CDMX. 11 de mayo de 2026. La inteligencia artificial está ganando terreno en el sector salud a nivel global, con un mercado que podría pasar de US$11.000 millones en 2021 a US$187.000 millones en 2030, de acuerdo con Statista. Sin embargo, en México, su adopción enfrenta un reto estructural que va más allá de la disponibilidad tecnológica: la calidad, organización e interoperabilidad de los datos.
Aunque instituciones como la Secretaría de Salud han comenzado a explorar el potencial de la IA para mejorar la eficiencia del sistema sanitario, la realidad operativa muestra que gran parte de la información clínica y administrativa sigue fragmentada entre múltiples sistemas, áreas y formatos. Esa fragmentación limita la trazabilidad, dificulta la integración y reduce la capacidad de convertir los datos en decisiones útiles y sostenibles.
El contexto financiero tampoco ayuda. Según el informe Panorama de la Salud 2025 (Health at a Glance 2025) de la OCDE, México destina apenas el 5,9% de su PIB a salud, frente al 9,3% promedio de la OCDE, con un gasto per cápita de US$1.588 frente a US$5.967. Esto refleja un sistema con restricciones estructurales para invertir en transformación digital de fondo, por lo que hablar de innovación sin hablar de eficiencia, priorización y capacidad real de implementación deja incompleta la discusión.
De acuerdo con la Organización Mundial de la Salud, hasta el 44% de las tareas administrativas en atención primaria, como documentación, facturación o programación, podrían automatizarse mediante inteligencia artificial, liberando tiempo del personal médico y reduciendo la carga operativa. Sin embargo, automatizar no es lo mismo que transformar, y adoptar inteligencia artificial no es lo mismo que integrarla bien. Sin una base de datos ordenada y confiable, ese potencial sigue siendo, en buena medida, una promesa.
La conversación sobre inteligencia artificial en salud no debería comenzar únicamente en el algoritmo, sino en la operación. Para Bluetab, el principal reto no está solo en imaginar lo que la tecnología puede hacer, sino en construir las condiciones para que realmente funcione.
Óscar Hernández Rosales, Country Manager en México y CEO LATAM de Bluetab, empresa especializada en datos e inteligencia artificial, señaló que ese punto es crítico. En salud, el valor de la IA depende de la capacidad de convertir información fragmentada en una base útil, gobernada, confiable y accionable.
“En salud, la IA empieza a mostrar más valor cuando ayuda a resolver fricciones muy concretas del sistema como tiempos de respuesta, carga documental, trazabilidad de la información y soporte a decisiones. Pero para que eso ocurra de forma sostenible, primero hay que ordenar el dato, asegurar su calidad y construir una gobernanza que permita usarlo con confianza”, expresó Hernández.
Dentro de los focos de trabajo de Bluetab están la automatización inteligente de procesos y la IA generativa aplicada a gestión documental y analítica avanzada, capacidades especialmente relevantes para una industria donde la información clínica y operativa suele estar dispersa entre sistemas, áreas y formatos.
Ese enfoque resulta especialmente relevante porque la implementación de IA en salud exige equilibrio entre innovación, privacidad, seguridad y explicabilidad. La OMS ha advertido sobre la importancia de desarrollar estas tecnologías bajo principios de gobernanza, transparencia y protección de las personas, y Bluetab trabaja precisamente con marcos de Data & AI Governance para garantizar calidad, trazabilidad y explicabilidad en los modelos que implementa.
Desde esta perspectiva, el valor de una compañía especializada en datos e inteligencia artificial no está solo en implementar tecnología, sino en ayudar a hospitales, aseguradoras y otros actores del sector a ordenar, integrar y gobernar sus datos; conectar sistemas; definir arquitecturas seguras; y preparar la información para que la analítica avanzada y la IA puedan desplegarse con sentido operativo y de negocio.
La discusión de fondo pasa por productividad y capacidad operativa. Bluetab sostiene que los proyectos de datos e IA pueden traducirse en decisiones más ágiles, procesos automatizados, mejor calidad de los datos y reducciones de costos operativos de hasta 30% en ciertos contextos. Por eso, antes de escalar la inteligencia artificial, es necesario hacer escalable el dato.
En este sentido, el debate en México comienza a desplazarse de la adopción tecnológica hacia la capacidad real del sistema para sostenerla. La conversación ya no se centra únicamente en qué puede hacer la inteligencia artificial, sino en qué tan preparados están los hospitales, aseguradoras y proveedores para integrarla de manera efectiva, con estructura, continuidad y confianza.