Nº de DOI: 10.34896/RSI.2025.80.25.002
AUTORES
- Juan Ramón Barrachina Casals. Consorci Sanitari Integral, Enfermero. Hospitalet de Llobregat (Barcelona). España.
- Lucía Ortega Ruiz. Consorci Sanitari Integral, Enfermera. Hospitalet de Llobregat (Barcelona). España.
RESUMEN
La Inteligencia Artificial (IA) está provocando una transformación global en la práctica de la enfermería que abarca desde la atención directa, a pie de cama, hasta la docencia, la gestión y la investigación¹. Existen, en la actualidad, algunas aplicaciones ya implementadas (soporte a la toma de decisiones clínicas, monitorización remota, automatización de documentación, chatbots y triage digital)³,⁴ y otras, aún en fase experimental cómo (robots asistenciales, modelos predictivos integrados en flujos clínicos)²,⁵. Los beneficios potenciales, que se intuyen, incluyen reducción de carga administrativa, detección precoz de deterioro, soporte en decisiones y ampliación del acceso³,⁶; sin embargo, existen riesgos importantes como el sesgo, la pérdida directa de control profesional, los problemas de privacidad y la dependencia tecnológica¹,⁸.
PALABRAS CLAVE
Inteligencia artificial, enfermería, práctica clínica, toma de decisiones clínicas, monitoreo remoto, automatización de documentos, chatbot, triaje, robots, modelos predictivos, carga de trabajo, detección precoz, acceso a los servicios de salud, sesgo, privacidad, dependencia tecnológica, gestión en enfermería, educación en enfermería, investigación en enfermería.
ABSTRACT
Artificial Intelligence (AI) is causing a global transformation in nursing practice, ranging from direct bedside care to teaching, management, and research. Some applications are already in use (clinical decision support, remote monitoring, documentation automation, chatbots, and digital triage), while others are still in the experimental phase (care robots, predictive models integrated into clinical workflows). The potential benefits, which are intuitive, include reduced administrative burden, early detection of deterioration, decision support, and expanded access; however, there are significant risks such as bias, direct loss of professional control, privacy issues, and technological dependence.
KEY WORDS
Artificial intelligence, nursing, clinical practice, clinical decision making, remote monitoring, document automation, chatbot, triage, robots, predictive models, workload, early detection, access to health services, bias, privacy, technological dependency, nursing management, nursing education, nursing research.
DESARROLLO DEL TEMA
Análisis:
En este documento se configura como una síntesis y reflexión, a partir de la consulta de fuentes institucionales y de revisiones recientes, para realizar una aproximación fiable y actualizada acerca de:
a) Lo que puede teorizarse (escenarios potenciales futuros).
b) Lo que ya se está aplicando y evidenciando.
c) Las recomendaciones prácticas para equipos de enfermería.
1.Aplicaciones actuales e incipientes:
1.1 El soporte a la toma de decisiones clínicas: Existen sistemas de apoyo integrados en la historia clínica electrónica que alertan sobre riesgos de sepsis, úlceras por presión, o desviaciones de signos vitales, ayudando al juicio enfermero³. y a priorizar intervenciones. Algunos estudios y revisiones recientes muestran reducciones en tiempo de respuesta y mejoras en la detección cuando se combinan algoritmos con protocolos específicos o locales.
1.2 La automatización y reducción de documentación: Las herramientas de dictado inteligente, la extracción automática de información y generación de resúmenes clínicos reducen la carga administrativa, liberando tiempo para la atención asistencial directa.
1.3 La monitorización y la detección precoz: Mediante sensores continuos y algoritmos predictivos, se pueden identificar patrones antes de la descompensación (ejemplos: riesgo de caída, apnea, infección, arritmias)³,⁴, permitiendo intervenciones tempranas y reducción de posibles efectos adversos.
1.4 La posibilidad del Triage digital y los chatbots: Se trata de asistentes virtuales y symptom checkers que orientan a los pacientes y ayudan a canalizar la demanda, con estas herramientas se alivian los servicios de urgencia y también ayudan a la gestión de citas³,⁴.
1.5 La educación y simulación: La tecnología actual permite la creación de entornos virtuales con IA (pacientes virtuales) y sistemas adaptativos que personalizan la formación, es una óptima posibilidad para la evaluación de competencias⁵ y un buen feedback para estudiantes y profesionales.
2. Escenarios próximos y potenciales (plano teórico):
2.1 Una asistencia clínica ampliada: Creación de modelos predictivos integrados en flujos asistenciales que recomienden las intervenciones de enfermería específicas —dosis de fluidos, escalas de valoración o pautas de movilización— siempre bajo la supervisión del profesional⁵.
2.2 El establecimiento de nuevos roles ampliados y también de nuevos perfiles: Es muy probable que surjan roles híbridos (enfermera/analista de datos, coordinador de IA en planta⁴,⁵.) y, a su vez, subespecializaciones en la aplicación y gestión segura de la IA.
2.3 La robotización parcial de tareas físicamente muy demandantes: El uso de robots colaborativos para traslado de pacientes, la dispensación de medicación o el apoyo a movilizaciones²,⁵, siempre como ayuda y garantizando la no sustitución del juicio profesional y asistencial.
2.4 Una gestión inteligente y una planificación más eficiente: La optimización de turnos y recursos, la asignación de camas, la previsión de demanda y logística basada en IA para mejorar la eficacia y el bienestar laboral²,⁷.
3. Beneficios y evidencias principales:
Beneficios actualmente documentados:
•Reducción de carga administrativa y más tiempo para atención directa.
•Detección precoz del deterioro y reducción de eventos adversos³,⁴.
•Mejora en la accesibilidad y la continuidad asistencial mediante tele monitorización³.
•Personalización de formación y evaluación en docentes de enfermería⁵.
4. Riesgos, limitaciones y consideraciones éticas:
4.1 El sesgo y la equidad: Los algoritmos pueden reproducir desigualdades si los datos compilados de entrenamiento disponibles no representan a una N importante y con poblaciones diversas¹,⁶.
4.2 Los aspectos relacionados con la privacidad y la seguridad de datos: El uso de datos tan sensibles requiere una gobernanza muy estricta, el consentimiento informado¹,⁸ y unas medidas técnicas muy robustas.
4.3 Posible desprofesionalización y pérdida de habilidades: Unas automatizaciones mal diseñadas o incluso mal aplicadas, pueden erosionar competencias clínicas⁶ si se delegan juicios (de forma rutinaria) sin supervisión formativa.
4.4 La responsabilidad legal y la normativa regulatoria: Será necesario el establecimiento de marcos normativos claros acerca de responsabilidad clínica cuando existan decisiones asistenciales que se puedan apoyar en la IA¹,⁸,⁹.
5. Recomendaciones prácticas para los equipos de enfermería:
5.1 La formación y alfabetización en IA: Establecer programas continuos que incluyan temas cómo la ética, la interpretación de algoritmos, las limitaciones y la verificación clínica²,⁵.
5.2 Gobernanza y gestión local: Creación de comités multidisciplinares¹,⁸ (enfermería, medicina, informática, ética) para validar, monitorizar e implementar la IA en los diferentes servicios.
5.3 Inicio con planes piloto controlados y evaluados: Comenzar con estos proyectos de alcance limitado, definiendo indicadores de seguridad, de eficacia y, a su vez, de satisfacción del personal y pacientes³,⁴.
5.4 Integración centrada en el cuidado: Se debe priorizar el uso de herramientas que liberen tiempo clínico y mejoren la relación enfermero–paciente; hay que evitar (siempre) sustituciones que perjudiquen la atención humana.
6. Posibles indicadores para la evaluación de proyectos de IA en enfermería:
Ejemplos: El tiempo de dedicación a documentación clínica (minutos/paciente), la tasa de situaciones o eventos adversos prevenibles, la sensibilidad/especificidad de alertas, la satisfacción del personal, la equidad de resultados por subgrupos poblacionales.
Ejemplos: El tiempo de dedicación a documentación clínica (minutos/paciente), la tasa de situaciones o eventos adversos prevenibles, la sensibilidad/especificidad de alertas, la satisfacción del personal, la equidad de resultados por subgrupos poblacionales³,⁴,⁶.
CONCLUSIÓN
La IA (Inteligencia Artificial) nos ofrece, hoy en día, oportunidades reales para mejorar la práctica enfermera, pero su implementación debe ser consciente, deliberada, trazada y evaluada con una gestión real y segura por profesionales de la salud. La profesión de enfermería tiene un reto importante ya que se sitúa en el papel central y esencial para asegurar que la tecnología potencie, y no sustituya en ningún caso, la dimensión humana del cuidado²,⁵. En la actualidad, la expansión de la inteligencia artificial y de los algoritmos plantea un debate profundo, incluso ético, sobre sus capacidades frente a las de los seres humanos¹,⁹. Así pues, mientras que los algoritmos destacan por su velocidad de cálculo, o por su capacidad de procesar grandes volúmenes de datos, con una aparente precisión, los humanos aportan la intuición, el juicio crítico, la sensibilidad ética y la creatividad, dimensiones que difícilmente pueden ser replicadas por un sistema mecánico.
En este sentido, resulta básico comprender la naturaleza de la automatización, la inteligencia y la creatividad. Mientras que la automatización permite liberar a las personas de tareas repetitivas y mecánicas, la inteligencia algorítmica puede facilitar el análisis de patrones complejos, pero la creatividad sigue siendo un espacio eminentemente humano, vinculado a la capacidad de poder imaginar, de cuestionar y, a la postre, de generar nuevas perspectivas.
La fiabilidad de la analítica predictiva en IA (aunque muy prometedora) nunca será absoluta, puesto que dependerá de la calidad de los datos obtenidos, de los modelos utilizados y de los contextos de aplicación para su desarrollo e implementación. Es por ello lo que confiar ciegamente en estas predicciones puede resultar problemático si no se acompaña de una reflexión crítica y de la supervisión humana.
Paralelamente, en relación con la gobernanza algorítmica, se introduce un nuevo escenario en el que la indeterminación ocupa un lugar relevante. Los sistemas automatizados no pueden prever siempre la infinidad de las variables de la realidad; esa incertidumbre exigirá mantener espacios de deliberación y control humano, evitando así que las decisiones se reduzcan a meros cálculos matemáticos sin considerar sus implicaciones sociales y éticas.
La inteligencia artificial, por tanto, debe entenderse más como un complemento, como una herramienta de la inteligencia humana, nunca como un reemplazo. Es imprescindible preservar el control humano y la capacidad de reflexión crítica¹,⁸., garantizando que las decisiones tecnológicas estén siempre alineadas con valores y objetivos colectivos.
Finalmente, debemos recordar que la IA no es puramente objetiva. Sus resultados son el reflejo de las decisiones, prioridades y sesgos presentes en la sociedad que la ha diseñado y la utiliza. Por ello, el verdadero reto no consiste únicamente en perfeccionar los algoritmos, sino en utilizarlos de manera que promuevan los valores humanos como la equidad, la justicia y el bienestar común⁶,⁷. Solo así la tecnología podrá convertirse en una herramienta que amplifique nuestras capacidades sin comprometer nuestra responsabilidad ética.
“La inteligencia artificial puede acompañar y apoyar el cuidado, pero sólo bajo la mirada humana; la enfermera es quien le otorga su verdadero e irremplazable sentido”.
BIBLIOGRAFÍA
- World Health Organization. Ethics and governance of artificial intelligence for health: WHO guidance. Geneva: WHO; 2025. https://www.who.int/publications/i/item/9789240084759
- International Council of Nurses. ICN Position Statement: Digital Health. Geneva: ICN; 2023. https://www.icn.ch/sites/default/files/2023-08/ICN%20Position%20Statement%20Digital%20Health%20FINAL%2030.06_EN.pdf
- Dailah HG. Artificial intelligence in nursing: technological benefits to nurse’s mental health and patient care quality. Int J Rev. 2024. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC11675209/
- Rony MKK, et al. Advancing nursing practice with artificial intelligence: enhancing preparedness for the future. Nurs Open. 2023.https://pubmed.ncbi.nlm.nih.gov/38268252/ https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10733565/
- Shepherd J, McCarthy A, et al. Advancing nursing practice through artificial intelligence: unlocking its transformative impact. Online J Issues Nurs. 2025 May 31. https://ojin.nursingworld.org/
- Hassanein S. Artificial intelligence in nursing: an integrative review. Front Digit Health. 2025. https://www.frontiersin.org/articles/10.3389/fdgth.2025.1552372/full
- Muralidharan V, et al. The global initiative on AI for health and related developments. J Rev. 2025. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC12019307/
- Agency for Healthcare Research and Quality. AHRQ/PSNet summary of WHO guidance: ethics & governance of AI for health. https://psnet.ahrq.gov/
- Reuters. UN advisory body makes recommendations on governing AI. 2023–2024. https://www.reuters.com/technology/artificial-intelligence/un-advisory-body-makes-seven-recommendations-governing-ai-2024-09-19/
