¿Qué quiere demostrar Bill Gates con la IA?

En un sistema así, la IA tiene el potencial de ampliar las capacidades de un personal sanitario sobrecargado, facilitando el acceso a información especializada, optimizando la asignación de recursos y apoyando la atención comunitaria y domiciliaria. Gates subraya que las herramientas de Horizon 1000 están diseñadas para asistir, no para reemplazar, a los profesionales de la salud.

Durante su visita al país en julio de 2026, Gates prestó especial atención al Centro de Inteligencia Sanitaria (Health Intelligence Center), donde se recopilan datos en tiempo real de clínicas, hospitales y personal comunitario para apoyar la toma de decisiones del Ministerio de Salud. La IA se integra en esta infraestructura porque la capacidad de desplegarla con éxito depende, en gran medida, de la solidez del sistema que la recibe.

Este es el punto donde la iniciativa de Horizon 1000 se enfrenta a un desafío global.

Leer más: El Dr. Trân Ván Xuân y sus esfuerzos por comprender el cerebro humano

El informe Scaling Artificial Intelligence in Health de la OCDE, publicado en marzo de 2026, revela que la IA ya está presente en los sistemas sanitarios de todos los países analizados, pero su escalabilidad a nivel nacional sigue siendo muy limitada. En el ámbito del diagnóstico por imagen, una de las aplicaciones de IA más maduras, apenas el 10% de las herramientas han alcanzado un despliegue nacional.

Resulta llamativa la brecha entre la infraestructura digital existente y la capacidad de gobernanza específica para la IA.

En cuanto a las bases, el nivel de preparación es elevado: el 100% de los países de la OCDE encuestados cuenta con leyes de privacidad de datos sanitarios; el 71% ha definido estrategias nacionales de interoperabilidad; el 63% posee procesos para catalogar activos de datos críticos; y el 61% tiene enfoques nacionales para la aprobación de dispositivos médicos con IA.

Sin embargo, al abordar las particularidades de la IA, los porcentajes caen drásticamente. Sólo el 3% tiene leyes específicas para la IA en salud. Apenas el 24% ha integrado la IA en los sistemas de evaluación de tecnologías sanitarias. Alrededor del 18% dispone de organismos de supervisión nacional y planes de acción dedicados a la convergencia entre IA y salud; y solo el 11% ha adaptado las directrices de compra pública para considerar la IA.

Esta disparidad va más allá de la observación general de que “la gobernanza va detrás de la tecnología”. Indica que los sistemas sanitarios saben gestionar datos y productos médicos, pero aún no han aprendido a gestionar una tecnología que puede evolucionar tras su despliegue, afectando múltiples eslabones de la toma de decisiones médicas.

Con la IA, la pregunta no es solo si el modelo cumple los requisitos en el momento de la aprobación. El sistema debe monitorear su rendimiento en condiciones reales, identificar si hay variaciones de efectividad entre grupos de pacientes, evitar la dependencia excesiva de los profesionales y definir responsabilidades cuando una recomendación de la IA conduzca a un error clínico.

La carencia de capacidades humanas es igualmente evidente. Solo el 29% de los países de la OCDE cuenta con estrategias nacionales para elevar la conciencia o las habilidades en IA de su fuerza laboral sanitaria; un 39% tiene iniciativas para educar al público. Paralelamente, una evaluación de la OMS en Europa (2026) muestra que apenas una quinta parte de los países miembros ofrece formación en IA antes del ejercicio profesional.

Por lo tanto, “llevar la IA a 1.000 clínicas” solo describe la distribución tecnológica. La verdadera prueba de Horizon 1000 será si dichas clínicas cuentan con sistemas capaces de seleccionar la IA adecuada, emplearla correctamente, detectar errores y asumir la responsabilidad de su uso.

La OMS trabaja para responder a estos retos a través de su Guía ética y de gobernanza para modelos de IA multimodales grandes en salud (2024).

La OMS distribuye las responsabilidades entre gobiernos, desarrolladores tecnológicos, centros de salud y personal especializado, ya que la seguridad de la IA en la salud no puede garantizarse solo mediante la calidad técnica del modelo.

Estos más de 40 consejos pueden resumirse en varios estándares fundamentales.

Primero, la IA debe evaluarse según una tarea definida, no por su capacidad general. La OMS exige que los desarrolladores diseñen sistemas para funciones específicas, con niveles de precisión y fiabilidad adecuados para cada tarea.

Segundo, el rendimiento promedio es insuficiente; se necesita saber cómo afecta la tecnología a cada grupo demográfico. La OMS advierte sobre sesgos por raza, género o edad. Las auditorías de impacto deben publicar resultados desglosados para garantizar la equidad.

Tercero, la evaluación debe ser continua tras el lanzamiento del producto. La OMS recomienda auditorías independientes post-comercialización, especialmente para modelos de lenguaje a gran escala desplegados masivamente.

Cuarto, la responsabilidad no debe diluirse en el algoritmo. Se insta a los gobiernos a establecer organismos que autoricen la IA en salud y a vigilar el “sesgo de automatización”, donde los profesionales pueden ignorar errores humanos al confiar excesivamente en un sistema de IA con apariencia de autoridad.

Quinto, los pacientes y profesionales deben participar desde el diseño. El desarrollo no debe ser exclusividad de ingenieros; requiere un proceso transparente, inclusivo y multidisciplinario.

Pero incluso si una IA cumple todos estos requisitos, Gates plantea otra duda: ¿deberíamos delegar a las máquinas todo lo que son capaces de hacer bien?

En su ensayo, Gates narra los últimos años de su padre, afectado por Alzheimer. A pesar de su declive, el personal de atención lograba reconocer necesidades que él ya no podía expresar con palabras. Gates ve en esa labor algo “insustituible a nivel humano”.

A partir de aquí, acuña el concepto “Human Reserved” (Reservado a humanos): áreas que la sociedad debe proteger para la interacción humana, incluso cuando la IA sea técnicamente capaz de realizarlas. Gates lo compara con las reservas naturales: podríamos construir sobre ellas, pero decidimos no hacerlo porque el coste social y humano sería demasiado elevado. La limitación de la IA no surge de la incapacidad tecnológica, sino de la decisión social de preservar valores que se perderían si la capacidad técnica fuera el único criterio.

La salud ofrece el ejemplo más claro: un robot podría dar un diagnóstico terminal, pero el impacto emocional requiere la empatía de una persona. Esta es la clase de labor que Gates sugiere que la sociedad debería mantener bajo supervisión humana.

La salud es, quizás, la prueba más rigurosa para la promesa de equidad de la IA. No por ser el campo donde más espectacular resulta la tecnología, sino por plantear tres preguntas simultáneas: ¿llega la IA a quienes más la necesitan?; ¿mejora la atención de forma segura y justa?; y ¿sabemos qué delegar y qué no a las máquinas?

Solo si la IA supera estas tres pruebas, el argumento de Gates sobre un mundo más equitativo gracias a la tecnología podrá considerarse probado.

LEER MÁS

[Cover Story] Huỳnh Bích Ngọc, Vicepresidenta permanente y CEO de TTC Group: De la mente sostenible al legado dejado

De la tecnología a la capacidad organizativa: ¿Cómo crean ventaja competitiva las empresas?

Alfabetización financiera: el pilar fundamental para las nuevas generaciones