Publicado el 11 de marzo de 2026 Actualizado el 11 de marzo de 2026
En una sala de simulación, un estudiante de medicina analiza un caso clínico complejo. Los datos son numerosos: constantes biológicas, antecedentes, síntomas. Antes incluso de formalizar sus hipótesis iniciales, consulta un sistema de ayuda a la toma de decisiones. En cuestión de segundos, aparece un resumen en el que se clasifican los posibles diagnósticos, se sugieren líneas de actuación y se priorizan los riesgos. El ahorro de tiempo es evidente. La pertinencia es a menudo notable. La herramienta no sustituye a la decisión, sino que la orienta. Y ahí es precisamente donde empieza la cuestión...
La inteligencia artificial se está integrando en las prácticas clínicas y los sistemas de formación sanitaria:
El auge de los modelos generativos ha acelerado esta presencia. En los entornos educativos, estas herramientas prometen un apoyo individualizado, una mayor exposición a casos complejos y una retroalimentación rápida y estructurada. A primera vista, la IA parece un potenciador de competencias.
Pero la formación en la era de los sistemas de apoyo a la toma de decisiones no consiste únicamente en añadir una herramienta a la caja de herramientas pedagógicas. Significa aceptar que hay que reconfigurar las condiciones mismas del razonamiento clínico. El razonamiento profesional en sanidad no puede reducirse a la agregación de datos. Supone una capacidad de formular hipótesis, una tolerancia a la incertidumbre, una confrontación con la duda y una asunción de la responsabilidad de la decisión tomada. Implica una subjetividad profesional construida sobre el esfuerzo de la interpretación.
Sin embargo, cuando una sugerencia algorítmica precede o enmarca el análisis, el orden cognitivo se modifica sutilmente. La hipótesis ya no surge únicamente del examen clínico, sino que puede ser desencadenada, confirmada o restringida por la sugerencia de la herramienta. El riesgo no es que el algoritmo se equivoque: el error es inherente a toda práctica clínica. El riesgo es más discreto: que se reduzca el esfuerzo de pensar, que el alumno se acostumbre a validar en lugar de construir, que la asistencia se convierta en la matriz implícita de la toma de decisiones.
Esta es la tensión que atraviesa hoy la formación sanitaria. Los dispositivos digitales, lejos de ser neutros, redistribuyen las formas de poder y los regímenes de responsabilidad. Como han demostrado los análisis de la tecnología de Gilbert Simondon e Ivan Illich, la herramienta nunca es una simple extensión instrumental: configura un entorno. Configura gestos, expectativas, ritmos e incluso modos de subjetivación profesional.
En un contexto regulado en el que la decisión compromete la responsabilidad civil, penal y ética del cuidador, esta reconfiguración no puede ignorarse.
No se trata, pues, de oponer la innovación tecnológica a la ética de los cuidados. Se trata de comprender cómo integrar la IA sin desplazar silenciosamente el centro de gravedad del juicio profesional. Formarse con la IA no debe significar formarse bajo la IA. En el primer caso, la herramienta sirve de apoyo a la reflexión explícita; en el segundo, se convierte en la referencia implícita en torno a la cual se organiza la decisión.
La hipótesis que aquí se defiende es la siguiente: la IA no sustituye a la toma de decisiones clínicas, pero transforma las condiciones en las que se desarrolla. En la formación, el mayor peligro no es el error algorítmico, sino la delegación progresiva del razonamiento. El reto pedagógico es, por tanto, diseñar sistemas capaces de preservar el esfuerzo de hipotetizar, mantener la capacidad de duda y conservar la plena responsabilidad del futuro profesional.
¿Podemos aprender a tomar decisiones si ya no aprendemos a hacer frente a la incertidumbre? ¿La IA mejora la calidad del razonamiento clínico o sólo su velocidad aparente? ¿Y cómo podemos formar a cuidadores autónomos en un entorno en el que la sugerencia algorítmica es una constante?
Los sistemas de ayuda a la decisión clínica no son nada nuevo. Desde las primeras bases de datos médicas informatizadas, la ambición ya era ayudar al médico a interpretar datos complejos. Lo que ha cambiado hoy es el alcance y la versatilidad de estos sistemas. Los motores de inferencia estadística han dado paso a arquitecturas capaces de sintetizar corpus masivos, generar hipótesis diferenciales, anticipar riesgos o reformular el razonamiento en un lenguaje pedagógico.
Esta evolución es especialmente visible en los entornos de formación. Las plataformas de simulación incorporan agentes conversacionales capaces de desempeñar el papel de pacientes normalizados. Las herramientas generativas ofrecen análisis de casos, reformulan informes y simulan intercambios interprofesionales. Los estudiantes pueden interrogar a un sistema sobre la verosimilitud de un diagnóstico, solicitar un resumen de recomendaciones o explorar escenarios alternativos en cuestión de segundos.
Estos usos educativos no coinciden con la práctica asistencial real. En la formación, la herramienta puede utilizarse como apoyo al aprendizaje, como recurso para la exploración o como catalizador del debate. Sin embargo, la frontera es porosa. El alumno formado con asistencia será el profesional que practique con asistencia. Los hábitos cognitivos adquiridos durante la formación no desaparecen cuando el alumno ocupa su puesto. En otras palabras, la forma en que la IA se integra en la formación prefigura ya una determinada configuración del juicio profesional.
La promesa es seductora: exposición a una mayor diversidad de casos clínicos, feedback rápido, cursos personalizados, acceso instantáneo a recomendaciones actualizadas. La IA parece amplificar la capacidad analítica humana. Amplía el horizonte de información y reduce la carga de memoria. Pero toda amplificación transforma al mismo tiempo la estructura del esfuerzo requerido.
El poder analítico de estos sistemas no sólo reside en sus prestaciones técnicas, sino también en la forma en que se perciben. Los algoritmos tienen un capital simbólico especial: encarnan datos masivos, estadísticas agregadas y supuesta objetividad. Donde el razonamiento humano puede parecer frágil, situado e influido por sesgos cognitivos, la máquina aparece distante y rigurosa.
Esta percepción da lugar a un fenómeno deautoridad algorítmica. Las sugerencias que propone el sistema no vienen impuestas por una restricción explícita, sino por una credibilidad implícita. Ante una lista jerarquizada de diagnósticos o una línea de actuación bien argumentada, al alumno puede resultarle difícil cuestionar la propuesta. No porque sea incapaz de hacerlo, sino porque la herramienta se presenta como la síntesis de una racionalidad superior.
El efecto es tanto más poderoso cuanto que los entornos digitales tienden a naturalizar sus recomendaciones. La interfaz es fluida, la respuesta rápida, la formulación segura. Nada señala la incertidumbre inherente a los modelos probabilísticos subyacentes. La sugerencia es evidente. De este modo, el centro de gravedad de la toma de decisiones se desplaza discretamente: la hipótesis ya no surge exclusivamente del examen clínico, sino que emerge del diálogo con un dispositivo técnico.
Desde esta perspectiva, la IA no sólo ayuda, sino que enmarca. Dirige la atención hacia determinados elementos, invisibiliza otros y prioriza posibilidades. Como cualquier dispositivo en el sentido foucaultiano, organiza un campo de visibilidad y un régimen de verdad. La decisión humana permanece formalmente intacta, pero se desarrolla en un espacio ya estructurado.
En las profesiones sanitarias, la toma de decisiones implica un alto grado de responsabilidad individual, consagrada en un marco jurídico y ético preciso. Sin embargo, la introducción masiva de herramientas algorítmicas está reconfigurando la distribución efectiva del poder de decisión. El conocimiento ya no reside únicamente en la memoria y la experiencia del profesional, sino que se externaliza a bases de datos, modelos predictivos y sistemas patentados diseñados por agentes industriales.
Esta externalización plantea una serie de interrogantes. ¿Quién comprende realmente la lógica interna de la herramienta? ¿Quién domina los criterios de ponderación, los conjuntos de datos de entrenamiento y los límites de validez? Los estudiantes, formadores y clínicos rara vez tienen total transparencia. La herramienta se utiliza en un sistema de confianza parcial, a menudo asimétrica.
En los sistemas de formación, esta asimetría se acentúa aún más. Los alumnos descubren sistemas cuyos resultados perciben sin conocer su arquitectura. Aprenden a interactuar con una máquina cuya lógica permanece opaca. La IA se convierte así en una tecnología compartida: circula entre diseñadores, instituciones, profesionales y alumnos, redistribuyendo sutilmente los márgenes de autonomía.
No se trata de una desposesión pura y simple. La herramienta puede aumentar la vigilancia, sugerir diagnósticos y evitar errores. Pero transforma la forma en que se toman las decisiones. La autoridad no desaparece, sino que se desplaza. El profesional sigue siendo legalmente responsable, mientras que la herramienta influye silenciosamente en la manera de juzgar.
La IA clínica se presenta así como un poder analítico innegable, capaz de enriquecer el aprendizaje y apoyar la toma de decisiones. Amplía el acceso al conocimiento, acelera la síntesis y abre perspectivas de formación sin precedentes.
Pero este poder va acompañado de una seducción cognitiva. Autoridad algorítmica, interfaces fluidas y respuestas rápidas están cambiando las condiciones mismas del esfuerzo intelectual. Lo que se facilita también puede desahogarse. Lo que es asistido puede llegar a ser anticipado.
Así que la cuestión ya no es sólo el rendimiento de la herramienta, sino el hábito que establece. ¿En qué momento la asistencia deja de ser un apoyo para convertirse en una muleta? ¿En qué momento la consulta se convierte en dependencia? Es precisamente este cambio discreto pero estructurante el que debemos examinar ahora: la delegación cognitiva progresiva del razonamiento clínico.
Si bien la IA amplifica la capacidad de análisis, también transforma la naturaleza del esfuerzo cognitivo necesario. Toda asistencia modifica el equilibrio entre lo que produce el sujeto y lo que proporciona el dispositivo. En formación, este equilibrio es determinante: aprender a ejercer una profesión sanitaria no consiste únicamente en acceder a respuestas pertinentes, sino en construir un juicio capaz de sostenerse por sí mismo. Cuando la asistencia se hace constante, el riesgo no es el error técnico, sino la erosión progresiva de la autonomía intelectual.
El razonamiento clínico se basa tradicionalmente en un modelo hipotético-deductivo: ante una situación dada, el profesional formula hipótesis, reúne datos complementarios, elimina posibilidades, afina su diagnóstico y justifica su decisión. Este proceso no es lineal ni mecánico. Está plagado de incertidumbres, tensiones interpretativas y ajustes sucesivos.
La formación sanitaria se basa precisamente en el aprendizaje de esta dinámica. Los alumnos aprenden a tolerar la duda, a aceptar que no saben de inmediato y a posponer la adopción de una conclusión hasta que los hechos estén suficientemente consolidados. Esta capacidad de convivir con la incertidumbre no es un defecto temporal; es una habilidad estructurante. Es un requisito previo para la prudencia, el pensamiento crítico y la vigilancia ante los prejuicios.
Cuando la herramienta algorítmica propone inmediatamente una jerarquía de hipótesis o un curso de acción plausible, la experiencia de la duda puede acortarse. La incertidumbre ya no se experimenta como un espacio por explorar, sino como un vacío que hay que llenar rápidamente. El razonamiento se convierte en validación en lugar de construcción. El alumno confronta su pensamiento con una sugerencia externa incluso antes de haber desarrollado plenamente su propio análisis.
Este cambio es sutil. No elimina el razonamiento, pero modifica su temporalidad y su intensidad. El esfuerzo de hipotetizar puede disminuir, no por incapacidad, sino por hábito de ayuda.
La delegación cognitiva no puede decretarse; se establece por una acumulación de microajustes. Se pueden identificar varios mecanismos.
Estos mecanismos no son el resultado de una deficiencia individual. Están ligados a la propia configuración del sistema. Como ha demostrado la filosofía de la tecnología, el entorno técnico configura las acciones y las expectativas. La delegación cognitiva rara vez es consciente; es el resultado de una adaptación progresiva al entorno.
En las profesiones reguladas, las decisiones clínicas implican una responsabilidad total. El profesional no puede esconderse detrás de una herramienta. Legal, moral y éticamente, sigue siendo el autor de la decisión.
Sin embargo, la presencia constante de la asistencia algorítmica puede producir un efecto paradójico: la responsabilidad sigue siendo formal, pero la sensación de ser el único responsable disminuye. La decisión parece coproducida por el sistema. En caso de duda, el argumento "la herramienta lo sugirió" puede servir de justificación, al menos internamente.
Este fenómeno está en consonancia con la ética de la responsabilidad desarrollada por Hans Jonas: a mayor poder técnico, mayor exigencia de responsabilidad. La IA aumenta la capacidad de análisis; por tanto, debería aumentar la vigilancia ética. Pero si este poder va acompañado de una dilución subjetiva de la decisión, el riesgo es el contrario: tomar decisiones sin sentirse plenamente decisor.
En la formación, esta tensión es crucial. Aprender a ejercer una profesión sanitaria significa aceptar que la decisión final depende de uno mismo, en un contexto de incertidumbre irreductible. Si la asistencia algorítmica se percibe como una garantía implícita, la construcción de esta responsabilidad puede verse socavada. Los estudiantes corren el riesgo de asociar la calidad de su decisión al cumplimiento de la sugerencia técnica, en lugar de a la solidez de su razonamiento.
Por tanto, la delegación cognitiva no es sólo una cuestión pedagógica; es una cuestión ética. Plantea interrogantes sobre cómo los futuros profesionales se ven a sí mismos como sujetos responsables en un entorno algorítmico.
El riesgo de delegación cognitiva no significa que deba abandonarse la IA en la formación. Más bien revela una nueva exigencia: diseñar sistemas capaces de mantener el esfuerzo de pensar, explicitar el razonamiento y reforzar la responsabilidad en lugar de disminuirla.
Aunque la asistencia puede convertirse en una muleta, también puede ser una palanca, siempre que se integre en una arquitectura educativa consciente de sus efectos. La cuestión ya no es sólo cómo utilizar la IA, sino cómo formar a los alumnos en el razonamiento aumentado sin disminuirlo.
Por tanto, es hacia el diseño de sistemas exigentes, que combinen el uso crítico y la metacognición explícita, hacia donde debemos dirigirnos ahora.
Si la IA reconfigura las condiciones del razonamiento clínico y nos expone al riesgo de delegación cognitiva, la respuesta no puede ser la exclusión o el uso ingenuo. El reto educativo consiste en transformar la asistencia en objeto de aprendizaje. Formarse en el razonamiento aumentado significa diseñar sistemas en los que la herramienta no acorte el esfuerzo de pensar, sino que lo ponga en tensión, lo revele y lo exija.
Ya no se trata sólo de enseñar con la IA, sino de enseñar la relación con la IA. Este matiz es decisivo.
Un primer principio pedagógico consiste en preservar espacios para el razonamiento sin ayuda. Los alumnos deben poder experimentar con la construcción autónoma de hipótesis, la exploración gradual de los datos y la asunción de la incertidumbre. La IA no debe ser el punto de entrada reflejo de los casos clínicos.
En términos prácticos, esto significa organizar secuencias contrastadas: análisis inicial sin asistencia, formalización de hipótesis con argumentos y, a continuación, confrontación secundaria con propuestas algorítmicas. Este desfase es estructurante. Permite al alumno medir las diferencias, identificar las convergencias y comprender las divergencias.
El objetivo no es poner la herramienta en competencia con el razonamiento humano, sino hacer visible la dinámica cognitiva propia de cada individuo. La IA se convierte entonces en un espejo crítico y no en una muleta. Revela puntos ciegos, cuestiona intuiciones, enriquece el debate sin cortocircuitar la elaboración inicial.
Esta alternancia también ayuda a mantener la confianza epistémica. Los alumnos aprenden que pueden elaborar un análisis pertinente antes de recibir ayuda. A continuación, la herramienta amplía o cuestiona este análisis, no lo sustituye.
El mero uso de un sistema de ayuda no basta para formar a las personas para que lo utilicen de forma crítica. Es necesario dedicar un tiempo específico a la clarificación: sesiones informativas centradas no sólo en la decisión clínica, sino también en la interacción con la herramienta.
En estas secuencias pueden explorarse varias cuestiones:
El objetivo es doble. Por un lado, desarrollar una alfabetización algorítmica adaptada a las profesiones reguladas: comprender que la IA funciona a partir de correlaciones probabilísticas y no de una comprensión contextual completa. En segundo lugar, reforzar la metacognición clínica: ser capaz de explicar por qué se acepta, modifica o rechaza una propuesta.
Este debriefing algorítmico transforma la herramienta en objeto de análisis. Desacraliza la propuesta técnica sin descalificarla. Nos recuerda que todas las propuestas, humanas o algorítmicas, deben someterse a un examen crítico.
Formarse en el razonamiento aumentado significa también replantearse los métodos de evaluación. Si sólo evaluamos si una decisión se ajusta a una respuesta esperada, la herramienta algorítmica puede convertirse en un atajo eficaz. En cambio, si la evaluación se centra en la calidad de la argumentación, la trazabilidad del razonamiento y la capacidad de explicar las incertidumbres, la postura cognitiva cambia.
En un enfoque basado en las competencias, la decisión es sólo un elemento del proceso. Lo que importa es la forma en que se construye y justifica. Al incorporar criterios de evaluación centrados en explicar el razonamiento que subyace a la decisión, identificar las alternativas que se han descartado y tener en cuenta las limitaciones de la herramienta, se pueden mantener los estándares intelectuales.
Resulta relevante evaluar la capacidad de cuestionar la propia IA: ¿es capaz el alumno de formular una petición pertinente? ¿Detectar una incoherencia? ¿Contextualizar la respuesta en función de la situación particular del paciente? Esta dimensión crítica debe reconocerse como una competencia profesional por derecho propio.
Así pues, el razonamiento aumentado no consiste en pensar más rápido gracias a la herramienta, sino en pensar más lúcidamente con ella. La IA se convierte en un socio cognitivo cuyo uso requiere discernimiento y responsabilidad.
Diseñar sistemas exigentes es una condición necesaria, pero no suficiente. La alternancia razonada, el debriefing algorítmico y la evaluación centrada en la justificación deben inscribirse en un marco institucional claro.
La formación en razonamiento aumentado implica aclarar responsabilidades, definir normas de trazabilidad y precisar las expectativas éticas. La exigencia pedagógica no puede quedar implícita; debe apoyarse en principios compartidos y sistemas supervisados.
En otras palabras, la cuestión ya no es simplemente la de los escenarios de aprendizaje, sino la de la gobernanza de la IA en la formación. Es en este vínculo entre responsabilidad individual y marco institucional en el que debemos centrarnos ahora.
La formación en razonamiento aumentado no puede basarse únicamente en la calidad de los escenarios pedagógicos. En las profesiones sanitarias, la decisión implica una responsabilidad jurídica, ética y deontológica que va más allá de la sala de simulación. Por tanto, la integración de la IA en la formación exige una clarificación institucional explícita. Sin un marco, la autonomía profesional corre el riesgo de erosionarse silenciosamente. Con un marco estructurante, por el contrario, puede consolidarse.
El reto no consiste en controlar los usos para restringirlos, sino en hacerlos claros, discutibles y aceptados.
En las profesiones sanitarias, la responsabilidad de tomar decisiones sigue siendo personal. Ningún algoritmo, por eficaz que sea, puede ser considerado jurídicamente responsable de un acto clínico. Esta evidencia formal debe reafirmarse en la formación. La herramienta puede iluminar, sugerir o alertar, pero no decide.
El entorno digital tiende a difuminar esta distinción. Cuando la sugerencia algorítmica se presenta como altamente fiable, existe una fuerte tentación de considerarla como una norma implícita. El estudiante puede equiparar gradualmente el cumplimiento de la recomendación técnica con una forma de seguridad en la toma de decisiones.
El papel de la institución es aquí decisivo. A ella le corresponde señalar que la IA es una herramienta de apoyo y no una autoridad. Esto significa precisar el lugar de estos dispositivos en las normas y reglamentos de formación: ni prohibidos ni prescritos, sino integrados en una lógica de utilización crítica.
Aclarar "quién decide" significa también aclarar "quién responde". Los alumnos deben comprender que la responsabilidad final recae sobre ellos, incluso cuando han recurrido a la ayuda algorítmica. Esta conciencia no debe ser una fuente de ansiedad, sino más bien un factor estructurador. Constituye la base de su identidad profesional.
Una de las principales transformaciones que ha traído consigo la IA se refiere a la trazabilidad del proceso de toma de decisiones. Si se ha utilizado una herramienta para elaborar una hipótesis o una línea de acción, esta interacción debe hacerse explícita.
En materia de formación, integrar esta exigencia significa enseñar a los alumnos a documentar su planteamiento:
El objetivo de esta práctica de trazabilidad no es controlar, sino desarrollar la conciencia reflexiva. Obliga a distinguir entre lo que es objeto de análisis personal y lo que ha sido sugerido por el sistema. Refuerza la metacognición y prepara para una práctica profesional transparente.
En un contexto en el que los entornos digitales conservan huellas, la ausencia de explicaciones puede resultar problemática. Formarse para documentar el uso de la IA significa anticiparse a las futuras exigencias de calidad y responsabilidad.
Para que estos principios no se queden en la teoría, deben consagrarse en un marco compartido. La elaboración de una carta pedagógica de la RN en la formación sanitaria constituye una palanca estructuradora.
Dicha carta podría basarse en una serie de principios rectores:
La institución desempeña aquí el papel de garante. Debe formar a sus equipos docentes, definir orientaciones e incorporar estas cuestiones a los proyectos de centro y a los marcos de competencias. La ausencia de un marco deja lugar a prácticas heterogéneas y a veces contradictorias que socavan la coherencia de la formación.
Proteger la autonomía profesional no significa aislar a los futuros cuidadores de las tecnologías contemporáneas. Significa crear un entorno en el que el uso de estas tecnologías se reflexione, se discuta y se regule. La autonomía no se opone al marco, sino que está integrada en él.
Así pues, la cuestión de la IA en la formación no se limita a las prestaciones de las herramientas o a la calidad de los escenarios pedagógicos. Implica una arquitectura completa: responsabilidad individual, trazabilidad de las decisiones, gobernanza institucional.
Pero incluso el marco más riguroso no prescinde de la responsabilidad personal. La responsabilidad no puede decretarse; debe encarnarse. Una vez examinados el poder de la asistencia, el riesgo de la delegación y las condiciones de la supervisión institucional, nos queda una pregunta más fundamental: ¿cómo pueden los futuros profesionales mantener la capacidad de dudar, argumentar y responsabilizarse plenamente de sus decisiones en un mundo en el que los algoritmos son omnipresentes?
Es a esta cuestión, la del sentido y la autonomía del juicio, a la que vuelve la conclusión de este artículo.
La inteligencia artificial no es ni una ruptura absoluta ni una simple continuidad técnica. Forma parte de la larga historia de las herramientas utilizadas para tomar decisiones médicas, pero está cambiando la intensidad, la rapidez y la profundidad de esas decisiones. Tanto en la formación como en la práctica, no sustituye al juicio clínico: redefine sus condiciones.
Este cambio es decisivo. El reto no es saber si la IA es fiable -ninguna práctica humana es perfectamente fiable-, sino comprender lo que hace al razonamiento de la persona que la utiliza. Cuando la sugerencia precede a la hipótesis, cuando la interfaz enmarca la atención, cuando la respuesta está disponible incluso antes del esfuerzo de elaboración, la relación con la duda se transforma. Sin embargo, es en la confrontación con la duda donde se forja la competencia clínica.
Por tanto, la formación en la era de los sistemas de ayuda a la decisión presupone una elección pedagógica clara: negarse a que la ayuda se convierta en la matriz implícita del juicio. Esto implica organizar la alternancia entre el razonamiento autónomo y la confrontación algorítmica, instituir periodos de interrogatorio crítico y evaluar la calidad de la argumentación y no simplemente la conformidad del resultado. Esto requiere también un marco institucional explícito, que garantice la primacía del juicio profesional, la trazabilidad del uso y la responsabilidad asumida.
La autonomía no consiste en tomar decisiones sin herramientas. Significa tomar decisiones con pleno conocimiento de causa y asumir la responsabilidad de las mediaciones técnicas utilizadas. En las profesiones sanitarias, esta autonomía es inseparable de la responsabilidad. Ningún algoritmo soportará la carga moral de una elección clínica. Lo hará el profesional.
¿Podemos aprender a decidir si ya no aprendemos a dudar? Esta pregunta atraviesa toda nuestra reflexión. La IA puede mejorar la calidad del razonamiento clínico, revelando puntos ciegos, ampliando el abanico de posibilidades y estimulando el debate. Pero también puede acelerar la superficie sin profundizar en la estructura. La velocidad aparente no es garantía de solidez interior.
Por tanto, no se trata de ceder al entusiasmo tecnófilo ni de refugiarse en una postura de desafío. Tenemos que reconocer que ahora estamos formando profesionales para trabajar en un entorno "algoritmizado", y que sus competencias no serán sólo técnicas, sino también reflexivas. Su responsabilidad no disminuirá por el poder de las herramientas, sino que aumentará.
En definitiva, formarse en el razonamiento aumentado significa formarse para ser doblemente vigilante: vigilante ante los prejuicios humanos, pero también vigilante ante las sugerencias algorítmicas. Significa aprender a utilizar la IA sin disolverse en ella. Significa mantener la capacidad de suspender, cuestionar y argumentar, incluso cuando parece que la respuesta ya está dada.
En un mundo asistido, tomar decisiones sigue siendo un acto humano. Y es precisamente este acto el que nos corresponde, en la formación, proteger.
Ilustración: AIg y formación en las profesiones sanitarias
Generated by AI (Canva) - Flavien Albarras
Referencias
Agius, S., Magri, C., & Cassar, V. (2025). A Cognitive Task Analysis for Developing a Clinical Decision Support System for Emergency Triage. Journal of Emergency Nursing, 51(6), 1028-1045.e4. https://doi. org/10.1016/j.jen.2025.05.013
Aroulandom, F. (2025). La inteligencia artificial y la profesión enfermera: anticipar, comprender y apoyar una transformación inevitable. Sages-Femmes, 24(5, Suplemento), S59-S60. https://doi. org/10.1016/j.sagf.2025.07.115
Auriault, P. (2014). Comprender la imagen médica con Gilbert Simondon. Obtenido de https://philosophie.ac-amiens.fr/IMG/pdf/Simondon_Auriault-2.pdf
Académie Nationale de Médecine (2024). Generative AI systems in healthcare: Issues and perspectives (Informe 24-03). París, Francia: Académie Nationale de Médecine. Obtenido de https://www.academie-medecine.fr/wp-content/uploads/2024/03/Rapport-Systemes-dIA-generative-en-sante.pdf
Bleher, H., y Braun, M. (2022). Diffused responsibility: Attributions of responsibility in the use of AI-driven clinical decision support systems. Ai and Ethics, 2(4), 747-761. https://doi. org/10.1007/s43681-022-00135-x
Promesa Digital. (2024). AI literacy: A framework to understand, evaluate, and use emerging technology. Washington, DC: Digital Promise. https://digitalpromise. org/2024/06/18/ai-literacy-a-framework-to-understand-evaluate-and-use-emerging-technology/
Elsevier Masson (2023). Le raisonnement clinique infirmier. París, Francia: Elsevier Masson. Presentación en línea: https: //www.elsevier.com/fr-fr/connect/le-raisonnement-clinique-infirmier
Florey, S. (2023). Reconfiguration du littéraire par le numérique : Quelles potentialités didactiques ? Revue de recherches en littératie médiatique multimodale, 18, 39-55. https://doi. org/10.7202/1108693ar
Gazquez-Garcia, J., Sánchez-Bocanegra, C. L., & Sevillano, J. L. (2025). La IA en el sector sanitario: revisión sistemática de las competencias clave para los futuros profesionales de la salud. JMIR Medical Education, 11(1), e58161. https://doi. org/10.2196/58161
Giroud, N. (2026). Use of AI in nursing education. La revue de l'infirmière, (317), 34-37. https://www. em-consulte.com/article/1788851/utilisation-de-l-ia-en-formation-infirmiere
Hoyelle-Pierre, S., & Jaillet, A. (2024). L'apprentissage du raisonnement clinique infirmier par la simulation en formation initiale pour la qualité et l'efficience des soins. Revue internationale des technologies en pédagogie universitaire / International Journal of Technologies in Higher Education, 21(1), 37-54. https://doi. org/10.18162/ritpu-2024-v21n1-03
Inserm. (2024). Inteligencia artificial y salud. París, Francia: Inserm. https://www. inserm.fr/dossier/intelligence-artificielle-et-sante/
Izquierdo-Condoy, J. S., Arias-Intriago, M., Tello-De-la-Torre, A., Busch, F., & Ortiz-Prado, E. (2025). Generative Artificial Intelligence in Medical Education: Enhancing Critical Thinking or Undermining Cognitive Autonomy? Journal of Medical Internet Research, 27, e76340. https://doi.org/10.2196/76340
Montagna, M., Chiabrando, F., Lorenzo, R. D., Querini, P. R., & Students, M. (2025). Impact of Clinical Decision Support Systems on Medical Students' Case-Solving Performance: Comparison Study with a Focus Group. JMIR Medical Education, 11(1), e55709. https://doi. org/10.2196/55709
OCDE. (2022). OECD Digital Education Outlook 2021: Pushing the frontiers with AI, blockchain and robots. OCDE Digital Education Outlook, 2021. https://doi. org/10.1787/d5fe6bd0-fr
Posición y recomendaciones del Conseil national de l'Ordre des infirmiers sobre el uso de la inteligencia artificial por los enfermeros. (sin fecha). Consejo Nacional de Enfermería. Obtenido el 8 de marzo de 2026, del sitio Web: https://www.ordre-infirmiers.fr/position-et-recommandations-du-conseil-national-de-l-ordre-des-infirmiers-relatives-a-l-utilisation.
Patel, V. L. (2023). Reducción de la carga cognitiva en los sistemas de apoyo a la decisión clínica. Grupo de trabajo sobre carga clínica de HL7. Version PDF: https: //confluence.hl7.org/download/attachments/104568480/VLPatel-HL7%20WG--Clinical%20Burden-Dec%2011-2023-Final.pdf?version=1&modificationDate=1702318635272&api=v2
Sim, I., Gorman, P., Greenes, R. A., Haynes, R. B., Kaplan, B., Lehmann, H., & Tang, P. C. (2001). Clinical Decision Support Systems for the Practice of Evidence-based Medicine (Sistemas de apoyo a la toma de decisiones clínicas para la práctica de la medicina basada en la evidencia). Journal of the American Medical Informatics Association: JAMIA, 8(6), 527-534. https://doi. org/10.1136/jamia.2001.0080527
UNESCO. (2023). Guidance for generative AI in education and research. París, Francia: UNESCO. Versión francesa: https: //www.unesco.org/fr/digital-education/artificial-intelligence
Webster, C. S., Taylor, S., & Weller, J. M. (2021). Sesgos cognitivos en el diagnóstico y la toma de decisiones durante la anestesia y los cuidados intensivos. BJA Education, 21(11), 420-425. https://doi. org/10.1016/j.bjae.2021.07.004
Zintchem, R., Ngono Zintchem, M. A., Ngae, D., Tembe-Fokunang, E. A., & Ntungwen Fokunang, C. (2025). Generative artificial intelligence and learning clinical nursing reasoning: Scope review, proposal for a "socioconnectivist" approach. Investigación y avances en enfermería, (2). https://doi. org/10.25965/reasci.606
Declaración de uso de la IA - ChatGPT y Perplexity se utilizaron como herramientas de asistencia para: (a) ayuda en la revisión bibliográfica (localización/clasificación de artículos y estructuración de rutas de lectura), (b) reformulación de ciertos pasajes para mejorar la claridad y fluidez, (c) corrección ortográfica. La IA no produjo argumentos ni datos sin validación: se comprobaron todas las referencias y no se inventaron citas. El contenido, los análisis y las interpretaciones siguen siendo de mi exclusiva responsabilidad.
También te puede gustar:
Los efectos de las prácticas corporales en el aula sobre la atención de los alumnos [Tesis].
¿Permite la enseñanza basada en el cuerpo que los alumnos se impliquen más en su aprendizaje?
¿Dar a los alumnos gusto por el esfuerzo y la calidad en la era de la IA?
El esfuerzo es una forma de vida que puede enseñarse a diario, incluso en la era de la IA, gamificando el aprendizaje y desarrollando habilidades de pensamiento crítico....
test Test
Evaluar lo que es realmente valioso
Más allá de las clasificaciones y las competiciones inútiles, debemos replantearnos la evaluación escolar para que reconozca toda la gama de competencias desarrolladas por los alumnos.
La IA está revolucionando nuestra relación con el conocimiento. Más allá de las fantasías, el uso reflexivo y proactivo de la IA puede convertirla en una poderosa palanca para "aprender a aprender". Esto implica desarrollar metahabilidades específicas (cuestionar, comprobar, explorar, alternar) y actitudes clave (la IA como compañera, reflexividad, tolerancia a la frustración). El reto es construir una ecología cognitiva hombre-máquina en la que la IA mejore nuestra inteligencia sin sustituirla.
¿Es la era digital la edad de oro o la edad oscura del conocimiento?
El acceso ilimitado al conocimiento que permite la tecnología digital es una oportunidad increíble, pero también un reto. Ante el diluvio de información, ¿cómo podemos evitar una sobredosis cognitiva y mantener el rumbo hacia la construcción paciente e informada del conocimiento? Este artículo explora los retos de la nueva relación con el conocimiento en la era digital.
Superprof: la plataforma para encontrar los mejores profesores particulares en España.
