La IA eleva la factura hospitalaria, sin aportar ni una pizca más de atención
Los hospitales estadounidenses han empezado a usar herramientas automatizadas para buscar sistemáticamente diagnósticos secundarios en las historias clínicas de los pacientes. No lo hacen para mejorar la atención, sino para justificar tarifas más altas ante las aseguradoras. La gigante aseguradora Blue Cross Blue Shield alerta de cientos de millones de dólares en costes adicionales en solo dos años, costes que acaban recayendo en los pacientes en forma de primas más altas. No es un fallo técnico, sino un error de objetivos: los sistemas de IA hacen exactamente lo que se les ha diseñado para hacer, pero el objetivo es erróneo desde el principio.
IA en la sombra de la sanidad: eficiencia al servicio del sistema, no del paciente
Debería ser evidente: una herramienta de IA en la sanidad debe ayudar a los pacientes a recuperar la salud. Sin embargo, la realidad, descrita por un médico en la revista especializada estadounidense STAT Health Tech, es aún más inquietante.
La gigante aseguradora Blue Cross Blue Shield dio recientemente la voz de alarma sobre un método extendido entre los hospitales estadounidenses, conocido en el sector como «bump coding». El método consiste en que herramientas automatizadas de IA rastrean sistemáticamente las historias clínicas para identificar diagnósticos secundarios, como niveles bajos de sodio, anemia o desnutrición, que después se documentan para justificar tarifas más altas ante las aseguradoras. ¿El resultado? Cientos de millones de dólares en costes adicionales para BCBS en solo dos años. Unos costes que, en última instancia, acaban recayendo en los pacientes en forma de primas más altas.
El médico que comparte su experiencia describe cómo, ya en los inicios de su formación, recibía constantemente recordatorios automatizados de los gestores de riesgos del hospital: documentar los diagnósticos secundarios, indicar si estaban siendo monitorizados, investigados o tratados. Al final, decidió resolver el problema con una herramienta automatizada propia, que escaneaba las historias clínicas y señalaba las afecciones relevantes. Los datos eran correctos. Pero el objetivo no era una mejor atención. Era una factura más alta.
Esto no es un fallo técnico. Es un error de objetivos. Los sistemas de IA hacen exactamente lo que están programados para hacer: optimizan el nivel de reembolso, no el beneficio para el paciente. Y es precisamente esa distinción la que hace que la situación sea tan grave.
La vulnerabilidad humana como superficie de ataque
En otro frente se libra una batalla paralela por el control y la confianza. SecurityWeek informa de que los ataques de manipulación social, en los que los atacantes se hacen pasar por personas de confianza para obtener acceso o información sensible, siguen siendo una de las vías de ataque más eficaces contra las organizaciones, a pesar de las enormes inversiones en formación del personal.
Los ejemplos son difíciles de ignorar. Durante los ataques a los casinos de Las Vegas en 2023, atacantes del grupo Scattered Spider llamaron al servicio de ayuda técnica de MGM Resorts, se hicieron pasar por empleados y consiguieron restablecer contraseñas y eludir la autenticación multifactor. La consecuencia fue de diez días de interrupción del servicio y un coste estimado de 100 millones de dólares. Se cree que Caesars Entertainment pagó 15 millones de dólares en concepto de extorsión. Tan recientemente como en agosto de 2026, Brinks Home sufrió un ataque similar: el grupo ShinyHunters, mediante una estafa telefónica, convenció a un empleado del servicio de ayuda técnica para que completara un paso de autenticación y obtuvo acceso inmediato a casi cinco millones de datos de clientes.
La respuesta que busca ahora el sector es la detección en tiempo real de la manipulación durante las conversaciones en curso: sistemas de alerta codificados por colores que analizan la voz, la elección de palabras y los patrones de comportamiento, y que avisan antes de que se produzca el daño. Es la IA como contramedida frente a los fraudes potenciados por la IA.
El mismo problema de fondo, dos manifestaciones
Las dos noticias no parecen tener nada que ver entre sí. Pero si se rasca un poco la superficie, aparece un patrón común.
En el ejemplo sanitario, la IA se utiliza para optimizar una métrica, el nivel de reembolso, que es fácil de cuantificar pero que no refleja el valor real de la atención. El sistema recompensa la documentación, no la recuperación.
En el ejemplo de seguridad, los atacantes aprovechan el hecho de que los empleados de los servicios de ayuda técnica están optimizados para la colaboración, y de que esa lógica de optimización es tan predecible como un algoritmo. El resultado es el mismo: el sistema se utiliza en contra de su propio propósito.
Es un recordatorio importante para quienes trabajamos con la transformación de la IA en el ámbito empresarial. La tecnología no es neutral: amplifica los incentivos que ya están incorporados en el sistema. Si los incentivos están mal diseñados, la IA producirá resultados erróneos con una eficacia extraordinaria.
Qué exige esto de nosotros
Sería fácil leer estas noticias como argumentos en contra de la IA. No lo son. Son argumentos a favor de una mejor gestión de los objetivos, una regulación más clara y estructuras de incentivos más honestas.
El sistema de reembolsos sanitarios necesita reformarse para medir el beneficio para el paciente, no el volumen de diagnósticos. Las rutinas de seguridad deben complementarse con un apoyo en tiempo real que pueda seguir el ritmo de los atacantes que ahora potencian sus métodos con IA.
La tecnología puede ser la solución, pero solo si somos tan rigurosos definiendo qué queremos conseguir como lo somos implementando las herramientas que han de conseguirlo.