Por dónde empezar con la IA en MedTech: primero un proceso

Empiece por un proceso — el más cercano a los ingresos — y hágalo funcionar con inteligencia artificial antes de tocar nada más. Ni una estrategia, ni una plataforma, ni un despliegue de herramientas: un proceso, medido antes y después, arreglado primero y entregado al software una etapa cada vez. La evidencia a favor de ese orden es hoy difícil de discutir. En la encuesta de Deloitte de mayo de 2026 a 100 directivos de MedTech, el 57 % dijo que la IA en su empresa se usa sobre todo para que las personas vayan un poco más rápido, con pocos cambios en cómo fluye realmente el trabajo; solo el 6 % había rediseñado un flujo de trabajo en torno a la colaboración entre personas e IA, aunque el 27 % afirmaba que esa era la ambición.¹ La distancia entre esas dos cifras es donde está hoy la mayoría de las empresas MedTech — y es la distancia que este artículo quiere ayudar a cerrar.

Investigado y redactado con ayuda de IA; revisado, verificado y editado por Primož Verbič.

En breve

• La mayoría de las empresas MedTech ya usa IA y no ha cambiado nada. Deloitte (julio de 2026) encontró que el 57 % la usa para la productividad individual con pocos cambios de proceso; una de cada tres usa los resultados de la IA de manera informal, sin procedimiento actualizado ni paso de validación.¹
• Las empresas que obtienen valor rediseñan el trabajo, no las herramientas. McKinsey & Company (noviembre de 2025) encontró que el 6 % de «alto rendimiento» tiene casi tres veces más probabilidades que el resto de haber rediseñado a fondo sus flujos de trabajo; solo el 39 % de todos los encuestados puede atribuir a la IA algún impacto en el EBIT.²
• El coste de esperar es una brecha que se amplía, no una tendencia perdida. Boston Consulting Group (BCG, septiembre de 2025) informa de que el 5 % de empresas «future-built» crece 1,7 veces más en ingresos que el 60 % que ve beneficios mínimos — y de que el 70 % del valor de la IA está en funciones centrales como ventas, marketing y cadena de suministro.³
• La mayoría de los intentos fracasa por razones de proceso, no de modelo. La iniciativa NANDA del MIT (agosto de 2025) encontró que el 95 % de los pilotos empresariales no muestra impacto medible en la cuenta de resultados y lo atribuye a una brecha de integración en el flujo de trabajo y de aprendizaje.⁴ Gartner previó que al menos el 30 % de los proyectos de IA generativa se abandonaría tras la prueba de concepto antes de finales de 2025, por calidad de datos, controles de riesgo, costes y valor poco claro.⁵
• El método que funciona es pequeño y secuencial: elija un proceso, mida la línea base, arregle el flujo, añada asistentes, automatice los traspasos entre sistemas y, entonces — y solo entonces —, deje que un agente gestione los casos rutinarios, con una persona responsable con nombre en todo momento.

¿Dónde están realmente las empresas MedTech con la IA?

La imagen honesta no es «rezagadas». Es «ocupadas, y sin cambios». En la encuesta de Deloitte, el 45 % de los directivos de MedTech dijo tener IA agéntica en producción, pero el 90 % de ellos afirmó que había transformado de forma sustancial menos del 15 % de sus flujos de trabajo.¹ Un tercio dijo que los resultados de la IA se usan de manera informal — sin SOP actualizado, sin paso de validación —, lo que en una empresa de productos sanitarios no es una estadística de eficiencia, sino una exposición del sistema de calidad.

En el terreno la imagen es la misma. Una encuesta de 2026 a representantes de ventas MedTech citada por MedTech Intelligence encontró que el 36 % usa IA, casi exclusivamente para redactar correos y resumir reuniones; el 60 % de quienes no la usan dijo que su empresa la prohíbe.¹⁰ La prohibición no detiene el uso. El Work Trend Index 2024 de Microsoft y LinkedIn, con 31.000 trabajadores, encontró que el 78 % de los usuarios de IA lleva sus propias herramientas al trabajo y que el 60 % de los directivos admite no tener un plan para la IA.⁸

Así que la empresa MedTech típica de 2026 ya tiene IA dentro — sin gestionar, individual, invisible para el sistema de calidad y ausente del único lugar donde se multiplicaría, que es el flujo de trabajo entre personas. Eso no es motivo de alarma. Es el punto de partida, y los ingredientes ya están en el edificio.

Qué hacer esta semana: pregunte a cinco personas de ventas, marketing y servicio técnico qué herramientas de IA usaron la semana pasada y para qué. Anótelo. Esa lista es su verdadero mapa de la situación actual.

Por qué «primero crecemos y luego añadimos IA» dejó de ser un plan

Hasta hace poco, una empresa de productos sanitarios en fase de crecimiento podía razonablemente crecer con plantilla y disciplina de procesos y dejar la automatización para más adelante. Han cambiado dos cosas. Primera, la brecha entre las empresas que han reorganizado el trabajo en torno a la IA y las que no es ahora medible y se amplía. El estudio de BCG de 2025 con 1.250 directivos clasifica a las empresas en un 5 % «future-built», un 35 % «scalers» y un 60 % «laggards» que, pese a la inversión, declaran beneficios mínimos; el primer grupo crece 1,7 veces más en ingresos y tiene un margen EBIT 1,6 veces mayor que el tercero.³ La encuesta de McKinsey de noviembre de 2025 a 1.993 participantes dice lo mismo desde otro ángulo: el 88 % de las organizaciones usa IA en algún sitio, solo el 39 % ve algún efecto en el EBIT, y el 6 % que ve uno sustancial se distingue menos por lo que compró que por haber rediseñado cómo se hace el trabajo.²

Segunda, nuestro sector ha empezado pero no ha terminado. La práctica MedTech de McKinsey encontró en mayo de 2025 que dos tercios de las empresas MedTech estaban implantando IA generativa — la mitad todavía en pilotos — y que solo el 15 % podía declarar un efecto positivo en la cuenta de resultados.⁹ La pregunta competitiva no es si un competidor usará IA, sino cuánto tardará en conseguir que un proceso empiece a componer resultados — y si usted llegará antes.

Sobre lo que esto significa para la plantilla y la organización escribí en Más ingresos, menos personas. Este artículo responde a la pregunta que más plantearon los lectores de aquel texto: ¿por dónde, en concreto, empezamos?

Qué hacer esta semana: nombre el proceso en el que más dolería un aumento de volumen — de consulta a oferta, de pedido a instalación, de reclamación a cierre. Ese es el proceso. Todo lo que sigue se aplica solo a él.

Por qué fracasa la mayoría de los primeros intentos — cuatro trampas

Los datos sobre fracasos son lo bastante consistentes para resultar útiles. Cada trampa tiene un escalón de la escalera diseñado para evitarla.

Trampa uno: comprar antes de mapear. Las cuatro razones de Gartner para los proyectos abandonados — datos débiles, controles de riesgo insuficientes, costes crecientes, valor de negocio poco claro — son síntomas de empezar con una herramienta y buscar un problema.⁵ Una empresa que nunca ha escrito cómo pasa una oferta de la consulta a la firma no puede especificar qué debería hacer el software con ella.

Trampa dos: herramientas individuales, sin cambio de proceso. Es el 57 % de Deloitte.¹ Un comercial que redacta correos más rápido dentro de un flujo que sigue esperando cuatro días una aprobación de configuración no ha cambiado nada que el cliente pueda notar. El 95 % del MIT es esta trampa a escala de empresa; el informe culpa a una brecha de aprendizaje entre herramientas que no se adaptan al flujo de trabajo y organizaciones que no adaptan el flujo de trabajo a la herramienta.⁴

Trampa tres: confiar en la IA fuera de la línea donde es buena. Un experimento de campo de Harvard Business School con 758 consultores de BCG en 2023 encontró que, en tareas dentro de la capacidad de la IA, las personas completaban un 12,2 % más de trabajo, un 25,1 % más rápido y con más de un 40 % más de calidad — y que, en tareas justo fuera de esa línea, quienes usaban IA tenían 19 puntos porcentuales menos de probabilidad de llegar a una respuesta correcta.⁷ La línea es irregular e invisible desde dentro de la tarea. En un negocio regulado, ese es todo el argumento a favor de una persona con nombre en puntos definidos.

Trampa cuatro: sin línea base no hay prueba. Sin un número de «antes», un piloto que funciona es una anécdota y uno que falla es un rumor. Deloitte encontró que más de un tercio de las empresas MedTech mide el valor de la IA de forma inconsistente o no lo mide.¹ Nadie puede defender el presupuesto del escalón cuatro si el escalón dos nunca se midió.

La escalera: un proceso, seis escalones

El método es una escalera, no un programa. Cada escalón es lo bastante pequeño para empezar en dos semanas, tiene una métrica de salida y evita una de las trampas anteriores. No se sube al siguiente escalón hasta que el actual está medido.

Escalón	Qué hace	Plazo	Métrica de salida	Trampa que evita
0 · Elegir	Un proceso, del evento inicial al final, un responsable con nombre, las tres a seis personas que hacen el trabajo en la sala	Semana 1	Una carta de una línea firmada por el responsable	Abarcarlo todo
1 · Línea base	Siga cinco casos reales a través del proceso; anote quién los tocó, en qué sistema, cuánto esperó cada paso	Semanas 1–2	Tiempo de ciclo, tiempo de espera, tasa de acierto a la primera, número de traspasos — por escrito	Trampa cuatro
2 · Arreglar el flujo	Elimine, fusione y reordene pasos antes de cualquier software; suprima la doble entrada y la aprobación que nadie necesita	Semanas 2–4	Menos traspasos; los mismos cinco casos repasados sobre el papel	Trampa uno
3 · Asistentes	Dé a las personas del proceso un asistente para la redacción, los resúmenes y las búsquedas que quedan; ellas revisan cada resultado	Semanas 3–6	Menos horas por caso; tasa de corrección registrada	Trampa dos, trampa tres
4 · Automatizar los puentes	Conecte los sistemas donde una persona reteclea, reintroduce o vuelve a copiar los mismos datos a mano; cada repetición se convierte en una integración	Semanas 6–10	Retecleo a cero; menos errores de entrada	Trampa uno, su mitad de datos — agentes sobre datos desconectados
5 · Agentes	El software gestiona el 80 % rutinario de los casos de principio a fin y escala el resto a una persona con nombre y con todo el contexto	Desde el segundo trimestre	Tasa de casos sin intervención; tasa de escalado; registro de auditoría en marcha	Trampa tres

Tres cosas del orden importan más que el detalle.

El flujo se arregla antes de que la IA lo toque. En el escalón dos no hay software. Aquí es donde las empresas pierden la paciencia, y es el escalón que decide todo lo demás, porque la automatización aplicada a un proceso con desperdicio produce desperdicio más rápido y más caro. Las empresas que alcanzan valor en los datos de BCG son las que «remodelan flujos de trabajo y roles en lugar de limitarse a automatizar tareas existentes».³

Asistentes antes que automatización, automatización antes que agentes. La diferencia está en quién actúa: un asistente responde a una persona, que lee el resultado y decide; un agente gestiona un caso, ejecuta los pasos a través de sus sistemas y escala solo las excepciones. Un asistente mantiene a una persona en cada bucle, que es la forma más barata de aprender por dónde pasa la línea irregular en su proceso. Solo cuando sabe dónde la IA acierta de forma fiable retira a la persona de ese paso — de ese paso, no del proceso.

Cada escalón produce un número que el patrocinador puede leer. La línea base es el activo. Convierte el escalón tres de «al equipo le gusta» en «las horas por oferta bajaron de 3,4 a 1,9 y la tasa de corrección es del 12 %», y gana el presupuesto del escalón cuatro. Si no puede medir un escalón, todavía no está en él.

En mi propia práctica, los tres primeros escalones son un proyecto de dos semanas a precio cerrado — el Scale Diagnostic — y los escalones cuatro y cinco se ejecutan con el equipo del cliente a lo largo de un trimestre. Pero el método no depende de un asesor. Depende del responsable, de quienes hacen el trabajo y de la línea base, y los tres ya están en su empresa.

Cómo es esto en una empresa de productos sanitarios

Una empresa de productos sanitarios no puede copiar la versión del software de consumo. Cuatro reglas mantienen la escalera dentro del sistema de calidad y no al margen de él.

• Una persona con nombre es responsable de cada paso, incluidos los automatizados. El software puede estar encargado de un paso; la responsable de su resultado es siempre una persona. Un nombre por paso, escrito en el procedimiento.
• El procedimiento dice qué hace la IA, qué comprueba la persona y quién firma. El «uno de cada tres usa los resultados de la IA de manera informal» de Deloitte es lo primero que encontrará un auditor.¹ Un asistente que redacta el acuse de recibo de una reclamación está bien; uno sin documentar, no. Si el paso toca un proceso controlado, la herramienta se valida antes de usarla — qué significa eso en la práctica según la ISO 13485:2016 lo expliqué en ISO 13485 y agentes de IA.
• Ningún dato regulado o confidencial de la empresa entra en una herramienta de consumo. Documentación técnica, registros de reclamaciones, precios, contratos con clientes, documentación de licitaciones — condiciones de empresa o nada. (Los procesos comerciales y operativos que trata este artículo no deberían contener datos de pacientes; si alguno los contiene, es un hallazgo para el sistema de calidad, no una cuestión de herramientas.) Esta es también la respuesta honesta para el 60 % de los equipos de ventas cuyas empresas «prohíben la IA»: el problema son las herramientas sin gestionar, y la solución son las autorizadas, no la prohibición.¹⁰
• Mida la tasa de corrección humana. La proporción de resultados de la IA que una persona cambió antes de usarlos es el dato más informativo de toda la escalera. Cerca de cero significa o que la IA es excelente o que nadie la comprueba. En una empresa de productos sanitarios necesita saber cuál de las dos.

Lo que sostuvo el crecimiento antes de que existiera la IA

Pasé diez años construyendo el mercado español de un producto de diagnóstico de un fabricante extranjero del que aquí nadie había oído hablar, y al final estaba en aproximadamente el 80 % de los centros de atención primaria públicos y en muchos hospitales, públicos y privados, con cerca del 90 % de cuota de mercado en su categoría. Ni un solo paso de aquello se hizo con IA; las herramientas no existían. Lo que lo sostuvo fue una secuencia que no cambiaba de una comunidad autónoma a otra: investigar al cliente, investigar al equipo de compra, construir el caso de economía de la salud, presentarlo siempre con la misma estructura, hacer un piloto, formar siempre con la misma estructura. El momento que decidió el negocio fue cuando nos dimos cuenta de que las presentaciones, las demostraciones y los pilotos se convertían en pedidos a un ritmo que podíamos predecir. Desde entonces ejecutamos la secuencia como si estuviera escrita — la teníamos en la cabeza antes de tenerla sobre el papel —, y ahí fue cuando pudimos escalar, porque una rutina se le puede enseñar a un comercial nuevo y algo que se hace una sola vez, no.

Los cuellos de botella nunca fueron los momentos humanos. Fueron el trabajo de despacho que los rodeaba: estudios de mercado, investigación clínica de escritorio, estudios de la competencia, y la formación y evaluación de la fuerza de ventas. Durante los primeros cinco años esa formación dependió de un solo formador, luego de dos, luego de tres — e incluso con tres, mantener a un equipo de unas 30 personas repartidas entre cinco y siete distribuidores formado y evaluado con el mismo estándar fue el problema operativo más difícil que tuvimos. Si dirigiera ese flujo hoy, entregaría toda esa investigación a la IA en el primer mes, junto con parte de la formación y evaluación de la fuerza de ventas y el seguimiento de la competencia — y no tocaría ni un solo paso en el que una persona habla con otra persona: la conversación con el director del centro, la demostración, la revisión del piloto, la negociación. Lo importante es el orden. El flujo era repetible antes de ser automatizable, y por eso la IA se multiplicaría sobre él en lugar de ocultar sus debilidades.

Qué hacer primero

Si dirige un fabricante mediano: elija el proceso y nombre al responsable esta semana — la única decisión que no se puede delegar. Dele al responsable dos semanas y cinco casos reales para la línea base, y no apruebe ninguna licencia de IA para ese proceso hasta que el escalón dos esté hecho. Espere que la línea base resulte incómoda; el número que la mayoría de los directivos nunca ha visto es cuánto tiempo pasan sus propias ofertas esperando.

Si dirige un distribuidor: su proceso de mayor valor es casi siempre el que va de la información del fabricante a la pregunta del hospital — datos de producto, disponibilidad, documentación, papeles de licitación. Mida el tiempo desde «el hospital pregunta» hasta «el hospital tiene la respuesta». Un asistente sobre su propia documentación de producto, con una persona que comprueba cada respuesta, es el escalón tres más defendible del sector, y el lugar donde el papel del distribuidor como socio de conocimiento se hace real.

Para ambos: si quiere una segunda opinión sobre con qué proceso empezar, el AI-native Scale Scorecard es la autoevaluación de diez minutos que uso con mis clientes, gratuita, y el resultado se lo queda usted. Si después de eso una conversación le resultara útil, dígamelo.

Una nota sobre el alcance

Este artículo trata de la IA en la organización — ventas, marketing, servicio técnico, operaciones y los procesos de calidad que los rodean. No trata de la IA dentro del producto. El software que forma parte de un producto sanitario, o que toma decisiones clínicas, se rige por el Reglamento (UE) 2017/745 (MDR) y el Reglamento (UE) 2024/1689 (Reglamento de Inteligencia Artificial), con sus propias obligaciones de clasificación, conformidad y documentación; nada de lo anterior se le aplica. La escalera es para el trabajo que sus personas hacen alrededor del producto.

Preguntas frecuentes

¿Por dónde debería empezar con la IA una empresa de productos sanitarios? Por un proceso, no por una estrategia. Elija el proceso más cercano a los ingresos en el que más dolería un aumento de volumen — normalmente de consulta a oferta, de pedido a instalación o de reclamación a cierre —, mida cómo funciona hoy con cinco casos reales, arregle el desperdicio evidente del flujo y solo entonces añada IA, empezando por asistentes que mantengan a una persona en cada bucle. Los datos de Deloitte de 2026 muestran que la mayoría de las empresas MedTech se salta los tres primeros pasos, y por eso solo el 6 % ha rediseñado un flujo de trabajo pese a un uso casi universal de la IA.

¿Hay que arreglar el proceso antes de usar herramientas de IA? Sí, y es el paso que la mayoría de las empresas se salta. La automatización aplicada a un proceso con desperdicio produce desperdicio más rápido y más caro. La encuesta de McKinsey de 2025 encontró que las empresas con un impacto sustancial de la IA en el EBIT tienen casi tres veces más probabilidades de haber rediseñado a fondo sus flujos de trabajo, y el análisis del MIT de 2025 atribuye la tasa de fracaso del 95 % de los pilotos a la integración en el flujo de trabajo, no a la calidad del modelo. «Integración en el flujo de trabajo» significa cuatro cosas prácticas que no tienen nada que ver con lo inteligente que sea el modelo: la herramienta está conectada a los sistemas donde vive el trabajo (CRM, ERP, gestor documental) en lugar de estar en una pestaña aparte del navegador; el procedimiento dice en qué paso se usa, qué produce y quién comprueba el resultado; las personas que hacen el trabajo fueron formadas y tuvieron voz sobre dónde entra; y alguien es su responsable, la mide y la corrige cuando se desvía. Un piloto sin esas cuatro cosas nunca pasa a formar parte de cómo funciona la empresa — el modelo podría ser perfecto y el resultado sería el mismo.

¿Cuánto tarda el primer paso? Dos semanas para los tres primeros escalones — elegir el proceso, medir una línea base con cinco casos reales y arreglar el flujo sobre el papel —, si el responsable y las personas que hacen el trabajo están en la sala. El primer asistente puede estar en marcha en la tercera semana. Los agentes que gestionan casos de principio a fin corresponden al segundo trimestre, cuando la línea base ya ha demostrado dónde acierta la IA de forma fiable.

¿Es seguro usar IA en una empresa de productos sanitarios regulada? Sí, si la organización hace cuatro cosas: una persona con nombre responsable de cada paso, un procedimiento que dice qué hace la IA y quién firma, ningún dato regulado o confidencial de la empresa — documentación técnica, registros de reclamaciones, precios, contratos con clientes — en herramientas de consumo, y una tasa de corrección humana registrada. Deloitte encontró que una de cada tres empresas MedTech usa los resultados de la IA de manera informal, sin SOP actualizado ni paso de validación — ese es el riesgo, y es organizativo, no tecnológico.

¿Y si nuestro equipo ya usa ChatGPT de manera no oficial? Entonces son normales: el Work Trend Index 2024 de Microsoft y LinkedIn encontró que el 78 % de los usuarios de IA lleva sus propias herramientas al trabajo. Tómelo como descubrimiento gratuito — pregunte para qué las usan, porque esa lista es su mapa del trabajo repetitivo — y después sustituya las herramientas no autorizadas por otras autorizadas. «Autorizada» tiene un significado preciso: una herramienta que la empresa ha aprobado para usos concretos, con un contrato de empresa que excluye sus datos del entrenamiento del modelo y le da control de acceso y registro de auditoría, con un responsable con nombre, y recogida en una política de IA de una página que dice qué puede entrar en ella y qué no. En la práctica, es el nivel business o enterprise de un asistente general (Claude, ChatGPT, Microsoft 365 Copilot), la IA integrada en el CRM o el sistema de atención que ya paga, o una herramienta validada para un proceso controlado. Una cuenta personal en el nivel gratuito no está autorizada, por bueno que sea el modelo. La prohibición no detiene el uso; solo lo oculta al sistema de calidad.

Concepto del modelo / todas las citas se atribuyen tal como las recoge la publicación enlazada; el resto del material de las fuentes está parafraseado.

---

Fuentes

1. Deloitte Center for Health Solutions, Medtech’s agentic AI moment: Turning ambition into enterprise advantage, 30 de julio de 2026 (encuesta a 100 directivos de MedTech, mayo de 2026).
2. McKinsey & Company, The state of AI in 2025: Agents, innovation, and transformation, 5 de noviembre de 2025 (1.993 participantes, 105 países).
3. Boston Consulting Group, AI leaders outpace laggards with 1.7x revenue growth — The Widening AI Value Gap: Build for the Future 2025, 30 de septiembre de 2025 (1.250 directivos).
4. Fortune vía Yahoo Finance, MIT report: 95% of generative AI pilots at companies are failing, 18 de agosto de 2025, sobre el informe MIT NANDA, The GenAI Divide: State of AI in Business 2025.
5. Gartner, Gartner Predicts 30% of Generative AI Projects Will Be Abandoned After Proof of Concept By End of 2025, 29 de julio de 2024.
6. Brynjolfsson, Li y Raymond, Generative AI at Work, NBER Working Paper 31161, abril de 2023; publicado en The Quarterly Journal of Economics 140(2), 2025 (5.179 agentes de atención al cliente).
7. Dell’Acqua et al., Navigating the Jagged Technological Frontier, Harvard Business School Working Paper 24-013, 22 de septiembre de 2023 (758 consultores de BCG).
8. Microsoft y LinkedIn, 2024 Work Trend Index Annual Report: AI at Work Is Here. Now Comes the Hard Part, 8 de mayo de 2024 (31.000 trabajadores, 31 mercados).
9. McKinsey & Company, Strategies for scaling generative AI in medtech, 29 de mayo de 2025 (40 directivos de MedTech, otoño de 2024).
10. MedTech Intelligence, Lee Smith, Why Few MedTech Sales Teams Are Using AI Where It Matters Most, 10 de agosto de 2026.