La IA en salud funciona con menos riesgo cuando el agente trabaja lejos del dato clínico: triaje de dudas administrativas, cotización de equipos, mantenimiento del parque tecnológico y búsqueda en documentos regulatorios. Cuando el caso exige datos de salud del paciente, la LGPD trata ese dato como sensible, y el proyecto nace con base legal, minimización y revisión humana.
La pregunta que más escuchamos de quien opera en salud no es "¿la IA funciona?". Es "¿puedo usar esto sin exponerme?". La respuesta depende menos del modelo y más de qué dato ve. Este texto separa los casos de uso por sensibilidad del dato y muestra qué cambia en cada franja.
Un aviso antes de empezar. Cortex IQ publicó dos casos de salud institucional, el de MaqMedical y el de Medtrix Hospitalar. Ninguno de los dos es un agente de IA. Son plataformas y presencia digital. Entran aquí porque muestran, con detalle, dónde está el dato y qué exige el comprador de salud antes de confiar en un sistema.
¿Dónde ayuda la IA en salud sin tocar la historia clínica?
La mayor parte del trabajo de una operación de salud no es clínico. Es compra, mantenimiento, documentación, agenda y atención a proveedores. En esa capa un agente entrega valor rápido, con datos de baja sensibilidad.
Compra y cotización de equipos. Medtrix Hospitalar conecta hospitales, clínicas y farmacias con 7 proveedores verificados, todos con registro ANVISA activo, venta exclusiva para empresas con CNPJ y factura electrónica en el 100% de las transacciones. El comprador pide cotización por la plataforma o por WhatsApp. Un agente en ese flujo responde sobre compatibilidad de accesorios, plazo y documentación del producto. El dato que maneja es de empresa y de catálogo, no de paciente.
Ingeniería clínica. La división de Ingeniería Clínica de MaqMedical cuida el parque tecnológico hospitalario en 8 unidades en São Paulo y Santa Catarina: inventario, mantenimiento preventivo y correctivo, calibración y documentación para auditoría. Prever fallas de equipos a partir del historial de mantenimiento, o armar el informe de auditoría a partir de las órdenes de servicio, es trabajo de modelo y de agente sobre datos de máquina.
Contenido regulatorio. El gestor que contrata ingeniería clínica quiere ver conformidad con la RDC 509/2021 de ANVISA, la ABNT NBR 15943 y la resolución CFM 1.821/2007. El secretario que evalúa un sistema de gestión quiere saber si está alineado con las ordenanzas de cofinanciamiento. Un agente que responde esas preguntas a partir de la documentación de la empresa no ve ningún dato personal.
Triaje administrativo. Confirmación de consulta, reprogramación, orientación de preparación para exámenes, dudas sobre el seguro. Aquí el agente ya toca nombre, teléfono y horario, que son datos personales, pero todavía no un diagnóstico. La sensibilidad sube un escalón, y la exigencia de cuidado también.
¿Qué exige la LGPD cuando el dato es de salud?
La LGPD clasifica el dato referente a la salud como dato personal sensible, en la misma categoría que origen racial, convicción religiosa y dato genético. Eso cambia tres cosas para un proyecto de IA.
Primero, la base legal. El dato sensible no puede tratarse con la justificación genérica del interés legítimo. Las hipótesis son más restringidas: consentimiento específico y destacado del titular, o la tutela de la salud en un procedimiento realizado por profesionales y servicios de salud, entre otras previstas en la ley. Un agente que lee la historia clínica para responder a un paciente necesita caber en una de esas hipótesis antes de la primera línea de código.
Segundo, la finalidad y la minimización. El dato recogido para atender al paciente no puede convertirse, sin nueva base, en insumo para entrenar un modelo o para segmentar una campaña. Y el agente solo debe recibir lo mínimo necesario para la tarea. Si la tarea es confirmar una consulta, no necesita el informe médico.
Tercero, el derecho del titular sobre decisiones automatizadas. Quien recibe una decisión tomada solo por una máquina puede pedir revisión. En salud, eso significa que cualquier agente que clasifique, priorice o niegue algo a un paciente necesita un camino humano de revisión, registrado.
A eso se suman las obligaciones que valen para cualquier dato personal: medidas de seguridad, registro de las operaciones de tratamiento, informe de impacto cuando el riesgo es alto y comunicación de incidentes a la autoridad y al titular. Los principios generales están en el post sobre LGPD e IA generativa. Lo que sigue es su aplicación a la salud.
| Caso de uso | Dato que ve el agente | Sensibilidad | Qué pide la LGPD |
|---|---|---|---|
| Cotización y compatibilidad de equipos (Medtrix: 7 proveedores, 100% de las ventas con factura electrónica) | CNPJ, catálogo, registro ANVISA | Baja | Base legal común, como contrato o interés legítimo, y seguridad estándar |
| Mantenimiento y auditoría del parque tecnológico (MaqMedical: 8 unidades) | Orden de servicio, calibración, inventario | Baja | Seguridad y trazabilidad de las acciones del agente |
| Preguntas sobre normas y licitaciones (RDC 509/2021, ordenanzas) | Documentación pública y de la empresa | Ninguna | Nada más que mantener la fuente actualizada |
| Confirmación de consulta y reprogramación | Nombre, teléfono, fecha, especialidad | Media | Finalidad clara, minimización, retención limitada |
| Resumen de historia clínica para el médico | Diagnóstico, exámenes, medicación | Alta (dato sensible) | Hipótesis legal específica, acceso restringido, revisión humana, informe de impacto |
| Triaje de síntomas directo con el paciente | Síntomas, historial, decisión de prioridad | Alta (dato sensible y decisión automatizada) | Todo lo anterior, más derecho de revisión y responsable clínico nombrado |
El orden de la tabla no es casualidad. Cuanto más abajo, más el proyecto se convierte en un proyecto de gobernanza y menos en un proyecto de tecnología.
¿Cómo empezar un agente de IA en salud sin exponerse?
La secuencia que usamos en cualquier sector regulado empieza por el dato, no por el modelo.
- Mapea el dato antes del caso de uso. Lista lo que el agente necesitaría leer, escribir y recordar. Clasifica cada ítem como personal, sensible o ninguno de los dos.
- Diseña para el menor dato posible. Muchos casos de salud pueden resolverse con el dato seudonimizado o con el agente recibiendo solo el campo de la tarea. Si se puede sacar el documento de identidad del flujo, sácalo.
- Pon al humano en el punto de decisión. El agente prepara, resume y sugiere. La persona aprueba. Eso resuelve el derecho de revisión y mantiene al responsable técnico en control.
- Registra todo. Cada llamada al modelo, cada dato enviado, cada respuesta devuelta. Sin registro no hay cómo responder a un incidente ni a una auditoría.
- Valida en un alcance cerrado. Una PoC de 3 a 6 semanas con datos de baja sensibilidad prueba el valor y muestra qué falta de gobernanza antes de subir a datos clínicos.
El servicio de agentes de IA de Cortex IQ sigue ese orden porque el costo de equivocarse en salud no es solo técnico. Es de confianza, y la confianza en salud tarda años en construirse.
Tres errores que aparecen con frecuencia
Usar el modelo público con datos de pacientes. Enviar la historia clínica a un chat de consumo, sin contrato de tratamiento y sin control de retención, es el error más común y el más fácil de evitar.
Tratar el consentimiento como formalidad. Un "acepto los términos" en el registro no cubre el uso de datos de salud por un agente. El consentimiento para datos sensibles debe ser específico para esa finalidad.
Saltarse al profesional de salud. Un agente que responde a pacientes sobre síntomas sin un médico nombrado detrás no es solo un problema de LGPD. Es un problema de responsabilidad clínica.
Siguiente paso
Si tu operación de salud tiene trabajo administrativo, de compras o de ingeniería clínica repetitivo, ese es el lugar para empezar con IA. La página de salud muestra los proyectos que ya hicimos en el sector, y la de agentes de IA explica cómo estructuramos un agente desde el dato hasta la producción.