La Inteligencia Artificial como herramienta complementaria para la práctica profesional de Enfermería: impacto en la calidad del cuidado, la seguridad del paciente y la toma de decisiones clínicas fundamentadas
Autora: Licenciada Carina Saravia / Fecha: Septiembre 2026
Resumen
Introducción: la inteligencia artificial (IA) ha adquirido un rol creciente en los sistemas de salud, particularmente como herramienta de apoyo al razonamiento clínico y a la organización del cuidado de enfermería. Objetivo: analizar críticamente la evidencia científica disponible sobre el uso de la IA como herramienta complementaria para potenciar la práctica profesional de enfermería, y su impacto en la calidad del cuidado, la seguridad del paciente y la toma de decisiones clínicas fundamentadas. Metodología: revisión narrativa de la literatura científica, con criterios explícitos de inclusión y exclusión. Resultados: la evidencia analizada muestra que la IA contribuye a la detección temprana del deterioro clínico, apoya la toma de decisiones y optimiza la documentación, aunque su efectividad depende de la calidad de los datos, la validación clínica de los algoritmos y la capacitación del personal. Se identificaron riesgos vinculados a los sesgos algorítmicos, la ciberseguridad y la dependencia tecnológica excesiva. Conclusiones: se proponen un modelo de integración (MAIIE), un modelo de implementación institucional y un modelo de evaluación de impacto adaptados al sistema público de salud argentino, que ofrecen una hoja de ruta concreta para una incorporación responsable, segura y centrada en el cuidado humanizado.
Palabras clave: inteligencia artificial; enfermería; seguridad del paciente; toma de decisiones clínicas; ética; hospitales públicos.
Índice
1.1 La inteligencia artificial y la transformación de la atención sanitaria
1.2 Evolución histórica de la inteligencia artificial y su llegada a la enfermería
1.3 La inteligencia artificial en los sistemas de salud modernos
1.4 El rol del profesional de enfermería frente a la inteligencia artificial
1.5 Fundamentación científica del uso de la inteligencia artificial en enfermería
CAPÍTULO 2. PLANTEAMIENTO DEL PROBLEMA
4.1 Conceptualización de la inteligencia artificial
4.2 Evolución de la inteligencia artificial en el ámbito de la salud
4.3 Inteligencia artificial y enfermería basada en la evidencia
4.4 Principios éticos para la incorporación de la inteligencia artificial en enfermería
4.5 Aplicaciones actuales de la inteligencia artificial en la práctica de enfermería
Apoyo a la toma de decisiones clínicas fundamentadas
Gestión y planificación de cuidados
4.6 Inteligencia artificial aplicada al Proceso de Atención de Enfermería (PAE)
Integración de la inteligencia artificial con el Proceso de Atención de Enfermería
Aplicación durante la valoración
Apoyo al diagnóstico enfermero
Planificación e implementación de cuidados
4.6.2 Aplicaciones clínicas de la IA durante el Proceso de Atención de Enfermería
4.6.3 Integración del PAE con NANDA-I, NIC y NOC mediante Inteligencia Artificial
4.6.4 Casos de aplicación clínica de la inteligencia artificial en enfermería
4.6.5 Beneficios demostrados por la evidencia científica
4.6.6 Limitaciones, riesgos y barreras para la implementación
4.6.7 Análisis crítico y conclusiones parciales
4.7 Inteligencia artificial y seguridad del paciente
4.7.1 Inteligencia artificial para la prevención de eventos adversos
4.7.2 Inteligencia artificial en la gestión y el liderazgo de enfermería
4.7.3 Inteligencia artificial en la educación y formación continua de enfermería
4.7.4 Inteligencia artificial aplicada a la investigación en enfermería
4.7.5 Análisis crítico y conclusiones parciales
4.8 Implementación institucional de la inteligencia artificial en enfermería
4.8.1 Barreras organizacionales para la adopción de la inteligencia artificial
4.8.2 Competencias digitales del profesional de enfermería
4.8.3 Estrategias para una implementación segura de la inteligencia artificial
4.8.4 Perspectivas futuras de la inteligencia artificial en enfermería
4.8.5 Análisis crítico y conclusiones parciales
4.9 Inteligencia artificial generativa en enfermería: oportunidades, limitaciones y uso responsable
4.10 Inteligencia Artificial Explicable (Explainable AI) y su importancia para la enfermería
4.11 Sesgos algorítmicos y equidad en salud
4.12 Gobernanza de datos clínicos e interoperabilidad
4.13 Inteligencia Artificial multimodal aplicada a la enfermería
4.14 Hospitales inteligentes y transformación digital
4.15 Ciberseguridad y protección de datos en la práctica de enfermería
4.16 Estado actual de la implementación de la inteligencia artificial en Argentina y América Latina
4.17 Competencias del profesional de enfermería hacia 2035
4.18 Integración de la evidencia científica reciente y perspectivas de implementación
4.20 Síntesis integradora: Inteligencia Artificial, juicio clínico y transformación de la enfermería
Tabla 3. Factores clave para una implementación responsable de IA
4.21 Estado del arte de la Inteligencia Artificial en Enfermería (2021–2025)
Tabla 5. Tendencias de investigación en IA aplicada a Enfermería (síntesis)
4.22 Modelo Argentino de Integración de Inteligencia Artificial en Enfermería (MAIIE)
Tabla 6. Matriz para la evaluación crítica de la evidencia científica
4.24 Matriz de evidencia científica internacional sobre inteligencia artificial en enfermería
4.25 Implicancias para la práctica profesional de enfermería en Argentina
4.26 Perspectivas futuras de la Inteligencia Artificial en Enfermería
Tabla 7. Prioridades para el desarrollo de la IA en enfermería argentina
4.27 Recomendaciones estratégicas para la implementación responsable de la IA en enfermería
Tabla 8. Recomendaciones estratégicas para hospitales públicos
4.28 Agenda de investigación y líneas prioritarias para Argentina
Tabla 9. Agenda prioritaria de investigación
4.29 Inteligencia artificial y humanización del cuidado: una visión crítica
4.30 Competencias del profesional de enfermería en la era de la inteligencia artificial
4.31 Modelo de implementación de la inteligencia artificial en un hospital público argentino
Diagnóstico institucional por dominio
Infraestructura tecnológica e interoperabilidad
Liderazgo de enfermería y gobernanza institucional
4.32 Modelo de evaluación del impacto de la inteligencia artificial en los servicios de enfermería
CAPÍTULO 5. DISEÑO METODOLÓGICO
5.2 Estrategia de búsqueda bibliográfica
5.3 Criterios de inclusión y exclusión
5.4 Variables y categorías de análisis
5.6 Limitaciones metodológicas
5.7 Fortalecimiento metodológico: evaluación crítica de la evidencia científica
6.1 Interpretación de los principales hallazgos
6.2 Comparación con la literatura científica internacional
6.3 Implicancias para la práctica profesional de enfermería
6.4 Fortalezas y limitaciones del estudio
6.5 Recomendaciones para la práctica profesional, la gestión y futuras investigaciones
6.6 Análisis crítico de la evidencia científica reciente (2021–2025)
6.7 Implicancias para el sistema sanitario argentino
6.9 Agenda estratégica para la incorporación de la Inteligencia Artificial en Enfermería (2026–2035)
Tabla 4. Agenda de implementación 2026–2035
CAPÍTULO 7. CONCLUSIONES GENERALES
7.3 Proyección futura de la enfermería en la era de la inteligencia artificial
Tabla 1. Aplicaciones de la inteligencia artificial en enfermería (elaboración propia)
Anexo A. Propuesta de competencias en inteligencia artificial para enfermería
Anexo B. Matriz de aplicaciones de la inteligencia artificial en las áreas de enfermería
Anexo D. Indicadores para evaluar la implementación de inteligencia artificial en enfermería
Anexo E. Recomendaciones para la gobernanza de datos y uso responsable de la IA
Anexo G. Propuesta de indicadores para evaluar proyectos de inteligencia artificial en enfermería
Anexo H. Competencias avanzadas del enfermero líder en inteligencia artificial
Anexo I. Plan de implementación por fases y métricas de seguimiento
APÉNDICE. Agenda de investigación para Argentina (2026–2035)
PERSPECTIVAS PARA LA GESTIÓN SANITARIA Y LAS POLÍTICAS PÚBLICAS
RECOMENDACIONES PARA LA FORMACIÓN UNIVERSITARIA EN ENFERMERÍA
PROPUESTA DE LÍNEAS ESTRATÉGICAS PARA LOS SERVICIOS DE ENFERMERÍA
CAPÍTULO 1. INTRODUCCIÓN
La inteligencia artificial (IA) representa una de las transformaciones tecnológicas más relevantes del siglo XXI y está transformando profundamente los sistemas de salud. Su capacidad para procesar grandes volúmenes de información, identificar patrones clínicos y apoyar la toma de decisiones fundamentadas permite optimizar los procesos asistenciales, fortalecer la seguridad del paciente y favorecer una atención más eficiente, personalizada, segura y basada en evidencia.
En enfermería, la inteligencia artificial constituye una herramienta complementaria para el razonamiento clínico y la organización del cuidado. Su principal aporte consiste en mejorar la detección de riesgos, optimizar procesos y facilitar el acceso a información relevante, manteniendo siempre la responsabilidad profesional y el cuidado centrado en la persona (Consejo Internacional de Enfermeras [ICN], 2023).
El avance acelerado de estas tecnologías plantea nuevos desafíos relacionados con la formación profesional, la ética, la privacidad de los datos, la transparencia de los algoritmos y la responsabilidad en la toma de decisiones. La incorporación de la IA exige que el personal de enfermería desarrolle competencias digitales que le permitan utilizar estas herramientas de manera crítica, segura y centrada en la persona.
En Argentina, la transformación digital del sistema sanitario avanza progresivamente. La adopción de historias clínicas electrónicas, sistemas de apoyo a la decisión clínica y plataformas de telemedicina abre un escenario donde la enfermería tendrá un rol estratégico para integrar la innovación tecnológica con los principios de un cuidado centrado en la persona, seguro y respaldado por evidencia (Organización Mundial de la Salud, 2021b).
Esta tesis tiene como propósito analizar críticamente la evidencia científica disponible sobre el uso de la inteligencia artificial en enfermería, identificando sus aplicaciones, beneficios, limitaciones y desafíos, y proponiendo recomendaciones para una implementación responsable en el contexto hospitalario argentino.
1.1 La inteligencia artificial y la transformación de la atención sanitaria
La inteligencia artificial (IA) se ha consolidado como una de las innovaciones tecnológicas más trascendentes del siglo XXI, generando cambios profundos en múltiples áreas del conocimiento y particularmente en el ámbito de la salud. Su capacidad para procesar grandes volúmenes de información, identificar patrones complejos y asistir en la toma de decisiones clínicas fundamentadas está modificando la manera en que se diagnostican enfermedades, se planifican tratamientos y se organizan los servicios sanitarios.
En este contexto de transformación digital, la profesión de enfermería ocupa un lugar estratégico. Como el grupo profesional más numeroso dentro de los sistemas de salud y el que mantiene un contacto continuo con las personas, las familias y las comunidades, el personal de enfermería participa en todas las etapas del proceso asistencial. La incorporación de herramientas basadas en inteligencia artificial puede fortalecer la práctica mediante sistemas de apoyo a la decisión clínica, automatización de tareas administrativas y análisis predictivo de riesgos.
La incorporación de estas tecnologías exige una integración crítica con la práctica profesional. El valor de la IA depende de la calidad de los datos, la validación clínica y la capacidad del enfermero para interpretar sus recomendaciones dentro del contexto asistencial.
En Argentina, la digitalización progresiva de los servicios de salud abre nuevas oportunidades para la implementación de estas tecnologías. La presente tesis analizará la evidencia científica disponible y propondrá recomendaciones para una incorporación ética, segura y responsable de la IA en la práctica profesional de enfermería.
1.2 Evolución histórica de la inteligencia artificial y su llegada a la enfermería
El concepto de inteligencia artificial comenzó a desarrollarse formalmente durante la década de 1950, cuando diversos investigadores propusieron la posibilidad de crear sistemas capaces de ejecutar tareas que tradicionalmente requerían inteligencia humana. Desde entonces, la evolución de la capacidad computacional y el desarrollo de algoritmos de aprendizaje automático permitieron que la IA pasara de un campo experimental a una herramienta con aplicaciones concretas en múltiples disciplinas (Topaz & Pruinelli, 2017).
En el ámbito sanitario, los primeros sistemas de apoyo a la decisión clínica se utilizaron para colaborar en el diagnóstico y la interpretación de datos. Con el tiempo, la disponibilidad de historias clínicas electrónicas y grandes bases de datos favoreció el desarrollo de modelos predictivos capaces de identificar riesgos clínicos y asistir en la planificación de la atención.
La enfermería comenzó a incorporar estas tecnologías inicialmente mediante sistemas informatizados de registro y gestión del cuidado. En la actualidad, la IA puede colaborar en la priorización de pacientes, la detección temprana del deterioro clínico, la prevención de eventos adversos, la planificación de cuidados y la educación de pacientes y profesionales.
Esta evolución tecnológica exige que el profesional de enfermería adquiera competencias digitales, capacidad de análisis crítico y conocimientos básicos sobre el funcionamiento, las fortalezas y las limitaciones de los sistemas de inteligencia artificial. La innovación tecnológica debe entenderse como un complemento de una atención centrada en la persona y respaldada por evidencia, y no como un sustituto del criterio profesional.
1.3 La inteligencia artificial en los sistemas de salud modernos
La transformación digital de los sistemas sanitarios ha impulsado la incorporación de herramientas de inteligencia artificial en prácticamente todas las áreas de la atención. Hospitales y centros de salud utilizan cada vez con mayor frecuencia historias clínicas electrónicas, sistemas de apoyo a la decisión clínica, plataformas de telemedicina y soluciones de análisis de datos para mejorar la calidad asistencial.
Uno de los principales aportes de la IA consiste en analizar grandes cantidades de información clínica en pocos segundos. Esto permite identificar patrones que podrían pasar inadvertidos durante la práctica habitual y generar alertas tempranas sobre pacientes con riesgo de deterioro, sepsis, caídas, lesiones por presión o reingresos hospitalarios.
En enfermería, estas herramientas favorecen la planificación de cuidados individualizados, la priorización de pacientes según su nivel de riesgo y la optimización del tiempo destinado a tareas administrativas. Al reducir la carga de documentación repetitiva mediante sistemas inteligentes, el profesional puede dedicar una mayor proporción de su jornada al cuidado directo y a la comunicación con el paciente y su familia.
La incorporación de estas tecnologías requiere formación continua, evaluación sistemática de la calidad de los algoritmos, auditorías periódicas y supervisión profesional continua. Las recomendaciones generadas por la inteligencia artificial deben interpretarse dentro del contexto clínico de cada persona y nunca sustituir la valoración integral realizada por el equipo de salud.
El desafío para los próximos años será integrar la innovación tecnológica con los valores fundamentales de la enfermería: un cuidado centrado en la persona, la seguridad del paciente, la ética profesional y el respeto por la autonomía de las personas. En ese equilibrio reside el verdadero potencial de la inteligencia artificial como herramienta complementaria al ejercicio profesional.
1.4 El rol del profesional de enfermería frente a la inteligencia artificial
La incorporación de la inteligencia artificial modifica el contexto en el que el profesional de enfermería desarrolla su práctica, pero no altera la esencia de la profesión. El cuidado integral, la comunicación terapéutica, la empatía, el razonamiento clínico y el compromiso ético continúan siendo los pilares de la atención. La IA debe entenderse como una herramienta que amplía la capacidad de análisis y organización del trabajo, sin sustituir el criterio profesional.
El personal de enfermería será uno de los principales usuarios de estas tecnologías debido a su participación permanente en la valoración, planificación, ejecución y evaluación de los cuidados. Deberá desarrollar competencias digitales que incluyan el manejo de sistemas de información, la interpretación de recomendaciones generadas por algoritmos, la identificación de posibles errores y la protección de la confidencialidad de los datos de los pacientes.
El pensamiento crítico adquiere aún mayor relevancia en un entorno asistido por inteligencia artificial. Las recomendaciones emitidas por un sistema inteligente deben analizarse considerando el contexto clínico, las preferencias del paciente, los recursos disponibles y la experiencia del equipo de salud. Ningún algoritmo puede reemplazar la responsabilidad profesional ni el juicio clínico fundamentado.
Además, las instituciones sanitarias deberán promover programas de formación continua que permitan incorporar estas herramientas de manera segura y responsable. La formación en inteligencia artificial no solo implica aprender a utilizar nuevas tecnologías, sino también comprender sus limitaciones, reconocer posibles sesgos y garantizar que su aplicación respete los principios bioéticos de autonomía, beneficencia, no maleficencia y justicia.
En este escenario, la enfermería tiene la oportunidad de asumir un papel de liderazgo en la implementación responsable de la inteligencia artificial, participando en proyectos de investigación, evaluación de tecnologías sanitarias y diseño de procesos asistenciales que mejoren la calidad del cuidado y la seguridad del paciente.
1.5 Fundamentación científica del uso de la inteligencia artificial en enfermería
El crecimiento de la inteligencia artificial aplicada a la salud ha dado origen a un número creciente de investigaciones que evalúan su utilidad para mejorar la calidad asistencial. La evidencia reciente señala que los sistemas de apoyo a la decisión clínica pueden contribuir a identificar de manera precoz situaciones de riesgo, optimizar la asignación de recursos y disminuir errores cuando son utilizados como complemento del juicio profesional.
En enfermería, las aplicaciones con mayor desarrollo incluyen la detección temprana del deterioro clínico, la predicción del riesgo de sepsis, caídas y lesiones por presión, el apoyo en la administración segura de medicamentos, la automatización de la documentación clínica y la planificación individualizada de los cuidados. Los resultados dependen de la calidad de los datos, de la validación clínica de los algoritmos y de la adecuada capacitación de los profesionales.
Las revisiones publicadas durante los últimos años coinciden en que la implementación responsable de estas tecnologías requiere validación clínica, supervisión profesional continua y marcos éticos sólidos. La inteligencia artificial ofrece un importante potencial para mejorar la eficiencia, pero no reemplaza la valoración integral del paciente ni la responsabilidad profesional del personal de enfermería.
La fundamentación científica de esta investigación se sustenta en publicaciones indexadas, revisiones sistemáticas, estudios observacionales, documentos de organismos internacionales y guías metodológicas relacionadas con la inteligencia artificial aplicada a la salud y a la enfermería. La selección de las fuentes respondió a criterios de actualidad, relevancia científica y calidad metodológica, con el objetivo de respaldar el análisis crítico desarrollado en los diferentes capítulos de esta tesis.
1.6 Justificación del estudio
El crecimiento sostenido de las tecnologías basadas en inteligencia artificial está modificando la organización de los sistemas sanitarios y la práctica clínica. En este escenario, es necesario analizar cómo estas herramientas pueden integrarse a la enfermería de manera segura, ética y basada en evidencia, preservando siempre el cuidado centrado en la persona.
La justificación de esta investigación se fundamenta en la necesidad de comprender el impacto de la inteligencia artificial sobre la calidad del cuidado, la seguridad del paciente, la eficiencia de los procesos asistenciales y la toma de decisiones clínicas fundamentadas. Aunque existen avances tecnológicos significativos, persisten interrogantes relacionados con la aceptación por parte de los profesionales, los aspectos éticos, la calidad de los algoritmos y la preparación del recurso humano para trabajar junto a estas herramientas.
Desde el punto de vista profesional, esta tesis busca aportar un análisis crítico que sirva de apoyo a enfermeros, docentes, gestores e investigadores interesados en incorporar la inteligencia artificial de forma responsable. Además, pretende ofrecer una base conceptual que pueda orientar futuras investigaciones y proyectos de implementación en hospitales argentinos.
El aporte esperado no consiste únicamente en describir tecnologías disponibles, sino en identificar las condiciones necesarias para que su utilización fortalezca la práctica profesional sin comprometer los valores fundamentales de la enfermería: el respeto por la dignidad humana, la autonomía del paciente, la seguridad, la calidad del cuidado y el compromiso ético. En conclusión, esta investigación ofrece una visión crítica y actualizada sobre el papel de la inteligencia artificial en la práctica profesional de enfermería, proporcionando un marco de referencia que contribuya a la toma de decisiones fundamentadas, al desarrollo de competencias digitales y a la incorporación responsable de estas tecnologías en los servicios de salud, sin perder de vista los principios éticos y humanísticos que sustentan la profesión.
CAPÍTULO 2. PLANTEAMIENTO DEL PROBLEMA
El avance acelerado de la inteligencia artificial está modificando los procesos asistenciales en los sistemas de salud. Sin embargo, su incorporación en la práctica de enfermería ocurre con diferentes niveles de desarrollo entre instituciones y aún existen desafíos relacionados con la capacitación profesional, la evaluación de la evidencia científica, la integración en los flujos de trabajo y el uso ético de estas tecnologías.
Los profesionales de enfermería generan y utilizan gran parte de la información clínica durante la atención de los pacientes. Son actores fundamentales para la implementación de herramientas de inteligencia artificial destinadas a apoyar la toma de decisiones, mejorar la seguridad del paciente y optimizar la calidad de los cuidados. A pesar de ello, la formación específica en IA continúa siendo limitada en numerosos ámbitos asistenciales.
Surge entonces la necesidad de formular una pregunta de investigación que oriente sistemáticamente la búsqueda y el análisis de la evidencia disponible sobre este tema, presentada formalmente a continuación.
Responder esta pregunta permitirá identificar beneficios, limitaciones, riesgos, vacíos de conocimiento y oportunidades para una implementación responsable de la inteligencia artificial en el contexto de la enfermería, especialmente en instituciones públicas de salud.
Pregunta de investigación
¿Cuál es la evidencia científica disponible sobre el uso de la inteligencia artificial como herramienta complementaria para potenciar la práctica profesional de enfermería y cómo influye en la calidad del cuidado, la seguridad del paciente y la toma de decisiones clínicas fundamentadas?
CAPÍTULO 3. OBJETIVOS
3.1 Objetivo general
Analizar críticamente la evidencia científica sobre el uso de la inteligencia artificial como herramienta complementaria para potenciar la práctica profesional de enfermería, evaluando su impacto en la calidad del cuidado, la seguridad del paciente y la toma de decisiones clínicas fundamentadas.
3.2 Objetivos específicos
- Describir la evolución de la inteligencia artificial y sus principales aplicaciones en salud.
- Identificar las aplicaciones actuales de la inteligencia artificial en la práctica de enfermería.
- Analizar los beneficios, limitaciones y riesgos asociados con su implementación.
- Examinar los aspectos éticos, legales y de protección de datos relacionados con su uso.
- Proponer recomendaciones para una incorporación responsable de la inteligencia artificial en instituciones sanitarias, con énfasis en hospitales públicos argentinos.
El presente marco teórico reúne y analiza la evidencia científica más relevante sobre la inteligencia artificial aplicada a la salud y a la enfermería. Se desarrollan los fundamentos conceptuales, las aplicaciones clínicas, los aspectos éticos y las implicancias para la práctica profesional, proporcionando el sustento científico de esta investigación.
CAPÍTULO 4. MARCO TEÓRICO
4.1 Conceptualización de la inteligencia artificial
La inteligencia artificial (IA) es un campo de la informática dedicado al desarrollo de sistemas capaces de realizar tareas que habitualmente requieren capacidades cognitivas humanas, como el aprendizaje, el razonamiento, el reconocimiento de patrones, la comprensión del lenguaje y la toma de decisiones. En el ámbito sanitario, estas tecnologías se utilizan para apoyar procesos clínicos, administrativos y de investigación (Bohr & Memarzadeh, 2020).
Actualmente, la IA comprende diferentes enfoques, entre ellos el aprendizaje automático (machine learning), el aprendizaje profundo (deep learning), el procesamiento del lenguaje natural y la inteligencia artificial generativa. Cada uno de estos enfoques posee aplicaciones específicas que pueden contribuir a optimizar la práctica clínica y la gestión de los servicios de salud.
El aprendizaje automático permite que un sistema identifique patrones a partir de grandes volúmenes de datos clínicos y genere predicciones útiles para la atención sanitaria. El aprendizaje profundo, basado en redes neuronales artificiales, ha demostrado una elevada capacidad para interpretar imágenes médicas, señales fisiológicas y otros datos complejos. Por su parte, el procesamiento del lenguaje natural facilita el análisis automatizado de historias clínicas y documentos de salud, mientras que la IA generativa puede asistir en la elaboración de resúmenes, materiales educativos y borradores de documentación clínica, siempre bajo supervisión profesional.
En enfermería, estas tecnologías representan herramientas de apoyo que pueden mejorar la eficiencia y la seguridad del cuidado. Sin embargo, su incorporación debe estar acompañada por procesos de validación clínica, formación continua y evaluación ética para garantizar que las decisiones permanezcan centradas en las necesidades del paciente y sustentadas en el juicio profesional.
4.2 Evolución de la inteligencia artificial en el ámbito de la salud
El desarrollo de la inteligencia artificial aplicada a la salud ha evolucionado desde los primeros sistemas expertos utilizados para asistir en el diagnóstico hasta modelos avanzados capaces de analizar millones de registros clínicos en tiempo real. La disponibilidad de historias clínicas electrónicas, imágenes digitales y grandes bases de datos ha impulsado la creación de algoritmos con aplicaciones en diagnóstico, pronóstico, monitoreo y gestión sanitaria.
Durante la última década, el aumento de la capacidad de procesamiento y el crecimiento del aprendizaje profundo permitieron mejorar la precisión de numerosos modelos utilizados en radiología, anatomía patológica, cardiología y cuidados críticos. Paralelamente, surgieron herramientas orientadas a optimizar procesos administrativos, reducir tiempos de documentación y apoyar la toma de decisiones clínicas fundamentadas.
En enfermería, esta evolución favoreció el desarrollo de sistemas capaces de identificar pacientes con mayor riesgo de deterioro clínico, detectar factores asociados a caídas, lesiones por presión y sepsis, así como priorizar intervenciones según criterios objetivos. Estas aplicaciones no reemplazan la valoración integral realizada por el profesional, sino que aportan información adicional para fortalecer el proceso de atención.
El desarrollo de la inteligencia artificial en salud evidencia la necesidad de integrar innovación tecnológica, validación científica, formación profesional y marcos éticos sólidos para garantizar una implementación responsable en la práctica de enfermería.
4.3 Inteligencia artificial y enfermería basada en la evidencia
El desarrollo de la enfermería basada en la evidencia ha impulsado la incorporación de herramientas que faciliten el acceso al conocimiento científico y apoyen la toma de decisiones clínicas fundamentadas. En este contexto, la inteligencia artificial permite analizar grandes volúmenes de literatura, identificar patrones y resumir información relevante, favoreciendo una práctica más actualizada cuando estas herramientas se utilizan con criterio profesional (McBride et al., 2022).
Los modelos predictivos desarrollados mediante aprendizaje automático han demostrado utilidad para estimar el riesgo de eventos clínicos como sepsis, caídas, lesiones por presión y reingresos hospitalarios. Sin embargo, su desempeño depende de la calidad de los datos utilizados para el entrenamiento y de la validación en la población donde serán aplicados. Por ello, los resultados de estos sistemas deben interpretarse como apoyo al razonamiento clínico y no como decisiones automáticas.
Para la enfermería, la utilización responsable de la inteligencia artificial exige integrar de manera equilibrada la mejor evidencia científica disponible, la experiencia clínica del profesional y los valores y preferencias de la persona atendida. Este enfoque fortalece el razonamiento clínico y evita una dependencia inadecuada de los algoritmos.
4.4 Principios éticos para la incorporación de la inteligencia artificial en enfermería
El desarrollo y la implementación de sistemas de inteligencia artificial en salud deben respetar los principios éticos que históricamente orientan la práctica de enfermería. La autonomía, la beneficencia, la no maleficencia y la justicia continúan siendo el marco de referencia para evaluar cualquier tecnología que participe en la atención de las personas (Organización Mundial de la Salud, 2021a).
La utilización de algoritmos capaces de recomendar intervenciones clínicas exige transparencia en su funcionamiento, validación clínica, evaluación continua de su desempeño y supervisión permanente por profesionales capacitados. La decisión final sobre el cuidado debe permanecer bajo responsabilidad del equipo de salud.
La protección de los datos personales constituye otro aspecto esencial. Los sistemas de inteligencia artificial suelen requerir grandes volúmenes de información para su entrenamiento y funcionamiento, por lo que las instituciones sanitarias deben garantizar la confidencialidad, la seguridad informática y el cumplimiento de la normativa vigente sobre privacidad de los datos.
Otro desafío relevante es la presencia de sesgos en los algoritmos cuando fueron entrenados con datos poco representativos. La identificación y mitigación de estos sesgos resulta esencial para garantizar una atención equitativa y basada en evidencia.
La incorporación responsable de la inteligencia artificial exige políticas de gobernanza de datos, auditoría de algoritmos y capacitación permanente para garantizar un uso ético y seguro.
4.5 Aplicaciones actuales de la inteligencia artificial en la práctica de enfermería
Apoyo a la toma de decisiones clínicas fundamentadas
La inteligencia artificial permite integrar datos clínicos, signos vitales y resultados de laboratorio para generar alertas tempranas que ayudan al profesional de enfermería a identificar pacientes con mayor riesgo de deterioro. Estas herramientas complementan la valoración clínica, pero no sustituyen el juicio profesional.
Documentación clínica
Los sistemas basados en procesamiento del lenguaje natural pueden asistir en la elaboración de registros de enfermería, resúmenes clínicos y organización de la información, disminuyendo el tiempo destinado a tareas administrativas y favoreciendo la trazabilidad de los cuidados.
Seguridad del paciente
La IA puede contribuir a detectar riesgos de caídas, lesiones por presión, errores de medicación y sepsis mediante modelos predictivos. Su utilidad depende de la calidad de los datos y de la validación clínica realizada antes de su implementación (Ferrara et al., 2024).
Gestión y planificación de cuidados
El análisis automatizado de indicadores asistenciales facilita la asignación de recursos, la priorización de pacientes y la planificación de intervenciones de enfermería, especialmente en áreas de alta complejidad como cuidados críticos y emergencias.
Limitaciones
La implementación de estas tecnologías requiere una infraestructura, formación continua, evaluación de desempeño y supervisión permanente. Además, deben respetarse los principios éticos, la confidencialidad y la normativa vigente sobre protección de datos.
4.6 Inteligencia artificial aplicada al Proceso de Atención de Enfermería (PAE)
Integración de la inteligencia artificial con el Proceso de Atención de Enfermería
El Proceso de Atención de Enfermería (PAE) constituye el método científico que orienta la práctica profesional mediante las etapas de valoración, diagnóstico, planificación, ejecución y evaluación. La incorporación de herramientas de inteligencia artificial no modifica esta estructura, sino que ofrece recursos para fortalecer cada una de sus fases mediante el análisis de información clínica, la identificación de patrones y el apoyo a la toma de decisiones. La responsabilidad profesional continúa recayendo en el enfermero, quien interpreta los resultados a la luz del contexto clínico, la evidencia científica y las preferencias del paciente (von Gerich et al., 2022).
Aplicación durante la valoración
En la fase de valoración, la IA puede colaborar integrando signos vitales, antecedentes, resultados de laboratorio y datos registrados en la historia clínica electrónica. Los modelos predictivos permiten identificar tendencias que podrían anticipar un deterioro clínico, favoreciendo una vigilancia más estrecha de los pacientes con mayor riesgo. No obstante, la valoración física, la entrevista y la observación directa siguen siendo insustituibles.
Apoyo al diagnóstico enfermero
Los sistemas inteligentes pueden sugerir problemas potenciales o priorizar información relevante, pero el diagnóstico enfermero requiere razonamiento clínico, conocimiento disciplinar y juicio profesional. La IA debe considerarse un apoyo para organizar la información disponible y no un sustituto de la capacidad diagnóstica del enfermero.
Planificación e implementación de cuidados
Las herramientas digitales permiten individualizar planes de cuidados, recordar intervenciones basadas en guías clínicas y facilitar el seguimiento de objetivos asistenciales. En unidades de alta complejidad, estas funciones pueden contribuir a optimizar la asignación de recursos y mejorar la continuidad del cuidado entre turnos.
Evaluación de resultados
Durante la etapa de evaluación, la IA facilita el análisis de indicadores de calidad, eventos adversos, cumplimiento de intervenciones y evolución clínica. Esto favorece la mejora continua de los procesos asistenciales y la identificación de oportunidades de aprendizaje para el equipo de enfermería.
Análisis crítico
La evidencia disponible muestra un importante potencial de estas herramientas, aunque también señala limitaciones relacionadas con la calidad de los datos, el riesgo de sesgos, la necesidad de validación clínica y la capacitación del personal. La integración responsable de la IA requiere liderazgo de enfermería, políticas institucionales claras y una evaluación permanente de su impacto sobre la calidad del cuidado y la seguridad del paciente.
Síntesis del bloque
En conjunto, la evidencia analizada sugiere que la inteligencia artificial puede fortalecer cada etapa del Proceso de Atención de Enfermería mediante el análisis de información clínica y el apoyo a la toma de decisiones. No obstante, la calidad del cuidado continúa dependiendo del juicio clínico, la comunicación terapéutica y la responsabilidad profesional del enfermero.
4.6.1 Fundamentos científicos del Proceso de Atención de Enfermería y su integración con la Inteligencia Artificial
El Proceso de Atención de Enfermería (PAE) constituye el método científico propio de la disciplina y organiza el cuidado en cinco etapas: valoración, diagnóstico, planificación, ejecución y evaluación. Su utilización sistemática favorece un cuidado seguro, individualizado y basado en evidencia. La incorporación de la inteligencia artificial no reemplaza este proceso; por el contrario, aporta herramientas para mejorar la gestión de la información clínica y apoyar el razonamiento profesional.
La etapa de valoración requiere reunir datos objetivos y subjetivos del paciente. Los sistemas de inteligencia artificial pueden analizar historias clínicas electrónicas, tendencias de signos vitales y resultados de laboratorio para identificar patrones de riesgo que podrían pasar inadvertidos. Sin embargo, la entrevista, la observación clínica y la comunicación terapéutica siguen siendo competencias exclusivamente humanas.
En el diagnóstico enfermero, la IA puede colaborar organizando información y sugiriendo problemas potenciales, pero la selección del diagnóstico adecuado continúa dependiendo del juicio clínico del profesional. El razonamiento enfermero integra evidencia científica, experiencia clínica y preferencias del paciente, elementos que ningún algoritmo puede sustituir completamente.
La planificación de cuidados también puede enriquecerse mediante sistemas inteligentes capaces de relacionar diagnósticos con intervenciones basadas en guías clínicas y resultados esperados. Estas recomendaciones deben adaptarse a cada contexto asistencial y ser revisadas críticamente antes de su implementación.
La ejecución de las intervenciones y la evaluación de los resultados siguen siendo responsabilidades del equipo de enfermería. La IA puede facilitar el seguimiento de indicadores, generar alertas y apoyar auditorías de calidad, pero la responsabilidad ética y legal del cuidado permanece en los profesionales.
4.6.2 Aplicaciones clínicas de la IA durante el Proceso de Atención de Enfermería
En la práctica clínica, la inteligencia artificial puede apoyar al profesional de enfermería mediante sistemas de alerta temprana que identifican pacientes con riesgo de deterioro. Estos sistemas analizan en tiempo real variables como frecuencia cardíaca, presión arterial, frecuencia respiratoria, saturación de oxígeno y resultados de laboratorio para detectar cambios que requieren una valoración inmediata.
En unidades de cuidados intensivos y servicios de emergencia, la IA puede colaborar en la priorización de pacientes al estimar el riesgo de complicaciones. Esta información complementa la valoración realizada por el profesional y favorece una respuesta más oportuna, especialmente cuando la carga asistencial es elevada.
Durante la administración de medicamentos, algunos sistemas inteligentes verifican dosis, interacciones y antecedentes de alergias, disminuyendo la probabilidad de errores evitables. No obstante, la verificación final y la administración segura continúan siendo responsabilidad del personal de enfermería.
En la continuidad del cuidado, las herramientas basadas en inteligencia artificial permiten analizar indicadores asistenciales, evaluar el cumplimiento de planes de cuidados y detectar oportunidades de mejora. Esta información resulta útil para auditorías, gestión de calidad e investigación en enfermería.
Estos avances sugieren que la IA tiene el potencial de fortalecer el Proceso de Atención de Enfermería siempre que se utilice como apoyo al juicio clínico, con supervisión humana, formación continua y respeto por los principios éticos de la profesión.
4.6.3 Integración del PAE con NANDA-I, NIC y NOC mediante Inteligencia Artificial
Las taxonomías NANDA-I, NIC y NOC constituyen un lenguaje estandarizado que fortalece el Proceso de Atención de Enfermería. La inteligencia artificial puede asistir en la organización de la información clínica para sugerir diagnósticos de enfermería compatibles con los datos registrados, proponer intervenciones frecuentes y facilitar el seguimiento de resultados esperados. Estas sugerencias nunca reemplazan el razonamiento clínico del profesional.
En la etapa diagnóstica, los algoritmos pueden identificar relaciones entre signos, síntomas y factores de riesgo documentados en la historia clínica electrónica. Esta capacidad favorece una valoración más rápida de pacientes complejos, aunque la selección final del diagnóstico continúa siendo responsabilidad del enfermero.
Durante la planificación, la IA puede relacionar diagnósticos con intervenciones NIC y resultados NOC respaldados por guías clínicas. Esto contribuye a estandarizar cuidados, reducir variaciones innecesarias y facilitar la continuidad asistencial entre distintos miembros del equipo de salud (Rodríguez-Suárez et al., 2023).
Otro beneficio potencial consiste en la evaluación automática del cumplimiento de los planes de cuidados. Los sistemas inteligentes pueden comparar intervenciones realizadas con resultados obtenidos, generar indicadores de calidad y detectar oportunidades de mejora continua para los servicios de enfermería.
La integración entre inteligencia artificial y taxonomías enfermeras representa una oportunidad para fortalecer la práctica basada en evidencia. Sin embargo, requiere capacitación permanente, validación clínica y una participación activa de los profesionales en el diseño e implementación de estas herramientas.
4.6.4 Casos de aplicación clínica de la inteligencia artificial en enfermería
Los hospitales que incorporan sistemas de inteligencia artificial los utilizan principalmente como herramientas de apoyo para la vigilancia clínica y la priorización de pacientes. En unidades de cuidados intensivos, los algoritmos analizan continuamente signos vitales y parámetros de laboratorio para detectar patrones compatibles con un deterioro clínico temprano. Esta información permite al personal de enfermería intensificar la vigilancia y comunicar oportunamente cambios relevantes al equipo interdisciplinario.
En los servicios de internación clínica, la IA puede contribuir a identificar pacientes con mayor riesgo de caídas, desnutrición, lesiones por presión o reingresos. La información generada facilita la planificación de intervenciones preventivas, optimizando la utilización de recursos y promoviendo cuidados individualizados.
En el área de emergencias, los sistemas inteligentes colaboran con la clasificación inicial de pacientes, priorizando la atención según el riesgo estimado. Aunque estos sistemas mejoran la organización del trabajo, la valoración clínica y la decisión final continúan dependiendo del profesional de enfermería.
Otro campo de aplicación corresponde a la administración segura de medicamentos. Algunos sistemas verifican dosis, antecedentes de alergias, posibles interacciones farmacológicas y parámetros clínicos antes de emitir alertas. Estas herramientas disminuyen el riesgo de errores, pero nunca reemplazan la verificación realizada por el enfermero antes de la administración.
La experiencia acumulada muestra que los mejores resultados se obtienen cuando la inteligencia artificial se integra a protocolos institucionales, programas de formación continua y procesos de mejora de la calidad. Su utilización aislada, sin validación clínica ni participación activa del personal de enfermería, reduce significativamente el beneficio potencial.
4.6.5 Beneficios demostrados por la evidencia científica
Los estudios publicados en los últimos años muestran que la inteligencia artificial puede mejorar la detección precoz del deterioro clínico cuando se integra a los procesos asistenciales y es utilizada como apoyo por profesionales capacitados. Los mayores beneficios se observan en la identificación temprana de sepsis, la predicción de eventos adversos y la optimización del seguimiento de pacientes de alto riesgo.
En enfermería, la automatización de tareas administrativas y el análisis inteligente de datos pueden disminuir el tiempo dedicado a la documentación repetitiva. Esto favorece una mayor disponibilidad para el cuidado directo, la educación del paciente y la comunicación con la familia, aspectos que continúan siendo el núcleo de la práctica profesional.
Los sistemas de apoyo a la decisión clínica también contribuyen a estandarizar determinados procesos, reducir la variabilidad injustificada y facilitar el cumplimiento de guías clínicas. Cuando estas herramientas son evaluadas y adaptadas al contexto institucional, pueden fortalecer la seguridad del paciente y la calidad de la atención.
Otro beneficio relevante es la disponibilidad de indicadores en tiempo real para la gestión de enfermería. El análisis continuo de datos permite identificar tendencias, evaluar resultados de intervenciones y orientar estrategias de mejora continua dentro de los servicios de salud.
Los beneficios descritos dependen de la calidad de los datos, del diseño de los algoritmos y de la capacitación del personal. Por ello, la evidencia coincide en que la IA debe implementarse como una herramienta complementaria al razonamiento clínico y nunca como sustituto del profesional.
4.6.6 Limitaciones, riesgos y barreras para la implementación
Si bien la inteligencia artificial ofrece oportunidades para mejorar la práctica de enfermería, su implementación enfrenta limitaciones que deben analizarse críticamente. Una de las principales es la calidad de los datos utilizados para entrenar los algoritmos. Registros incompletos, errores de carga o información sesgada pueden afectar la precisión de las recomendaciones emitidas por el sistema.
Otro desafío relevante es la infraestructura tecnológica. Muchos hospitales aún presentan limitaciones en conectividad, interoperabilidad entre sistemas y disponibilidad de historias clínicas electrónicas, lo que dificulta una integración eficiente de herramientas basadas en inteligencia artificial.
La capacitación del personal constituye un factor decisivo. Los profesionales de enfermería necesitan comprender el alcance y las limitaciones de estas tecnologías para interpretar correctamente sus resultados y evitar una dependencia excesiva de las recomendaciones automatizadas.
También existen desafíos éticos y legales relacionados con la privacidad de los datos, la transparencia de los algoritmos, la responsabilidad profesional y la posibilidad de sesgos que afecten la equidad en la atención. Estos aspectos requieren políticas institucionales claras, auditorías periódicas y marcos regulatorios adecuados.
La incorporación de la inteligencia artificial debe desarrollarse como un proceso gradual, planificado y evaluado de manera continua, con validación clínica, capacitación del personal y participación activa de enfermería en todas las etapas de implementación.
4.6.7 Análisis crítico y conclusiones parciales
El análisis de la literatura disponible indica que la inteligencia artificial posee un elevado potencial para fortalecer el Proceso de Atención de Enfermería cuando se utiliza como herramienta complementaria y no como sustituto del razonamiento clínico. Los beneficios observados incluyen una mejor capacidad para detectar tempranamente situaciones de riesgo, optimizar la documentación clínica y facilitar la priorización de pacientes según su nivel de complejidad.
No obstante, la evidencia también sugiere que la efectividad de estas herramientas depende de múltiples factores: la calidad de los datos utilizados para entrenar los algoritmos, la validación clínica previa a su implementación, la capacitación del personal y la existencia de protocolos institucionales que regulen su utilización. La adopción indiscriminada de sistemas inteligentes, sin estos requisitos, puede generar errores, sesgos y una falsa sensación de seguridad.
Desde la perspectiva disciplinar, la enfermería mantiene un papel insustituible. La comunicación terapéutica, la empatía, el juicio clínico, la valoración integral de la persona y la toma de decisiones éticas continúan siendo competencias exclusivamente humanas. La inteligencia artificial debe entenderse como un recurso destinado a ampliar la capacidad analítica del profesional y no como un reemplazo de su responsabilidad asistencial.
4.7 Inteligencia artificial y seguridad del paciente
La seguridad del paciente constituye uno de los pilares fundamentales de la calidad asistencial. La inteligencia artificial ha comenzado a incorporarse como una herramienta capaz de identificar riesgos, anticipar eventos adversos y apoyar la toma de decisiones del equipo de salud. En enfermería, estas aplicaciones adquieren especial relevancia debido al contacto permanente con el paciente y al papel central del profesional en la vigilancia clínica.
Los sistemas de alerta temprana permiten detectar cambios sutiles en los signos vitales antes de que sean clínicamente evidentes. Mediante el análisis continuo de datos, la IA puede colaborar en la identificación precoz de sepsis, insuficiencia respiratoria, deterioro hemodinámico y otras situaciones críticas que requieren una intervención inmediata.
Otro campo de aplicación es la prevención de errores de medicación. Los algoritmos pueden comparar dosis, alergias, interacciones farmacológicas y parámetros clínicos para generar advertencias antes de la administración. Estas herramientas reducen riesgos, aunque la verificación final continúa siendo responsabilidad del profesional de enfermería.
La prevención de caídas y lesiones por presión también se beneficia del análisis predictivo. Al integrar antecedentes, movilidad, estado nutricional y otros factores, la IA puede ayudar a identificar pacientes vulnerables y favorecer la implementación temprana de medidas preventivas.
El verdadero impacto de estas tecnologías depende de su integración con protocolos institucionales, indicadores de calidad, formación continua y evaluación permanente de resultados. La IA debe fortalecer la cultura de seguridad del paciente, manteniendo siempre el liderazgo clínico y ético del personal de enfermería.
4.7.1 Inteligencia artificial para la prevención de eventos adversos
La prevención de eventos adversos constituye un objetivo prioritario de los programas de calidad asistencial. La inteligencia artificial permite analizar simultáneamente múltiples variables clínicas para identificar pacientes con mayor probabilidad de sufrir complicaciones durante la internación.
En enfermería, estos sistemas pueden complementar la vigilancia clínica mediante alertas relacionadas con riesgo de sepsis, deterioro fisiológico, caídas, lesiones por presión y errores de medicación. Su utilización favorece intervenciones preventivas oportunas cuando las alertas son interpretadas dentro del contexto clínico del paciente.
La implementación de estas herramientas requiere protocolos claros, formación continua y evaluación periódica de su desempeño. La decisión clínica final continúa siendo responsabilidad del profesional de enfermería, quien integra la información tecnológica con la valoración integral de la persona.
4.7.2 Inteligencia artificial en la gestión y el liderazgo de enfermería
Además de su aplicación clínica, la inteligencia artificial ofrece herramientas para optimizar la gestión de los servicios de enfermería. El análisis automatizado de indicadores asistenciales permite identificar tendencias, distribuir recursos de manera más eficiente y apoyar la planificación estratégica de las unidades.
Los responsables de enfermería pueden utilizar tableros de control con información en tiempo real sobre ocupación de camas, dotación de personal, carga de trabajo, eventos adversos y cumplimiento de indicadores de calidad. Esta información facilita la toma de decisiones basada en datos y favorece la mejora continua (Hassan et al., 2024).
Sin embargo, el liderazgo no puede delegarse en algoritmos. La gestión del talento humano, la resolución de conflictos, la motivación del equipo y la construcción de una cultura de seguridad continúan dependiendo de las competencias profesionales y de la capacidad de liderazgo de los enfermeros.
4.7.3 Inteligencia artificial en la educación y formación continua de enfermería
La formación permanente es un requisito indispensable para que los profesionales de enfermería incorporen la inteligencia artificial de manera segura y crítica. Las plataformas educativas con IA pueden adaptar contenidos según el nivel de conocimientos del estudiante, identificar áreas de mejora y ofrecer retroalimentación personalizada.
Los simuladores clínicos potenciados por inteligencia artificial permiten recrear escenarios complejos en un entorno seguro. Estas herramientas favorecen el desarrollo del razonamiento clínico, la toma de decisiones y el trabajo en equipo antes de la práctica con pacientes reales (Bozkurt et al., 2025).
La educación continua también debe incluir aspectos éticos, legales y de protección de datos. Comprender las fortalezas y limitaciones de los algoritmos permitirá a los profesionales utilizar estas tecnologías con mayor seguridad y mantener el cuidado centrado en la persona.
4.7.4 Inteligencia artificial aplicada a la investigación en enfermería
La investigación en enfermería se beneficia del uso de herramientas de inteligencia artificial para organizar grandes volúmenes de información científica, identificar tendencias y apoyar revisiones de la literatura. Estas aplicaciones permiten optimizar el tiempo dedicado a tareas de búsqueda y clasificación, sin reemplazar el análisis crítico del investigador (Ruksakulpiwat et al., 2025).
Los modelos de procesamiento del lenguaje natural facilitan el análisis de publicaciones, la identificación de palabras clave y la detección de vacíos de conocimiento. Además, pueden colaborar en la elaboración de bases de datos para estudios observacionales y en el seguimiento de indicadores de investigación.
Es fundamental que el uso de la IA en investigación respete los principios de integridad científica, transparencia metodológica y reproducibilidad. Los resultados generados mediante herramientas inteligentes deben ser revisados, verificados y contextualizados por los investigadores antes de incorporarse a trabajos académicos.
4.7.5 Análisis crítico y conclusiones parciales
El análisis de la evidencia disponible muestra que la inteligencia artificial puede contribuir significativamente a la seguridad del paciente cuando se implementa como apoyo al trabajo de enfermería y dentro de procesos clínicos bien definidos. Sus mayores fortalezas se observan en la detección precoz de riesgos, el apoyo a la toma de decisiones y la optimización de tareas administrativas.
Sin embargo, los beneficios no dependen exclusivamente de la tecnología. La calidad de los datos, la capacitación de los profesionales, la supervisión humana y la evaluación continua son condiciones indispensables para obtener resultados confiables. La ausencia de estos elementos puede limitar el impacto esperado o incluso generar nuevas fuentes de error.
La incorporación de la inteligencia artificial debe entenderse como una estrategia de fortalecimiento de la práctica profesional. El liderazgo de enfermería, la formación permanente, la evaluación continua y la participación institucional constituyen la base para una implementación responsable, segura y centrada en la persona.
En conclusión, la inteligencia artificial constituye una herramienta estratégica para fortalecer la seguridad del paciente y optimizar la práctica profesional de enfermería. Su implementación debe acompañarse de indicadores de desempeño, auditorías periódicas, formación continua y evaluación de resultados, preservando siempre el liderazgo clínico y una atención humana y sustentada en evidencia.
4.8 Implementación institucional de la inteligencia artificial en enfermería
La incorporación de la inteligencia artificial en las instituciones sanitarias requiere una estrategia planificada que involucre a las autoridades, al equipo de enfermería y a los servicios de tecnología de la información. La implementación exitosa depende de la integración de la IA con los procesos asistenciales existentes y de una evaluación continua de sus resultados (Rabiei et al., 2025).
Uno de los primeros requisitos es disponer de infraestructura tecnológica adecuada, incluyendo historias clínicas electrónicas interoperables, conectividad segura y sistemas capaces de integrar datos clínicos provenientes de diferentes fuentes. Sin estos elementos, el potencial de la inteligencia artificial disminuye considerablemente.
La dirección de enfermería desempeña un papel estratégico en este proceso. Además de promover la capacitación del personal, debe participar en la selección de herramientas, en la definición de protocolos de uso y en la evaluación de indicadores de calidad y seguridad del paciente asociados a la implementación.
Las políticas institucionales deben contemplar la protección de datos personales, la transparencia de los algoritmos y mecanismos para reportar errores o eventos adversos vinculados con estas tecnologías.
La implementación institucional de la inteligencia artificial debe entenderse como un proceso de transformación organizacional sustentado en evidencia científica, liderazgo de enfermería, gobernanza de datos, evaluación continua y mejora de la calidad. Estos componentes favorecen una adopción segura, ética y sostenible.
4.8.1 Barreras organizacionales para la adopción de la inteligencia artificial
La incorporación de soluciones basadas en inteligencia artificial suele enfrentar barreras organizacionales que exceden el aspecto tecnológico. La resistencia al cambio, la incertidumbre frente a nuevas herramientas y la falta de participación del personal durante los procesos de implementación pueden dificultar la adopción de estas innovaciones.
Otro obstáculo frecuente es la disponibilidad limitada de recursos económicos para modernizar la infraestructura informática, adquirir licencias de software y sostener programas de formación continua. Estas limitaciones son especialmente relevantes en instituciones públicas con restricciones presupuestarias.
La interoperabilidad entre los distintos sistemas de información constituye otro desafío. Cuando las historias clínicas electrónicas, los sistemas de laboratorio y otras plataformas no comparten información de manera eficiente, disminuye el rendimiento de los modelos de inteligencia artificial y aumenta la carga administrativa.
Superar estas barreras requiere liderazgo institucional, planificación estratégica, participación activa del personal de enfermería y evaluación permanente del impacto de las tecnologías implementadas (Hassan et al., 2024).
4.8.2 Competencias digitales del profesional de enfermería
La transformación digital de los sistemas de salud exige que los profesionales de enfermería desarrollen competencias digitales que les permitan utilizar la inteligencia artificial de manera segura, crítica y basada en evidencia. Estas competencias incluyen la capacidad para interpretar resultados generados por sistemas inteligentes, reconocer sus limitaciones y mantener el juicio clínico como elemento central de la toma de decisiones (El Arab et al., 2025).
La alfabetización digital también comprende conocimientos sobre historias clínicas electrónicas, calidad de los datos, protección de la información, ciberseguridad y principios básicos del funcionamiento de los algoritmos. Una adecuada formación favorece el uso responsable de la tecnología y disminuye el riesgo de errores derivados de una confianza excesiva en los sistemas automatizados.
Las instituciones sanitarias y las universidades tienen un papel fundamental en la formación continua. La incorporación de contenidos relacionados con inteligencia artificial, ética, análisis de datos y evaluación crítica de tecnologías permitirá preparar a los futuros profesionales para un entorno asistencial cada vez más digitalizado.
El fortalecimiento de las competencias digitales no persigue reemplazar las habilidades tradicionales de la enfermería, sino potenciarlas mediante el uso responsable de herramientas tecnológicas que contribuyan a mejorar la calidad del cuidado, la seguridad del paciente y la eficiencia de los servicios de salud.
4.8.3 Estrategias para una implementación segura de la inteligencia artificial
La implementación segura de la inteligencia artificial requiere una planificación institucional que contemple aspectos tecnológicos, organizacionales, éticos y asistenciales. Antes de incorporar una herramienta basada en IA, es necesario evaluar su evidencia científica, validar su desempeño en el contexto local y definir indicadores que permitan medir su impacto sobre la calidad del cuidado.
Una estrategia efectiva incluye la participación activa del personal de enfermería desde las primeras etapas del proyecto. La experiencia de quienes utilizan diariamente los sistemas de información permite identificar necesidades reales, mejorar la aceptación de la tecnología y reducir la resistencia al cambio.
Además, es recomendable desarrollar programas de formación continua, protocolos de utilización, auditorías periódicas y mecanismos para reportar incidentes relacionados con el funcionamiento de los algoritmos. Estas acciones fortalecen la seguridad del paciente y favorecen una cultura de mejora continua.
Toda implementación debe contemplar una evaluación permanente de resultados. El seguimiento de indicadores clínicos, organizacionales y de satisfacción de los profesionales permitirá realizar ajustes progresivos y garantizar que la inteligencia artificial aporte beneficios reales para la práctica de enfermería.
4.8.4 Perspectivas futuras de la inteligencia artificial en enfermería
Las perspectivas futuras de la inteligencia artificial en enfermería se orientan hacia una mayor integración con los sistemas de información hospitalarios, el desarrollo de hospitales inteligentes y la utilización de modelos predictivos cada vez más precisos. Estas innovaciones permitirán anticipar riesgos, personalizar los cuidados y optimizar la gestión de recursos sin perder el enfoque centrado en la persona.
La expansión de la inteligencia artificial generativa favorecerá la elaboración de documentación clínica, materiales educativos y resúmenes de evidencia científica, siempre bajo supervisión del profesional. Además, la teleenfermería y el monitoreo remoto podrán fortalecerse mediante sistemas capaces de detectar cambios clínicos en pacientes atendidos fuera del hospital.
Otro campo con gran potencial es la integración entre inteligencia artificial, dispositivos portátiles y sensores biomédicos. El análisis continuo de datos facilitará intervenciones más tempranas, especialmente en personas con enfermedades crónicas, adultos mayores y pacientes con alto riesgo de complicaciones.
El desarrollo futuro deberá acompañarse de marcos regulatorios sólidos, evaluación científica permanente, auditorías de desempeño y programas de formación continua, asegurando que la innovación tecnológica preserve los principios éticos de la enfermería y el cuidado centrado en la persona.
4.8.5 Análisis crítico y conclusiones parciales
El análisis del proceso de implementación institucional sugiere que la inteligencia artificial puede aportar beneficios relevantes para la práctica de enfermería siempre que forme parte de una estrategia organizacional planificada. La evidencia disponible indica que el éxito de estas iniciativas depende tanto de la calidad de la tecnología como del compromiso de las instituciones con la capacitación, la gestión del cambio y la evaluación permanente.
Desde la perspectiva profesional, la inteligencia artificial no modifica la esencia del cuidado de enfermería. La valoración integral, la comunicación terapéutica, el razonamiento clínico y la toma de decisiones éticas continúan siendo competencias propias del enfermero. La tecnología amplía la capacidad de análisis, pero no reemplaza la responsabilidad profesional.
Las organizaciones sanitarias deberán consolidar políticas de gobernanza de datos, protección de la privacidad, transparencia algorítmica y monitoreo continuo del desempeño de los sistemas. Estos elementos permitirán reducir riesgos y fortalecer la confianza de los profesionales y de los pacientes.
En conclusión, la evidencia revisada sugiere que la implementación institucional de la inteligencia artificial representa una oportunidad para fortalecer la calidad del cuidado, incrementar la seguridad del paciente y optimizar los procesos asistenciales, siempre que esté respaldada por evidencia científica, liderazgo institucional, gobernanza de datos y mejora continua.
4.9 Inteligencia artificial generativa en enfermería: oportunidades, limitaciones y uso responsable
La inteligencia artificial generativa representa una evolución reciente dentro del campo de la inteligencia artificial. A diferencia de los modelos predictivos tradicionales, estos sistemas son capaces de generar texto, resumir información, elaborar borradores y asistir en tareas cognitivas complejas a partir de grandes volúmenes de datos. Su incorporación al ámbito sanitario ha despertado un creciente interés por su potencial para apoyar la educación, la investigación y determinados procesos asistenciales (Ross et al., 2024).
En enfermería, las herramientas de inteligencia artificial generativa pueden colaborar en la elaboración de materiales educativos, el resumen de literatura científica, la preparación de documentación clínica y el apoyo a actividades académicas. Sin embargo, estos sistemas no sustituyen la lectura crítica de la evidencia ni el juicio profesional del enfermero.
Una limitación importante es la posibilidad de generar información incorrecta o no respaldada por evidencia, fenómeno conocido como ‘alucinación’ del modelo. Además, las respuestas pueden contener sesgos o referencias bibliográficas inexactas si no son verificadas cuidadosamente por el usuario.
Por estas razones, el uso responsable de la inteligencia artificial generativa exige supervisión humana, contraste con fuentes científicas confiables y respeto por los principios de confidencialidad, transparencia y ética profesional. En investigación, estas herramientas deben utilizarse como apoyo para organizar y sintetizar información, pero nunca como sustituto del análisis científico ni de la responsabilidad intelectual del autor.
La formación de los profesionales de enfermería deberá incluir competencias para evaluar críticamente los resultados producidos por sistemas de inteligencia artificial generativa, promoviendo un uso seguro, ético y basado en evidencia.
4.10 Inteligencia Artificial Explicable (Explainable AI) y su importancia para la enfermería
La Inteligencia Artificial Explicable (Explainable AI o XAI) comprende un conjunto de métodos destinados a que los modelos de inteligencia artificial sean comprensibles para quienes utilizan sus resultados. En el ámbito sanitario, la posibilidad de conocer por qué un algoritmo recomienda una determinada intervención constituye un elemento clave para generar confianza y favorecer una toma de decisiones segura (Allen, 2024).
Muchos sistemas de aprendizaje profundo alcanzan una elevada precisión, pero funcionan como modelos de ‘caja negra’, donde el proceso que conduce a una predicción resulta difícil de interpretar. En contraste, la IA explicable procura ofrecer información sobre las variables que influyeron en cada resultado, facilitando su evaluación crítica por parte del equipo de salud.
Para enfermería, la explicabilidad posee especial importancia porque las recomendaciones emitidas por un algoritmo deben integrarse con la valoración clínica, el contexto del paciente, la experiencia profesional y las preferencias de la persona atendida. La aceptación automática de una recomendación sin comprender sus fundamentos puede aumentar el riesgo de errores.
Desde la perspectiva de la seguridad del paciente, los sistemas explicables favorecen la detección de resultados inesperados, permiten identificar posibles fallos del modelo y contribuyen a la mejora continua de los procesos asistenciales. Además, facilitan la auditoría clínica y fortalecen la transparencia institucional.
La implementación de herramientas de IA en enfermería debería priorizar modelos que ofrezcan un grado suficiente de interpretabilidad, especialmente cuando sus resultados puedan influir sobre decisiones clínicas relevantes. La combinación entre evidencia científica, juicio profesional y algoritmos transparentes constituye una estrategia más segura que la dependencia exclusiva de sistemas automatizados.
4.11 Sesgos algorítmicos y equidad en salud
4.11.1 Conceptualización de los sesgos algorítmicos
Los algoritmos de inteligencia artificial dependen de la calidad y representatividad de los datos utilizados durante su entrenamiento. Cuando estos datos contienen errores, omisiones o representan de manera insuficiente a determinados grupos poblacionales, pueden producirse sesgos algorítmicos que afecten la precisión y la equidad de las recomendaciones clínicas (Cary et al., 2023).
4.11.2 Relevancia para la práctica profesional de enfermería
El profesional de enfermería debe interpretar críticamente toda recomendación emitida por un sistema inteligente. La IA constituye un apoyo para el razonamiento clínico, pero la decisión final debe integrar la valoración integral del paciente, la evidencia científica y el juicio profesional.
4.11.3 Equidad en salud
La implementación de herramientas de IA debe contribuir a reducir desigualdades y no a incrementarlas. Es fundamental considerar poblaciones vulnerables, diferencias regionales, acceso desigual a la tecnología y la representatividad de las bases de datos empleadas para entrenar los modelos.
4.11.4 Estrategias para minimizar los sesgos
Entre las estrategias recomendadas se encuentran la validación multicéntrica, el entrenamiento con bases de datos diversas, las auditorías periódicas, el monitoreo continuo del desempeño y la participación activa de enfermería en la evaluación de los algoritmos.
4.11.5 Análisis crítico
La calidad de un algoritmo no debe evaluarse únicamente por su precisión estadística, sino también por su impacto sobre la seguridad del paciente y la equidad de la atención. La supervisión humana continúa siendo indispensable para detectar recomendaciones inconsistentes y garantizar un cuidado ético y centrado en la persona.
4.12 Gobernanza de datos clínicos e interoperabilidad
4.12.1 Gobernanza de datos clínicos
La gobernanza de datos comprende el conjunto de políticas, procesos y responsabilidades destinados a garantizar que la información clínica sea completa, confiable, segura y utilizable para la atención, la investigación y la gestión sanitaria. En el contexto de la inteligencia artificial, la calidad de los datos determina en gran medida la calidad de las recomendaciones generadas por los algoritmos (Unión Europea, 2024).
4.12.2 Calidad de los datos e interoperabilidad
La interoperabilidad permite que distintos sistemas de información intercambien datos de forma estandarizada. Historias clínicas electrónicas, laboratorios, imágenes diagnósticas y registros de enfermería deben integrarse para ofrecer una visión completa del paciente. La existencia de datos incompletos o inconsistentes puede disminuir el rendimiento de los modelos de IA (Adegoke et al., 2025).
4.12.3 Protección de la información y ciberseguridad
Las instituciones sanitarias deben implementar mecanismos de autenticación, control de accesos, trazabilidad y respaldo de la información para proteger los datos personales de los pacientes. La utilización de inteligencia artificial debe respetar la normativa vigente y garantizar la confidencialidad durante todo el ciclo de vida de los datos.
4.12.4 Rol de enfermería en la gobernanza de datos
El profesional de enfermería participa activamente en el registro, validación y utilización de la información clínica. La calidad de los registros de enfermería repercute directamente en el desempeño de los sistemas inteligentes, por lo que la documentación precisa y oportuna constituye un componente esencial de la seguridad del paciente y de la mejora continua.
4.12.5 Análisis crítico
La implementación de inteligencia artificial exige instituciones con una cultura sólida de calidad de datos. La innovación tecnológica solo alcanzará su máximo potencial cuando se combine con procesos de gobernanza, auditorías periódicas, capacitación del personal y una participación activa de enfermería en la gestión de la información.
4.13 Inteligencia Artificial multimodal aplicada a la enfermería
4.13.1 Concepto de IA multimodal
La inteligencia artificial multimodal integra información proveniente de diferentes fuentes, como texto clínico, imágenes, signos vitales, resultados de laboratorio y datos generados por dispositivos biomédicos. Esta capacidad permite construir una visión más completa del estado del paciente y mejorar el apoyo a la toma de decisiones (Acosta et al., 2022).
4.13.2 Aplicaciones clínicas
En enfermería, la IA multimodal puede combinar registros de enfermería, historias clínicas electrónicas, imágenes de lesiones, monitoreo fisiológico y escalas de valoración para identificar riesgos de deterioro, caídas, lesiones por presión o infecciones, favoreciendo intervenciones tempranas.
4.13.3 Beneficios potenciales
La integración de múltiples fuentes de información mejora la continuidad asistencial, facilita la personalización de los cuidados, optimiza la vigilancia clínica y fortalece la seguridad del paciente al reducir la fragmentación de los datos.
4.13.4 Desafíos
Su implementación requiere interoperabilidad, calidad de los datos, infraestructura tecnológica, capacitación del personal y marcos éticos sólidos que aseguren la privacidad, la transparencia y el uso responsable de la información.
4.13.5 Análisis crítico
La IA multimodal representa una evolución significativa para la atención sanitaria; sin embargo, su eficacia depende de la integración con el juicio clínico del profesional de enfermería. La tecnología debe complementar el razonamiento clínico y no reemplazar la valoración integral ni la relación terapéutica con el paciente.
4.14 Hospitales inteligentes y transformación digital
4.14.1 Concepto de hospital inteligente
Un hospital inteligente integra historias clínicas electrónicas, dispositivos conectados, inteligencia artificial, analítica de datos y sistemas interoperables para mejorar la calidad asistencial, la eficiencia operativa y la seguridad del paciente (Rabiei et al., 2025).
4.14.2 Transformación digital y enfermería
La transformación digital modifica los procesos de trabajo de enfermería mediante herramientas que favorecen el acceso oportuno a la información clínica, el seguimiento de indicadores y la coordinación interdisciplinaria.
4.14.3 Beneficios institucionales
Entre los principales beneficios se encuentran la optimización de recursos, la reducción de errores, la mejora de la continuidad asistencial, la toma de decisiones basada en datos y el fortalecimiento de la gestión de calidad.
4.14.4 Desafíos para la implementación
Persisten desafíos relacionados con infraestructura, interoperabilidad, capacitación del personal, inversión tecnológica, gestión del cambio y evaluación permanente del impacto clínico y organizacional.
4.14.5 Análisis crítico
La transformación digital solo genera beneficios sostenibles cuando se acompaña de liderazgo institucional, participación activa del personal de enfermería, gobernanza de datos y evaluación científica de las tecnologías implementadas.
4.15 Ciberseguridad y protección de datos en la práctica de enfermería
4.15.1 Importancia de la ciberseguridad
La digitalización de los servicios de salud incrementa la necesidad de proteger la información clínica frente a accesos no autorizados, pérdidas de datos y ciberataques. La seguridad informática constituye un requisito esencial para mantener la confianza de los pacientes y garantizar la continuidad asistencial (Unión Europea, 2024).
4.15.2 Protección de datos personales
El tratamiento de la información sanitaria debe respetar los principios de confidencialidad, integridad y disponibilidad. Los registros de enfermería contienen datos sensibles cuya gestión requiere controles de acceso, autenticación y trazabilidad.
4.15.3 Riesgos asociados a la inteligencia artificial
Los sistemas de IA pueden verse afectados por errores en los datos, ataques informáticos o usos inadecuados de la información. La evaluación continua, las auditorías y la actualización de los sistemas son medidas fundamentales para reducir estos riesgos (Li et al., 2025).
4.15.4 Rol del profesional de enfermería
El personal de enfermería participa activamente en la protección de la información mediante registros precisos, cumplimiento de protocolos institucionales y notificación de incidentes relacionados con la seguridad de los datos.
4.15.5 Análisis crítico
La innovación tecnológica debe desarrollarse junto con políticas sólidas de ciberseguridad. La incorporación responsable de la inteligencia artificial exige una cultura institucional orientada a la protección de la información, la capacitación permanente y la mejora continua.
4.16 Estado actual de la implementación de la inteligencia artificial en Argentina y América Latina
4.16.1 Panorama regional
La adopción de inteligencia artificial en salud presenta un desarrollo heterogéneo en América Latina. Existen avances en historias clínicas electrónicas, telemedicina y proyectos de apoyo a la decisión clínica, aunque persisten diferencias importantes entre instituciones y países (Centro de Implementación e Innovación en Políticas de Salud [CIIPS-IECS], 2024).
4.16.2 Situación en Argentina
En Argentina, la transformación digital avanza progresivamente. Los principales desafíos incluyen la interoperabilidad entre sistemas, la disponibilidad de infraestructura tecnológica, la capacitación del personal y la consolidación de políticas de gobernanza de datos.
4.16.3 Oportunidades para enfermería
La IA ofrece oportunidades para fortalecer la gestión del cuidado, optimizar la documentación clínica, mejorar la vigilancia de pacientes y favorecer la toma de decisiones basada en evidencia. La participación activa de enfermería será determinante para una implementación segura.
4.16.4 Barreras y desafíos
Entre las barreras más relevantes se encuentran las limitaciones presupuestarias, la desigualdad en el acceso a tecnologías, la resistencia al cambio organizacional y la necesidad de marcos regulatorios específicos.
4.16.5 Análisis crítico
La implementación de inteligencia artificial en Argentina deberá adaptarse a las características del sistema sanitario nacional. La innovación tecnológica solo será sostenible si se acompaña de formación continua, evaluación científica y liderazgo de enfermería.
4.17 Competencias del profesional de enfermería hacia 2035
4.17.1 Transformación del perfil profesional
El avance de la inteligencia artificial y la salud digital redefine el perfil del profesional de enfermería. Además de las competencias asistenciales tradicionales, serán necesarias habilidades relacionadas con el análisis de datos, la evaluación crítica de tecnologías y la participación en procesos de innovación (Ruksakulpiwat et al., 2025).
4.17.2 Competencias digitales
Las competencias digitales incluyen el uso seguro de historias clínicas electrónicas, interpretación de sistemas de apoyo a la decisión clínica, protección de datos, alfabetización en inteligencia artificial y capacidad para identificar limitaciones y sesgos de los algoritmos.
4.17.3 Liderazgo e investigación
Los profesionales de enfermería tendrán un papel estratégico en la implementación, evaluación y mejora de tecnologías basadas en IA. Su participación en proyectos de investigación permitirá generar evidencia adaptada a las necesidades de los sistemas de salud argentinos.
4.17.4 Formación universitaria y educación continua
Las instituciones formadoras deberán incorporar contenidos sobre inteligencia artificial, ética, salud digital, gobernanza de datos y evaluación crítica de tecnologías, promoviendo el aprendizaje permanente durante toda la vida profesional.
4.17.5 Análisis crítico
La enfermería del año 2035 combinará competencias humanas, científicas y digitales. La inteligencia artificial ampliará las capacidades profesionales, pero el cuidado centrado en la persona, el juicio clínico, la empatía y la responsabilidad ética continuarán siendo el núcleo de la disciplina.
4.18 Integración de la evidencia científica reciente y perspectivas de implementación
Introducción
Durante los últimos años la inteligencia artificial aplicada a la salud ha evolucionado desde herramientas de apoyo aisladas hacia plataformas capaces de integrarse con historias clínicas electrónicas, sistemas de monitoreo y modelos predictivos. La literatura reciente coincide en que el mayor beneficio se obtiene cuando estas tecnologías complementan el juicio clínico y forman parte de estrategias institucionales de mejora continua.
Evidencia científica reciente
Las revisiones sistemáticas publicadas entre 2021 y 2025 muestran resultados prometedores en la detección precoz del deterioro clínico, la predicción de sepsis, la prevención de eventos adversos y la optimización de procesos asistenciales. No obstante, la heterogeneidad metodológica de los estudios y las diferencias entre sistemas sanitarios obligan a interpretar los resultados con cautela y promover investigaciones multicéntricas.
Implicancias para Argentina
En el contexto argentino, la implementación progresiva de la IA requiere fortalecer la interoperabilidad, la calidad de los registros clínicos, la capacitación de los equipos de salud y la evaluación permanente de los resultados. La participación de enfermería resulta estratégica para adaptar estas herramientas a la realidad de los hospitales públicos y garantizar un uso seguro, ético y centrado en la persona.
Síntesis crítica
La evidencia disponible respalda el potencial de la inteligencia artificial para mejorar la práctica profesional de enfermería; sin embargo, su incorporación debe realizarse mediante procesos planificados, con liderazgo institucional, gobernanza de datos, evaluación científica y supervisión humana. La innovación tecnológica no sustituye el razonamiento clínico, sino que amplía la capacidad del profesional para ofrecer cuidados más seguros y basados en evidencia.
4.19 Recomendaciones para la implementación institucional de la inteligencia artificial en enfermería
4.19.1 Planificación estratégica
La implementación de soluciones de inteligencia artificial debe comenzar con un diagnóstico institucional que identifique necesidades clínicas, infraestructura disponible, competencias digitales y objetivos medibles.
4.19.2 Gestión del cambio
La adopción tecnológica requiere liderazgo, comunicación efectiva y participación activa del personal de enfermería para disminuir la resistencia al cambio y favorecer la apropiación de las nuevas herramientas.
4.19.3 Evaluación de resultados
Se recomienda monitorear indicadores como seguridad del paciente, tiempos de documentación, satisfacción profesional, calidad de los registros y resultados clínicos para valorar el impacto de la IA.
4.19.4 Recomendaciones para hospitales argentinos
Las instituciones deberían avanzar mediante proyectos piloto, formación continua, fortalecimiento de la interoperabilidad y evaluación científica antes de ampliar el uso de herramientas inteligentes.
4.19.5 Conclusión del capítulo
La incorporación responsable de la inteligencia artificial exige liderazgo institucional, evidencia científica, supervisión humana y mejora continua. Estos elementos permiten integrar la innovación tecnológica con los principios de una práctica segura, centrada en la persona y basada en evidencia.
4.20 Síntesis integradora: Inteligencia Artificial, juicio clínico y transformación de la enfermería
4.20.1 Integración entre tecnología y cuidado
La evidencia científica indica que la inteligencia artificial ofrece su mayor valor cuando se incorpora como apoyo al razonamiento clínico. La valoración integral, la comunicación terapéutica y la toma de decisiones éticas continúan siendo competencias propias del profesional de enfermería.
4.20.2 Desafíos para los hospitales públicos
La incorporación de IA requiere infraestructura digital, historias clínicas interoperables, gobernanza de datos, formación continua y liderazgo institucional. La implementación progresiva mediante proyectos piloto favorece una adopción segura y sostenible.
4.20.3 Impacto esperado sobre la calidad del cuidado
Entre los beneficios potenciales se destacan la detección precoz del deterioro clínico, la optimización de la documentación, la reducción de eventos adversos y una mejor utilización de los recursos, siempre que exista supervisión profesional.
4.20.4 Propuesta de fortalecimiento institucional
Se propone un programa integrado que incluya capacitación en competencias digitales, evaluación periódica de indicadores, auditorías de algoritmos y participación activa de enfermería en la selección y validación de herramientas de IA.
4.20.5 Reflexión crítica
La transformación digital representa una oportunidad para fortalecer la enfermería basada en evidencia. El éxito dependerá del equilibrio entre innovación tecnológica, ética, seguridad del paciente y un cuidado centrado en la persona, evitando que las decisiones automatizadas sustituyan el juicio clínico.
Tabla 3. Factores clave para una implementación responsable de IA
| Factor | Importancia |
| Calidad de datos | Base para algoritmos confiables |
| Capacitación | Uso crítico y seguro |
| Gobernanza | Protección y trazabilidad de la información |
| Evaluación continua | Medición del impacto clínico |
| Liderazgo de enfermería | Integración con la práctica profesional |
4.21 Estado del arte de la Inteligencia Artificial en Enfermería (2021–2025)
4.21.1 Evolución reciente de la investigación
Entre 2021 y 2025 se observó un crecimiento sostenido de investigaciones sobre inteligencia artificial aplicada a enfermería. Las publicaciones se concentraron en apoyo a la decisión clínica, predicción de eventos adversos, documentación clínica automatizada, monitoreo remoto y educación mediante herramientas inteligentes.
4.21.2 Principales líneas de evidencia
La literatura identifica beneficios potenciales en la detección temprana del deterioro clínico, la optimización de procesos asistenciales y el fortalecimiento de la seguridad del paciente. Sin embargo, los estudios destacan la necesidad de validar los algoritmos en distintos contextos asistenciales antes de su implementación rutinaria.
4.21.3 Controversias y desafíos
Persisten debates relacionados con los sesgos algorítmicos, la explicabilidad de los modelos, la protección de datos, la responsabilidad profesional y la escasa representación de países de ingresos medios en los estudios disponibles.
4.21.4 Oportunidades para Argentina
El sistema sanitario argentino puede beneficiarse mediante proyectos piloto, fortalecimiento de la interoperabilidad, capacitación en competencias digitales y desarrollo de investigaciones multicéntricas lideradas por equipos interdisciplinarios.
4.21.5 Síntesis crítica
La evidencia disponible respalda el uso de la inteligencia artificial como herramienta complementaria al razonamiento clínico. Su incorporación debe fundamentarse en evidencia científica, principios éticos y una implementación gradual orientada a mejorar la calidad del cuidado.
Tabla 5. Tendencias de investigación en IA aplicada a Enfermería (síntesis)
| Línea de investigación | Aplicación | Impacto esperado |
| Apoyo a decisiones | Alertas clínicas | Mayor seguridad |
| Documentación | Automatización | Más tiempo para el cuidado |
| Predicción | Deterioro clínico | Intervención precoz |
| Gestión | Indicadores asistenciales | Mejora continua |
4.22 Modelo Argentino de Integración de Inteligencia Artificial en Enfermería (MAIIE)
4.22.1 Fundamento teórico
El MAIIE se construye sobre el marco NASSS (Non-adoption, Abandonment, Scale-up, Spread and Sustainability), desarrollado para explicar por qué las tecnologías sanitarias logran o no sostenerse en sistemas de salud reales (Greenhalgh et al., 2017). A diferencia de una lista de buenas intenciones, el NASSS exige examinar explícitamente siete dominios de complejidad antes de avanzar con la implementación, lo que permite anticipar los motivos más frecuentes de abandono de proyectos tecnológicos en salud.
4.22.2 Dominios del modelo adaptados al contexto de enfermería argentina
Condición o problema de salud: priorización de áreas de alto impacto para enfermería, como deterioro clínico, caídas y errores de medicación. Tecnología: nivel de evidencia, madurez y capacidad de interoperación con la historia clínica electrónica vigente (Adegoke et al., 2025). Sistema adoptante: actitudes, carga de trabajo y alfabetización digital del personal de enfermería (El Arab et al., 2025). Organización: cultura institucional, liderazgo de enfermería y capacidad de gestión del cambio (Hassan et al., 2024). Sistema amplio: marco regulatorio nacional, financiamiento público y normativa de protección de datos. Adaptación en el tiempo: mecanismos de auditoría, aprendizaje continuo y ajuste del modelo a medida que cambian la tecnología y el contexto institucional.
4.22.3 Fases de implementación
Diagnóstico de complejidad por dominio, proyecto piloto acotado a un servicio de alto impacto, evaluación con indicadores predefinidos según el modelo descrito en el apartado 4.32, escalamiento condicionado a los resultados obtenidos y sostenibilidad institucionalizada mediante gobernanza permanente.
4.22.4 Indicadores de seguimiento por dominio
Calidad de los registros, eventos adversos, tiempos de documentación, adherencia a protocolos, interoperabilidad efectiva entre sistemas, satisfacción del personal, aceptación tecnológica y sostenibilidad del uso a los 12 y 24 meses.
4.22.5 Discusión crítica
El MAIIE no es una lista de buenas prácticas sino la adaptación de un marco de implementación validado internacionalmente (Greenhalgh et al., 2017) a las condiciones estructurales del sistema público argentino: financiamiento fragmentado, heterogeneidad de infraestructura entre jurisdicciones y escasez relativa de personal de enfermería. Su valor radica en obligar a resolver la complejidad de cada dominio antes de invertir recursos, en lugar de asumir que la adopción tecnológica sigue un camino lineal.
Figura propuesta: Esquema conceptual del MAIIE
Condición/problema de salud → Tecnología → Sistema adoptante (enfermería) → Organización → Sistema amplio (regulación y financiamiento) → Adaptación en el tiempo. Los seis dominios se evalúan de forma conjunta y no secuencial, bajo la coordinación del liderazgo de enfermería.
4.23 Síntesis crítica de la evidencia y propuesta de un marco conceptual para la enfermería argentina
4.24.1 ¿Qué sugiere realmente la evidencia?
La literatura coincide en que la inteligencia artificial ofrece mejores resultados cuando se utiliza como herramienta complementaria al juicio clínico, especialmente en la detección precoz de riesgos, la optimización de la documentación y el fortalecimiento de la seguridad del paciente. No obstante, la magnitud de estos beneficios depende de la calidad metodológica de los estudios y del contexto de implementación.
4.24.2 Factores que determinan el éxito
Los factores identificados de manera recurrente incluyen liderazgo de enfermería, formación continua, calidad de los datos, interoperabilidad de los sistemas, gobernanza de datos y evaluación permanente de resultados. La tecnología, por sí sola, no garantiza mejoras en la atención.
4.24.3 Adaptación al contexto argentino
En los hospitales públicos argentinos, la incorporación de herramientas de IA deberá realizarse progresivamente, considerando la heterogeneidad de la infraestructura digital, la disponibilidad de historias clínicas electrónicas y la necesidad de fortalecer las competencias digitales del personal.
4.24.4 Integración con el MAIIE
El Modelo Argentino de Integración de Inteligencia Artificial en Enfermería (MAIIE) se presenta como una propuesta conceptual derivada del análisis de la evidencia científica revisada. Su finalidad es orientar futuras investigaciones y proyectos institucionales, sin sustituir modelos internacionales ya validados.
4.24.5 Conclusión integradora
La evidencia disponible indica que la inteligencia artificial puede potenciar la práctica profesional de enfermería cuando se implementa con criterios éticos, supervisión humana y una sólida base científica. Su mayor aporte consiste en fortalecer la capacidad del profesional para brindar cuidados seguros, oportunos y centrados en la persona.
Tabla 6. Matriz para la evaluación crítica de la evidencia científica
| Autor/Año | País | Diseño | Calidad metodológica | Hallazgos | Aplicabilidad |
4.24 Matriz de evidencia científica internacional sobre inteligencia artificial en enfermería
Con el fin de sintetizar la evidencia analizada, se presenta una matriz conceptual para organizar los principales estudios incluidos en la revisión. Esta matriz será utilizada para comparar la calidad metodológica, los hallazgos y la aplicabilidad de la evidencia al contexto de la enfermería argentina.
| Autor/Año | País | Diseño | Tema | Hallazgo principal | Limitaciones | Aplicabilidad |
| Topaz et al. | Internacional | Revisión | Apoyo a decisiones | Potencial para mejorar decisiones clínicas | Heterogeneidad de estudios | Alta |
| OMS | Global | Documento técnico | Ética y gobernanza | Necesidad de supervisión humana | No es estudio clínico | Alta |
| ICN | Internacional | Posicionamiento | Transformación digital | Rol estratégico de enfermería | Basado en consenso | Alta |
Análisis integrador.
La evidencia sintetizada muestra un consenso creciente: la inteligencia artificial puede mejorar la calidad del cuidado cuando se integra con protocolos clínicos, formación continua y liderazgo de enfermería. Las diferencias entre estudios se relacionan principalmente con la madurez digital de los sistemas de salud y la calidad de los datos disponibles.
4.25 Implicancias para la práctica profesional de enfermería en Argentina
4.26.1 Transformación del rol profesional
La incorporación de herramientas de inteligencia artificial modifica el perfil del profesional de enfermería al reducir parte de las tareas repetitivas de documentación y vigilancia, permitiendo dedicar más tiempo al cuidado directo, la educación del paciente y la coordinación interdisciplinaria.
4.26.2 Competencias digitales
La formación continua deberá incluir alfabetización digital, evaluación crítica de resultados generados por IA, protección de datos, aspectos éticos y capacidad para integrar recomendaciones algorítmicas con el juicio clínico.
4.26.3 Impacto en la seguridad del paciente
La IA puede favorecer la detección temprana del deterioro clínico, la identificación de riesgos y el seguimiento de indicadores de calidad. Sin embargo, requiere validación permanente y supervisión profesional para evitar errores derivados de datos incompletos o sesgos.
4.26.4 Recomendaciones para hospitales públicos
Se propone una implementación gradual mediante proyectos piloto, capacitación del personal, evaluación de indicadores y auditorías periódicas, priorizando soluciones adaptadas a los recursos disponibles.
4.26.5 Reflexión final
La transformación digital no reemplaza la esencia humana y segura del cuidado de enfermería. La inteligencia artificial constituye una herramienta complementaria cuyo valor depende de la preparación del equipo de salud, la calidad de los datos y el liderazgo de enfermería.
4.26 Perspectivas futuras de la Inteligencia Artificial en Enfermería
4.27.1 Innovación tecnológica y transformación del cuidado
La evolución de la inteligencia artificial permitirá integrar sistemas predictivos, asistentes clínicos y herramientas de apoyo a la toma de decisiones cada vez más precisas. Su incorporación deberá acompañarse de procesos de evaluación clínica y mejora continua.
4.27.2 Formación del recurso humano
Las instituciones formadoras deberán incorporar competencias digitales, análisis crítico de algoritmos, ética de la IA y gestión de datos como parte de la formación de grado y de la educación continua del personal de enfermería.
4.27.3 Investigación y producción científica en Argentina
Existe la oportunidad de desarrollar investigaciones multicéntricas que evalúen el impacto de la IA sobre la seguridad del paciente, la eficiencia asistencial, la satisfacción profesional y los resultados clínicos en hospitales públicos.
4.27.4 Desafíos éticos y regulatorios
Será indispensable fortalecer los marcos regulatorios relacionados con privacidad, transparencia, trazabilidad de los algoritmos y responsabilidad profesional para garantizar una implementación segura.
4.27.5 Síntesis prospectiva
La inteligencia artificial constituye una oportunidad estratégica para potenciar la práctica profesional de enfermería. Su éxito dependerá de la integración entre innovación, evidencia científica, liderazgo institucional y una atención centrada en la persona y respaldada por evidencia.
Tabla 7. Prioridades para el desarrollo de la IA en enfermería argentina
| Prioridad | Objetivo |
| Capacitación | Desarrollar competencias digitales |
| Gobernanza de datos | Garantizar calidad y seguridad de la información |
| Investigación | Generar evidencia nacional |
| Implementación | Expandir proyectos piloto evaluados |
| Evaluación | Medir resultados clínicos y organizacionales |
4.27 Recomendaciones estratégicas para la implementación responsable de la IA en enfermería
4.28.1 Fortalecimiento institucional
Las instituciones sanitarias deberían definir planes estratégicos de transformación digital que incluyan liderazgo de enfermería, gobernanza de datos, evaluación de riesgos y mecanismos de seguimiento de resultados.
4.28.2 Formación y desarrollo profesional
Se recomienda incorporar competencias sobre inteligencia artificial, análisis de datos, ética y salud digital en la formación de grado, posgrado y educación continua del personal de enfermería.
4.28.3 Investigación aplicada
Es prioritario promover estudios multicéntricos en hospitales argentinos que evalúen el impacto clínico, organizacional y económico de las herramientas de IA utilizadas como apoyo al cuidado.
4.28.4 Gobernanza y evaluación
Todo proyecto de implementación debe incluir auditorías periódicas, indicadores de desempeño, revisión de sesgos algorítmicos y mecanismos de protección de la privacidad de los pacientes.
4.28.5 Conclusión estratégica
La incorporación responsable de la inteligencia artificial requiere una visión institucional de largo plazo, donde la innovación tecnológica se integre con la práctica basada en evidencia y con una atención centrada en la persona.
Tabla 8. Recomendaciones estratégicas para hospitales públicos
| Área | Recomendación |
| Gestión | Plan institucional de IA |
| Capacitación | Programa permanente de formación |
| Calidad | Indicadores y auditorías |
| Ética | Comités de supervisión y gobernanza |
| Investigación | Proyectos piloto con evaluación |
4.28 Agenda de investigación y líneas prioritarias para Argentina
4.29.1 Necesidad de evidencia nacional
Si bien la producción científica internacional sobre inteligencia artificial aplicada a enfermería ha crecido de forma sostenida, aún existe una limitada cantidad de investigaciones desarrolladas en hospitales públicos argentinos. Resulta prioritario generar evidencia local que permita evaluar la efectividad, seguridad, aceptación e impacto organizacional de estas herramientas.
4.29.2 Líneas prioritarias de investigación
Se proponen estudios multicéntricos sobre apoyo a la decisión clínica, prevención de eventos adversos, optimización de la documentación, alfabetización digital del personal de enfermería y evaluación económica de tecnologías basadas en inteligencia artificial.
4.29.3 Cooperación interdisciplinaria
El desarrollo de proyectos exitosos requerirá la participación conjunta de profesionales de enfermería, informática en salud, ingeniería, bioestadística, gestión sanitaria y bioética.
4.29.4 Transferencia del conocimiento
Los resultados de las investigaciones deberán transformarse en protocolos, programas de capacitación e indicadores de calidad que favorezcan la incorporación responsable de la inteligencia artificial en los servicios de salud.
4.29.5 Síntesis
Una agenda nacional de investigación permitirá adaptar la evidencia internacional a las necesidades del sistema sanitario argentino y fortalecer el liderazgo de enfermería en la transformación digital.
Tabla 9. Agenda prioritaria de investigación
| Área | Objetivo | Impacto esperado |
| Seguridad del paciente | Evaluar algoritmos predictivos | Reducción de eventos adversos |
| Competencias digitales | Medir programas formativos | Mayor adopción segura |
| Gestión | Analizar eficiencia | Optimización de recursos |
| Ética | Evaluar gobernanza | Mayor confianza institucional |
4.29 Inteligencia artificial y humanización del cuidado: una visión crítica
La incorporación de la inteligencia artificial en la práctica de enfermería plantea un desafío que trasciende el desarrollo tecnológico: preservar la esencia humanista del cuidado. Aunque los algoritmos son capaces de procesar grandes volúmenes de información, identificar patrones clínicos y generar recomendaciones basadas en evidencia, carecen de la capacidad para comprender plenamente las dimensiones emocionales, sociales, culturales y espirituales que forman parte de la experiencia de salud de cada persona.
La relación terapéutica entre el profesional de enfermería y el paciente continúa siendo el eje central de la práctica asistencial. La empatía, la escucha activa, la comunicación efectiva, el acompañamiento durante situaciones de vulnerabilidad y el respeto por la autonomía son competencias exclusivamente humanas que no pueden ser sustituidas por sistemas inteligentes.
Desde esta perspectiva, la inteligencia artificial debe concebirse como una herramienta destinada a liberar tiempo de tareas administrativas repetitivas y facilitar el acceso a información clínica relevante. De esta manera, el profesional puede dedicar una mayor proporción de su jornada al cuidado directo, fortaleciendo la interacción con el paciente y su familia.
No obstante, diversos autores advierten sobre el riesgo de desarrollar una dependencia excesiva de los algoritmos. La aceptación acrítica de las recomendaciones emitidas por sistemas inteligentes podría reducir el razonamiento clínico independiente y favorecer errores cuando los modelos presentan sesgos o limitaciones. Por ello, toda recomendación generada por inteligencia artificial debe ser interpretada dentro del contexto clínico específico y contrastada con la valoración integral realizada por el profesional.
Otro aspecto relevante corresponde a la confianza de los pacientes. La utilización de herramientas de inteligencia artificial exige transparencia respecto de su función, garantizando que las decisiones finales permanezcan bajo la responsabilidad del equipo de salud. La confianza en el cuidado depende no solo de la precisión tecnológica, sino también de la percepción de respeto, confidencialidad, seguridad y trato digno.
El futuro de la enfermería no dependerá de elegir entre tecnología o humanización, sino de integrar ambos elementos de manera equilibrada. La inteligencia artificial puede potenciar la calidad asistencial cuando fortalece el juicio clínico, mejora la seguridad del paciente y reduce la carga administrativa; sin embargo, nunca podrá reemplazar la sensibilidad, el compromiso ético y la capacidad de cuidar que distinguen históricamente a la profesión.
En este escenario, el liderazgo de enfermería será determinante para promover una transformación digital centrada en la persona, donde la innovación tecnológica se encuentre siempre subordinada a los principios de dignidad humana, beneficencia, justicia y un cuidado seguro y humano.
4.30 Competencias del profesional de enfermería en la era de la inteligencia artificial
La transformación digital de los sistemas de salud exige una evolución de las competencias profesionales de enfermería. El crecimiento de la inteligencia artificial no solo implica la incorporación de nuevas herramientas tecnológicas, sino también la necesidad de desarrollar capacidades que permitan utilizarlas de manera crítica, ética y basada en evidencia.
Entre las competencias prioritarias se encuentra la alfabetización digital, entendida como la capacidad para utilizar sistemas de información, historias clínicas electrónicas y plataformas de apoyo a la decisión clínica con seguridad y eficiencia.
Otra competencia esencial corresponde al pensamiento crítico. El profesional debe analizar las recomendaciones emitidas por los algoritmos, reconocer sus limitaciones y contrastarlas con la valoración clínica integral del paciente.
La formación ética adquiere una relevancia creciente. El uso de inteligencia artificial demanda conocimientos relacionados con privacidad de los datos, consentimiento informado, transparencia algorítmica, prevención de sesgos y responsabilidad profesional.
Además, el trabajo interdisciplinario será una competencia indispensable. La implementación de sistemas inteligentes requiere la colaboración entre profesionales de enfermería, médicos, especialistas en informática en salud, científicos de datos y gestores sanitarios.
El liderazgo profesional constituye una competencia estratégica. Los enfermeros deberán participar en la planificación institucional, la evaluación de tecnologías sanitarias, la elaboración de protocolos y la investigación sobre inteligencia artificial aplicada al cuidado.
El profesional de enfermería del futuro combinará competencias clínicas, digitales, éticas, investigativas y de liderazgo, integrando la innovación tecnológica con una atención humana, segura y sustentada en evidencia.
4.31 Modelo de implementación de la inteligencia artificial en un hospital público argentino
Este modelo aplica de manera operativa los siete dominios del marco NASSS (Greenhalgh et al., 2017) al caso concreto de un hospital público argentino, transformando cada dominio en una pregunta de diagnóstico institucional antes de iniciar cualquier proyecto piloto.
Diagnóstico institucional por dominio
¿Qué problema asistencial concreto se busca mejorar (deterioro clínico, caídas, errores de medicación)? ¿La tecnología propuesta cuenta con evidencia suficiente y madurez técnica? ¿Cuál es el nivel de alfabetización digital y disposición al cambio del personal de enfermería (El Arab et al., 2025)? ¿Existe liderazgo de enfermería con autoridad suficiente para sostener el proceso? ¿Qué marco regulatorio argentino aplica, incluyendo la normativa de protección de datos personales?
Infraestructura tecnológica e interoperabilidad
Garantizar interoperabilidad entre la historia clínica electrónica, los sistemas de laboratorio y la herramienta de inteligencia artificial (Adegoke et al., 2025), junto con mecanismos de respaldo, autenticación y protección de datos frente a incidentes de ciberseguridad, un riesgo creciente en hospitales de la región (Li et al., 2025).
Capacitación del personal
Formación continua en competencias digitales, ética e interpretación de algoritmos, incorporando estrategias de simulación clínica que han demostrado mejorar la preparación del personal de enfermería frente a nuevas tecnologías (Bozkurt et al., 2025).
Implementación gradual
Desarrollar un proyecto piloto acotado a un servicio de alto impacto, con criterios de éxito definidos antes de escalar. El escalamiento solo se autoriza cuando el piloto resuelve satisfactoriamente los dominios de complejidad diagnosticados, reduciendo el riesgo de abandono del proyecto, una de las causas de fracaso más documentadas en la literatura de implementación de tecnología sanitaria (Greenhalgh et al., 2017).
Evaluación
Medir indicadores de calidad, seguridad del paciente, eficiencia y satisfacción siguiendo el modelo de evaluación de impacto descrito en el apartado 4.32.
Liderazgo de enfermería y gobernanza institucional
La Dirección de Enfermería debe liderar la planificación, supervisión y mejora continua, atendiendo a las barreras organizacionales documentadas en la literatura, como la resistencia al cambio y la falta de participación temprana del personal (Hassan et al., 2024).
Conclusión
A diferencia de un cronograma genérico, este modelo obliga a resolver explícitamente cada dominio de complejidad del marco NASSS antes de escalar la implementación, priorizando siempre un cuidado centrado en la persona, seguro y basado en evidencia.
4.32 Modelo de evaluación del impacto de la inteligencia artificial en los servicios de enfermería
Fundamento teórico
Este modelo integra dos marcos consolidados en investigación de servicios de salud. El marco RE-AIM (Reach, Effectiveness, Adoption, Implementation, Maintenance) fue diseñado para evaluar si una intervención se traduce efectivamente a la práctica real y no solo si funciona en condiciones ideales (Glasgow & Estabrooks, 2018). El modelo de Donabedian de estructura, proceso y resultado es, a su vez, un clásico de la evaluación de la calidad asistencial que permite distinguir los recursos disponibles, lo que efectivamente se hace y lo que se logra (Donabedian, 1988). La combinación de ambos evita reducir la evaluación de la inteligencia artificial a un único indicador clínico.
Matriz de evaluación
Alcance (Reach): proporción de pacientes o servicios efectivamente cubiertos por la herramienta de IA respecto de la población objetivo. Estructura: infraestructura tecnológica disponible, dotación de personal capacitado e interoperabilidad entre sistemas (Adegoke et al., 2025). Adopción e implementación (Proceso): grado de adherencia del personal al uso previsto de la herramienta y fidelidad de su aplicación a los protocolos clínicos vigentes. Efectividad (Resultado): eventos adversos, calidad del cuidado, seguridad del paciente y satisfacción del personal y de los pacientes. Mantenimiento: sostenibilidad del uso a los 12 y 24 meses, actualización periódica de los algoritmos y continuidad del financiamiento institucional.
Cronograma de medición
Se recomienda medir alcance y adopción a los 3 meses, implementación y proceso a los 6 meses, y efectividad y mantenimiento a los 12 y 24 meses, comparando siempre con la línea de base institucional previa a la incorporación de la herramienta.
Gestión de riesgos
Se monitorearán la dependencia excesiva de los algoritmos, los sesgos que puedan afectar la equidad del cuidado (Cary et al., 2023), los problemas de interoperabilidad (Adegoke et al., 2025), los incidentes de ciberseguridad (Li et al., 2025) y la resistencia al cambio del personal.
Síntesis
Al anclarse simultáneamente en RE-AIM y en Donabedian, este modelo evita el riesgo, señalado en las revisiones sobre seguridad de la inteligencia artificial en salud, de evaluar la tecnología solo por su desempeño clínico inmediato sin considerar si efectivamente se adopta, se sostiene en el tiempo y cuenta con los recursos estructurales necesarios (Ferrara et al., 2024).
4.33 Análisis integral de riesgos y estrategias de mitigación para la implementación de la Inteligencia Artificial en Enfermería
Introducción
La incorporación de la inteligencia artificial ofrece beneficios importantes, pero también riesgos que deben identificarse, evaluarse y gestionarse mediante un marco de gobernanza institucional.
Riesgos tecnológicos
Incluyen errores de algoritmos, problemas de interoperabilidad, ciberseguridad y calidad de los datos. Se recomienda validación continua y auditorías.
Riesgos clínicos
Las recomendaciones de IA nunca sustituyen el juicio clínico. La responsabilidad final permanece en el profesional de enfermería.
Riesgos éticos
Deben prevenirse sesgos, proteger la privacidad, garantizar transparencia y promover el uso responsable de los datos.
Riesgos organizacionales
La resistencia al cambio, la falta de capacitación y las limitaciones de infraestructura requieren planificación y liderazgo institucional.
Riesgos legales
Es necesario cumplir la normativa vigente sobre protección de datos, responsabilidad profesional y uso de tecnologías sanitarias.
Estrategias de mitigación
Se recomienda implementar protocolos, capacitación, validación clínica, monitoreo continuo, auditorías y reporte sistemático de incidentes.
Reflexión final
La inteligencia artificial debe fortalecer la calidad del cuidado y la seguridad del paciente, siempre integrada a una atención humana y segura y al liderazgo profesional.
CAPÍTULO 5. DISEÑO METODOLÓGICO
5.1 Tipo de estudio
Justificación metodológica: se seleccionó una revisión narrativa porque permite integrar críticamente evidencia de diferentes diseños de estudio y documentos institucionales, ofreciendo una visión amplia y contextualizada del estado del conocimiento sobre inteligencia artificial aplicada a la enfermería.
El presente estudio se desarrolló mediante una revisión narrativa de la literatura con enfoque descriptivo y analítico. Se examinaron publicaciones científicas relacionadas con la aplicación de la inteligencia artificial en enfermería, priorizando estudios recientes, revisiones sistemáticas, documentos de organismos internacionales y guías metodológicas.
El propósito fue sintetizar la evidencia disponible para describir las principales aplicaciones de la inteligencia artificial, sus beneficios, limitaciones, implicancias éticas y desafíos para la práctica profesional de enfermería.
5.2 Estrategia de búsqueda bibliográfica
La búsqueda bibliográfica se realizó en bases de datos reconocidas, tales como PubMed/MEDLINE, Scopus, CINAHL, SciELO y Google Scholar, utilizando descriptores relacionados con inteligencia artificial, enfermería, seguridad del paciente, toma de decisiones clínicas fundamentadas y salud digital.
Se combinaron términos mediante operadores booleanos (AND, OR) y se priorizaron publicaciones en español e inglés, con énfasis en los últimos cinco años, sin excluir documentos clásicos de relevancia para el desarrollo conceptual del tema. La estrategia de búsqueda fue documentada para favorecer la transparencia y reproducibilidad del proceso.
Los estudios fueron seleccionados mediante una evaluación de pertinencia temática, calidad metodológica y relación directa con la pregunta de investigación. Posteriormente se realizó una lectura crítica para identificar coincidencias, diferencias y aportes relevantes para la práctica profesional de enfermería.
5.3 Criterios de inclusión y exclusión
Se incluyeron artículos científicos originales, revisiones sistemáticas, metaanálisis, guías de práctica clínica y documentos de organismos internacionales relacionados con la inteligencia artificial aplicada a la salud y la enfermería.
Se priorizaron publicaciones en español e inglés, con especial énfasis en los últimos cinco años, sin excluir trabajos clásicos cuando fueron considerados fundamentales para el desarrollo conceptual del tema.
Se excluyeron publicaciones sin revisión por pares cuando no aportaban información metodológicamente sólida, trabajos duplicados, documentos con información insuficiente y estudios que no guarden relación directa con la práctica profesional de enfermería o la inteligencia artificial en salud.
5.4 Variables y categorías de análisis
Las principales categorías de análisis fueron: aplicaciones clínicas de la inteligencia artificial, impacto sobre la calidad del cuidado, seguridad del paciente, apoyo a la toma de decisiones, aspectos éticos, competencias digitales, gestión de enfermería e implementación institucional.
Durante el análisis se identificaron beneficios, limitaciones, barreras, riesgos y oportunidades descritos por la literatura científica, comparando los hallazgos entre diferentes contextos asistenciales.
La síntesis de la evidencia se efectuó mediante una comparación temática entre los estudios incluidos, agrupando los hallazgos por categorías previamente definidas y analizando convergencias, divergencias e implicancias para la práctica de enfermería. Se realizó una lectura crítica comparativa de los estudios, identificando convergencias, divergencias y vacíos de conocimiento para fortalecer la consistencia metodológica.
5.5 Consideraciones éticas
Al tratarse de una revisión de la literatura, esta investigación no involucra intervención directa sobre seres humanos ni acceso a datos personales identificables. No se prevén riesgos para participantes y el trabajo se desarrolló respetando los principios de integridad científica, transparencia y honestidad académica.
Se realizó una correcta citación de las fuentes consultadas conforme a las normas APA 7.ª edición, evitando el plagio y respetando los derechos de autor. La interpretación de la evidencia procuró reflejar de manera equilibrada los beneficios, limitaciones y controversias existentes sobre la inteligencia artificial en enfermería.
5.6 Limitaciones metodológicas
Como revisión narrativa, este estudio depende de la disponibilidad y calidad de la literatura publicada. Es posible que existan diferencias metodológicas entre los estudios incluidos, lo que limita la comparación directa de resultados.
Además, la rápida evolución de la inteligencia artificial implica que nuevas evidencias puedan surgir después del período de búsqueda bibliográfica. Por ello, las conclusiones debieron interpretarse considerando el carácter dinámico de este campo de investigación.
Las limitaciones identificadas no invalidan los resultados de esta revisión; sin embargo, deben considerarse al interpretar sus conclusiones. Dado el rápido avance de la inteligencia artificial, será necesaria la actualización periódica de la evidencia para incorporar nuevos desarrollos y validar su aplicación en distintos contextos asistenciales.
Además, el carácter narrativo de la revisión incorpora un componente interpretativo. Para minimizar este riesgo se aplicaron criterios explícitos de búsqueda, selección, evaluación crítica y síntesis temática de la evidencia, fortaleciendo la transparencia metodológica y la consistencia de las conclusiones.
5.7 Fortalecimiento metodológico: evaluación crítica de la evidencia científica
5.7.1 Calidad metodológica de los estudios
Además de identificar publicaciones relevantes, es necesario valorar críticamente su calidad metodológica, el riesgo de sesgo, la validez de los resultados y la aplicabilidad de sus conclusiones al contexto de la enfermería argentina.
5.7.2 Transferibilidad de la evidencia
Muchos estudios sobre inteligencia artificial provienen de sistemas sanitarios altamente digitalizados. La transferencia de sus resultados requiere considerar diferencias en infraestructura, recursos humanos, organización institucional y disponibilidad tecnológica.
5.7.3 Implicancias para futuras investigaciones
Se recomienda promover estudios multicéntricos, investigaciones de implementación y evaluaciones económicas que permitan conocer el impacto real de la inteligencia artificial en hospitales públicos y privados de Argentina.
5.7.4 Síntesis metodológica
La revisión narrativa desarrollada en esta tesis constituye una base para futuras investigaciones y para el diseño de proyectos institucionales orientados a una incorporación responsable de la inteligencia artificial en enfermería.
CAPÍTULO 6. DISCUSIÓN
6.1 Interpretación de los principales hallazgos
El análisis crítico de la literatura revisada sugiere que la inteligencia artificial es una herramienta con alto potencial para potenciar la práctica profesional de enfermería cuando su incorporación se realiza de forma planificada, ética y basada en evidencia. Sus beneficios dependen de la validación clínica, la calidad de los datos, la capacitación del personal y el liderazgo institucional.
Sin embargo, los estudios también muestran que la incorporación de estas tecnologías no garantiza por sí misma una mejora en la calidad del cuidado. Los resultados dependen de la calidad de los datos, la validación clínica de los algoritmos, la capacitación del personal y un liderazgo institucional sostenido.
Otro hallazgo relevante es el consenso existente respecto de que la inteligencia artificial debe actuar como una herramienta complementaria al razonamiento clínico. La valoración integral del paciente, la comunicación terapéutica, la empatía y la toma de decisiones éticas continúan siendo competencias propias del profesional de enfermería y constituyen el núcleo de una atención centrada en la persona. Además, la evidencia revisada muestra que la aceptación por parte de los profesionales aumenta cuando la implementación incluye capacitación, participación temprana del personal y evaluación continua.
6.2 Comparación con la literatura científica internacional
Los hallazgos identificados en esta revisión son consistentes con la literatura científica internacional, aunque su aplicación al contexto argentino requiere considerar diferencias en infraestructura digital, disponibilidad de recursos y grado de implementación de historias clínicas electrónicas. Estas particularidades refuerzan la necesidad de adoptar estrategias progresivas, con validación local y participación activa del personal de enfermería (von Gerich et al., 2022).
Los organismos internacionales coinciden en que la adopción de estas tecnologías debe acompañarse de principios éticos, transparencia algorítmica, protección de datos, evaluación continua y capacitación permanente del personal sanitario. Estos elementos constituyen la base para una implementación segura y sostenible.
Aunque existen diferencias entre países en cuanto al grado de digitalización de los sistemas de salud, el consenso internacional sostiene que la inteligencia artificial debe complementar el juicio clínico y no reemplazar la responsabilidad profesional. Este enfoque coincide con los principios desarrollados a lo largo del presente trabajo.
6.3 Implicancias para la práctica profesional de enfermería
Los resultados de esta revisión sugieren que la incorporación de la inteligencia artificial puede potenciar la práctica profesional de enfermería al mejorar el acceso a información clínica relevante y apoyar la toma de decisiones. No obstante, su implementación exige mantener el cuidado centrado en la persona y preservar la autonomía del juicio clínico (International Council of Nurses, 2023).
Para los profesionales de enfermería, el desarrollo de competencias digitales será un requisito cada vez más importante. La formación continua permitirá interpretar adecuadamente las recomendaciones generadas por sistemas inteligentes, identificar sus limitaciones y utilizarlas de manera segura dentro del contexto asistencial.
En el ámbito institucional, la integración de la IA requerirá liderazgo, trabajo interdisciplinario y evaluación continua de resultados. La participación activa de enfermería en el diseño, implementación y monitoreo de estas herramientas favorecerá una adopción más efectiva y alineada con las necesidades reales de los pacientes y de los equipos de salud.
6.4 Fortalezas y limitaciones del estudio
Entre las principales fortalezas de esta investigación se encuentra la integración de evidencia científica reciente sobre la aplicación de la inteligencia artificial en enfermería, abordando aspectos clínicos, organizacionales, éticos y educativos. El enfoque adoptado permite ofrecer una visión amplia de las oportunidades y desafíos asociados con estas tecnologías.
Además, la organización temática del trabajo facilita la comprensión progresiva del fenómeno estudiado, relacionando los fundamentos conceptuales con sus aplicaciones prácticas y con las implicancias para la profesión de enfermería.
Como limitación, este estudio corresponde a una revisión narrativa de la literatura; por ello, sus conclusiones dependen de la calidad, disponibilidad y actualidad de las publicaciones analizadas. Esta característica metodológica requiere interpretar los hallazgos dentro del alcance propio de este diseño de investigación.
Otra limitación radica en que muchos estudios disponibles provienen de contextos sanitarios con alto nivel de digitalización, lo que puede dificultar la extrapolación directa de algunos resultados a instituciones con diferentes niveles de desarrollo tecnológico. Además, la heterogeneidad de los estudios incluidos impide realizar comparaciones cuantitativas directas.
6.5 Recomendaciones para la práctica profesional, la gestión y futuras investigaciones
Se recomienda establecer un plan institucional de implementación por fases, con evaluación económica, indicadores de calidad y auditorías periódicas.
Se recomienda incorporar evaluaciones económicas y estudios de implementación que analicen costo-efectividad, impacto organizacional y resultados reportados por pacientes y profesionales, favoreciendo la generación de evidencia aplicable al contexto argentino.
Sobre la base de la evidencia analizada, se recomienda que las instituciones de salud incorporen la inteligencia artificial mediante una estrategia gradual, sustentada en proyectos piloto, indicadores de desempeño, auditorías periódicas y evaluación continua. La participación activa del personal de enfermería durante todas las etapas favorecerá una implementación ética, segura y sostenible.
En el ámbito profesional, resulta prioritario fortalecer las competencias digitales de enfermería desde la formación de grado y mediante programas de educación continua. El desarrollo de habilidades para interpretar sistemas de apoyo a la decisión clínica, evaluar críticamente algoritmos y proteger la información sanitaria será esencial para el ejercicio profesional en los próximos años.
Desde la perspectiva científica, se recomienda impulsar investigaciones multicéntricas en hospitales argentinos y latinoamericanos que evalúen la efectividad clínica, el impacto organizacional, la costo-efectividad y la aceptación por parte de los profesionales de enfermería. Estos estudios permitirán generar evidencia local para orientar futuras decisiones de implementación.
Toda estrategia de innovación deberá preservar los principios éticos de la profesión, garantizando que la inteligencia artificial complemente una atención segura, humana y basada en evidencia, fortalezca el juicio clínico y contribuya a mejorar la calidad y la seguridad de la atención.
En conjunto, el análisis desarrollado permite sostener que la inteligencia artificial representa una oportunidad estratégica para potenciar la práctica profesional de enfermería cuando su incorporación se fundamenta en evidencia científica, liderazgo institucional, formación continua y evaluación permanente, preservando siempre una atención centrada en la persona y basada en evidencia.
6.6 Análisis crítico de la evidencia científica reciente (2021–2025)
6.6.1 Tendencias observadas
La evidencia reciente muestra un crecimiento sostenido de las aplicaciones de inteligencia artificial en enfermería, especialmente en apoyo a la decisión clínica, vigilancia del paciente, documentación asistencial y gestión de recursos. No obstante, la calidad metodológica de los estudios es heterogénea y aún existen limitaciones para extrapolar los resultados a todos los contextos sanitarios (von Gerich et al., 2022).
6.6.2 Fortalezas de la evidencia
Las revisiones publicadas destacan mejoras potenciales en la detección precoz del deterioro clínico, la reducción de errores y la optimización de procesos cuando la IA se implementa junto con protocolos clínicos y supervisión profesional (Ruksakulpiwat et al., 2025).
6.6.3 Vacíos de conocimiento
Persisten escasos estudios latinoamericanos, limitada evidencia sobre costo‑efectividad y pocos trabajos que evalúen resultados a largo plazo en hospitales públicos.
6.6.4 Implicancias para la investigación
Se recomienda impulsar investigaciones multicéntricas en Argentina que analicen resultados clínicos, aceptación por parte de enfermería, impacto organizacional y aspectos éticos de la implementación.
6.6.5 Síntesis crítica
La literatura respalda el potencial de la inteligencia artificial como herramienta complementaria al razonamiento clínico, la práctica basada en evidencia y los principios de una atención centrada en la persona.
6.7 Implicancias para el sistema sanitario argentino
La incorporación de la inteligencia artificial en el sistema de salud argentino representa una oportunidad para fortalecer la calidad asistencial, optimizar la utilización de recursos y mejorar la seguridad del paciente. Sin embargo, la implementación de estas tecnologías deberá contemplar las particularidades estructurales del sistema sanitario nacional, caracterizado por la coexistencia de los sectores público, privado y de la seguridad social, con diferentes niveles de desarrollo tecnológico e interoperabilidad.
En numerosos hospitales públicos aún persisten limitaciones relacionadas con la infraestructura informática, la conectividad, la disponibilidad de historias clínicas electrónicas integradas y la capacitación del personal. Estas condiciones pueden dificultar la incorporación de sistemas de inteligencia artificial si no se acompañan de políticas institucionales sostenidas y de inversiones en transformación digital.
El personal de enfermería ocupa un lugar estratégico en este proceso debido a que constituye el grupo profesional con mayor contacto directo con los pacientes y con mayor participación en el registro de información clínica. La calidad de los datos registrados condiciona directamente el desempeño de los algoritmos utilizados para apoyar la toma de decisiones, por lo que el fortalecimiento de la documentación de enfermería adquiere una relevancia aún mayor en un entorno asistido por inteligencia artificial.
Además, la implementación de estas herramientas requiere un modelo de gobernanza que garantice transparencia, protección de datos personales, auditoría permanente de los algoritmos y mecanismos para detectar posibles sesgos. La confianza de los profesionales dependerá de que los sistemas sean seguros, explicables y capaces de demostrar beneficios clínicos medibles.
Desde una perspectiva organizacional, la inteligencia artificial no debe entenderse únicamente como una innovación tecnológica, sino como un proceso de transformación institucional. Su éxito dependerá del liderazgo de las direcciones de enfermería, del compromiso de los equipos interdisciplinarios y de la construcción de una cultura organizacional orientada a la mejora continua, la innovación responsable y la seguridad del paciente.
La evidencia científica disponible permite sostener que el sistema sanitario argentino posee un importante potencial para beneficiarse de estas tecnologías. No obstante, dicho potencial solo podrá concretarse mediante una implementación gradual, basada en evidencia, acompañada por capacitación permanente, evaluación de resultados y un firme compromiso con los principios éticos que históricamente distinguen a la profesión de enfermería.
6.8 Modelo conceptual para la integración de la Inteligencia Artificial en el Proceso de Atención de Enfermería
6.8.1 Fundamentos del modelo
Se propone un modelo conceptual que integra la inteligencia artificial como herramienta complementaria transversal al Proceso de Atención de Enfermería (PAE). El modelo sitúa al juicio clínico del profesional como eje central y a la IA como un recurso para analizar información, identificar riesgos y facilitar la toma de decisiones basada en evidencia.
6.8.2 Etapas de implementación
La incorporación institucional debe desarrollarse mediante un diagnóstico inicial, proyectos piloto, capacitación del personal, evaluación de resultados y mejora continua. Cada etapa requiere indicadores específicos y participación activa del equipo de enfermería.
6.8.3 Factores críticos de éxito
Los principales factores son: liderazgo institucional, calidad de los datos, interoperabilidad, formación continua, gobernanza de datos, participación interdisciplinaria y evaluación permanente del impacto clínico.
6.8.4 Indicadores de evaluación
Se recomienda medir eventos adversos, tiempos de documentación, adherencia a protocolos, satisfacción del personal, calidad de los registros y resultados clínicos relacionados con la seguridad del paciente.
6.8.5 Análisis crítico
La inteligencia artificial alcanza su mayor utilidad cuando fortalece el razonamiento clínico sin sustituir la valoración integral del paciente. La adopción responsable requiere evidencia científica, supervisión humana y una cultura institucional orientada a la mejora continua.
6.9 Agenda estratégica para la incorporación de la Inteligencia Artificial en Enfermería (2026–2035)
6.9.1 Visión estratégica
Se propone una agenda gradual para integrar la inteligencia artificial en los servicios de enfermería, alineando innovación tecnológica, seguridad del paciente y cuidado centrado en la persona.
6.9.2 Prioridades institucionales
Las prioridades incluyen fortalecer la infraestructura digital, mejorar la interoperabilidad de las historias clínicas, consolidar la gobernanza de datos y desarrollar programas permanentes de capacitación.
6.9.3 Indicadores de seguimiento
Se recomienda evaluar calidad de los registros, tiempos de documentación, eventos adversos, satisfacción del personal, adopción tecnológica y resultados clínicos para medir el impacto de la implementación.
6.9.4 Recomendaciones para la gestión
La dirección de enfermería debe participar en la selección, validación y auditoría de las herramientas de IA, promoviendo una cultura de mejora continua basada en evidencia.
6.9.5 Reflexión final
La transformación digital será sostenible únicamente si la inteligencia artificial se incorpora como complemento del juicio clínico, preservando los principios éticos, la seguridad del paciente y una atención humana y centrada en la persona.
Tabla 4. Agenda de implementación 2026–2035
| Etapa | Objetivo | Resultado esperado |
| 2026–2027 | Proyectos piloto | Validación institucional |
| 2028–2030 | Expansión progresiva | Integración en múltiples servicios |
| 2031–2035 | Consolidación | Uso seguro, evaluado y sostenible |
CAPÍTULO 7. CONCLUSIONES GENERALES
7.1 Conclusiones
Los resultados de esta revisión permitieron cumplir el objetivo general, al analizar críticamente la evidencia científica disponible sobre la aplicación de la inteligencia artificial en la práctica profesional de enfermería. A continuación, se presentan las conclusiones organizadas en relación con cada uno de los objetivos específicos planteados en el Capítulo 3.
En relación con el primer objetivo específico, orientado a describir la evolución de la inteligencia artificial y sus principales aplicaciones en salud, se concluye que esta tecnología pasó de sistemas experimentales de apoyo diagnóstico a herramientas integradas en la historia clínica electrónica, con aplicaciones consolidadas en la predicción de riesgos, la vigilancia clínica y la gestión de recursos sanitarios.
En relación con el segundo objetivo específico, referido a identificar las aplicaciones actuales de la inteligencia artificial en la práctica de enfermería, los hallazgos muestran que estas tecnologías contribuyen a la detección temprana del deterioro clínico, la prevención de eventos adversos, la optimización de la documentación y el apoyo a la toma de decisiones, siempre como complemento del razonamiento clínico y no como su reemplazo.
En relación con el tercer objetivo específico, orientado a analizar los beneficios, limitaciones y riesgos asociados con su implementación, la evidencia analizada indica que la efectividad de estas herramientas depende de la calidad de los datos, la validación clínica de los algoritmos, la capacitación del personal y la existencia de políticas institucionales adecuadas; entre los riesgos más relevantes se identificaron los sesgos algorítmicos, las vulnerabilidades de ciberseguridad y la dependencia excesiva de los sistemas automatizados en desmedro del juicio profesional.
En relación con el cuarto objetivo específico, referido a examinar los aspectos éticos, legales y de protección de datos, se concluye que una implementación responsable requiere gobernanza institucional, transparencia algorítmica, protección de la información personal y mecanismos de auditoría permanente, en línea con los marcos éticos y regulatorios internacionales revisados.
En relación con el quinto objetivo específico, orientado a proponer recomendaciones para una incorporación responsable de la inteligencia artificial en instituciones sanitarias, con énfasis en hospitales públicos argentinos, esta tesis desarrolló tres aportes operativos: el Modelo Argentino de Integración de Inteligencia Artificial en Enfermería (MAIIE, apartado 4.22), un modelo de implementación adaptado a un hospital público (apartado 4.31) y un modelo de evaluación de impacto basado en los marcos RE-AIM y de Donabedian (apartado 4.32), que en conjunto ofrecen una hoja de ruta concreta para las instituciones que decidan avanzar en este proceso.
Además, la revisión sugiere que el juicio clínico, la comunicación terapéutica, la empatía y el compromiso ético continúan siendo competencias propias del profesional de enfermería. La inteligencia artificial debe concebirse como una herramienta complementaria que amplía las capacidades del equipo de salud sin sustituir la esencia humana del cuidado de enfermería.
El principal aporte de esta investigación consiste en integrar críticamente la evidencia científica disponible y adaptarla al contexto hospitalario argentino. Las recomendaciones y los modelos formulados ofrecen un marco práctico para orientar la implementación, la formación profesional y futuras líneas de investigación, promoviendo un uso responsable de la inteligencia artificial sin perder los principios humanísticos que caracterizan a la enfermería.
7.2 Recomendaciones finales
Se recomienda validar localmente los algoritmos antes de su adopción clínica e incorporar mecanismos institucionales para el reporte y análisis de incidentes relacionados con IA.
Se recomienda que las instituciones sanitarias incorporen la inteligencia artificial mediante planes estratégicos progresivos que incluyan evaluación de necesidades, validación clínica, formación continua, monitoreo de indicadores y participación activa del personal de enfermería durante todas las etapas de implementación.
Las universidades y los centros de formación deberían incorporar contenidos sobre inteligencia artificial, salud digital, análisis de datos, ética, ciberseguridad, gobernanza de datos y evaluación crítica de tecnologías en los programas de grado y posgrado.
También se recomienda promover políticas públicas que impulsen la investigación, la innovación y la cooperación entre instituciones académicas, hospitales y organismos gubernamentales para desarrollar soluciones adaptadas a las necesidades del sistema sanitario argentino. Se propone además impulsar comités interdisciplinarios con participación activa de enfermería para evaluar y supervisar el uso de sistemas de inteligencia artificial.
Todo proceso de innovación tecnológica deberá mantener como eje una atención centrada en la persona, la seguridad del paciente y el respeto por los principios éticos que orientan la práctica profesional de enfermería.
Se recomienda además establecer programas de evaluación continua con indicadores de calidad, seguridad del paciente, aceptación por parte de los profesionales y resultados asistenciales, permitiendo ajustar progresivamente la implementación de estas tecnologías según la evidencia disponible.
7.3 Proyección futura de la enfermería en la era de la inteligencia artificial
Las futuras investigaciones deberían incluir estudios multicéntricos argentinos que evalúen resultados clínicos, costo-efectividad e impacto organizacional.
La preparación para este escenario requiere fortalecer las competencias digitales, la alfabetización en datos, la evaluación crítica de algoritmos y la participación de enfermería en comités institucionales de innovación y gobernanza de la inteligencia artificial.
La evolución de la inteligencia artificial anticipa una transformación progresiva de la práctica profesional de enfermería. Durante los próximos años se espera una mayor integración entre historias clínicas electrónicas, sistemas predictivos, dispositivos biomédicos conectados y herramientas de inteligencia artificial generativa, permitiendo un apoyo más preciso para la toma de decisiones clínicas fundamentadas.
El profesional de enfermería tendrá un papel protagónico en la evaluación, adaptación e implementación de estas tecnologías. Además de utilizar sistemas inteligentes, participará en equipos interdisciplinarios dedicados a validar algoritmos, analizar resultados y garantizar que las innovaciones respondan a las necesidades reales de los pacientes y de los servicios de salud.
El desarrollo de hospitales inteligentes, la expansión de la teleenfermería y el monitoreo remoto crearán nuevas oportunidades para mejorar la continuidad del cuidado. Sin embargo, estos avances exigirán una actualización permanente de las competencias profesionales y un fuerte compromiso con la ética, la privacidad y la seguridad de la información.
En este escenario, la inteligencia artificial no representa un reemplazo de la enfermería, sino una herramienta para potenciar el razonamiento clínico, optimizar los procesos asistenciales y fortalecer el vínculo humano propio del cuidado de enfermería. Su implementación deberá preservar la autonomía profesional, la seguridad del paciente y los principios éticos de la disciplina.
CAPÍTULO 8. REFERENCIAS
Las referencias que se presentan a continuación corresponden a las principales fuentes científicas que sustentan esta investigación. Su selección respondió a criterios de actualidad, calidad metodológica, relevancia temática y adecuación a las normas APA 7.ª edición, priorizando evidencia científica de alto impacto y documentos técnicos de organismos internacionales vinculados con la inteligencia artificial aplicada a la enfermería.
- Acosta, J. N., Falcone, G. J., Rajpurkar, P., & Topol, E. J. (2022). Multimodal biomedical AI. Nature Medicine, 28(9), 1773–1784. https://doi.org/10.1038/s41591-022-01981-2
- Adegoke, K., Adegoke, A., Dawodu, D., Adekoya, A., Bayowa, A., Kayode, T., & Singh, M. (2025). Interoperability as a catalyst for digital health and therapeutics: A scoping review of emerging technologies and standards (2015–2025). International Journal of Environmental Research and Public Health, 22(10), 1535. https://doi.org/10.3390/ijerph22101535
- Allen, B. (2024). The promise of explainable AI in digital health for precision medicine: A systematic review. Journal of Personalized Medicine, 14(3), 277. https://doi.org/10.3390/jpm14030277
- Bohr, A., & Memarzadeh, K. (Eds.). (2020). Artificial Intelligence in Healthcare. Academic Press.
- Bozkurt, S. A., Aydoğan, S., Dursun Ergezen, F., & Türkoğlu, A. (2025). A systematic review and sequential explanatory synthesis: Artificial intelligence in healthcare education, a case of nursing. International Nursing Review, 72(2), Article e70018. https://doi.org/10.1111/inr.70018
- Cary, M. P., Jr., Zink, A., Wei, S., Olson, A., Yan, M., Senior, R., Bessias, S., Gadhoumi, K., Jean-Pierre, G., Wang, D., Ledbetter, L. S., Economou-Zavlanos, N. J., Obermeyer, Z., & Pencina, M. J. (2023). Mitigating racial and ethnic bias and advancing health equity in clinical algorithms: A scoping review. Health Affairs, 42(10), 1359–1368. https://doi.org/10.1377/hlthaff.2023.00553
- Centro de Implementación e Innovación en Políticas de Salud, Instituto de Efectividad Clínica y Sanitaria. (2024). Regulación de la inteligencia artificial en el sector salud: Un análisis global y regional en América Latina y el Caribe. IECS.
- El Arab, R. A., Alshakihs, A. H., Alabdulwahab, S. H., Almubarak, Y. S., Alkhalifah, S. S., Abdrbo, A., Hassanein, S., & Sagbakken, M. (2025). Artificial intelligence in nursing: A systematic review of attitudes, literacy, readiness, and adoption intentions among nursing students and practicing nurses. Frontiers in Digital Health, 7, Article 1666005. https://doi.org/10.3389/fdgth.2025.1666005
- Donabedian, A. (1988). The quality of care: How can it be assessed? JAMA, 260(12), 1743–1748. https://doi.org/10.1001/jama.1988.03410120089033
- European Union. (2024). Regulation (EU) 2024/1689 laying down harmonised rules on artificial intelligence (Artificial Intelligence Act).
- Ferrara, M., Bertozzi, G., Di Fazio, N., Aquila, I., Di Fazio, A., Maiese, A., Volonnino, G., Frati, P., & La Russa, R. (2024). Risk management and patient safety in the artificial intelligence era: A systematic review. Healthcare, 12(5), 549. https://doi.org/10.3390/healthcare12050549
- Glasgow, R. E., & Estabrooks, P. E. (2018). Pragmatic applications of RE-AIM for health care initiatives in community and clinical settings. Preventing Chronic Disease, 15, Article 170271. https://doi.org/10.5888/pcd15.170271
- Greenhalgh, T., Wherton, J., Papoutsi, C., Lynch, J., Hughes, G., A’Court, C., Hinder, S., Fahy, N., Procter, R., & Shaw, S. (2017). Beyond adoption: A new framework for theorizing and evaluating nonadoption, abandonment, and challenges to the scale-up, spread, and sustainability of health and care technologies. Journal of Medical Internet Research, 19(11), e367. https://doi.org/10.2196/jmir.8775
- Hassan, M., Kushniruk, A., & Borycki, E. (2024). Barriers to and facilitators of artificial intelligence adoption in health care: Scoping review. JMIR Human Factors, 11, e48633. https://doi.org/10.2196/48633
- International Council of Nurses. (2023). Digital health transformation and nursing practice: Position statement. International Council of Nurses.
- International Organization for Standardization. (2019). ISO 9241-210: Human-centred design for interactive systems.
- Li, S., Surineni, K., & Prabhakaran, N. (2025). Cyber-attacks on hospital systems: A narrative review. The American Journal of Geriatric Psychiatry: Open Science, Education, and Practice, 7, 30–39.
- McBride, S., Tietze, M., & Robichaux, C. (2022). Big Data Analytics and Nursing Research: Current Trends and Future Directions. CIN: Computers, Informatics, Nursing, 40(1), 8–14. https://doi.org/10.1097/CIN.0000000000000798
- Rabiei, R., Hsu, W.-C., Bastani, P., Almasi, S., Mortezaei, S., & Dehghan, S. (2025). Transition toward smart hospitals: A scoping review of features, technologies, and challenges. Health Science Reports, 8(12), 1–22. https://doi.org/10.1002/hsr2.71601
- Rodríguez-Suárez, C.-A., González-de la Torre, H., Hernández-De Luis, M.-N., Fernández-Gutiérrez, D.-Á., Martínez-Alberto, C.-E., & Brito-Brito, P.-R. (2023). Effectiveness of a standardized nursing process using NANDA International, Nursing Interventions Classification and Nursing Outcome Classification terminologies: A systematic review. Healthcare, 11(17), 2449. https://doi.org/10.3390/healthcare11172449
- Ross, A., McGrow, K., Zhi, D., & Rasmy, L. (2024). Foundation models, generative AI, and large language models: Essentials for nursing. CIN: Computers, Informatics, Nursing, 42(5), 377–387. https://doi.org/10.1097/CIN.0000000000001149
- Ruksakulpiwat, S., Phianhasin, L., Benjasirisan, C., et al. (2025). Artificial intelligence in nursing research: A systematic review of applications, benefits, and challenges. International Nursing Review, 72(3), Article e70080. https://doi.org/10.1111/inr.70080
- Topaz, M., & Pruinelli, L. (2017). Big data and nursing: Implications for the future. Studies in Health Technology and Informatics, 232, 165–171.
- von Gerich, H., Moen, H., Block, L. J., Chu, C. H., DeForest, H., et al. (2022). Artificial intelligence-based technologies in nursing: A scoping literature review of the evidence. International Journal of Nursing Studies, 127, 104153. https://doi.org/10.1016/j.ijnurstu.2021.104153
- World Health Organization. (2021a). Ethics and governance of artificial intelligence for health. World Health Organization.
- World Health Organization. (2021b). Global strategy on digital health 2020–2025. World Health Organization.
Tabla 1. Aplicaciones de la inteligencia artificial en enfermería (elaboración propia)
| Área | Aplicación de IA | Beneficio esperado |
| Asistencia clínica | Alertas tempranas y apoyo a decisiones | Detección precoz y mayor seguridad |
| Gestión | Análisis de indicadores | Optimización de recursos |
| Educación | Simulación y aprendizaje adaptativo | Fortalecimiento de competencias |
| Investigación | Revisión y análisis de literatura | Mayor eficiencia en investigación |
Fuente: Elaboración propia a partir de la literatura analizada.
Figura 1. Integración de la Inteligencia Artificial con el Proceso de Atención de Enfermería (elaboración propia)
VALORACIÓN ↓
IA: integración de datos clínicos ↓
DIAGNÓSTICO ENFERMERO ↓
IA: apoyo al análisis de información ↓
PLANIFICACIÓN ↓
IA: sugerencia de intervenciones basadas en evidencia ↓
EJECUCIÓN ↓
IA: seguimiento y documentación clínica ↓
EVALUACIÓN ↓
IA: análisis de resultados e indicadores
Fuente: Elaboración propia a partir de la literatura analizada.
Anexo A. Propuesta de competencias en inteligencia artificial para enfermería
Como complemento de esta tesis se propone un conjunto de competencias básicas que podrían incorporarse a la formación y al desarrollo profesional continuo del personal de enfermería.
| Competencia | Descripción |
| Alfabetización digital | Uso seguro de sistemas de información y registros electrónicos. |
| Interpretación de IA | Análisis crítico de recomendaciones generadas por algoritmos. |
| Ética y privacidad | Protección de datos y aplicación de principios bioéticos. |
| Evaluación crítica | Identificación de sesgos, limitaciones y calidad de las herramientas. |
| Trabajo interdisciplinario | Participación en proyectos de implementación y mejora continua. |
Este anexo constituye una propuesta de elaboración propia basada en la literatura revisada y puede servir como punto de partida para programas institucionales de capacitación.
Anexo B. Matriz de aplicaciones de la inteligencia artificial en las áreas de enfermería
La siguiente matriz resume ejemplos de aplicación de la inteligencia artificial en distintos ámbitos de la práctica de enfermería y los beneficios potenciales descritos en la literatura.
| Área | Aplicaciones de IA | Beneficios potenciales |
| Internación | Alertas de deterioro clínico y apoyo al PAE | Mayor seguridad y priorización de cuidados |
| Cuidados críticos | Monitoreo predictivo en tiempo real | Detección precoz de complicaciones |
| Emergencias | Apoyo al triage y priorización | Respuesta más rápida |
| Atención primaria | Seguimiento remoto y educación | Continuidad del cuidado |
| Gestión | Análisis de indicadores y dotación | Optimización de recursos |
| Docencia | Simulación clínica y aprendizaje adaptativo | Mejora de competencias |
| Investigación | Búsqueda y síntesis de evidencia | Mayor eficiencia científica |
Fuente: Elaboración propia basada en la evidencia científica revisada durante el desarrollo de la tesis.
Anexo C. Propuesta de plan institucional para implementar inteligencia artificial en servicios de enfermería
Como propuesta de aplicación práctica, se presenta un esquema de implementación gradual que puede adaptarse a hospitales públicos y privados.
| Etapa | Acciones principales | Resultado esperado |
| 1. Diagnóstico | Evaluar infraestructura, necesidades y competencias del personal | Línea de base institucional |
| 2. Capacitación | Formación en IA, ética y seguridad de datos | Personal preparado |
| 3. Implementación piloto | Aplicar IA en un servicio seleccionado | Validación local |
| 4. Evaluación | Medir indicadores de calidad y seguridad | Mejora continua |
| 5. Escalamiento | Extender la implementación a otros servicios | Integración institucional |
Esta propuesta puede adaptarse según los recursos, la complejidad y las necesidades de cada institución sanitaria.
Anexo D. Indicadores para evaluar la implementación de inteligencia artificial en enfermería
Se propone un conjunto de indicadores para monitorear el impacto de la implementación de herramientas de inteligencia artificial en los servicios de enfermería.
| Indicador | Objetivo | Ejemplo de medición |
| Tiempo de documentación | Reducir carga administrativa | Minutos por turno |
| Eventos adversos | Mejorar seguridad del paciente | Tasa mensual |
| Alertas atendidas | Evaluar utilidad clínica | % de alertas gestionadas |
| Capacitación | Fortalecer competencias | % de personal capacitado |
| Satisfacción profesional | Valorar aceptación | Encuestas al personal |
Fuente: Elaboración propia basada en principios de mejora continua y evaluación de tecnologías sanitarias.
Anexo E. Recomendaciones para la gobernanza de datos y uso responsable de la IA
La implementación de sistemas de inteligencia artificial requiere políticas institucionales que aseguren la calidad de los datos, la protección de la privacidad y la supervisión clínica.
| Recomendación | Propósito |
| Garantizar calidad de los datos | Mejorar la confiabilidad de los algoritmos |
| Proteger la confidencialidad | Cumplir la normativa y resguardar la privacidad |
| Auditar periódicamente los sistemas | Detectar errores, sesgos y oportunidades de mejora |
| Capacitar al personal | Favorecer un uso seguro y crítico de la IA |
| Mantener supervisión humana | Preservar el juicio clínico y la responsabilidad profesional |
Estas recomendaciones sintetizan buenas prácticas descritas por organismos internacionales y la literatura científica analizada, adaptadas al contexto de los servicios de enfermería.
Indicadores propuestos
- Tiempo de respuesta asistencial.
- Eventos adversos prevenibles.
- Adherencia a protocolos clínicos.
- Aceptación del personal de enfermería.
- Calidad de los registros clínicos.
- Impacto económico y costo-efectividad.
Anexo F. Lista de verificación para la implementación segura de inteligencia artificial en enfermería
La siguiente lista de verificación puede utilizarse antes de implementar una herramienta de inteligencia artificial en un servicio de enfermería.
- Existe una necesidad clínica claramente identificada.
- La herramienta fue validada en un contexto comparable.
- Se evaluaron riesgos éticos y de protección de datos.
- El personal recibió capacitación específica.
- Se definieron indicadores de seguimiento y calidad.
- Existe supervisión clínica y plan para reportar incidentes.
- Se realizó una evaluación periódica del desempeño del sistema.
Esta lista de verificación es de elaboración propia y resume los elementos mínimos para una adopción responsable de la inteligencia artificial en enfermería.
Anexo G. Propuesta de indicadores para evaluar proyectos de inteligencia artificial en enfermería
| Dimensión | Indicador |
| Calidad | Cumplimiento de planes de cuidados |
| Seguridad | Eventos adversos prevenibles |
| Eficiencia | Tiempo destinado a documentación |
| Resultados | Detección precoz de deterioro clínico |
| Capacitación | Porcentaje de personal entrenado |
| Gobernanza | Auditorías de algoritmos realizadas |
| Aceptación | Satisfacción de profesionales |
| Ética | Incidentes de privacidad reportados |
Anexo H. Competencias avanzadas del enfermero líder en inteligencia artificial
- Interpretación crítica de modelos predictivos.
- Gestión del cambio organizacional.
- Gobernanza de datos y auditoría algorítmica.
- Liderazgo interdisciplinario.
- Evaluación económica y de impacto clínico.
Anexo I. Plan de implementación por fases y métricas de seguimiento
Se propone una implementación escalonada en hospitales públicos con evaluación continua de resultados clínicos, organizacionales y educativos.
| Fase | Objetivo | Indicador | Meta |
| Diagnóstico | Evaluar preparación institucional | Servicios evaluados | 100% |
| Piloto | Validar herramienta | Eventos adversos | Reducción ≥10% |
| Escalamiento | Extender implementación | Adopción del personal | ≥80% |
| Evaluación | Medir impacto | Satisfacción del personal | ≥85% |
Anexo J. Matriz de riesgos y estrategias de mitigación en la implementación de la Inteligencia Artificial en Enfermería
| Riesgo | Impacto | Mitigación |
| Sesgo algorítmico | Decisiones inequitativas | Validación local y auditorías |
| Datos incompletos | Predicciones inexactas | Mejora de calidad de datos |
| Resistencia al cambio | Baja adopción | Capacitación y liderazgo |
| Dependencia tecnológica | Disminución del juicio crítico | Supervisión humana permanente |
Anexo K. Matriz de evidencia científica sobre inteligencia artificial aplicada a la práctica profesional de enfermería
La siguiente matriz sintetiza la evidencia científica analizada durante el desarrollo de esta investigación y servirá como base para la integración de citas y referencias en formato APA 7.
| Autor (Año) | País | Diseño | Aplicación de IA | Hallazgos | Limitaciones |
| Topaz et al. (2023) | EE. UU. | Revisión | Apoyo a la decisión clínica | Mejora la identificación de riesgos y apoya el juicio clínico. | Escasez de estudios multicéntricos. |
| McBride et al. (2022) | EE. UU. | Revisión | Transformación digital | Resalta competencias digitales y liderazgo. | Evidencia heterogénea. |
| OMS (2021) | Internacional | Documento técnico | Gobernanza | Define principios éticos para IA en salud. | No presenta resultados clínicos. |
| ICN (2024) | Internacional | Posicionamiento | Rol profesional | Promueve formación y participación de enfermería. | No experimental. |
| Bohr y Memarzadeh (2020) | Internacional | Libro | Aplicaciones de IA | Describe fundamentos y aplicaciones clínicas. | Previo a la IA generativa. |
Síntesis de la evidencia
La literatura revisada coincide en que la inteligencia artificial fortalece la calidad del cuidado y la seguridad del paciente cuando se implementa como apoyo al juicio clínico, con capacitación, gobernanza de datos, validación clínica y supervisión profesional.
APÉNDICE. Agenda de investigación para Argentina (2026–2035)
Como proyección del presente trabajo se propone una agenda de investigación orientada a fortalecer la generación de evidencia sobre inteligencia artificial aplicada a la enfermería en el contexto argentino.
| Línea prioritaria | Objetivo | Impacto esperado |
| Validación clínica | Evaluar algoritmos en hospitales argentinos | Mayor seguridad y confiabilidad |
| Implementación | Estudiar adopción en hospitales públicos | Mejora de procesos |
| Formación | Evaluar competencias digitales | Profesionales preparados |
| Ética | Analizar privacidad, sesgos y transparencia | Uso responsable de IA |
| Resultados clínicos | Medir efectos sobre calidad del cuidado | Evidencia para políticas públicas |
Este apéndice propone prioridades de investigación para la próxima década y puede servir de base para proyectos multicéntricos de enfermería en Argentina y América Latina.
REFLEXIÓN FINAL
La incorporación de la inteligencia artificial representa una oportunidad para potenciar la práctica profesional de enfermería, siempre que su desarrollo y utilización se orienten por la evidencia científica, el compromiso ético y el cuidado centrado en la persona. En este escenario, la enfermería no solo será usuaria de estas tecnologías, sino también protagonista en su evaluación, implementación y mejora continua, contribuyendo activamente a construir un sistema de salud más seguro, eficiente y humanizado.
El profesional de enfermería continuará siendo el responsable de valorar integralmente a la persona, interpretar el contexto clínico, establecer prioridades y brindar un cuidado seguro y humanizado. La inteligencia artificial puede ampliar la capacidad de análisis y facilitar la toma de decisiones, pero no reemplaza la empatía, la comunicación terapéutica ni el juicio clínico.
En este escenario, la formación continua, la investigación y el liderazgo profesional serán elementos esenciales para garantizar una implementación responsable. La colaboración entre universidades, hospitales, organismos públicos y sociedades científicas permitirá desarrollar soluciones adaptadas a las necesidades del sistema de salud argentino.
Esta tesis propone comprender a la inteligencia artificial como una herramienta al servicio del cuidado, orientada a fortalecer la calidad asistencial, la seguridad del paciente y el desarrollo de la enfermería basada en la evidencia.
Mensaje final: la tecnología alcanza su máximo potencial cuando fortalece una atención humana y segura y contribuye al bienestar de las personas, sin desplazar el compromiso ético y profesional del personal de enfermería.
PERSPECTIVAS PARA LA GESTIÓN SANITARIA Y LAS POLÍTICAS PÚBLICAS
El desarrollo de la inteligencia artificial en salud requiere políticas públicas que promuevan la innovación sin descuidar la seguridad del paciente, la equidad en el acceso a la tecnología y la protección de los datos personales. La planificación estratégica permitirá reducir desigualdades entre instituciones con distintos niveles de desarrollo digital.
En Argentina, la implementación de soluciones basadas en inteligencia artificial representa una oportunidad para fortalecer la gestión hospitalaria, optimizar la utilización de recursos y mejorar la calidad de los cuidados. Para ello será necesario impulsar inversiones sostenidas en infraestructura digital, interoperabilidad y capacitación de los equipos de salud.
Las organizaciones profesionales de enfermería, las universidades y los organismos gubernamentales pueden desempeñar un papel clave en la elaboración de guías, estándares y programas de formación que faciliten una incorporación responsable de estas tecnologías.
El avance de la inteligencia artificial deberá acompañarse de procesos permanentes de evaluación científica, auditoría y actualización normativa, garantizando que la innovación tecnológica permanezca al servicio de las personas y del fortalecimiento del sistema sanitario.
RECOMENDACIONES PARA LA FORMACIÓN UNIVERSITARIA EN ENFERMERÍA
Las carreras de enfermería deberán incorporar progresivamente contenidos sobre inteligencia artificial, salud digital, análisis de datos, ética y evaluación crítica de tecnologías sanitarias. Estos contenidos deben integrarse de forma transversal con las asignaturas clínicas y de gestión.
Además, se recomienda promover actividades de simulación, resolución de casos y proyectos interdisciplinarios que permitan desarrollar competencias digitales sin perder el enfoque centrado en la persona.
Las universidades también deberían fortalecer la formación en investigación y lectura crítica de la evidencia científica para que los futuros profesionales puedan evaluar de manera responsable las herramientas de inteligencia artificial antes de incorporarlas a la práctica asistencial.
La actualización permanente de los planes de estudio favorecerá una enfermería preparada para afrontar los desafíos de la transformación digital del sistema sanitario.
PROPUESTA DE LÍNEAS ESTRATÉGICAS PARA LOS SERVICIOS DE ENFERMERÍA
Los servicios de enfermería desempeñarán un papel central en la incorporación responsable de la inteligencia artificial dentro de las organizaciones sanitarias. Para ello, resulta conveniente definir líneas estratégicas que integren la innovación tecnológica con la mejora continua de la calidad asistencial.
Como primera línea estratégica se propone fortalecer la gobernanza clínica mediante comités interdisciplinarios que evalúen las herramientas de inteligencia artificial antes de su implementación. Estos equipos deberían incluir representantes de enfermería, informática en salud, bioética y gestión hospitalaria.
Una segunda línea consiste en consolidar programas permanentes de capacitación, actualización profesional y alfabetización digital, asegurando que todo el personal conozca tanto las posibilidades como las limitaciones de estas tecnologías.
Se recomienda establecer sistemas de evaluación continua mediante indicadores de calidad, seguridad del paciente, satisfacción del personal y resultados clínicos, favoreciendo una cultura institucional basada en evidencia y mejora continua.
