Descubra cómo Compensar integra la inteligencia artificial en salud, priorizando el retorno de inversión y la cultura sobre la tecnología.
En el ecosistema empresarial contemporáneo, la inteligencia artificial (IA) ha dejado de ser una promesa de ciencia ficción para convertirse en el nuevo sistema operativo de las organizaciones. Para los tomadores de decisión en el sector salud, el reto no reside en la adquisición de la tecnología —que ya es un commodity proporcionado por gigantes como Microsoft, Amazon o Google— sino en la capacidad de extraer valor real, escalable y gobernado. Arnulfo Villalba, gerente de tecnología de salud en Compensar, plantea una visión pragmática donde la IA debe entenderse como una extensión de la capacidad cognitiva humana, un «segundo cerebro» que exige madurez estratégica para no naufragar en el entusiasmo inicial.
La inteligencia artificial como el nuevo sistema operativo empresarial
La adopción de la IA en entornos corporativos de alta complejidad, como el de la salud en Colombia, requiere una distinción técnica clara que a menudo se desdibuja en las juntas directivas. Villalba enfatiza que es un error crítico confundir la analítica tradicional o la automatización de procesos con la inteligencia artificial generativa. Mientras que la automatización puede resolver tareas repetitivas de 50 pasos, la IA suele ser el componente diferenciador en solo uno de esos eslabones, aportando capacidad de síntesis y razonamiento.
Desde una perspectiva de liderazgo, la IA debe configurarse en un «modo exigente». Según Arnulfo Villalba en su intervención para el evento de IT Talks organizado por Colsof, la IA tiende a ser complaciente si no se le entrena adecuadamente: «Si usted la pone en modo exigente, en su rol personal, tiene que tener la autoestima alta, porque le va a rechazar y abordar de forma crítica todas las ideas que le ponga». Esta analogía es trasladable al entorno B2B: las organizaciones no necesitan una IA que valide sus errores, sino una infraestructura que optimice el flujo de caja y la experiencia del usuario final.
El impacto real se mide en el P&G (Pérdidas y Ganancias). Según el estudio The State of AI in 2024 de McKinsey & Company, las empresas que han logrado mitigar riesgos y escalar soluciones de IA reportan un aumento significativo en la eficiencia operativa. En salud, esto se traduce en pasar de iniciativas aisladas a una visión organizacional donde cada caso de uso debe superar un filtro riguroso de Retorno de Inversión (ROI), alineado con los OKRs y KPIs de la compañía.
Evitando el infierno de los pilotos y los desafíos de la escalabilidad
Uno de los mayores obstáculos para los directores de tecnología es el denominado «infierno de los pilotos». Es común que una organización desarrolle una prueba de concepto (POC) exitosa en un entorno controlado, pero que colapse al intentar desplegarla masivamente. Villalba relata una experiencia pedagógica en el sector: la implementación de una IA para asistir a médicos en la transcripción de consultas. Aunque la solución funcionaba técnicamente, el costo de escalabilidad —80 dólares mensuales por cada uno de los 1.200 médicos— hizo que el modelo fuera financieramente inviable.
Para evitar estos errores costosos, la toma de decisiones debe ser integral desde el día uno. No basta con que la tecnología sea funcional; debe ser económicamente sostenible. La escalabilidad requiere una arquitectura que soporte el volumen de datos de millones de afiliados sin degradar el margen operativo.
Además, la integración de soluciones ya existentes de proveedores como Salesforce, Oracle o SAP se presenta como una vía rápida y segura. Villalba advierte que «ninguna junta directiva va a preguntar si la IA la compró o la fabricó, sino cómo impactó las ventas o la eficiencia». En sectores altamente regulados, aprovechar las inversiones multimillonarias de los fabricantes en seguridad y cumplimiento es una decisión estratégica que minimiza el riesgo técnico.
Gobernanza de datos y el cambio de paradigma hacia la confianza
La ciberseguridad y la gobernanza de datos suelen ser los principales detractores de la adopción de IA. Sin embargo, la estrategia de bloquear el acceso a herramientas de IA generativa es, a menudo, una medida ineficaz que genera una falsa sensación de seguridad. El riesgo real reside en que, mientras la organización prohíbe internamente estas herramientas, sus proveedores externos pueden estar procesando código fuente o datos sensibles en IAs abiertas sin supervisión.
Compensar propone un modelo basado en la política de uso claro y la generación de confianza. Más que restricciones técnicas, se requiere una cultura organizacional donde el empleado entienda las implicaciones de exponer datos sensibles. Esto implica sentar a las áreas de riesgo y seguridad en la misma mesa que tecnología, no como censores, sino como arquitectos de soluciones seguras. El objetivo es adherirse al «apetito de riesgo» de la compañía de manera transparente.
La ética y la responsabilidad son pilares fundamentales. Según Arnulfo Villalba en el estudio de casos de arquitectura TI, «no podemos creerle a la automatización al 100% porque cuando pase algo grave, no va a estar ChatGPT en la cárcel, va a estar la empresa». Por ello, cada respuesta generada por una IA en procesos críticos, como la atención de PQRs (Peticiones, Quejas y Reclamos), debe contar con una validación humana final que garantice la integridad jurídica y profesional de la respuesta.
Impacto medible en medicamentos y auditoría médica
La aplicación práctica de la IA en Compensar ofrece lecciones valiosas para otros sectores. Un caso emblemático es la optimización del proceso de medicamentos. Mediante una automatización de 20 pasos, donde solo uno incorporó IA, se logró reducir los tiempos de autorización de medicamentos de 72 horas a menos de cuatro horas. Este avance no solo representa un ahorro financiero, sino una mejora sustancial en la experiencia del paciente, quien recibe su tratamiento de forma oportuna.
Otro frente de batalla es la auditoría de facturación médica. El sistema recibe facturas, tarifas e historias clínicas para que una IA —que actúa como un equipo multidisciplinario de médicos— realice una auditoría de pertinencia. El propósito aquí no es la negación sistemática del pago, sino la generación de datos para mesas de trabajo con prestadores, buscando mejorar el ecosistema de salud a través de estrategias conjuntas de control de costos.
Finalmente, Villalba subraya que el éxito de estas implementaciones sigue una regla de proporciones estricta: el 70% del éxito depende de las personas y la cultura, el 20% de los procesos definidos y solo el 10% de la tecnología per se. El reto para los líderes C-Level en 2024 no es encontrar la mejor herramienta, sino liderar el cambio adaptativo que permita que su capital humano adopte la IA como un aliado y no como una amenaza para su estabilidad laboral.
La inteligencia artificial en el sector B2B ya no admite enfoques experimentales sin propósito. La madurez del mercado exige que los directores de tecnología actúen como socios estratégicos del negocio, priorizando soluciones que impacten el P&G y mejoren la competitividad. Como bien señala la experiencia de Compensar, el camino hacia una organización inteligente se construye con datos centralizados, una gobernanza participativa y, sobre todo, una visión clara de que la tecnología está al servicio del bienestar humano y la sostenibilidad financiera.
