Por el Ec. Pablo Da Rocha
La incorporación de sistemas de inteligencia artificial (IA) en salud reconfigura la producción del servicio y la organización del trabajo. En términos económicos, la IA actúa como un shock tecnológico sesgado hacia tareas repetitivas y de gestión de información, con potencial para elevar productividad y calidad, pero también para intensificar ritmos, trasladar riesgos al personal y abrir nuevas rentas para proveedores tecnológicos.
En ausencia de reglas explícitas, los efectos distributivos son regresivos: el excedente de productividad se concentra y las asimetrías de información entre dirección y trabajadores se agrandan. De ahí que la negociación colectiva no sea un accesorio “blando”, sino el dispositivo central para gobernar la transición, alinear incentivos y asegurar que los beneficios se traduzcan en empleo de calidad, tiempos clínicos suficientes y atención más segura para usuarios.
La literatura especializada identifica cuatro frentes críticos: sesgos y equidad, opacidad algorítmica, responsabilidad y gobernanza de datos. Los modelos entrenados con datos no representativos pueden exacerbar desigualdades por género, territorio o condición socioeconómica; la opacidad (“caja negra”) erosiona confianza clínica y dificulta la rendición de cuentas; la atribución de responsabilidad ante errores debe permanecer clara y humana; y la privacidad de datos de salud exige estándares máximos de confidencialidad, anonimización y control por parte de pacientes y equipos.
Estos elementos no son meramente éticos; condicionan aceptación, uso efectivo y, por ende, productividad. El consenso internacional (OMS, UNESCO, asociaciones médicas y reguladores) converge en supervisión humana, transparencia, equidad y protección de datos como pilares para una IA fiable en medicina.
Bajo esta premisa, la cuestión clave no es si la IA “reemplaza” o “complementa” empleo en bloque, sino cómo reconfigura tareas dentro de ocupaciones y con qué gobernanza. La evidencia sugiere automatización parcial en back-office, clasificación, agenda, triage y monitoreo, y complementariedad en actividades clínicas intensivas en juicio profesional y trato humano.
La adopción, sin embargo, enfrenta barreras: déficits de capacidades, costos de integración, falta de estándares y brechas digitales que pueden reforzar desigualdades territoriales y de acceso. Superarlas requiere inversión formativa, participación de los equipos y estándares auditables; de lo contrario, la “automatización silenciosa” intensifica ritmos, agrega tareas de supervisión de IA sin reconocimiento de nuevas competencias y habilita monitoreo algorítmico sin garantías.
Desde una perspectiva de economía laboral, la dirección de los impactos depende de tres parámetros: el ritmo de adopción, la elasticidad de demanda por servicios de salud y la regla de reparto del excedente. Con gobernanza, es plausible un escenario de exposición media-alta a reconfiguración (26–38% de tareas), pero baja automatización total (2–5%) y un espacio significativo para complementariedad (8–14%). En ese marco, el resultado social depende de que el incremento de productividad se asigne a dotaciones seguras, reducción de tiempos improductivos, formación y mejoras salariales, y no exclusivamente a margen empresarial o a sustitución neta de horas de trabajo.
La negociación colectiva sectorial y de empresa puede traducir principios generales en reglas operativas. Un primer bloque consiste en gobernanza y transparencia: aviso temprano —por ejemplo, superior a 90 días— para toda herramienta de IA que afecte procesos o métricas laborales, con detalle de alcance, tareas impactadas, métricas de éxito, análisis de sesgos y plan de resguardo ante fallas. Este aviso debe articularse en un comité mixto IA–Trabajo con representación sindical y capacidades técnicas, con facultades para exigir información, acordar pilotos acotados, definir auditorías periódicas y establecer mecanismos de reclamo cuando la herramienta degrade condiciones (intensificación, errores, conflictos de objetivos). El derecho a explicación —en clínica y en gestión de personas— es parte de esta arquitectura.
Un segundo bloque es la empleabilidad. La regla “complementar para retener” exige itinerarios de transición con 80–120 horas anuales de actualización en horario laboral (datos, prompting, aseguramiento de calidad, seguridad digital, trato complejo con usuarios), mapeo de equivalencias entre puestos, garantías salariales transitorias y movilidad interna prioritaria. El objetivo es convertir la exposición en ventaja adaptativa, evitando que la falta de habilidades se transforme en causal de salida. La experiencia internacional y regional muestra que la participación de trabajadores y la formación previa elevan satisfacción, reducen errores y mejoran salud laboral; la inversa también es cierta.
Un tercer bloque es la productividad compartida. Si un servicio reporta mejoras verificables en indicadores (tiempos de ciclo, tasa de resolución, calidad, errores), el convenio puede gatillar bonos, mejoras salariales o reducción de jornada proporcional al incremento, además de reinversión en planteles y formación. Esta cláusula alinea incentivos, legitima la transición tecnológica y evita que la IA opere como shock negativo sobre salarios reales.
El cuarto bloque refiere a protección de datos y límites a la gestión algorítmica del trabajo. Los datos generados en jornada constituyen parte de la relación laboral y no pueden convertirse en insumo para vigilancia encubierta ni en justificación de metas inalcanzables. Resulta imprescindible separar datos clínicos y laborales, fijar reglas de retención y acceso, y prohibir decisiones automatizadas exclusivas en contratación, evaluación, sanción o despido: toda decisión adversa debe ser revisada por una persona responsable, con derecho a explicación y a apelación. En clínica, la supervisión humana y la primacía del juicio profesional constituyen estándares mínimos.
Para orientar la priorización sectorial, se recomienda desarrollar una Matriz Nacional de Riesgo de Automatización específica para salud. La matriz, de carácter cualitativo-cuantitativo, clasifica ocupaciones y procesos por exposición, identifica cuellos de botella organizacionales y anticipa necesidades de reconversión. Su utilidad es triple: guía la negociación colectiva (cláusulas tecnológicas, formación continua, protección frente a despidos automatizados), informa políticas públicas de empleo y formación, y empodera a los equipos para participar con evidencia en el diseño de pilotos y escalamiento.
El contexto regional ofrece precedentes útiles. La negociación de cláusulas tecnológicas en América Latina y acuerdos específicos en economías avanzadas muestran que el diálogo social puede fijar límites al reemplazo y reglas sobre usos aceptables de IA, reforzando transparencia, responsabilidad y compensación. La sistematización de estas experiencias, aplicada al sistema de salud, permite acelerar aprendizaje institucional y evitar errores comunes, especialmente en lo relativo a dependencia de proveedores, portabilidad de datos y capacidad de auditoría.
En síntesis, el despliegue de IA en salud debe entenderse como política de productividad con distribución: los principios de supervisión humana, transparencia, equidad y protección de datos no son una traba, sino condiciones para que la innovación sea aceptada, genere valor público y sostenga empleo decente. La negociación colectiva es el mecanismo idóneo para traducir esos principios en cláusulas verificables: aviso temprano y comités mixtos con poder real; formación paga y certificada; productividad compartida; límites a la gestión algorítmica; y reglas estrictas de gobernanza de datos.
Una transición así diseñada convierte ganancias de eficiencia en tiempos clínicos de mayor calidad, reduce tareas alienantes y refuerza la confianza de pacientes y trabajadores. Lo contrario —adopción opaca, unilateral y sin reparto— deriva en conflicto, pérdida de legitimidad y captura de rentas por parte de pocos actores. La elección es institucional y se juega en los próximos convenios. En conclusión, la llegada de la IA exige más y mejor negociación colectiva como infraestructura institucional del cambio tecnológico. Este modo de gestionar la llegada de la IA permitiría un encuadre que contribuiría a alinear incentivos, reducir asimetrías de información y transformar la innovación en valor público: la IA mejora la calidad del cuidado y el uso de recursos si, y solo si, se gestiona con derechos, evidencia y participación sindical vinculante.
Referencias
Por Federico Preve Cocco, médico, neurólogo. Diputado por Canel ... Leer más
Por Pablo Da Rocha, economista
El Sistema Nacional Integrado de Sal ... Leer más
Por Pablo Da Rocha, economista
El Sistema Nacional Integrado de Sal ... Leer más
