La inteligencia artificial fue el eje central de la conferencia MedTech 2026, organizada por la asociación AdvaMed, donde el debate trascendió la mera exposición de capacidades técnicas para profundizar en los desafíos operativos y regulatorios. Si bien prevalece el optimismo, los líderes de la industria ofrecieron perspectivas críticas que indican que la próxima etapa pasará del "ruido mediático" a la fase de enfrentar las complejidades de la implementación real en un entorno médico altamente regulado.
Desafíos de la gestión de sistemas y cumplimiento normativo
Erez Kaminski, director ejecutivo de Ketryx, advirtió que la realidad del despliegue de la inteligencia artificial es más compleja de lo que muchos imaginan. Señaló que el nivel de despliegue real sigue estando por debajo de las expectativas, anticipando que el mayor problema residirá en la "gestión de la complejidad".
Según Kaminski, las empresas que actualmente tienen dificultades para gestionar un solo sistema de tecnología de la información regulado enfrentarán un desafío enorme cuando deban gestionar cientos de agentes inteligentes (AI agents) que cambian constantemente, especialmente dado que muchos de estos usos se superpondrán con procesos sensibles de calidad e investigación y desarrollo.
Estrategia de especialización y los datos como barrera competitiva
Por su parte, Mick Farrell, director ejecutivo de ResMed, se centró en la importancia de la "propiedad vertical" (Vertical Ownership). Farrell considera que el éxito no proviene de intentar aplicar la inteligencia artificial en todas partes, sino de construir una infraestructura especializada en áreas específicas como la salud respiratoria y del sueño.
Explicó que la verdadera fuerza reside en aprovechar los macrodatos que nadie más posee; ResMed cuenta con datos que cubren 28 mil millones de noches, lo que le otorga la capacidad de aplicar la inteligencia artificial a gran escala para atender a millones de pacientes, algo difícil de replicar para los competidores. También señaló el uso de la inteligencia artificial en las cadenas de suministro para lograr ahorros de costos frente a la inflación.
La brecha entre responsabilidad y autoridad en los sistemas inteligentes
En el contexto de la ciberseguridad y la gobernanza, Zahra Timsah, directora ejecutiva de i-GENTIC AI, planteó un punto fundamental relacionado con otorgar responsabilidades a la inteligencia artificial sin una definición clara de sus autoridades. Advirtió que el sistema podría ofrecer una respuesta técnicamente precisa, pero podría cometer un error grave al compartir información del paciente de manera inapropiada, infringir un requisito normativo o actuar basándose en legislaciones obsoletas.
Timsah enfatizó que este desafío representa un punto de encuentro crucial entre las políticas de inteligencia artificial y la ciberseguridad, donde no debe limitarse a definir qué se debe hacer (política), sino que se debe controlar el acceso y verificar cada acción antes de su ejecución (seguridad).
Distinción entre productividad e innovación superficial
Mike White, socio de Alexander Group, abogó por distinguir entre los usos productivos y no productivos de la inteligencia artificial. Considera que los usos reales son aquellos que mejoran la productividad en los procesos comerciales, como los agentes de interacción (engagement agents) para calificar clientes potenciales en los equipos de ventas y marketing.
Por el contrario, White criticó algunas tendencias que considera inútiles, como el uso de la inteligencia artificial para analizar las expresiones faciales de los clientes durante las llamadas de ventas para sugerir reacciones, considerando que este tipo de aplicaciones carece de valor práctico real en comparación con los agentes que respaldan los procesos fundamentales.
¿Qué significa esto para el futuro tecnológico en el sector médico?
Estas perspectivas muestran que el sector de la tecnología médica atraviesa una etapa de madurez técnica; la pregunta ya no es "¿puede la inteligencia artificial hacer esto?", sino "¿cómo podemos gestionarla y garantizar su cumplimiento?". El cambio radical ocurrirá en cómo se integra la inteligencia artificial dentro del ciclo de vida del desarrollo de productos (I+D) y los procesos de calidad, lo que requiere una infraestructura técnica capaz de manejar cientos de sistemas cambiantes, y no solo añadir funciones inteligentes a los productos finales.