📌 En resumen
En sanidad, los datos y la IA rinden en agendas y no-shows, previsión de demanda, gestión de camas y plazas, fraude en seguros de salud, cuadros de mando y estructuración de la historia clínica. El diferencial es regulatorio: el dato de salud es categoría especial del RGPD (art. 9) y varios usos de IA (triaje, acceso a prestaciones) son de alto riesgo según el AI Act. Por eso el gobierno del dato es el punto de partida, no un añadido.
La adopción de IA se está acelerando también en salud: según un estudio de la Comisión Europea, el 94 % de los proveedores sanitarios ya usa o planea usar soluciones de IA. En España, el Consejo Interterritorial del SNS aprobó en noviembre de 2025 una Estrategia de IA para el sistema sanitario. Pero en una clínica, laboratorio, residencia o aseguradora, el valor no está en el algoritmo de moda, sino en resolver problemas concretos con el dato que ya se tiene, y hacerlo cumpliendo la normativa.
¿Qué hace particular al sector salud con los datos?
Dos cosas. Primera: gran parte de la información más valiosa (la clínica) es un dato especialmente protegido, con límites legales estrictos sobre quién puede tratarlo y para qué. Segunda: muchos datos operativos útiles (citación, ocupación, facturación, RRHH) están dispersos entre el sistema de gestión, hojas de cálculo y aplicaciones sueltas. La consecuencia práctica es que casi cualquier proyecto empieza por ordenar y gobernar el dato antes de poder analizarlo con garantías.
¿Qué casos de uso de datos e IA tienen más impacto en salud?
Estos son los que mejor relación impacto/esfuerzo suelen dar en organizaciones que no son grandes hospitales, ordenados de más accesible a más avanzado.
| Caso de uso | Qué resuelve | Qué dato usa |
|---|---|---|
| Agendas y no-shows | Predice qué citas se perderán para reasignar huecos y lanzar recordatorios | Histórico de citas: hora, especialidad, canal, antelación, recordatorios |
| Previsión de demanda y turnos | Anticipa picos de consulta y urgencias para dimensionar personal | Series de volumen por franja, estacionalidad, epidemiología local |
| Gestión de camas y plazas | Optimiza ocupación y rotación en clínicas y residencias | Ocupación histórica, ingresos/altas, nivel de dependencia |
| Detección de fraude en seguros | Señala reclamaciones y facturación anómalas | Histórico de siniestros, códigos CIE, patrones de facturación |
| Cuadros de mando asistenciales | Da visibilidad a listas de espera, ocupación y coste por proceso | Citación, facturación y RRHH |
| Historia clínica con NLP | Extrae variables clínicas atrapadas en texto libre | Informes clínicos, notas, informes de alta |
¿Qué exige la regulación (RGPD y AI Act)?
El dato de salud es una categoría especial del RGPD (artículo 9): su tratamiento está prohibido salvo excepciones tasadas —consentimiento explícito, asistencia sanitaria, gestión de servicios de salud o salud pública— y siempre bajo deber de secreto. La AEPD detalla esas bases de legitimación. En la práctica: minimiza, seudonimiza siempre que puedas y documenta la base legal de cada uso.
Además, el AI Act clasifica como de alto riesgo (Anexo III) la IA que evalúa la elegibilidad a servicios esenciales, incluidos los sanitarios, y los sistemas de triaje de urgencias; y si el software de IA es un producto sanitario, entra por la vía de la regulación de producto. Para esos usos hay obligaciones extra (documentación, supervisión humana, gestión de riesgos). La mayoría de casos operativos (agendas, ocupación, BI) no son alto riesgo, pero conviene clasificar cada sistema antes de desplegarlo.
¿Por dónde conviene empezar?
- 1Elige un caso operativo de bajo riesgo y alto retorno (no-shows o un cuadro de mando de ocupación), no el más vistoso.
- 2Inventaría y clasifica los datos que necesita: dónde están, quién los trata y con qué base legal.
- 3Monta la base de datos gobernada y el reporting antes que cualquier modelo de IA.
- 4Clasifica el riesgo del sistema bajo el AI Act si toca decisiones clínicas o de acceso a prestaciones.
- 5Mide el resultado (huecos recuperados, horas ahorradas) y escala a partir de ahí.
¿Qué errores evitar en proyectos de datos en salud?
- Empezar por un modelo de IA sin haber ordenado y gobernado el dato: se acelera el caos.
- Tratar datos clínicos sin base legal clara ni seudonimización: es el riesgo regulatorio nº1.
- Desplegar un triaje o priorización asistido por IA sin evaluar si es alto riesgo bajo el AI Act.
- Cuadros de mando bonitos con cifras que nadie ha validado: pierden credibilidad clínica al primer error.
Siguiente paso recomendado
Gobierno del dato y calidad
Base legal, calidad y trazabilidad para tratar datos de salud con garantías.
Sin compromiso · Respuesta en < 24h
Preguntas frecuentes
¿Se pueden usar datos clínicos para IA cumpliendo el RGPD?
Sí, pero con condiciones. El dato de salud es categoría especial del RGPD (art. 9): solo se puede tratar bajo una excepción tasada (consentimiento explícito, asistencia sanitaria, gestión de servicios de salud, salud pública) y con deber de secreto. En la práctica se minimiza el dato, se seudonimiza siempre que es posible y se documenta la base legal de cada uso.
¿Qué usos de IA en salud son de alto riesgo según el AI Act?
El Anexo III del AI Act marca como alto riesgo la IA que evalúa la elegibilidad a servicios esenciales (incluidos los sanitarios) y los sistemas de triaje de urgencias. Además, el software de IA que sea producto sanitario entra como alto riesgo por la vía de la regulación de producto. Los usos operativos habituales (agendas, ocupación, BI) no suelen serlo.
¿Por dónde empieza una clínica o residencia que no tiene equipo de datos?
Por un caso operativo de bajo riesgo y retorno rápido, como reducir no-shows o un cuadro de mando de ocupación, sobre los datos que ya genera su sistema de gestión. Antes del primer modelo de IA conviene ordenar y gobernar ese dato. Así se obtiene valor en semanas y se construye la base para casos más avanzados.
¿Hace falta IA o basta con un buen BI?
Para agendas, ocupación, coste por proceso y control asistencial, un buen BI y algo de automatización ya aportan mucho y con menos exigencias regulatorias. La IA (predicción de no-shows, detección de fraude, NLP sobre historia clínica) añade valor cuando el dato es de calidad y está gobernado. En salud conviene ir en ese orden, también por cumplimiento.
Autor
Fundador y Consultor de Datos e IA
David Aldomar es fundador y consultor principal de MERIDIAN Data & IA, consultora especializada en ayudar a pymes y empresas medianas en España a tomar mejores decisiones con sus datos. Su trabajo se centra en cuatro áreas: diseño e implantación de plataformas de datos (data warehouses, pipelines ETL con dbt, integración de ERPs y CRMs), reporting y dashboards ejecutivos en Power BI, automatización de procesos de negocio con herramientas como n8n, y desarrollo de soluciones de inteligencia artificial aplicada — desde modelos de forecasting de demanda hasta copilots internos basados en RAG con LangChain y FastAPI. Ha liderado proyectos en sectores como logística y transporte, retail y distribución, servicios financieros, manufacturing y construcción, siempre con un enfoque pragmático: diagnóstico corto, entregables concretos y transferencia de conocimiento al equipo del cliente para que sea autónomo desde el primer día. Antes de fundar MERIDIAN, acumuló experiencia en consultoría de datos y transformación digital trabajando con stacks variados — desde entornos Microsoft (SQL Server, Power BI, Azure) hasta ecosistemas open source (Python, dbt, BigQuery). Su filosofía es que un buen proyecto de datos no se mide por la tecnología que usa, sino por las decisiones de negocio que permite tomar. Escribe regularmente en el blog de MERIDIAN sobre reporting, gobierno del dato, automatización e IA aplicada, con guías prácticas orientadas a responsables de negocio y equipos técnicos de empresas que quieren sacar partido real a sus datos sin depender de grandes consultoras.
Fuentes
- Reglamento (UE) 2016/679 (RGPD) — art. 9, categorías especiales(2016)
- AEPD — Bases de legitimación para categorías especiales de datos(2026)
- Reglamento (UE) 2024/1689 (AI Act) — Anexo III(2024)
- Comisión Europea — Study on the deployment of AI in healthcare(2025)
- Ministerio de Sanidad - Aprobación de la Estrategia de IA del SNS(2025)
Contenido y servicios relacionados
- Datos e IA para el sector salud
Cómo trabajamos con clínicas, laboratorios, residencias y aseguradoras.
- Gobierno del dato y calidad
El cimiento antes de analizar datos clínicos u operativos.
- Copilot RAG empresarial
Asistente sobre documentación clínica y protocolos con permisos y citas.
- Consultoría Power BI
Cuadros de mando asistenciales y operativos.
- AI Act para pymes: obligaciones
Qué te afecta del AI Act según el riesgo de tu IA.
- Datos e IA en educación y formación: guía
La guía sectorial equivalente para educación.