IA y gestión de proyectos en la salud

Columna

Salud

25 de febrero de 2026

IA y gestión de proyectos en la salud

Por qué la tecnología por sí sola no puede transformar sistemas

La inteligencia artificial se presenta como una de las principales promesas para el futuro de la salud. Diagnósticos más rápidos, automatización de procesos, decisiones más precisas y reducción de costos componen un discurso cada vez más presente en las agendas institucionales. Sin embargo, la experiencia práctica demuestra que la simple inversión en tecnología no garantiza la transformación organizacional ni la mejora sostenible del cuidado.

Informes recientes señalan que Brasil posee un escenario prometedor para el uso de la inteligencia artificial en salud, pero aún enfrenta limitaciones relevantes en infraestructura, cualificación profesional y gobernanza de datos (CETIC.BR, 2024). En la práctica, se observa que muchos proyectos se inician con gran expectativa y terminan subutilizados, fragmentados o sin impacto medible.

La implementación de soluciones en salud digital ha revelado un patrón recurrente: la priorización de la adquisición de tecnologías en detrimento de la comprensión de la complejidad organizacional y operativa necesaria para su implementación. Este desalineamiento resulta, con frecuencia, en sistemas costosos, baja adhesión por parte de los equipos e impactos limitados sobre los procesos de trabajo. Esto demuestra que la transformación digital no se deriva de la adopción aislada de tecnologías, sino del desarrollo de proyectos estructurados, con gobernanza, método y propósito claramente definidos.

Cuando la innovación falla antes de empezar

La literatura contemporánea sobre innovación destaca la importancia de distinguir entre dos fuerzas que impulsan el cambio tecnológico — technology-push (oferta tecnológica) y demand-pull (necesidades del mercado) — y cómo estas fuerzas interactúan para guiar la dirección de la innovación. Hötte (2023), en un estudio reciente, señala que, cuando las iniciativas se basan principalmente en technology-push, pueden generar innovaciones desalineadas con las demandas reales, con implicaciones para la adopción y sostenibilidad de los proyectos.

Las iniciativas impulsadas exclusivamente por la tecnología tienden a presentar fragilidad estratégica, alcance mal definido y baja integración organizacional (Bento et al., 2022). Sin un diagnóstico institucional adecuado, los sistemas no se conectan a los flujos de trabajo, no dialogan con las demandas reales y no se incorporan a la rutina. En estos contextos, la innovación se transforma en un experimento aislado, sin continuidad ni generación efectiva de valor.

El papel estratégico de la gestión de proyectos

La gestión de proyectos tradicionalmente contempla la planificación y el control de plazos, costes y alcance. En el campo de la salud digital, sin embargo, su papel se expande, asumiendo una función estructurante en los procesos de transformación, articulación de actores y sostenimiento de los cambios organizacionales.

Según la Association for Project Management (2022), los proyectos basados en IA requieren integración entre competencias técnicas, organizacionales y humanas. Esto incluye la traducción de demandas clínicas en requisitos técnicos, la organización de equipos multidisciplinares, la planificación de capacitación y la definición de indicadores de desempeño. Sin este arreglo, la tecnología permanece como promesa. Con él, se transforma en instrumento de gestión.

La eficiencia no es solo automatización

Las aplicaciones iniciales de inteligencia artificial en la salud suelen centrarse en la automatización de procesos administrativos y de apoyo a la gestión, como programación, facturación, auditoría, triaje de demandas y análisis de glosas (rechazos de pago por parte de las aseguradoras).

Estos usos representan avances relevantes en eficiencia operativa. Sin embargo, a medida que la IA se incorporó a procesos asistenciales, regulatorios y decisorios —como apoyo a la decisión clínica, estratificación de riesgo, vigilancia en salud, gestión de redes de cuidado y gobernanza de datos—, se hizo evidente que sus beneficios permanecen limitados cuando no van acompañados de rediseño organizacional, revisión de flujos de trabajo y mecanismos adecuados de gobernanza.

La ganancia real ocurre cuando la tecnología se inserta en proyectos que revisan flujos, integran sistemas y califican equipos. Estudios muestran que iniciativas exitosas combinan innovación tecnológica con cambios estructurales en los modelos de gestión (Torres et al., 2025). En este escenario, la gestión de proyectos actúa como mediadora entre áreas técnicas, clínicas y administrativas, garantizando coherencia institucional.

Apoyo a la decisión clínica y responsabilidad

En la dimensión asistencial, los sistemas de apoyo a la decisión se están expandiendo rápidamente. El análisis de imágenes, la interpretación de exámenes, el monitoreo remoto y la predicción de riesgos ya forman parte de la realidad de muchos servicios.

Las revisiones internacionales indican que la inteligencia artificial puede aumentar la precisión diagnóstica y reducir el tiempo de respuesta clínica, siempre que vaya acompañada de validación y supervisión humana (Uridge et al., 2025). Sin embargo, su adopción indiscriminada puede generar nuevos problemas, como opacidad decisoria, sesgo algorítmico y fragilidad jurídica, por ejemplo.

Los proyectos responsables necesitan incorporar, desde el principio, mecanismos de explicabilidad, auditoría y gobernanza. Estudios sobre Inteligencia Artificial Explicable destacan que la transparencia algorítmica es una condición central para la confianza institucional (Arrieta et al., 2020). Sin este cuidado, la ganancia técnica puede ir acompañada de pérdida de credibilidad.

Interoperabilidad: el desafío invisible

Gran parte de las dificultades en la implementación de la inteligencia artificial no reside en los algoritmos, sino en la infraestructura. Datos fragmentados, sistemas incompatibles y ausencia de estándares hacen inviables proyectos prometedores.

Experiencias internacionales, como la del Servicio Nacional de Salud (NHS), de Inglaterra, demuestran que sistemas de salud con baja interoperabilidad enfrentan obstáculos estructurales para la adopción de soluciones avanzadas — especialmente sistemas básicos de TI lentos, fragmentados y poco amigables, que impiden la integración eficaz de soluciones avanzadas como la IA, porque la infraestructura de datos esencial aún no está modernizada ni es interoperable (The Guardian, 2024).

En Brasil, este desafío es ampliamente reconocido en los estudios sectoriales del Centro Regional de Estudios para el Desarrollo de la Sociedad de la Información (CETIC/BR, 2024). La gestión de proyectos asume un papel decisivo en este contexto, articulando acuerdos intersectoriales, definiendo prioridades y organizando etapas de transición.

Ética, LGPD y gobernanza de datos

Todavía es común tratar la privacidad, seguridad de la información y el cumplimiento legal como etapas finales. Este es un error estratégico. La IA opera con datos sensibles, lo que exige una estricta observancia de la Ley General de Protección de Datos (Brasil, 2018). Las fallas en este campo no solo generan sanciones jurídicas, sino que también comprometen la legitimidad institucional.

Los proyectos maduros incorporan, desde la concepción, análisis de riesgos regulatorios, participación jurídica, políticas de protección de datos y mecanismos de rendición de cuentas. La gobernanza no limita la innovación. La hace sostenible.

Las personas siguen siendo el factor decisivo

Ninguna tecnología se sostiene sin adhesión humana. La resistencia al cambio, la inseguridad profesional y la baja alfabetización digital siguen siendo obstáculos relevantes. Estudios indican que muchos proyectos fracasan no por limitaciones técnicas, sino por fallos en la gestión del cambio (Salimimoghadam et al. 2025). Ignorar este aspecto compromete cualquier iniciativa.

Proyectos exitosos invierten en comunicación interna, formación continuada, participación de los usuarios y escucha activa de los equipos. La transformación digital es, ante todo, un proceso social.

La experiencia acumulada en diferentes contextos permite destacar algunos principios fundamentales:

  • Definir el problema antes de la herramienta;
  • Trabajar con pilotos estructurados;
  • Incorporar gobernanza desde el inicio;
  • Planificar el cambio organizacional;
  • Evaluar el impacto real.

Estos elementos diferencian proyectos duraderos de iniciativas pasajeras.

Más allá de la tecnología

La inteligencia artificial puede contribuir de forma significativa al fortalecimiento del sistema de salud brasileño. Sin embargo, esto exige articulación entre políticas públicas, formación profesional, regulación adecuada y modelos de gobernanza.

Los informes sectoriales indican que la consolidación de esta agenda depende del desarrollo institucional y de la cualificación de los gestores (CETIC.BR, 2024). Importar soluciones sin construir capacidades locales tiende a generar dependencia tecnológica y fragilidad operativa. La inteligencia artificial tiene el potencial de ampliar la eficiencia, apoyar decisiones clínicas y fortalecer la gestión en salud. Pero no opera sola.

La diferencia entre proyectos que generan impacto y aquellos que se vuelven obsoletos radica en la calidad de su conducción. La tecnología es el motor. La gestión de proyectos es el sistema de dirección. Sin planificación, gobernanza y compromiso institucional, la innovación se dispersa. Cuando estos elementos están presentes, se transforma en valor social.

Para tener acceso a las referencias de este texto haga clic aquí

Quién publicó esta columna

Beatriz Cristina de Freitas

Doutora pela UNICAMP, é mestre em Ciências da Saúde pela UnB e em Telessaúde e Saúde Digital pela UERJ, com especializações em Gestão de Projetos (USP/ESALQ) e Gestão em Saúde (USP/EERP). Atua como professora e pesquisadora nas áreas de inovação, políticas públicas de saúde, saúde digital e gestão de projetos aplicados à saúde.

También te puede interesar

02 de octubre de 2026

Determinantes de la ubicación de supermercados en São Paulo

Un estudio investigó los factores determinantes de la ubicación de supermercados en el estado de São Paulo, con el objetivo de investigar los factores que explican la presencia y expansión de estos establecimientos, considerando dimensiones socioeconómicas, demográficas y de mercado. Se utilizaron datos de los Censos Demográficos de 2010 y 2022 del IBGE y información del Cadastro Nacional de Pessoas Jurídicas de la Receita Federal do Brasil para construir una base de datos georreferenciada. Se aplicó un modelo de clasificación Random Forest, ajustado por grid search con validación cruzada, priorizando la métrica recall-macro debido al desbalanceo de la variable dependiente, que representó la presencia o ausencia de supermercados en un buffer de 50 metros. Los resultados indicaron que la ubicación de supermercados está fuertemente asociada a características demográficas, de ingresos y de población en el entorno. El análisis de importancia de las variables evidenció que factores sociodemográficos, como alfabetización de ancianos, ingresos familiares y la presencia de otros establecimientos de alimentación, ejercieron una influencia significativa, especialmente en el entorno inmediato. Los hallazgos reforzaron la hipótesis de que la distribución espacial de supermercados no es aleatoria, siendo condicionada por características socioeconómicas y por la estructura comercial del territorio, ofreciendo subsidios para decisiones empresariales y planificación urbana.

Palabras clave: Análisis espacial; Aprendizaje automático; Expansión; Ubicación comercial; Supermercados.

Neurociencia Y Aprendizaje En La Educación

02 de octubre de 2026

Educación Antirracista: Prácticas Educativas Inclusivas y Desarrollo Social

La educación antirracista, comprendida como eje estructurante de la educación inclusiva y del desarrollo social, fue investigada en el contexto brasileño. El estudio tuvo como objetivo identificar y analizar, con base en documentos legales y en la percepción de profesores, las prácticas educativas capaces de promover el antirracismo en la escuela y en la sociedad, y cómo la implementación de las Leyes nº 10.639/03 y nº 11.645/08 contribuyó a la justicia social. Se adoptó un enfoque cualitativo y documental, con análisis de legislación educacional, directrices curriculares, informes institucionales y literatura académica. Complementariamente, se aplicó un cuestionario semiestructurado a 295 profesores de Educación Básica. Los datos fueron evaluados cuantitativa y cualitativamente, por medio de análisis de contenido temático, y validados con estudios bibliográficos. Los resultados revelaron una paradoja: a pesar de un marco legal robusto, la implementación de las políticas antirracistas se mostró frágil y puntual, con carencia de formación docente, materiales didácticos adecuados y monitoreo. Se constató la persistencia de desigualdades educacionales significativas entre estudiantes blancos y negros, y la mayoría de los profesores reconoció la ocurrencia de racismo en las escuelas, pero sin protocolos institucionales claros. El análisis neurocientífico demostró que el racismo impacta negativamente el desarrollo cognitivo y emocional de los estudiantes. Se concluyó que la educación antirracista es central para una educación de calidad, exigiendo compromiso político, inversión pública y articulación intersectorial. La integración de la Neurociencia en la formación docente y la producción de materiales cualificados son cruciales para fortalecer el papel de la escuela en la construcción de una sociedad más justa e inclusiva.

Palabras clave: Desarrollo Social; Educación Antirracista; Justicia Social; Ley 10.639/03; Prácticas Educativas Inclusivas.

Neurociencia Y Aprendizaje En La Educación

02 de octubre de 2026

Caminos de la Inclusión: Percepciones de Padres y Profesores sobre la Escolarización de Estudiantes con Doble Excepcionalidad en el Contexto Brasileño

La Doble Excepcionalidad, caracterizada por la coexistencia de Altas Habilidades/Superdotación y trastornos del neurodesarrollo, representa un fenómeno complejo que desafía los modelos tradicionales de identificación y escolarización. El estudio tuvo como objetivo comprender las percepciones de padres o tutores, profesores y otros profesionales de la educación sobre la escolarización de estudiantes con Doble Excepcionalidad en el contexto brasileño, investigando desafíos, estrategias pedagógicas y posibilidades de inclusión basadas en la equidad. La investigación adoptó un enfoque cualitativo, exploratorio y descriptivo, y recopiló datos a través de un cuestionario en línea, voluntario y anónimo, respondido por 25 participantes. Los datos discursivos fueron analizados mediante análisis de contenido temático. Los resultados indicaron que el conocimiento sobre el tema se construye frecuentemente a partir de experiencias personales y profesionales, revelando lagunas en la formación sistematizada. Se identificaron dificultades en la identificación de estos estudiantes, en la formación docente y en la implementación de planes educativos individualizados, flexibilización pedagógica y enriquecimiento curricular. Se relataron repercusiones socioemocionales, como frustración y baja autoestima. Sin embargo, algunas escuelas demostraron prácticas inclusivas fundamentadas en la equidad, articulando necesidades específicas y potencialidades. Aunque los resultados no permiten generalizaciones, evidenciaron la necesidad de fortalecer la formación profesional y la articulación entre escuela, familia y servicios especializados. Se concluyó que la inclusión de estudiantes con Doble Excepcionalidad requiere prácticas que reconozcan simultáneamente sus dificultades y potencialidades, garantizando condiciones equitativas de participación, aprendizaje y desarrollo.

Palabras clave: Desarrollo humano; Formación docente; Inclusión escolar; Neurodivergencia; Prácticas pedagógicas.

02 de octubre de 2026

Modelado predictivo para la gestión de inventarios: aumento de la productividad y la eficiencia en un centro de distribución de alimentos

La gestión eficiente de las operaciones logísticas en centros de distribución es fundamental para la competitividad, especialmente en actividades intensivas en mano de obra, que impactan los costos operativos y el nivel de servicio. El estudio tuvo como objetivo desarrollar y evaluar diferentes modelos de pronóstico de demanda para optimizar la gestión de inventario y recursos en un centro de distribución de alimentos. Para ello, se utilizaron datos históricos de movimiento de un sistema WMS, aplicando modelos de regresión lineal, suavización exponencial de Holt-Winters y el algoritmo LightGBM. Los resultados indicaron que los modelos tradicionales presentaron limitaciones en la captura de la dinámica de la demanda, con un rendimiento inferior al LightGBM. El algoritmo de aprendizaje automático demostró un rendimiento superior, especialmente después de la incorporación de mayor granularidad de los datos y variables temporales, lo que permitió una mayor adherencia a la dinámica de la demanda. La aplicación del modelo resultó en una reducción del 36,38% en el desplazamiento para el pallet picking y del 31,98% para el case picking, totalizando una reducción global del 33,64%. Se concluyó que la utilización de modelos predictivos contribuyó a la mejora de la eficiencia operativa, permitiendo una mejor asignación de recursos y organización de los artículos en el proceso de separación de pedidos.

Palabras clave: Aprendizaje automático; Clasificación ABC; Eficiencia operativa; Logística; Pronóstico de demanda.

02 de octubre de 2026

Transformación de Datos en Estrategia: Investigación Aplicada para la Optimización de Operaciones en Ecoturismo

La creciente demanda en el turismo ecológico en Minas Gerais impulsó la búsqueda de inteligencia de negocios para transformar datos de clientes en información estratégica. El estudio objetivó estructurar un pipeline de ciencia de datos para recolectar, segmentar y clasificar la base de clientes de una operación de ecoturismo, con el fin de optimizar acciones de marketing y anticipar movimientos de mercado. Se realizó una investigación exploratoria, de naturaleza cuali-cuantitativa, por medio de un estudio de caso. Se utilizaron 2.777 registros transaccionales de una empresa de ecoturismo, referentes a enero de 2024 a diciembre de 2025. El proceso metodológico involucró recolección automatizada de datos (API Google Sheets), tratamiento y enriquecimiento (ETL), validación y creación de atributos RFM (Recencia, Frecuencia y Valor Monetario). Se aplicó reducción de dimensionalidad vía PCA y agrupamiento K-Means, con el número de clusters definido por el método del Codo y Silhouette Score. Se validaron los resultados con DBSCAN y K-Medoids. Los resultados revelaron la identificación de tres segmentos comportamentales de clientes: “Fiel”, “Bajo Valor” y “Potencial”. El segmento “Fiel” representó el mayor valor económico acumulado, mientras que el “Potencial” se destacó por el alto ticket promedio y potencial de conversión en recurrencia. La integración de las técnicas de análisis de datos demostró ser un método robusto y replicable para generar inteligencia en el ecoturismo. Se concluyó que el pipeline de ciencia de datos estructurado viabilizó la segmentación comportamental de la base de clientes, la validación estadística de los grupos y la creación de un sistema predictivo para nuevos compradores, proporcionando subsidios para decisiones estratégicas basadas en datos y futuros análisis.

Palabras clave: Clusterización; Inteligencia de negocios; Machine Learning; Segmentación de clientes; Toma de decisiones.

02 de octubre de 2026

Clasificación de clientes morosos mediante técnicas supervisadas de aprendizaje automático

El riesgo de incumplimiento en operaciones de crédito demandó enfoques analíticos para anticipar pérdidas. Este estudio evaluó comparativamente el desempeño de modelos supervisados de aprendizaje automático en la clasificación de clientes incumplidos en operaciones de tarjeta de crédito. Se utilizó la base pública “Default of Credit Card Clients”, de la Universidad de California Irvine, con 30.000 observaciones y desbalanceo de clases. Se emplearon los algoritmos Regresión Logística, Random Forest y Extreme Gradient Boosting. El desbalanceo se trató mediante la asignación de pesos a las clases, y la optimización de los modelos se realizó con el método RandomizedSearchCV, priorizando la sensibilidad. Los resultados de la validación cruzada indicaron que el modelo Extreme Gradient Boosting presentó mayor capacidad de identificación de la clase incumplida y mejor desempeño discriminatorio, seguido por Random Forest y Regresión Logística, con una sensibilidad de 0,8250 y un AUC-ROC de 0,7844 para el XGBoost. El análisis de interpretabilidad, realizado por la técnica Shapley Additive Explanations (SHAP), evidenció la predominancia de variables asociadas al comportamiento de pago, especialmente el historial de retrasos. Se concluyó que los modelos basados en árboles, particularmente técnicas de boosting, se mostraron más adecuados para capturar patrones complejos en los datos, configurándose como alternativas consistentes para la gestión de riesgo de crédito.

Palabras clave: Aprendizaje Automático; Tarjeta de Crédito; Clasificación; Extreme Gradient Boosting; Riesgo de Crédito.

02 de octubre de 2026

Análisis de Sentimientos sobre Bancos Brasileños en Twitter/X: Comparación entre Instituciones Tradicionales y Digitales

Un estudio analizó la percepción pública sobre instituciones financieras brasileñas en la plataforma Twitter/X, resaltando la importancia del monitoreo de sentimientos en redes sociales para la comprensión de la reputación y la experiencia del cliente en el sector bancario. El objetivo consistió en comparar la percepción de los usuarios sobre la imagen y la reputación de bancos tradicionales y digitales, a partir de los patrones de sentimiento identificados en las manifestaciones analizadas, buscando identificar diferencias estructurales entre estos grupos. La metodología se basó en el análisis de 1.096 tweets recopilados entre noviembre de 2022 y junio de 2023. Se utilizaron dos enfoques complementarios de análisis de sentimientos, la suma y la media de las etiquetas, para captar el sentimiento mayoritario y los matices de la percepción. Adicionalmente, se desarrollaron el Modelo de Perfil de Mercado, con indicadores de reputación emocional, riesgo reputacional, neutralidad y polarización, y el Modelo de Clusterización Bancaria, que permitió agrupar las instituciones conforme a patrones de percepción. Los resultados indicaron predominancia de sentimientos neutros y negativos, mayor volumen de interacciones en los bancos digitales y diferencias estructurales en la intensidad emocional de las percepciones, con mayor estabilidad en los bancos digitales y mayor polarización en los tradicionales. Se concluyó que la combinación de técnicas analíticas y estadísticas contribuyó a una comprensión profunda de la imagen institucional en el entorno digital, evidenciando la importancia de estrategias de gestión de la reputación basadas en datos.

Palabras clave: Bancos digitales; Bancos tradicionales; Modelado de datos; Opinion mining; Redes Sociales.

02 de octubre de 2026

Optimización de la planificación presupuestaria anual mediante metodologías de gestión de proyectos

El Plan Presupuestario Anual (POA) es un proceso crucial para traducir la estrategia organizacional en metas operativas y financieras, pero frecuentemente enfrenta presiones de plazos, dependencias interdepartamentales y la repetición de gastos habituales. El estudio objetivó analizar cómo la aplicación combinada de prácticas de gestión de proyectos y del Presupuesto Base Cero (PBC) puede optimizar el POA. Para ello, se desarrolló un estudio de caso en la operación brasileña de una compañía abierta del sector de bebidas, utilizando investigación documental de su informe de resultados de 2023 y un cuestionario anónimo aplicado a 47 encuestados. El análisis documental indicó crecimiento de la receta neta, expansión del margen bruto y del EBITDA ajustado, y avance contenido de los gastos de ventas, generales y administrativos, sugiriendo disciplina de costos y apalancamiento operativo. El relevamiento complementario reveló alta percepción de efecto cascada en el cronograma, fuerte apoyo a la definición de responsables por paquetes de costos y preferencia por justificación técnica de los gastos, además de demanda por flexibilidad controlada tras la definición de la línea base. Se concluyó que la estructuración del POA como proyecto, asociada al rigor del PBC, aumentó la previsibilidad del proceso, reforzó la responsabilidad sobre los gastos y amplió la coherencia entre la ejecución presupuestaria y el desempeño económico-financiero.

Palabras clave: Control de Costos; Eficiencia Operativa; Presupuesto Base Cero; PMBOK; Sector de Bebidas.

02 de octubre de 2026

Innovación en modelos de negocio tradicionales y su impacto en el entorno laboral

El estudio analizó cómo la innovación aplicada en modelos de negocio tradicionales impacta el ambiente de trabajo. Con este objetivo, se realizó una investigación de campo que involucró a 225 profesionales de diferentes sectores y niveles jerárquicos. La recolección de datos se llevó a cabo a través de un cuestionario estructurado, que investigó el perfil, las percepciones y los comportamientos de los participantes en relación con la innovación. Los resultados obtenidos indicaron que los colaboradores de empresas consideradas innovadoras percibieron niveles elevados de innovación, demostraron mayor compromiso, motivación para proponer mejoras y una mejor comprensión de los cambios implementados. En contraste, los profesionales de empresas tradicionales presentaron una percepción de innovación más baja, mayor neutralidad frente a las transformaciones y niveles más elevados de estrés e inseguridad en el ambiente laboral. Se observó, además, que el liderazgo, la comunicación clara, el apoyo y la capacitación adecuada fueron identificados como factores esenciales para facilitar la adaptación a los cambios y aumentar la receptividad de los colaboradores. Se concluyó que la tipología organizacional, asociada a la cultura y a las prácticas de gestión, influye directamente en la forma en que se vive la innovación internamente y sus efectos en el ambiente de trabajo.

Palabras clave: Compromiso; Empresas tradicionales; Gestión del cambio.