde se aplican (ver recuadro “El éxito de las soluciones puntuales”). Pero también están creando un nuevo problema de fragmentación. Por ello, la oportunidad a largo plazo radica en ensamblar estas capacidades en una arquitectura de IA modular y conectada que coordine las soluciones puntuales a lo largo de flujos de trabajo y dominios.

Una arquitectura modular combinaría varias capas clave: modelos de IA específicos de dominio que sobresalen en funciones particulares, agentes inteligentes que actúan como conectores coordinando las interacciones entre estos modelos y protocolos—como el Protocolo de Contexto de Modelo (MCP, por sus siglas en inglés)—que permiten el acceso seguro y en tiempo real a los datos dondequiera que residan. En conjunto, estos componentes crean una arquitectura que vincula flujos de trabajo tanto dentro como entre dominios. Las organizaciones que construyan una arquitectura interoperable reducirán el tiempo desde la implementación hasta el impacto, disminuirán la carga administrativa y reducirán la pérdida de ingresos.

Posición actual de los inversionistas

Dada la proliferación de herramientas de IA, los inversionistas están reconsiderando cómo diferenciar oportunidades en un campo cada vez más saturado y se están volviendo más selectivos respecto a dónde y cómo colocan su capital. Los plazos de salida siguen siendo inciertos, lo que lleva a muchos fondos a priorizar empresas con canales de distribución integrados, preparación para la integración y potencial para convertirse en activos “plug-in”. Algunos también buscan jugadas no tradicionales, como modelos alineados con pagadores y prestadores, herramientas adyacentes a la infraestructura (por ejemplo, APIs de reclamaciones y capas de orquestación) y “roll ups” liderados por capital privado que crean ecosistemas sinérgicos. En este contexto, la debida diligencia va más allá de la fortaleza del producto e incluye el posicionamiento en el ecosistema, la velocidad de integración y la defensibilidad a largo plazo.

Dinámica competitiva

Los anuncios recientes de productos de las principales empresas de registros electrónicos de salud (EHR) han intensificado la presión sobre los proveedores de soluciones puntuales de IA. Las capacidades de IA nativas de las empresas EHR van desde herramientas de interacción con pacientes y asistentes médicos digitales hasta gestión del ciclo de ingresos, análisis que conectan y contextualizan datos de pacientes, y soluciones para gestión de ensayos clínicos e intercambio de datos. Estas capacidades están listas para acelerar la selección natural y la consolidación, remodelando el panorama competitivo. La IA podría incluso convertirse en el catalizador que redefine no solo la dinámica del mercado EHR, sino también el ecosistema de los mismos proveedores de soluciones puntuales, ya que estos tenderán a gravitar hacia plataformas EHR que fomenten la interoperabilidad multivendedor y permitan la elección del proveedor.

A pesar de la adherencia de los flujos de trabajo EHR, la magnitud del cambio de gestión requerido sugiere que aún no es seguro si la IA reforzará sistemas propietarios, nativos de EHR y potencialmente cerrados, o si inclinará la balanza hacia un modelo de mercado para los proveedores de soluciones puntuales. Sin embargo, aunque el campo para las empresas HST inevitablemente se consolidará, es poco probable que una sola plataforma pueda cubrir todas las dimensiones, y las soluciones verdaderamente diferenciadas están bien posicionadas para prosperar. Las soluciones de IA con tracción comprobada, flujos de trabajo sin fricción, ciclos de desarrollo ágiles y diferenciación clara frente a herramientas nativas de EHR tienen potencial para resistir la presión.

Las decisiones que enfrentan los proveedores

Las organizaciones de atención pueden preferir soluciones nativas de EHR por su compra simplificada, flujos de trabajo integrados y mínima carga de implementación, pero siguen siendo cautelosas respecto a depender demasiado de una sola plataforma. Además, preocupaciones sobre el ritmo de innovación, la transición de pilotos a despliegues completos y el acceso a tecnologías de vanguardia—a menudo impulsadas por empresas HST nativas de IA—mantendrán la demanda de soluciones puntuales sólidas. Esto ha quedado ilustrado con el lanzamiento reciente de OpenEvidence, que ofrece gratuitamente a proveedores verificados una herramienta que combina escucha ambiental potenciada por IA con información de la literatura clínica más reciente. En última instancia, el panorama de la IA en salud estará moldeado por la forma en que los incumbentes EHR procedan con la integración de IA, la continua agilidad e ingenio de los proveedores HST y las realidades persistentes de la adopción tecnológica y la gestión del cambio en el sector.

“Guerras de bots” entre pagadores y proveedores

También está surgiendo una dinámica interesante entre aseguradoras de salud y proveedores de atención. Mientras los proveedores implementan IA para agilizar la documentación clínica y automatizar tanto la autorización previa como el procesamiento de reclamaciones, los pagadores adoptan herramientas similares para verificar reclamaciones y gestionar denegaciones. Esta interacción en evolución ha sido descrita como “guerras de bots”, donde los algoritmos de pagadores y proveedores a veces entran en conflicto en flujos de trabajo automatizados. Si bien los pagadores adoptaron soluciones de IA temprano para la gestión de la utilización y los pagos, el ritmo de adopción entre proveedores sugiere que los pagadores necesitarán repensar y rediseñar procesos y flujos de trabajo para igualar el nivel de eficacia y precisión que la IA promete aportar al proceso de reclamaciones.

La esperanza es que las guerras de bots resulten en sistemas que lleguen a las respuestas correctas más rápido y con mayor frecuencia, de modo que la intervención manual se limite generalmente a unos pocos casos complejos que se derivan rápidamente a una persona para su resolución. Esto debería reducir fricciones y permitir resultados más rápidos y precisos. Y cuando la escucha ambiental y el procesamiento de reclamaciones habilitados por IA se vuelvan omnipresentes, la calidad de las soluciones, los modelos subyacentes en los que se entrenaron y los datos que los habilitan serán los verdaderos diferenciadores. En este entorno, el éxito dependerá de la fortaleza de los habilitadores subyacentes: datos de alta calidad, gobernanza robusta, trazabilidad, transparencia y diseño a nivel de sistema.

El papel de los “hyperscalers” en el panorama en evolución

A medida que crecen la importancia de los datos de alta calidad y la necesidad de una infraestructura escalable de IA, los gigantes tecnológicos están expandiendo rápidamente su presencia en la salud estadounidense. Ya no son solo proveedores de infraestructura, sino que se posicionan como la capa operativa para la IA en salud mediante el desarrollo de plataformas en la nube específicas, herramientas para la documentación clínica y soluciones para flujos clínicos. La colaboración de Nvidia con la Mayo Clinic para construir la plataforma Digital Pathology y el trabajo de Google DeepMind en MedGemma, un modelo abierto dedicado al desarrollo de IA en salud, son dos ejemplos destacados. Los lanzamientos recientes de productos por parte de empresas EHR podrían fortalecer aún más su posición. Por ejemplo, el asistente de IA recién lanzado por un gran actor EHR se construyó en colaboración con un “hyperscaler”. Otros están implementando grandes modelos de lenguaje (LLMs) de una gran empresa tecnológica o resúmenes de búsqueda impulsados por IA en sus portales para pacientes.

Si miramos bajo el capó, los hyperscalers también están definiendo protocolos de orquestación y estándares de interoperabilidad que regirán el flujo de inteligencia entre sistemas. Arquitecturas abiertas, como MCP, permiten que nuevos agentes de IA accedan directamente a datos funcionales a través de organizaciones de salud. Esto reduce la necesidad de lagos de datos heredados, habilita flujos de trabajo contextuales, agiliza el uso de modelos dedicados de IA en salud y permite que los LLMs se incorporen en diversos flujos.

En paralelo, los mandatos de interoperabilidad de los Centros de Servicios de Medicare y Medicaid (CMS) de EE. UU., junto con la formación del Marco de Interoperabilidad CMS y redes alineadas, están reforzando este cambio hacia una arquitectura abierta y flujos de datos estandarizados en todo el ecosistema de salud. Esto tiene el potencial de provocar un cambio más amplio de soluciones fragmentadas y específicas de tareas hacia una integración empresarial de IA que soporte una innovación más rápida, mayor escala y atención más focalizada. En lugar de un sistema centralizado, el futuro de la IA en salud probablemente será una arquitectura modular, nativa de IA, que integre mallas de IA agentiva y permita la interoperabilidad entre sistemas aislados.

La oportunidad emergente de las fundiciones de datos clínicos

Los modelos de IA para salud se construirán sobre datos clínicos curados y de alta calidad. Por tanto, el acceso a datos clínicos longitudinales probablemente surgirá como una ventaja competitiva clave. Los hyperscalers están comenzando a colaborar con organizaciones de salud para extraer información de conjuntos profundos de datos clínicos—sin comprometer la privacidad del paciente—destacando el papel central de los sistemas de salud para concretar esta oportunidad.

Los diez principales sistemas de salud de EE.UU. (según número de hospitales) operan más de 1,200 hospitales con cerca de 175,000 camas, dándoles un control sustancial sobre datos clínicos longitudinales y de alta calidad. Aunque tradicionalmente ha sido difícil dar sentido a datos estructurados y no estructurados, la IA generativa y agentiva puede transformar entradas en formatos estructurados y utilizables. Esta capacidad abre nuevas formas para que los sistemas de salud transformen sus activos de datos en una fortaleza estratégica, creando nuevos pools de rentabilidad.

Los sistemas de salud o agregadores de datos habilitados por IA podrían licenciar conjuntos de datos desidentificados, con consentimiento de los pacientes y respaldados por gobernanza robusta—lo que denominamos “fundiciones de datos”—para el entrenamiento de modelos por parte de empresas HST. O bien, podrían establecer asociaciones de reparto de ingresos con farmacéuticas y empresas de tecnología médica. Esto podría impulsar la evolución de un nuevo tipo de empresa HST con un modelo de negocio enfocado en desarrollar herramientas de IA propietarias en colaboración con sistemas de salud y basadas en poblaciones locales.

Sin embargo, el camino por delante no será sencillo. El anuncio reciente de una importante empresa EHR sobre la construcción de modelos fundacionales basados en su base de datos desidentificada puede reforzar esta dinámica. A pesar de la considerable escala de esa base de datos, se estima que menos del 40% de los sistemas de salud que usan el EHR contribuyen con sus datos. Esto deja espacio suficiente para que los sistemas de salud y un nuevo grupo de empresas HST participen activamente en el desarrollo y monetización de fundiciones de datos clínicos, donde los sistemas de salud pueden definir las condiciones de uso de sus datos.

Aunque muchas empresas HST habilitadas por IA han creado soluciones puntuales que resuelven desafíos complejos de atención y administración, el arquetipo de una fundición de datos clínicos completamente desarrollada, capaz de combinar datos de dispositivos, resultados diagnósticos, genómicos, de farmacia y reclamaciones, notas médicas y registros de ensayos, aún no ha emergido plenamente. Su ejecución depende no solo del cumplimiento regulatorio, sino también de la construcción de una gobernanza sólida de datos, el fomento de la confianza de pacientes y clínicos, y la alineación de incentivos entre partes interesadas para asegurar la realización de valor a largo plazo.

La gobernanza, en particular, surge como un diferenciador crítico. Se necesitan equipos multidisciplinarios de IA para supervisar y tener autoridad sobre evaluación de riesgos, validación clínica y proveedores. Sin estos resguardos, existe el riesgo de exposición regulatoria, resistencia de organizaciones de atención y problemas de seguridad.

Las organizaciones de atención y agregadores de datos con modelos de IA nativos en salud tienen la oportunidad de convertir los datos clínicos de registros pasivos en activos dinámicos: monetizados, integrados y desplegados en todos los dominios para apoyar la toma de decisiones en toda la cadena de valor de la salud. La aparición de fundiciones de datos clínicos podría definir el próximo gran pool de rentabilidad en salud, y quienes curen y activen estos activos darán forma a la economía del ecosistema de IA en salud.

Recomendaciones para los actores

La rápida evolución de la IA en salud está transformando la industria, generando oportunidades e imperativos claros para todas las partes. Cada grupo aporta capacidades y prioridades diferentes, pero sus elecciones determinarán colectivamente qué tan rápido la innovación escala e integra en la práctica clínica. Aquí ofrecemos recomendaciones para inversionistas, empresas HST, hyperscalers y empresas estratégicas (ver recuadro “Recomendaciones para CEOs de salud”).

Inversionistas y empresas de servicios y tecnología en salud

Los inversionistas deberían priorizar oportunidades a corto plazo con empresas HST cuyas soluciones puntuales habilitadas por IA demuestren clara tracción, casos de uso escalables y éxito probado en navegar el complejo entorno de compras en salud. Las empresas HST, con el tiempo, deberían expandirse hacia soluciones de plataforma, atrayendo capital y facilitando fusiones estratégicas y asociaciones con grandes tecnológicas o sistemas de salud bien posicionados para liderar la arquitectura emergente de IA en salud y la oportunidad de las fundiciones de datos clínicos.

A largo plazo, los éxitos más destacados probablemente vendrán de compañías que construyan ecosistemas más que herramientas aisladas. A medida que las organizaciones de salud traten las soluciones puntuales habilitadas por IA como vías de acceso hacia una estrategia de arquitectura modular y fundiciones de datos clínicos, deberían elegir dominios prioritarios y rediseñarlos de extremo a extremo para la integración de IA, en vez de pilotos fragmentados.

Las organizaciones que secuencien su estrategia desde herramientas puntuales de alto retorno de inversión hacia una arquitectura conectada entre dominios estarán mejor posicionadas para liderar el desarrollo de fundiciones de datos clínicos y generar y entregar valor. En paralelo, estas organizaciones deberían construir un marco robusto de gobernanza de datos multidisciplinario que catalogue activos estructurados y no estructurados, defina derechos de datos y políticas de intercambio, y mantenga un registro transparente de modelos de IA con cuentas claras, trazabilidad y supervisión humana.

Estas decisiones generarán pruebas tangibles para inversionistas—como pilotos que se expanden a despliegues multidominio, mejoras medibles entre dominios, asociaciones activas de fundiciones de datos con derechos definidos y prácticas claras de gobernanza que demuestren preparación para escalar. Estos indicadores señalan el potencial de una adopción más generalizada y duradera, y dónde se generará valor.

Hyperscalers y empresas estratégicas

Dada la escala y el alcance de la cadena de valor en salud, los hyperscalers probablemente llegarán a una encrucijada: ¿deberían abordar la salud como uno de los verticales dentro de su estrategia empresarial más amplia, o con un enfoque singular? Con un gasto en salud en EE.UU. que alcanzó los 4.9 billones de dólares en 2023, el sector representa no solo una oportunidad económica, sino también un campo listo para la transformación. Desbloquear su potencial completo requerirá conectar datos fragmentados y reimaginar dominios, sistemas y procesos. Este es un reto a gran escala, ideal para las capacidades de los hyperscalers.

Para liderar en este entorno en evolución, las grandes tecnológicas y las empresas estratégicas deberían considerar acelerar las asociaciones a lo largo de la cadena de valor en salud, con la mira puesta en oportunidades de fusiones y adquisiciones de soluciones puntuales de IA con gran tracción y amplio alcance, integrando luego estas soluciones en plataformas unificadas. Paralelamente, deberían buscar expandir el acceso a datos clínicos longitudinales mediante acuerdos de intercambio de datos. A medida que la inversión en infraestructura de IA y computación siga alimentando el desarrollo de modelos cada vez más potentes (y, quizá, eventualmente, inteligencia artificial general), el foco inevitablemente recaerá en uno de los sectores más intransigentes—la salud, que representa casi el 17.6% del PBI estadounidense. Las plataformas que logren integrar estos avances definirán la próxima generación de infraestructura de IA en salud.

Les estaremos informando con mucho más detalle, en el marco del informe especial: “Soluciones de infraestructura de Data centers y edge computing, componentes activos (UPS, AAC, generadores, tableros eléctricos, PDU) y pasivos (cables, gabinetes, pisos, accesorios, conectores). Climatización. IA y Ciberseguridad. Buenas prácticas ambientales», que estamos preparando para nuestra edición 216 y publicaremos en el mes de noviembre.

Mantente conectado a nuestra revista Channel News Perú, haciendo clic aquí y suscribiéndote a nuestro newsletter para contenido de valor diario