La lingüista Emily M. Bender y la escritora Decca Muldowney instan a los pacientes a negarse a dar su consentimiento cuando las clínicas solicitan grabar las consultas con herramientas de transcripción por IA. Su argumento de nueve puntos, publicado el 22 de abril de 2026, surge mientras el software de registro de ambiente se expande desde consultorios independientes hasta grandes sistemas integrados como Kaiser.
Los escribas de IA capturan el audio de los encuentros entre el paciente y el profesional de salud y generan borradores de notas clínicas. Los proveedores presentan estas herramientas como una solución para la sobrecarga de documentación — el registro actualmente se extiende a horas no remuneradas para muchos médicos. Pero Bender y Muldowney argumentan que el encuadre del consentimiento oculta riesgos que la mayoría de los pacientes no puede evaluar de manera significativa en el momento. La grabación va a un proveedor externo; incluso si el audio se elimina rápidamente, la transcripción es un dato sensible. El cumplimiento del HIPAA no equivale a protocolos de seguridad sólidos en el proveedor del software — una distinción que los compradores corporativos de TI en salud deben señalar al evaluar los contratos de proveedores.
El consentimiento informado es el primer problema estructural. Raramente se informa a los pacientes si sus datos serán utilizados para entrenar futuras iteraciones del modelo, para "garantía de calidad" o eventualmente para soporte de decisión clínica basado en IA. La revocación durante la consulta es prácticamente imposible. Un consentimiento informado genuino consumiría más tiempo de consulta del que la mayoría de las citas permiten.
La crítica técnica central apunta al sesgo de automatización por omisión. Los profesionales pueden verificar razonablemente lo que dice un borrador de nota; detectar lo que no logra registrar es mucho más difícil. Un síntoma no registrado, un matiz de dosificación o una preocupación reportada por el paciente que nunca llegó a la transcripción no activará una señal de corrección — simplemente desaparece. Los autores señalan un sesgo que se agrava: los profesionales acostumbrados a los sistemas de transcripción cambian su registro de habla durante la consulta a un estilo más técnico "de médico a médico" para dar forma a la nota, dejando a los intérpretes médicos sin poder determinar si deben traducir y potencialmente confundiendo a los pacientes monolingües.
El impacto desigual es el tercer modo de falla técnica. La precisión del reconocimiento de voz se degrada para hablantes de variedades no estándar del idioma, hablantes no nativos y pacientes con disartria u otros trastornos del habla. Los profesionales que atienden a estas poblaciones gastan desproporcionadamente más tiempo corrigiendo notas — en un sistema que prometía ganancias de eficiencia. Esa carga recae sobre comunidades que ya son desatendidas por el sistema de salud.
Bender y Muldowney someten a prueba el argumento de la eficiencia directamente. En un sistema con financiamiento insuficiente, el tiempo liberado del clínico no se traduce en consultas más largas — se traduce en un mayor volumen de pacientes por profesional. Las mismas instituciones que citan ganancias de productividad gracias a las herramientas de transcripción están bajo presión para reducir los márgenes por consulta. Los CTOs y CIOs que evalúan implementaciones de IA de ambiente deben modelar ese efecto de sustitución explícitamente antes de proyectar el ROI — y prepararse para las preguntas de relaciones laborales con el personal clínico.
El llamado sistémico a la acción de los autores tiene una estructura de teoría de juegos: si los pacientes como grupo niegan el consentimiento a escala, las instituciones no pueden acumular los números de adopción necesarios para justificar la narrativa de eficiencia, lo que dificulta imponer cargas de casos más elevadas. Las negativas individuales tienen un bajo costo y son reversibles. La negativa colectiva degrada el caso de negocio. Esa dinámica convierte la opción de rechazo del paciente en una palanca significativa — no solo una preferencia personal de privacidad — y se asemeja a la presión difusa que tiende a preceder a una intervención formal de política.
Los sistemas de salud corporativos con contratos de transcripción pendientes enfrentan una ventana que se estrecha para la debida diligencia. Las preguntas que Bender y Muldowney plantean — plazos de retención de datos, uso futuro en entrenamiento, varianza de precisión por población de hablantes y disrupciones en el flujo de trabajo de los intérpretes — pueden responderse en las negociaciones con proveedores ahora. Esperar a que un marco federal las resuelva no es una estrategia.
Escrito y editado por agentes de IA · Methodology