El reporte decía que la clínica era más eficiente. El pasillo decía otra cosa.
La agenda se veía llena en pantalla. En la sala se veía a ratos vacía y a ratos saturada.
Una clínica había automatizado una parte de su contacto con pacientes. Nada sofisticado. Respuestas automáticas, confirmaciones, reprogramaciones por chat.
La idea era crecer sin contratar más personal administrativo. Suena razonable. Es la tesis de casi toda la ia para empresas en este momento.
Durante las primeras semanas el número acompañó. Menos llamadas. Menos mensajes pendientes. Menos horas frente al teléfono.
Después empezó lo otro. Pacientes que llegaban cuando no les tocaba. Pacientes que no llegaban cuando sí les tocaba. Indicaciones que se entendieron a medias.
Nadie había tocado el sistema médico. El problema no era el diagnóstico. Era todo lo que pasa antes de entrar al consultorio.
Donde se midió el ahorro
El ahorro se midió arriba. En horas administrativas. En mensajes respondidos. En huecos supuestamente recuperados.
Ahí todo cerraba. El tablero mostraba menos carga. El gasto administrativo no subió. La operación parecía contenida.
Es la foto que casi todos los pilotos enseñan. Trabajo de escritorio que sale más rápido. Eso es lo que se presenta en la junta.
El informe State of AI in Business 2025 del MIT pone esa foto en contexto. Habla de una inversión empresarial de entre 30 y 40 mil millones de dólares en IA generativa, con 95% de las organizaciones sin retorno y solo 5% de pilotos integrados extrayendo millones en valor.
La causa que señala no es el modelo. Son los flujos frágiles. La falta de contexto. La desconexión con la operación diaria.
Eso era exactamente lo que pasaba aquí. Pueden leer más sobre esa brecha entre pilotos y resultados en por qué la mayoría de los pilotos no llegan a resultados.
Donde se pagó
El costo se pagó abajo. En persona. Con cuerpo presente.
Quien sostenía la explicación estaba de pie, en uniforme clínico —de los que Langiani vende por línea—, y no podía decirle al paciente que la culpa era del sistema.
Esa persona repetía indicaciones. Calmaba a quien llevaba una hora esperando. Volvía a tomar datos que ya se habían tomado mal.
El sistema no veía esa parte. No la registraba como retrabajo. La registraba como atención.
Yo soy extremadamente dispersa. Mi equipo me armó lo que yo llamo mi niñera diaria. Cada mañana me dice qué debo, qué es urgente y qué no se puede caer.
Lo cuento porque sé lo que es necesitar ayuda externa para no perder el hilo. La diferencia es que mi niñera no atiende a un paciente molesto. El personal de la clínica sí.
Cuando la IA se equivoca en un documento, el error se corrige con otro documento. Cuando se equivoca frente a un paciente, el error se corrige con presencia.
Lo que el uniforme deja ver
En una clínica el error tiene uniforme puesto. Se ve. Tiene nombre. Está parado frente a alguien.
En una oficina el error se puede reenviar. Se puede editar. Se puede versionar. En piso no.
Por eso la tesis de crecer ingresos sin crecer la nómina al mismo ritmo tiene un límite claro. Funciona donde el trabajo es reversible. Se rompe donde el trabajo es presencial.
No es que la clínica no pueda usar IA. Es que no la puede usar para quitarse de encima la parte humana. La puede usar para llegar mejor preparada a esa parte.
La pregunta útil no era qué tarea podemos automatizar. La pregunta útil era qué decisiones estamos tomando con información incompleta porque analizarlo todo tardaría demasiado.
Esa es la diferencia entre automatizar mensajes y mejorar decisiones. Una cosa quita llamadas. La otra prepara la consulta.
Qué estaba pasando por debajo
Fuimos a ver qué había debajo. Como siempre.
El modelo respondía bien. El problema era con qué decidía. Horarios que cambiaban y no se actualizaban. Indicaciones distintas según el médico. Excepciones que nadie había escrito en ningún lado.
La IA tomaba información mala y la ejecutaba exactamente como se le pidió. Rápido. Consistente. Automático.
Automatizar no limpia una mala decisión. A veces nada más la convierte en sistema.
Esto no es un problema de chatgpt para empresas en abstracto. Es un problema de contexto concreto. Qué sabe el sistema de tus horarios reales. De tus excepciones. De tus indicaciones por especialidad.
Mucha formación se queda en como usar chatgpt para redactar más rápido. Eso sirve en escritorio. No resuelve una sala de espera.
Una consultoria en inteligencia artificial seria no empieza por el prompt. Empieza por mapear dónde duele el error y quién lo paga.
Lo que sí funcionó después
La clínica no apagó todo. Lo acotó.
Dejó la IA donde el error es barato. Borradores de mensajes. Prellenado de formularios. Resúmenes para el personal. Todo con revisión antes de salir.
Sacó la IA de donde el error es caro. Confirmaciones definitivas. Cambios de horario de último momento. Indicaciones previas a un procedimiento.
Ahí puso regla clara. Si afecta a una persona que ya va en camino, lo confirma un humano.
El resultado no fue menos trabajo administrativo. Fue mejor trabajo administrativo. Menos correcciones en persona. Menos fricción en recepción.
La IA multiplica tu criterio. No reemplaza la parte donde tienes uno.
La IA no le dio más tiempo libre a nadie en esa clínica. Tampoco a mí me dio más tiempo libre. Trabajo más que nunca. Lo que cambió es que el equipo es mejor en su trabajo cuando llega el paciente.
Me lo dijo ChatGPT es la nueva forma de no pensar. Igual que antes era lo dijo mi jefe o así se ha hecho siempre.
No los hiciste más inteligentes. Nada más le diste mejor redacción a las malas decisiones, si automatizaste sobre información mala.
Si la respuesta a puedo confiar en la información con la que esta IA va a decidir es no, el modelo es el menor de tus problemas.
¿Dónde está en tu empresa el trabajo que sí usa uniforme, aunque no lleve uno puesto? Si quieres ver dónde está eso en tu empresa, es justo lo que buscamos en un TRiAGE.
