From Denied Claims to Shadow AI: A Provider's Guide to Getting AI Right 

Gestión del ciclo de ingresos: Exija resultados, no promesas

Los rechazos de reclamaciones iniciales alcanzan 11,8% en 2024y casi la mitad se deben a la falta de datos o a datos inexactos. Se trata de una cantidad significativa de ingresos perdidos por errores evitables, y es exactamente el tipo de problema para el que está diseñada la IA.

El potencial es real: verificación de la elegibilidad, precisión de la codificación, integridad de la documentación, predicción de denegaciones. Pero el problema de las expectativas es igual de real. Muchas organizaciones han invertido en herramientas de RCM esperando una mejora inmediata y espectacular, pero los resultados han sido decepcionantes. El problema no suele ser la tecnología, sino los cimientos que la sustentan.

"La gente esperaba que la IA acertara el 100% de las veces desde el primer día", señala Scott. "Eso es imposible. Pero puede ser mucho más precisa con el tiempo".

El camino a seguir es disciplinado, no dramático. Con las prácticas correctas de recopilación de datos y los marcos de análisis de riesgos establecidos, las organizaciones pueden reducir constantemente las tasas de error, del 46% al 32%, luego al 20%, luego al 10%, a medida que la IA aprende continuamente de sus propios flujos de trabajo.

En Improving, ayudamos a los sistemas sanitarios a avanzar hacia la codificación y facturación autónomas partiendo de esta base. Antes de evaluar cualquier herramienta de RCM, la pregunta más importante es si su organización dispone de la infraestructura necesaria para permitir que la IA mejore realmente. Si los datos que entran son defectuosos, ninguna herramienta arreglará lo que sale.

Documentación clínica: La precisión como aliado

El baremo de honorarios médicos de los CMS para 2026 hace más hincapié en la precisión de la documentación, y las consecuencias de quedarse corto son significativas tanto desde el punto de vista financiero como clínico. Para muchos proveedores, aquí es donde la incertidumbre en torno a la IA es mayor. ¿Qué ocurre cuando algo sale mal?

La respuesta está en cómo se sitúa la IA en el flujo de trabajo. No sustituye al criterio del médico. Es un complemento y un recurso que funciona en ambas direcciones.

"Es un segundo par de ojos", explica Scott. "El médico puede codificar las cosas con eficacia, pero si se le escapa algo, o viceversa, la IA lo codifica y el médico lo detecta. Se detectan más diagnósticos erróneos, se rellena la documentación incompleta y se resuelven los desajustes de codificación casi en tiempo real".

También hay una dimensión normativa. Cuando entran en vigor nuevas normas de codificación, los sistemas de supervisión basados en IA pueden asimilar y aplicar esos cambios más rápidamente que cualquier médico que esté revisando un nuevo memorando. Mejor aún, cuando el sistema aplica una nueva norma, puede explicar por qué directamente al proveedor, en el punto de atención. El cumplimiento se convierte en un momento de aprendizaje en lugar de un hallazgo de auditoría.

Improving crea integraciones de IA de documentación clínica teniendo en cuenta este modelo de colaboración. El objetivo es un sistema que haga que su equipo sea más preciso y esté mejor informado en cada interacción, no uno que introduzca nuevas incertidumbres.

La crisis del personal: Integración en lugar de adición

Se calcula que 96.000 médicos dejarán de trabajar en el sector sanitario en 2026el personal clínico ya está saturado. Los escribas de ambiente y las herramientas de IA para tomar notas se posicionaron como una válvula de alivio con menos carga de documentación y más tiempo para los pacientes.

Las herramientas pueden ayudar. Pero hay una cuestión más importante que a menudo no se plantea: ¿Es realmente la documentación la fuente de la carga?

"La mayoría de estos médicos y enfermeras están agotados de todas estas cosas", observa Scott. "Hay un montón de cosas que tienen que hacer que son más exigentes desde el punto de vista cognitivo que limitarse a tomar notas".

Un ilustrativo caso del mundo real deja claro este punto. Un grupo desplegó 30 sistemas de IA diferentes dentro de una sala de urgencias para ayudar a gestionar las tareas clínicas. Cada sistema demostró su valor por separado. Pero cuando los 30 funcionaron a la vez, el rendimiento de los médicos se redujo en un 30% porque el personal tenía que manejar 30 interfaces diferentes para tomar una sola decisión.

Más herramientas no significa menos carga. La integración sí. La cuestión no es si un solo producto de IA funciona bien de forma aislada, sino si su ecosistema de IA funciona como un todo coherente, mostrando la información correcta en el momento adecuado sin exigir más atención.

Ahí es donde Improving centra su trabajo con los sistemas sanitarios: no se limita a evaluar si una herramienta funciona bien, sino si se adapta realmente a la forma en que se presta la asistencia, y si reduce la carga cognitiva o la aumenta discretamente.

IA en la sombra: el riesgo ya está dentro de su organización

Los informes del sector han señalado la IA en la sombra como el #riesgo número 1 para los proveedores de atención sanitaria en 2026. Es fácil entender por qué.

La IA en la sombra no es una infracción dramática ni una violación evidente de las políticas. Se trata de un clínico que utiliza una plataforma de IA popular para redactar una nota o resumir el historial de un paciente porque es rápido y cómodo. Las intenciones son buenas. Pero los datos no permanecen contenidos.

"Estos sistemas LLM pueden afirmar que no utilizan tus datos para construir sus modelos", explica Scott, "pero han dicho explícitamente en entrevistas públicas que los utilizan para actividades de ciencia de datos". Eso significa que los datos de tus pacientes, de alguna forma, están ahí fuera".

En los servicios financieros, la exposición de los datos es grave. En sanidad, puede violar la HIPAA, comprometer la confianza de los pacientes y generar una importante responsabilidad. Evitarlo requiere un sistema. Improving aborda la IA en la sombra a través de un marco de cuatro pilares que aplicamos tanto internamente como con nuestros socios sanitarios:

• Política - Normas claras y por escrito sobre qué herramientas de IA están permitidas y en qué circunstancias.

• Tecnología - Herramientas aprobadas con capacidades definidas y normas de cumplimiento documentadas.

• Formación - Personal que entienda no sólo cómo utilizar las herramientas aprobadas, sino también por qué existen los límites de seguridad.

• Supervisión - Sistemas que se sitúan entre su infraestructura y las plataformas externas, realizando un seguimiento de los datos que se comparten y señalando las infracciones de las políticas antes de que se conviertan en incidentes.

El pilar tecnológico de Improving se basa en AWS y aprovecha los controles de seguridad nativos, la infraestructura de nube privada y los servicios que cumplen los requisitos de la HIPAA para respaldar las cargas de trabajo sanitarias de forma segura. Este enfoque de plataforma permite a los proveedores estandarizar la forma en que se implementan, gobiernan y acceden a las herramientas de IA, reduciendo el riesgo de la IA en la sombra no gestionada y permitiendo al mismo tiempo la innovación. Al anclar las decisiones tecnológicas a una base en la nube segura y conforme a las normas, las organizaciones pueden aplicar políticas y supervisión de forma coherente en todos los equipos.

No se trata de un ejercicio puntual. Es una práctica de gobernanza continua, y se está convirtiendo rápidamente en la expectativa básica para los sistemas de salud que operan de manera responsable en un entorno habilitado para la IA.

Por dónde empezar

La complejidad de la IA en el ámbito de los proveedores puede resultar abrumadora. Las herramientas se multiplican, las normativas se endurecen, la presión sobre el personal aumenta. Es mucho por lo que navegar al mismo tiempo que se gestiona un sistema sanitario.

El enfoque de Improving consiste en ir al encuentro de las organizaciones allí donde se encuentren. Algunos sistemas sanitarios ya cuentan con programas de IA maduros y necesitan ayuda para reforzar la gobernanza o integrar herramientas fragmentadas. Otros se encuentran en una fase más temprana y se benefician de una evaluación estructurada de su situación y de lo que deben priorizar en primer lugar.

Lo que es coherente en todos los casos es una creencia clara: conseguir una IA adecuada en la atención sanitaria no es opcional. Para los proveedores, se está convirtiendo en la base de operaciones sostenibles, conformes y financieramente sólidas. ¿Está preparado para hablar sobre la situación de su organización? Empecemos la conversación.