Un piloto no basta: cómo implantar una IA en salud

Un estudio realizado en el marco de la evaluación del NHS AI Lab y publicado por Mozaffar et al. (2026) identifica precisamente una brecha entre la experimentación y la adopción rutinaria: las soluciones pueden demostrar su viabilidad en proyectos piloto, pero encuentran dificultades para avanzar hacia una implantación sostenida por factores como la financiación para escalar, la integración en los servicios, los procesos de procurement, la capacidad organizativa y la adaptación de los modelos asistenciales.

En salud mental, esta brecha tiene una particularidad adicional: una herramienta de seguimiento no solo debe funcionar durante la consulta, sino integrarse en el periodo entre visitas, cuando se produce buena parte de la evolución del paciente. Por eso, pasar del piloto a la práctica implica adaptar los flujos de trabajo, definir responsabilidades y conseguir que la recogida y estructuración de información entre consultas se conviertan en parte sostenible del proceso asistencial.

Sin adopción profesional no hay implantación

El profesional sanitario es uno de los actores principales en el éxito de una implantación tecnológica. Para que una herramienta se incorpore realmente a la práctica diaria, debe resultar útil, comprensible y fácil de utilizar, y el profesional debe contar con la formación y el acompañamiento necesarios.

La evidencia sobre implementación de IA en entornos sanitarios señala precisamente la importancia de factores como la participación de los profesionales, el encaje con la práctica existente y las condiciones que facilitan su adopción (Preti et al., 2024).

En línea con la literatura sobre adopción e implementación de tecnología sanitaria, algunos aspectos especialmente relevantes son:

• Utilidad percibida: entender qué problema resuelve.
• Facilidad de uso: incorporarla sin generar fricción.
• Participación: haber podido influir en su diseño y adaptación.
• Formación y acompañamiento: saber utilizarla y contar con soporte.
• Feedback: poder modificar su funcionamiento a partir de la experiencia real.

Una tecnología puede funcionar técnicamente y, aun así, no ser adoptada si no resuelve una necesidad clara o introduce más complejidad de la que elimina.

Integrar la tecnología en el proceso asistencial

Otro reto que marca la diferencia entre un piloto exitoso y una integración completa es la adaptación de la herramienta al proceso clínico.

No basta con definir dónde se va a instalar una herramienta dentro del proceso asistencial. También es necesario analizar cómo cambia el trabajo de los profesionales y qué ajustes requiere la organización. Una herramienta aislada puede terminar generando otro sistema que gestionar, en lugar de simplificar el proceso existente.

Si la herramienta recopila información de los pacientes y la estructura para el posterior análisis de los profesionales, puede modificar de forma significativa cómo el médico recibe y utiliza la información durante la consulta.

!Ilustración antes-después de la integración.png

No solo cambian los pasos del proceso, sino también su orden y el papel del médico. El profesional puede llegar a la consulta con parte de la información ya recopilada y estructurada y dedicar una mayor parte del encuentro a interpretarla, contextualizarla y tomar decisiones clínicas.

La implantación también necesita responsables

Integrar una herramienta en un proceso clínico no es únicamente una decisión tecnológica. La adopción de nuevas tecnologías requiere definir claramente las responsabilidades y la gobernanza asociadas a su uso para evitar situaciones de duda o incertidumbre.

Esto resulta especialmente importante cuando una herramienta pasa de un entorno piloto a un uso habitual, porque aumentan los usuarios, los procesos implicados y las situaciones que deben gestionarse.

Para una implantación es necesario definir:

• Quién lidera el proyecto.
• Quién supervisa el funcionamiento.
• Quién recoge incidencias.
• Quién analiza los resultados.
• Quién decide modificaciones.
• Cómo se mantiene la supervisión clínica.
• Cómo se revisa el rendimiento con el tiempo.

La gobernanza no debería plantearse únicamente cuando aparece un problema. Debe formar parte del diseño de la implantación desde el principio.

Escalar una tecnología también es escalar un proceso

Escalar un piloto se relaciona en muchas ocasiones con aumentar el número de pacientes atendidos y la capacidad del centro sanitario. Sin embargo, esta visión deja de lado un factor importante: la complejidad de los procesos también aumenta.

Escalar no significa únicamente atender a más pacientes. Significa conseguir que el modelo siga funcionando cuando aumentan su alcance y complejidad.

Al ampliar el servicio en el que está presente una nueva tecnología, no solo aumenta el número de pacientes. También lo hacen los datos, los profesionales implicados, las necesidades de formación, la supervisión y la coordinación entre los diferentes actores.

Por eso, escalar requiere comprobar que los procesos siguen siendo sostenibles y que los resultados observados durante el piloto pueden mantenerse en un contexto más amplio.

La innovación sanitaria no termina cuando la tecnología demuestra que funciona. Empieza cuando las personas consiguen incorporarla a su forma de trabajar y la organización puede sostenerla en el tiempo. Para ello, se requieren profesionales implicados, procesos adaptados, responsables definidos y resultados que permitan aprender y mejorar.

Antes de escalar una tecnología, la pregunta no debería ser solo si funciona, sino si la organización está preparada para integrarla y sostenerla.

Referencias

• Mozaffar, H., Williams, R., Anderson, S., & Cresswell, K. (2026). A system-level analysis of challenges and strategies for scaling artificial intelligence in healthcare: A qualitative study of the NHS AI lab. DIGITAL HEALTH, 12. https://doi.org/10.1177/20552076261464270
• Preti, L. M., Ardito, V., Compagni, A., Petracca, F., & Cappellaro, G. (2024). Implementation of machine learning applications in health care organizations: Systematic review of empirical studies. Journal of Medical Internet Research, 26, e47971. https://doi.org/10.2196/47971