AUTORES
- Maura Aparicio Zabalza. Auxiliar Administrativo, Zaragoza, España.
- Aránzazu León Fábrega. Auxiliar Administrativa HURV. Admisión, Zaragoza, España.
- Julia Pérez Blasco. Auxiliar Administrativa. Secretaria de Traumatología, Zaragoza, España.
- Rosa M Buendía Rojo. Auxiliar Administrativa, Zaragoza, España.
- Carolina Vicente García. Auxiliar Administrativa. Consultas Externas, Zaragoza, España.
- José María Bernal Torres. Auxiliar Administrativo del Servicio Nacional Aragonés, Zaragoza, España.
RESUMEN
La inteligencia artificial puede ayudar al personal administrativo sanitario a clasificar solicitudes, redactar comunicaciones y organizar tareas, pero también puede generar errores, sesgos y riesgos para la confidencialidad. Este artículo examina los criterios éticos y organizativos para utilizarla en admisión, citación y gestión documental. Se trata de una revisión narrativa de orientaciones internacionales, un marco de gestión de riesgos y normativa europea.
El artículo propone definir la finalidad de cada aplicación, utilizar solo datos autorizados, comprobar las respuestas con fuentes institucionales y establecer mecanismos para corregir errores. Las herramientas que influyen en el acceso a servicios o en la prioridad asistencial requieren una evaluación especialmente cuidadosa. El personal administrativo puede detectar fallos, comunicar incidencias y facilitar una alternativa de atención humana, siempre dentro de sus competencias. Se concluye que la IA solo aporta valor si se valida en el contexto donde se utiliza y se supervisan sus resultados. La responsabilidad sobre las decisiones y comunicaciones dirigidas a los pacientes sigue siendo de las personas y de la institución.
PALABRAS CLAVE
Inteligencia artificial, ética, administración de servicios de salud, privacidad, seguridad del paciente.
ABSTRACT
Artificial intelligence can help healthcare administrative staff classify requests, draft communications and organise tasks, but it can also introduce errors, bias and confidentiality risks. This article examines ethical and organisational criteria for its use in admissions, appointment scheduling and document management. It is a narrative review of international guidance, a risk management framework and European legislation.
The article proposes defining the purpose of each application, using only authorised data, checking outputs against institutional sources and establishing ways to correct errors. Tools that affect access to services or the priority of care require particularly careful assessment. Administrative staff can identify failures, report incidents and provide a route to human assistance within the scope of their roles. The article concludes that AI is useful only when it is validated in the setting where it will be used and its outcomes are monitored. Responsibility for decisions and communications affecting patients remains with people and the institution.
KEY WORDS
Artificial intelligence, ethics, health services administration, privacy, patient safety.
DESARROLLO DEL TEMA
Las áreas de admisión, citación, atención telefónica y gestión documental trabajan con un gran volumen de información. Un sistema de inteligencia artificial (IA) puede proponer respuestas a preguntas frecuentes, resumir incidencias o ordenar solicitudes para su revisión. La Organización Mundial de la Salud (OMS) señala que la IA sanitaria puede aportar beneficios, pero exige autonomía humana, seguridad, transparencia, responsabilidad, inclusión y sostenibilidad como principios de gobernanza1. Esos principios alcanzan también a procesos administrativos: una cita asignada incorrectamente o una comunicación incompleta pueden afectar al acceso efectivo a la atención.
Esta monografía analiza la gestión ética de la IA en tareas administrativas sanitarias desde el punto de vista del administrativo y auxiliar administrativo. Es una revisión narrativa de orientaciones institucionales, un marco de gestión de riesgos y normas europeas. No presupone que cualquier programa informático sea IA ni que todas las aplicaciones tengan idéntico riesgo. La implantación concreta depende de la finalidad, el proveedor, los datos tratados, el tipo de decisión y el régimen aplicable al centro.
Delimitar el uso antes de implantarlo:
El primer paso consiste en describir qué problema se quiere resolver y qué resultado puede aceptar el equipo. Son ejemplos acotados sugerir un borrador de instrucciones generales, clasificar incidencias técnicas para una cola interna o buscar documentos en una base institucional. Una propuesta de asignar prioridad a pacientes, determinar elegibilidad o responder a preguntas clínicas tiene implicaciones mayores. La misma herramienta puede ser adecuada para corregir un texto administrativo general y resultar inapropiada para decidir una excepción de acceso a un servicio.
Para cada uso conviene documentar quién introduce la información, de dónde procede, qué salida genera, quién la verifica y cómo se rectifica. El marco voluntario de gestión de riesgos del National Institute of Standards and Technology ordena estas actividades mediante gobernanza, identificación del contexto, medición y gestión continua de riesgos2. Desde el puesto administrativo, esta secuencia puede traducirse en preguntas concretas: ¿qué documento alimenta la respuesta?, ¿cuál es el error más perjudicial?, ¿se puede detener el sistema?, ¿quién recibe la incidencia?
Una prueba en condiciones reales debe incluir consultas corrientes y casos difíciles: datos incompletos, instrucciones contradictorias, traducciones, solicitudes urgentes y personas que necesitan un canal accesible. Medir solo la rapidez o el porcentaje de respuestas generadas ocultaría fallos. Los indicadores útiles incluyen correcciones humanas, citas mal dirigidas, reclamaciones, solicitudes sin resolver y diferencias entre grupos de usuarios. Antes de ampliar el uso, el equipo responsable debe definir un nivel de desempeño aceptable y situaciones que obliguen a volver al procedimiento manual.
Exactitud, supervisión y responsabilidad:
Los sistemas generativos pueden producir respuestas plausibles sin respaldo en los procedimientos vigentes. La OMS advierte sobre resultados incorrectos o sesgados y sobre la posibilidad de que el personal confíe excesivamente en modelos multimodales de gran tamaño3. Un texto sobre documentación necesaria, lugar de una prueba o plazo de respuesta debe verificarse contra la fuente institucional actualizada antes de enviarse. La revisión humana debe ser efectiva: quien valida necesita tiempo, acceso a la fuente y autoridad para corregir o rechazar la propuesta.
Un borrador puede contener nombres, fechas o negaciones alteradas. Por ello, al resumir una solicitud deben cotejarse los identificadores, el objeto del trámite y cualquier excepción con el expediente autorizado. La comprobación no se reduce a leer si la frase suena bien. Cuando un sistema presenta una recomendación como si fuera una decisión cerrada, conviene mostrar al revisor los datos relevantes, las incertidumbres conocidas y el procedimiento de escalado. La responsabilidad de la respuesta final corresponde al circuito institucional establecido.
El personal administrativo no debe utilizar el modelo como sustituto del juicio clínico. Si la solicitud contiene síntomas, una duda sobre tratamiento o un posible problema urgente, ha de seguir el protocolo de derivación asistencial. Puede organizar la información y dirigirla al canal correcto, pero no asignar prioridad clínica por inferencia propia. También debe evitar presentar una respuesta automatizada como confirmación de una cita hasta que el sistema oficial registre la operación y genere el comprobante correspondiente.
Datos personales y confidencialidad:
Los trámites sanitarios pueden revelar información de salud incluso cuando parecen meramente logísticos: una especialidad, una prueba o el motivo de una cita pueden ser sensibles. El Reglamento General de Protección de Datos europeo establece protección específica para las categorías especiales, incluidos los datos relativos a la salud, con condiciones para su tratamiento4. La existencia de una cuenta institucional en un servicio de IA no autoriza por sí misma a introducir cualquier expediente. Deben aplicarse las instrucciones del responsable del tratamiento y del delegado de protección de datos cuando proceda.
La minimización debe guiar los ejemplos y las consultas. Para revisar el tono de un aviso puede bastar un texto ficticio sin nombre ni historia clínica. Cuando una tarea autorizada requiere datos reales, han de utilizarse las herramientas aprobadas, permisos apropiados y un circuito de registro. El personal necesita conocer si las entradas se conservan, quién puede acceder a ellas y cómo se gestionan los errores de envío. Copiar una lista de pacientes en una herramienta no aprobada crea una exposición que ningún ahorro de tiempo justifica.
El deber de confidencialidad incluye la salida del sistema. Un resumen o borrador no debe remitirse automáticamente a un destinatario solo porque la herramienta haya reconocido una dirección o un nombre. Antes de enviar, se verifica la identidad del destinatario, el contenido y el canal seguro. Si se descubre que la IA incorporó datos de otra persona, se detiene el envío, se protege el registro y se comunica el incidente por el procedimiento del centro. No corresponde borrar rastros ni corregir en silencio un posible acceso indebido.
Sesgos y acceso equitativo:
Un algoritmo que aprende de trámites previos puede reproducir desigualdades presentes en esos datos. Si determinados usuarios tenían más dificultad para acceder al portal o eran derivados con frecuencia a un canal lento, automatizar ese patrón podría consolidarlo. La supervisión debe observar si el rendimiento cambia por idioma, discapacidad, edad u otras circunstancias relevantes, respetando las reglas aplicables al análisis de datos. La OMS incluye la equidad y la inclusión entre sus principios de IA para la salud1.
Las personas deben disponer de una forma comprensible de preguntar por una respuesta incorrecta y solicitar revisión. Un asistente conversacional puede resolver dudas simples, pero debe ofrecer derivación humana cuando no entiende la consulta, cuando aparecen contradicciones o cuando el usuario no puede utilizar el canal. La existencia de una opción humana visible evita convertir una limitación técnica en una barrera de acceso. El administrativo que recibe la queja necesita poder localizar la gestión, rectificarla según sus atribuciones y trasladar el defecto recurrente al equipo propietario.
En la Unión Europea, el Reglamento de IA distingue usos por riesgo. Entre los supuestos de alto riesgo se encuentran determinadas aplicaciones para evaluar elegibilidad para servicios públicos esenciales, incluidas prestaciones sanitarias, y sistemas de triaje de urgencias5. No toda herramienta administrativa entra automáticamente en esa categoría: la clasificación depende de su finalidad prevista y del uso concreto. Antes de implantar una aplicación que influya en el acceso o la prioridad, el centro debe obtener una evaluación jurídica y técnica específica; la presente monografía no sustituye ese análisis.
Gobernanza cotidiana y formación del personal:
Una política de uso puede enumerar herramientas autorizadas, tareas permitidas, datos que pueden introducirse, controles obligatorios y responsables de incidencias. Debe incluir procedimientos alternativos durante una caída y una versión actualizada de los documentos que sirven de referencia. La formación práctica funciona mejor con ejemplos del puesto: una respuesta sobre horarios, una solicitud ambigua, una derivación clínica y un borrador que contiene un dato inventado. El objetivo es que el trabajador reconozca cuándo debe verificar, escalar o descartar la salida.
Conviene documentar también los cambios del sistema. Una actualización puede modificar respuestas aunque el personal use el mismo mensaje de entrada. Un pequeño conjunto de casos de comprobación, repetido tras cambios relevantes, ayuda a detectar regresiones. Las incidencias deben conservar la pregunta o tipo de tarea, el defecto observado y la corrección, con los datos personales imprescindibles. Las reuniones de revisión pueden transformar los errores frecuentes en cambios de procedimiento, de interfaz o de base documental.
La distribución de responsabilidades debe ser explícita. Dirección autoriza fines y recursos; informática y seguridad evalúan integración y accesos; protección de datos revisa el tratamiento cuando corresponde; los servicios asistenciales fijan límites clínicos; administración aporta la experiencia del proceso y comunica defectos. El proveedor debe ofrecer información suficiente para evaluar la herramienta y gestionar cambios. Ningún trabajador debería quedar obligado a avalar respuestas que no puede verificar o a absorber sin apoyo el volumen de correcciones que produce el sistema.
LIMITACIONES Y CONCLUSIONES
Las fuentes seleccionadas son guías, un marco voluntario y normas de alcance general. No se realizó una revisión sistemática de resultados en administración sanitaria ni se presentan cifras de eficacia para una herramienta concreta. La normativa y las especificaciones técnicas evolucionan; cada despliegue exige comprobar la versión vigente y el contexto jurídico. Las propuestas de control descritas son criterios organizativos que deben adaptarse al centro.
La gestión ética de la IA administrativa empieza al fijar una finalidad precisa y termina en el seguimiento de sus efectos. El personal administrativo puede detectar errores, verificar comunicaciones, proteger datos y mantener rutas humanas de atención. Para que esa labor sea viable necesita formación, tiempo de revisión, instrucciones claras y capacidad de detener usos inseguros. La automatización solo mejora el servicio si las decisiones que afectan al paciente permanecen trazables, corregibles y bajo responsabilidad humana.
BIBLIOGRAFÍA
- World Health Organization. Ethics and governance of artificial intelligence for health: WHO guidance. Geneva: WHO; 2021. Disponible en: https://www.who.int/publications/i/item/9789240029200
- National Institute of Standards and Technology. Artificial Intelligence Risk Management Framework (AI RMF 1.0). Gaithersburg (MD): NIST; 2023. doi:10.6028/NIST.AI.100-1. Disponible en: https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-ai-rmf-10
- World Health Organization. Ethics and governance of artificial intelligence for health: guidance on large multi-modal models. Geneva: WHO; 2025. Disponible en: https://www.who.int/publications/i/item/9789240084759
- Parlamento Europeo y Consejo de la Unión Europea. Reglamento (UE) 2016/679, de 27 de abril de 2016, relativo a la protección de las personas físicas en lo que respecta al tratamiento de datos personales. Diario Oficial de la Unión Europea. 2016;L119:1-88. Disponible en: https://eur-lex.europa.eu/eli/reg/2016/679/oj
- Parlamento Europeo y Consejo de la Unión Europea. Reglamento (UE) 2024/1689, de 13 de junio de 2024, por el que se establecen normas armonizadas en materia de inteligencia artificial. Diario Oficial de la Unión Europea. 2024. Disponible en: https://eur-lex.europa.eu/eli/reg/2024/1689/oj
