En la atención primaria y especializada de toda Europa, los profesionales sanitarios utilizan herramientas de inteligencia artificial (IA), es decir, sistemas informáticos que realizan tareas que normalmente requieren inteligencia humana, en consultas en vivo, en pases de visita y en flujos de trabajo especializados. Lo que ha cambiado no es la ambición de la tecnología, sino la convergencia de condiciones que hacen posible una adopción real: los marcos regulatorios han madurado, la integración con los sistemas de historia clínica electrónica se ha profundizado y una masa crítica de profesionales sanitarios ha pasado del escepticismo al uso selectivo e informado por la evidencia.

El problema central que la IA está resolviendo para los profesionales sanitarios

El principal motor de la adopción de la IA en entornos clínicos no es la novedad tecnológica. Es una crisis de la fuerza laboral expresada a través de la carga de documentación. Estudios han encontrado que los médicos pueden pasar hasta la mitad o más de su jornada laboral en tareas relacionadas con la historia clínica electrónica, un patrón que incrementa la carga cognitiva (el esfuerzo mental requerido para procesar y actuar sobre la información), deteriora la calidad de la interacción con el paciente y acelera el burnout.

En el Reino Unido, las presiones son estructurales. La escasez de médicos de familia, las crecientes listas de espera y el peso administrativo de los requisitos de documentación del NHS han creado un sistema en el que los profesionales sanitarios completan rutinariamente las historias clínicas fuera del horario laboral, sacrificando tiempo que de otro modo se destinaría al descanso, la reflexión o la atención a los pacientes. El término "carga administrativa" se ha convertido en sinónimo de un fenómeno que, en la práctica, es tanto un problema de seguridad clínica como de bienestar.

El panorama europeo es similar. La primera instantánea de la Organización Mundial de la Salud (OMS)/Europa sobre IA en la atención sanitaria en los 27 Estados miembros de la UE identificó las brechas de formación de la fuerza laboral y la gobernanza como prioridades precisamente porque la demanda de herramientas de IA ha superado la infraestructura para apoyarlas de manera responsable. El problema que se le pide a la IA que resuelva es real, medible y urgente, razón por la cual las herramientas que reciben más atención son aquellas que abordan directamente la carga de documentación.

Tecnología de voz ambiental y asistentes médicos con IA: el cambio lejos del teclado

La categoría más relevante de herramientas de IA en la práctica clínica actualmente es la tecnología de voz ambiental (AVT), que se refiere a sistemas que escuchan una conversación clínica natural y generan historias clínicas estructuradas en tiempo real, sin que el profesional sanitario tenga que detenerse a escribir. El profesional sanitario habla con el paciente. El asistente de IA trabaja en segundo plano.

Esto supone un cambio significativo respecto a las herramientas anteriores de voz a texto, que requerían dictado en lugar de conversación y producían transcripciones sin procesar que aún necesitaban una edición considerable. La tecnología de voz ambiental comprende el contexto clínico, distingue el contenido clínicamente relevante del ruido conversacional y produce borradores de historias clínicas listos para revisión en lugar de reconstrucción.

La trayectoria de adopción refleja un valor clínico genuino. Médicos y clínicas en toda Europa están utilizando herramientas de IA para gestionar la toma de notas y las derivaciones, con el objetivo explícito de recuperar tiempo para la atención al paciente. En el Reino Unido, los productos comerciales de escriba médico con IA ya están en uso en pilotos asociados al NHS, con la Agencia Reguladora de Medicamentos y Productos Sanitarios (MHRA) clasificándolos como software como dispositivo médico, una categoría que indica rigor regulatorio más que novedad.

Los profesionales sanitarios informan de forma consistente el mismo efecto en la dinámica de la consulta: el contacto visual reemplaza el tiempo frente a la pantalla y la interacción recupera su naturaleza original. Si esto se traduce en mejoras medibles en los resultados de los pacientes sigue siendo un área activa de investigación, pero los datos sobre la experiencia del profesional sanitario se están acumulando.

Documentación clínica: de la transcripción a la salida estructurada y codificada

La diferencia entre una herramienta que solo graba y otra que comprende el contexto clínico determina si la salida es útil o simplemente materia prima para trabajo adicional. Los principales asistentes médicos con IA en 2026 no se limitan a transcribir: producen historias clínicas estructuradas, sugieren códigos clínicos (SNOMED, ICD) y pueden completar automáticamente los campos de la historia clínica electrónica.

Esto es relevante por varias razones. La salida estructurada y codificada es la que permite el uso clínico posterior: auditoría, análisis de salud poblacional, generación de derivaciones y facturación. Una historia clínica que es prosa bien escrita pero no estructurada sigue siendo una carga de documentación desplazada en lugar de reducida. Las herramientas que están ganando tracción son aquellas que cierran el ciclo entre la consulta hablada y el registro codificado y archivado.

Una evaluación transversal publicada en Annals of Internal Medicine comparó la calidad de las historias clínicas generadas por IA con las producidas por humanos en atención primaria, encontrando que los escribas médicos con IA ambiental pueden reducir la carga de documentación administrativa. El estudio también destacó que las evaluaciones previas habían sido específicas de proveedores y que la evaluación independiente de calidad sigue siendo importante.

Un estudio realizado en un hospital universitario holandés evaluó una herramienta basada en un modelo de lenguaje grande (LLM), es decir, un sistema de IA entrenado en grandes volúmenes de texto para generar y resumir contenido escrito, integrada en la historia clínica electrónica para informes de alta. Los resultados mostraron que la IA puede reducir la carga administrativa en la generación de informes de alta, pero los autores señalaron que la validación robusta de sistemas completamente automatizados en la práctica real aún es limitada, una señal honesta de que la tecnología es capaz pero aún no opera sin una supervisión clínica significativa.

Herramientas de IA en diferentes entornos de atención: atención primaria, hospitalaria y más allá

Los casos de uso de las herramientas de IA varían significativamente según el entorno, y la base de evidencia está distribuida de manera desigual entre ellos. La atención primaria cuenta con la evidencia más desarrollada, en parte porque la estructura de la consulta (un profesional sanitario, un paciente, un encuentro definido) se ajusta claramente a lo que la tecnología de voz ambiental hace bien.

Atención primaria

Los médicos de familia están utilizando asistentes de IA para generar historias clínicas de consulta, redactar mensajes al paciente y reducir la documentación fuera del horario laboral. El tiempo ahorrado por consulta es modesto en términos absolutos, pero significativo en conjunto a lo largo de una jornada clínica completa.

Atención hospitalaria

Los equipos hospitalarios están empezando a usar herramientas de IA en pases de visita, donde las demandas de documentación son mayores y la complejidad clínica es superior. Los informes de alta son un foco particular, ya que son documentos que consumen mucho tiempo, son clínicamente importantes y estructuralmente lo suficientemente consistentes como para prestarse a la generación por IA.

Atención especializada

La redacción de derivaciones, mensajes al paciente ambulatorios y plantillas específicas de especialidad son casos de uso emergentes. El reto aquí es la precisión entre especialidades. Una herramienta entrenada principalmente en datos de medicina general puede tener un rendimiento inferior en dermatología o psiquiatría sin validación específica de la especialidad.

Consultas virtuales y remotas

Las herramientas de IA que funcionan a partir de entrada de audio o video se extienden naturalmente a entornos de telesalud, donde la ausencia de un espacio físico compartido históricamente ha dificultado la documentación. El informe del Estado de la IA Clínica de Stanford-Harvard identificó la atención primaria y el soporte a la decisión clínica como las áreas con la investigación más activa en 2025, con la atención remota emergiendo como un área de crecimiento.

Interconsulta y flujos de trabajo de derivación: la IA reduciendo la fricción entre niveles de atención

Una de las aplicaciones menos visibles pero clínicamente relevantes de las herramientas de IA está en los flujos de trabajo que se sitúan entre los niveles de atención. Estos incluyen intercambios de interconsulta (A&G), donde los médicos de familia buscan aportes clínicos de especialistas sin una derivación formal, y las cartas de derivación que inician las vías de atención especializada.

Estos flujos de trabajo son actualmente una fuente considerable de fricción. Un médico de familia que redacta una derivación debe sintetizar el historial del paciente, articular la pregunta clínica y presentarla en un formato sobre el que un especialista pueda actuar rápidamente. Si esto se hace de forma deficiente, resulta en rechazos, solicitudes de más información o atención retrasada. Si se hace bien, requiere tiempo que a menudo no está disponible.

Las herramientas de IA están empezando a ayudar en ambos extremos de este proceso: ayudando a los médicos de familia a redactar derivaciones estructuradas y completas, y a los especialistas a responder a solicitudes de interconsulta con menos carga administrativa. El potencial para reducir el ir y venir que retrasa la atención al paciente es real, aunque la base de evidencia para esta aplicación específica es más limitada que para la documentación de consultas.

Soporte a la decisión clínica: donde la IA asiste el juicio sin reemplazarlo

El soporte a la decisión clínica (CDS) en 2026 significa algo más específico que una alerta emergente. Se refiere a herramientas de IA que presentan el historial relevante del paciente en el punto de atención, señalan factores de riesgo que de otro modo podrían pasar desapercibidos en una consulta con presión de tiempo y sugieren próximos pasos basados en guías clínicas y la historia del paciente.

La distinción entre aumento y automatización es fundamental aquí. Un marco estratificado por riesgo publicado en BMJ Health Care Informatics aborda directamente la integración de LLM en la práctica clínica, cubriendo documentación, soporte a la decisión y comunicación con el paciente, y propone un enfoque estructurado para gestionar los riesgos de precisión del modelo, privacidad de datos y responsabilidad regulatoria. El marco refleja una posición de consenso en la literatura: la IA asiste el juicio clínico. No lo reemplaza.

La investigación sobre herramientas pasivas de soporte a la decisión clínica en cuidados intensivos pediátricos, incluyendo apoyo para la redacción de historias clínicas, conjuntos de órdenes y señalización de resultados de laboratorio, encontró que la adopción y penetración de estas herramientas varía significativamente según el contexto. El diseño de la herramienta, ya sea interruptiva o pasiva, afecta cómo los profesionales sanitarios interactúan con ella. Este es un recordatorio útil de que la efectividad del CDS no depende solo de la precisión algorítmica, sino de su integración en el flujo de trabajo.

La responsabilidad clínica permanece en el profesional sanitario. Esto no es una advertencia, es un principio de diseño. Las herramientas que están obteniendo aprobación regulatoria y confianza clínica son aquellas construidas sobre esta premisa.

Marcos regulatorios y de seguridad que rigen las herramientas de IA en la práctica clínica

Para los profesionales sanitarios y líderes clínicos que evalúan herramientas de IA, el panorama regulatorio es una línea base, no un valor añadido. En Europa, los marcos relevantes son:

• Reglamento de Productos Sanitarios (MDR): Las herramientas de IA que influyen en las decisiones clínicas se clasifican como productos sanitarios bajo el MDR de la UE y deben cumplir con los requisitos de conformidad antes de su despliegue en entornos clínicos.

• Ley de IA: En vigor desde agosto de 2024, la Ley de IA de la UE clasifica los sistemas de IA utilizados en contextos médicos como de alto riesgo, requiriendo transparencia, supervisión humana y monitoreo continuo.

• Espacio Europeo de Datos de Salud (EHDS): El EHDS entró en vigor en 2025 y regula cómo se comparten y utilizan los datos de salud en los Estados miembros de la UE, con implicaciones directas para las herramientas de IA que procesan datos de pacientes.

• Reglamento General de Protección de Datos (RGPD) y residencia de datos en la UE: Las herramientas que procesan datos de pacientes deben cumplir con el RGPD, y los requisitos de residencia de datos en la UE, que cubren dónde se almacenan y procesan los datos, son una cuestión a nivel de adquisición con implicaciones de gobernanza clínica.

• ISO 27001: Certificación de seguridad de la información que es cada vez más una expectativa básica para los proveedores de IA clínica.

En el Reino Unido, la MHRA clasifica las herramientas de escriba médico con IA como software como producto sanitario, y NHS England ha emitido orientación sobre gobernanza de la información para su uso. El cumplimiento de estos marcos no es un diferenciador entre proveedores, sino el umbral mínimo para su consideración.

Lo que los profesionales sanitarios realmente necesitan evaluar en una herramienta de IA

Los criterios que importan para un profesional sanitario o líder clínico que evalúa una herramienta de IA difieren de los de una lista de verificación de adquisición. En la práctica, las preguntas que vale la pena hacer son:

• ¿Se integra con la historia clínica electrónica ya en uso? Una herramienta que requiere documentación paralela o transferencia manual de datos suma carga en lugar de reducirla. La integración con la historia clínica electrónica es una restricción práctica que descarta muchas opciones desde el principio.

• ¿Ha sido validada en la especialidad relevante? Una herramienta que funciona bien en medicina general puede no funcionar al mismo nivel en psiquiatría, dermatología o pediatría. La evidencia de validación específica de la especialidad debe solicitarse, no asumirse.

• ¿Cuál es el perfil de precisión y cómo se gestionan los errores? El ensayo controlado aleatorizado de UCLA encontró que las historias clínicas generadas por IA ocasionalmente contenían inexactitudes clínicamente significativas, subrayando la necesidad de supervisión activa del médico. Comprender la tasa de error y el flujo de trabajo de revisión es esencial.

• ¿Cuál es la postura de seguridad y privacidad de datos? ¿Dónde se procesan los datos del paciente? ¿Quién tiene acceso? ¿Cuánto tiempo se retienen? Estas no son preguntas de TI, sino de gobernanza clínica.

• ¿Existe evidencia de validación clínica en el mundo real, no solo afirmaciones del proveedor? Los estudios revisados por pares, las evaluaciones independientes y los pilotos del NHS o sistemas de salud equivalentes tienen más peso que los materiales de marketing.

• ¿Se ajusta al flujo de trabajo real? Una herramienta que requiere un cambio de comportamiento de cada profesional sanitario en una práctica es un proyecto de gestión del cambio, no un simple despliegue de software. Las mejores herramientas reducen la fricción, no introducen nuevas formas de ella.

El impacto medible: lo que la evidencia muestra hasta ahora

La base de evidencia para las herramientas de IA en la práctica clínica está creciendo y las señales son ampliamente positivas. Sin embargo, la calidad y escala de la evidencia varía, por lo que conviene ser preciso sobre lo que se ha demostrado y lo que sigue siendo una señal prometedora.

Sobre la reducción del burnout

Un estudio de mejora de calidad multicéntrico con 263 médicos en seis sistemas de salud encontró que después de 30 días con un escriba médico con IA ambiental, el burnout del profesional sanitario cayó del 51,9 % al 38,8 %, con mejoras en la carga cognitiva, la documentación fuera del horario laboral y la atención al paciente. Un estudio en Emory Healthcare y Mass General Brigham encontró una reducción absoluta del 21,2 % en la prevalencia del burnout a los 84 días. Estos son efectos sustanciales, aunque ambos estudios se realizaron en contextos específicos de sistemas de salud y pueden no generalizarse de forma uniforme.

Sobre la calidad de la documentación

Una revisión de alcance del reconocimiento de voz con IA para documentación clínica confirmó que las herramientas basadas en IA pueden reducir la carga de trabajo del profesional sanitario, aunque señaló que la precisión y confiabilidad varían entre herramientas y contextos clínicos.

Sobre la carga cognitiva

El ensayo controlado aleatorizado de UCLA encontró mejoras modestas pero medibles en las puntuaciones de burnout, carga de trabajo cognitiva y agotamiento laboral, junto con la advertencia importante de que las historias clínicas generadas por IA requieren supervisión activa.

Donde la evidencia es más limitada

Los resultados a largo plazo, los efectos en la seguridad del paciente y el rendimiento en toda la gama de especialidades clínicas siguen siendo áreas donde la base de evidencia aún se está desarrollando. Una revisión sistemática del impacto de la IA en el burnout relacionado con la historia clínica electrónica encontró señales consistentes en estudios de 2019 a 2025, pero señaló la variación metodológica que limita la comparación directa. La dirección de la evidencia es clara. La magnitud y durabilidad de los efectos a escala aún no están completamente establecidas.

Qué sigue: la dirección hacia la que se dirige la IA en la práctica clínica

Los desarrollos creíbles a corto plazo en IA clínica son extensiones de lo que ya está funcionando, no desviaciones de ello.

Integración más profunda con la historia clínica electrónica

Las herramientas que actualmente generan historias clínicas junto a las historias clínicas electrónicas están avanzando hacia la integración nativa, completando campos estructurados, activando flujos de trabajo y reduciendo el número de sistemas con los que un profesional sanitario necesita interactuar. El Espacio Europeo de Datos de Salud acelerará los requisitos de interoperabilidad en los Estados miembros de la UE.

Expansión a más especialidades

Las herramientas con el despliegue más amplio hoy son generalistas. Los modelos específicos de especialidad, entrenados en el lenguaje, convenciones de codificación y patrones clínicos de dermatología, psiquiatría, oncología y otras áreas, están en desarrollo, con niveles variables de evidencia de validación.

Sistemas operativos nativos de IA para flujos de trabajo clínicos

Plataformas donde la IA no es una herramienta añadida, sino la infraestructura subyacente a través de la cual se gestionan la documentación, el soporte a la decisión, las derivaciones y la comunicación con el paciente representan la dirección a más largo plazo. Este es un cambio arquitectónico significativo respecto al modelo actual de herramientas de IA añadidas a sistemas existentes.

Gobernanza y preparación de la fuerza laboral

Darán forma al ritmo de adopción tanto como la tecnología misma. El informe de la OMS/Europa identificó las brechas de formación como un hallazgo prioritario, una señal de que el factor limitante en muchos sistemas de salud no es la disponibilidad de herramientas, sino la capacidad para desplegarlas de manera segura y efectiva.

La IA como infraestructura, no como teatro de innovación

El marco que mejor describe la posición de la IA clínica en 2026 es el de infraestructura, no el de innovación. Las historias clínicas electrónicas alguna vez fueron consideradas tecnología novedosa. Ahora son el sustrato poco visible de la práctica clínica. Las herramientas de IA siguen una trayectoria similar: de la novedad, a través de la adopción controvertida, hasta el punto en que su ausencia será la excepción.

La Sociedad Europea de Medicina señala que las aplicaciones clínicas reales de la IA ahora abarcan diagnósticos, documentación, predicción de respuesta a medicamentos y gobernanza, una amplitud que refleja integración más que experimentación. El informe de Stanford-Harvard documenta tanto el auge en la investigación de IA clínica como los riesgos de la dependencia excesiva, un binomio que refleja la madurez de la conversación más que su inmadurez.

Para los profesionales sanitarios, la implicación práctica es directa. La pregunta ya no es si las herramientas de IA se convertirán en parte de la práctica clínica, sino cuáles, evaluadas con qué evidencia y bajo qué gobernanza. Comprometerse críticamente con esa pregunta ahora, en lugar de esperar a que la tecnología se vuelva estándar antes de examinarla, es la posición desde la que es posible una adopción informada y segura.

Preguntas frecuentes

▶ ¿Qué problema están resolviendo realmente las herramientas de IA para los profesionales sanitarios?

El principal motor es la carga de documentación. La investigación muestra que los médicos pasan más de la mitad de su jornada laboral en tareas relacionadas con la historia clínica electrónica. Esto incrementa la carga cognitiva (el esfuerzo mental requerido para procesar y actuar sobre la información), reduce la calidad de la interacción con el paciente y acelera el burnout. Las herramientas de IA que reducen el tiempo dedicado a la documentación clínica están abordando un problema que es tanto de bienestar como de seguridad clínica.

▶ ¿Qué es la tecnología de voz ambiental y en qué se diferencia de las herramientas antiguas de voz a texto?

La tecnología de voz ambiental (AVT) se refiere a sistemas que escuchan una conversación clínica natural y generan historias clínicas estructuradas en tiempo real, sin que el profesional sanitario tenga que detenerse a escribir. Las herramientas anteriores de voz a texto requerían dictado en lugar de conversación y producían transcripciones sin procesar que aún necesitaban una edición considerable. La tecnología de voz ambiental comprende el contexto clínico, distingue el contenido clínicamente relevante del ruido conversacional y produce borradores de historias clínicas listos para revisión.

▶ ¿Las historias clínicas generadas por IA solo transcriben el habla, o producen salida estructurada y codificada?

Los principales asistentes médicos con IA en 2026 van más allá de la transcripción. Producen historias clínicas estructuradas, sugieren códigos clínicos como SNOMED e ICD, y pueden completar automáticamente los campos de la historia clínica electrónica. Esto es importante porque la salida estructurada y codificada es la que permite el uso clínico posterior, incluyendo auditoría, generación de derivaciones y facturación. Una historia clínica bien redactada pero no estructurada desplaza la carga de documentación en lugar de reducirla.

▶ ¿En qué entornos de atención se están utilizando las herramientas de IA?

Las herramientas de IA están en uso en atención primaria, hospitalaria, especializada y en consultas virtuales o remotas. Los médicos de familia las utilizan para generar historias clínicas de consulta y redactar mensajes al paciente. Los equipos hospitalarios las están aplicando a pases de visita e informes de alta. La redacción de derivaciones y plantillas específicas de especialidad están emergiendo en entornos especializados. La atención remota se identifica como un área de crecimiento en el informe del Estado de la IA Clínica de Stanford-Harvard.

▶ ¿Qué muestra la evidencia sobre las herramientas de IA reduciendo el burnout del profesional sanitario?

Un estudio de mejora de calidad multicéntrico con 263 médicos en seis sistemas de salud encontró que después de 30 días con un escriba médico con IA ambiental, el burnout del profesional sanitario cayó del 51,9 % al 38,8 %. Un estudio separado en Emory Healthcare y Mass General Brigham encontró una reducción absoluta del 21,2 % en la prevalencia del burnout a los 84 días. Ambos estudios se realizaron en contextos específicos de sistemas de salud y pueden no generalizarse de forma uniforme a todos los entornos.

▶ ¿Qué marcos regulatorios rigen las herramientas de IA utilizadas en la práctica clínica en Europa?

Se aplican varios marcos. El Reglamento de Productos Sanitarios (MDR) de la UE clasifica las herramientas de IA que influyen en las decisiones clínicas como productos sanitarios, requiriendo conformidad antes del despliegue. La Ley de IA de la UE, en vigor desde agosto de 2024, clasifica los sistemas de IA utilizados en contextos médicos como de alto riesgo, requiriendo transparencia, supervisión humana y monitoreo continuo. El Espacio Europeo de Datos de Salud (EHDS), que entró en vigor en 2025, regula cómo se comparten los datos de salud en los Estados miembros de la UE. El Reglamento General de Protección de Datos (RGPD) y los requisitos de residencia de datos en la UE también se aplican a cualquier herramienta que procese datos de pacientes. En el Reino Unido, la Agencia Reguladora de Medicamentos y Productos Sanitarios (MHRA) clasifica las herramientas de escriba médico con IA como software como producto sanitario.

▶ ¿Qué deben preguntar los profesionales sanitarios al evaluar una herramienta de IA?

El artículo identifica seis preguntas prácticas: si la herramienta se integra con la historia clínica electrónica ya en uso, si ha sido validada en la especialidad relevante, cuál es el perfil de precisión y cómo se gestionan los errores, cuál es la postura de seguridad y privacidad de datos (incluyendo dónde se procesan y retienen los datos del paciente), si existe evidencia de validación clínica independiente más allá de las afirmaciones del proveedor, y si la herramienta se ajusta al flujo de trabajo real sin requerir un cambio de comportamiento significativo de los profesionales sanitarios.

▶ ¿La responsabilidad clínica se traslada a la IA cuando se utilizan estas herramientas?

No. La responsabilidad clínica permanece en el profesional sanitario. El artículo describe esto no como una advertencia, sino como un principio de diseño. Un marco estratificado por riesgo publicado en BMJ Health Care Informatics propone que la IA asiste el juicio clínico en lugar de reemplazarlo. El ensayo controlado aleatorizado de UCLA también encontró que las historias clínicas generadas por IA ocasionalmente contenían inexactitudes clínicamente significativas, lo que refuerza la necesidad de supervisión activa del médico sobre cualquier salida generada por IA.

▶ ¿Dónde sigue siendo limitada la evidencia sobre las herramientas de IA?

Los resultados a largo plazo, los efectos en la seguridad del paciente y el rendimiento en toda la gama de especialidades clínicas siguen siendo áreas donde la base de evidencia aún se está desarrollando. Una revisión sistemática del impacto de la IA en el burnout relacionado con la historia clínica electrónica encontró señales consistentes en estudios de 2019 a 2025, pero señaló la variación metodológica que limita la comparación directa. La dirección de la evidencia es ampliamente positiva. La magnitud y durabilidad de los efectos a escala aún no están completamente establecidas.

▶ ¿Cuál es la dirección probable de las herramientas de IA en la práctica clínica a corto plazo?

El artículo identifica cuatro desarrollos creíbles a corto plazo. Primero, integración más profunda con las historias clínicas electrónicas, pasando de generar historias clínicas junto a sistemas existentes a completar nativamente campos estructurados y activar flujos de trabajo. Segundo, expansión a más especialidades, con modelos entrenados en el lenguaje y convenciones de codificación de campos como dermatología y psiquiatría. Tercero, el desarrollo de sistemas operativos nativos de IA para flujos de trabajo clínicos, donde la IA es la infraestructura subyacente en lugar de una herramienta añadida. Cuarto, gobernanza y preparación de la fuerza laboral, que el informe de la OMS/Europa identifica como un factor limitante en muchos sistemas de salud.