Escalar la IA sostenible requiere integrar las soluciones en los flujos de trabajo, la gobernanza y las prioridades nacionales.
Las organizaciones que escalan la IA deben desarrollar principios rectores, procesos de gobernanza responsables, un equipo de innovación sólido y disciplina operativa.
El Hospital Especializado King Faisal y Centro de Investigación de Arabia Saudí ofrece un modelo para los líderes que buscan desbloquear un impacto tangible mediante la IA.
La inteligencia artificial (IA) en la sanidad ha dejado atrás la fase de prueba de concepto; la cuestión ahora es cómo integrarla de forma sostenible como parte de la estrategia digital de un hospital. Con demasiada frecuencia, los proyectos piloto tienen éxito en el laboratorio, pero siguen fracasando en la práctica clínica: la baja adopción, la escasa integración en los flujos de trabajo y la limitada materialización del valor siguen siendo las mayores barreras.
La IA sostenible no consiste en perseguir aisladamente el siguiente algoritmo, sino en construir ecosistemas en los que la adopción, la gobernanza y los resultados medibles impulsen la agenda. Esto requiere un enfoque meditado y sistemático, centrado en generar un valor real para los pacientes, los proveedores y los sistemas de salud.
El hospital saudí King Faisal Specialist Hospital and Research Centre (KFSHRC) lleva varios años desarrollando su propio ecosistema, que incluye un Centro de Innovación Digital y abarca cuatro componentes clave: principios rectores, procesos de gobernanza, capacidades de innovación y disciplina operativa.
Los siguientes principios y prácticas son aplicables no solo en los hospitales, sino en cualquier organización que busque implementar la IA de forma sostenible y a gran escala.
Principios rectores
En lugar de partir de la tecnología, los esfuerzos exitosos para implementar la IA sostenible parten de un problema que necesita solución, ya sea un desafío en la toma de decisiones clínicas, una brecha en la atención al paciente o una ineficiencia operativa. Este principio de «primero el valor, después los modelos» mantiene las iniciativas ancladas en necesidades reales. En línea con ello, la IA también se integra en las rutinas diarias, en lugar de superponerse a ellas, lo que garantiza una mejora y no una carga para los profesionales sanitarios y contribuye a impulsar la adopción.
Los principios tácticos también son fundamentales para respaldar la implementación. Un equipo interno reducido, apoyado por alianzas específicas, puede lograr a menudo más que un programa de IA sobredimensionado. La infraestructura también importa: una base técnica híbrida puede ser ideal, en la que los sistemas locales seguros proporcionen la protección necesaria para los datos sensibles, mientras que la capacidad en la nube y las herramientas seguras de código abierto permiten escalar.
Los principios también deben considerarse dentro del ecosistema más amplio; por ejemplo, al evaluar socios de innovación y la comercialización, solo debe incorporarse un número selecto de startups de alto valor en cada ciclo, y el hospital (u organización) debe actuar como socio de diseño para garantizar que sus soluciones aborden desafíos reales de la sanidad.
Procesos de gobernanza
Aunque los principios rectores abstractos son un punto de partida crucial, es fundamental establecer procesos repetibles que garanticen que solo las soluciones adecuadas lleguen a la atención al paciente. Por ello, el segundo componente es indispensable: un proceso claro para desarrollar nuevas soluciones de IA y gestionar un flujo de innovación. En el KFSHRC, la gobernanza sigue un ciclo de siete etapas:
Inicio del caso de uso: Las propuestas se aceptan durante todo el año, pero se evalúan en ventanas de revisión estructuradas, según su valor clínico u operativo claro, su viabilidad sólida, sus métricas de éxito definidas y las pruebas procedentes de trabajos anteriores.
Preparación de datos: Se aplica una atención rigurosa a la calidad, el linaje y la representatividad de los datos.
Fase de diseño: Los equipos deciden si desarrollar la solución internamente, adaptar una solución de un proveedor o desarrollarla conjuntamente con un socio.
Prueba de concepto y prueba de valor: Cada solución pasa por una evaluación por fases: pruebas técnicas internas, evaluación comparativa externa y, finalmente, validación por expertos del ámbito.
Bucles de retroalimentación: Se involucra a los usuarios finales para perfeccionar la facilidad de uso, la fiabilidad y la pertinencia.
Integración: Además de integrarse en los flujos de trabajo, el proceso define las acciones de seguimiento. Si los clínicos o el personal no saben cómo actuar a partir de los resultados de la IA, la adopción está condenada al fracaso.
Próximos pasos: Una vez implementadas, las soluciones entran en una fase de monitorización estructurada, que hace seguimiento de su uso, su valor empresarial y su rendimiento. Las vías de comercialización, incluidas las escisiones (spin-offs) y las colaboraciones con startups, garantizan que la innovación pueda escalar más allá de un solo hospital.
Este proceso de gobernanza está diseñado para ser práctico: ni un mecanismo rígido de control previo ni un flujo laissez-faire, sino una vía equilibrada que mantiene la IA segura, con impacto y preparada para el futuro.
Capacidades de innovación en IA
El tercer componente clave consiste en establecer una capacidad sólida para generar y escalar la innovación en IA.
El KFSHRC creó un Centro de Innovación Digital basado en un equipo deliberadamente reducido, pero muy capaz, de menos de 10 miembros principales, estructurado para maximizar el impacto y evitar duplicidades. El Centro se encarga de la gestión de productos y de la inteligencia de datos, y ha desplegado más de 30 modelos de IA en los últimos años.
Cada herramienta de IA se trata como un producto desde el inicio, con hojas de ruta, métricas de éxito y titularidad a lo largo de su ciclo de vida, lo que garantiza que las soluciones evolucionen con las necesidades del hospital. El análisis exploratorio de datos se combina con la preparación de conjuntos de datos, lo que permite entrenar los modelos de IA con datos limpios, representativos y bien documentados.
Los modelos pasan después al AI+ Lab, un motor de innovación que desarrolla modelos, co-diseña con socios y pilota agentes de IA. El laboratorio experimenta para impulsar nuevas ideas, pero dentro de los límites de la gobernanza. Es importante señalar que, en esta etapa, las innovaciones se revisan cuidadosamente para verificar su cumplimiento de las normas nacionales e internacionales, los marcos éticos y el ciclo de gobernanza interno.
Contar con un equipo multidisciplinar ayuda a ejecutar y sostener los proyectos, equilibrando la rapidez de la innovación con la profundidad de la gobernanza.
Disciplina operativa
Convertir los proyectos piloto prometedores en un impacto en todo el hospital, o incluso en toda la organización, requiere disciplina operativa: prácticas clave que conectan la intención estratégica con la práctica cotidiana. Estas palancas determinan si la IA sigue siendo una serie de casos de estudio aislados o evoluciona hacia un multiplicador de productividad fiable, aplicable y sostenible.
Cada iniciativa de IA en el KFSHRC requiere un promotor interno clínico u operativo, que garantice que las colaboraciones generen resultados tangibles en lugar de convertirse en «teatro de la innovación».
Todo comienza con la responsabilidad a lo largo del ciclo de vida. Las soluciones de IA nunca se consideran «entregadas y concluidas»: cada una tiene un responsable designado que se encarga de las actualizaciones, la monitorización y la retirada del sistema si deja de generar valor. Así se garantiza que las carteras evolucionen con el tiempo, en lugar de acumular herramientas sin uso.
El pensamiento de plataforma refuerza aún más la gestión de carteras: en lugar de desarrollar proyectos aislados, las organizaciones deben pensar en la infraestructura —por ejemplo, registros de datos o paneles de monitorización— que haga que los nuevos modelos se desplieguen más rápido, a menor coste y con mayor seguridad.
Para favorecer la adopción, también es fundamental desarrollar bucles de aprendizaje aplicado. La formación se integra en los flujos de trabajo diarios, no solo en las aulas. Esto se traduce en que el personal participe en ciclos iterativos de retroalimentación, en los que el uso en el mundo real orienta las mejoras. De este modo, la adopción se convierte en un proceso continuo y no en un despliegue puntual.
Por último, para las organizaciones de mayor tamaño que tienen la escala necesaria para lograrlo, seleccionar una cartera concreta de alianzas con startups y proveedores, directamente alineadas con las prioridades organizativas, contribuye a la disciplina operativa.
La IA aplicada sostenible consiste en alineación: tecnología, gobernanza, economía y adopción trabajando juntas. El futuro de la sanidad pertenece a quienes construyan y escalen ecosistemas de IA, y no solo proyectos piloto.
Construir ecosistemas sostenibles
El valor real de la IA en la sanidad procede de la adopción, no de la experimentación. Los líderes deben desarrollar estrategias que combinen talento interno, socios externos y una gobernanza clara, para garantizar que los esfuerzos de innovación generen aprendizaje compartido y un impacto amplio.
Las prioridades se están afianzando en todo el sistema: los hospitales deben integrar la IA en los flujos de trabajo diarios; los proveedores deben cumplir las necesidades regulatorias locales; y los gobiernos deben invertir en infraestructura de datos, gobernanza y capacidad de la fuerza laboral para permitir un progreso escalable.
La IA aplicada sostenible consiste en alineación: tecnología, gobernanza, economía y adopción trabajando juntas. El futuro de la sanidad pertenece a quienes construyan y escalen ecosistemas de IA, y no solo proyectos piloto.
