Chile ya tiene inteligencia artificial funcionando en su sistema de salud, pero todavía en modo piloto. Con cerca de 2,5 millones de personas en listas de espera y hospitales que no comparten sus fichas clínicas, el desafío de 2026 no es probar la tecnología: es escalarla con datos interoperables, reglas claras y confianza de pacientes y equipos clínicos.
El problema que la IA viene a atacar: la espera
La lista de espera es el dolor más visible del sistema público. Al 31 de diciembre de 2025, la lista No GES sumaba 2.889.833 registros, equivalentes a 2.419.098 personas; con las 76.719 garantías GES retrasadas, el total llegaba a 2.495.817 personas
La espera quirúrgica es la que más preocupa. Según el informe del segundo trimestre de 2026, las personas esperando una cirugía No GES pasaron de 362.373 a 412.834 en un año, un alza de 13,9%; solo traumatología concentra 98.563 interconsultas, el 20% del total. En paralelo, las garantías GES retrasadas bajaron 12% en doce meses, a poco más de 67 mil personas.
El cuello de botella no es solo de recursos. Hay pocos especialistas, pabellones subutilizados y horas clínicas que se pierden en llamadas, agendamiento y papeleo. Ahí es donde la IA ya está mostrando resultados.
Casos que ya funcionan en Chile
La IA con más impacto en la salud chilena no diagnostica cáncer en titulares: gestiona agendas, pabellones y tamizajes. Estos son cinco casos documentados:
| Caso | Dónde | Qué hace | Resultado reportado |
|---|---|---|---|
| SITGEQ (GesNova Salud) | Hospital de Quilpué desde mayo 2026; Hospital Biprovincial Quillota-Petorca desde julio 2026 | Coordina pabellones, insumos y preparación prequirúrgica en red | Meta: hasta 20% más eficiencia en pabellones |
| EMILIA (Rayen Salud) | Atención primaria y hospitales | Categoriza población de riesgo, automatiza agendamiento y documentos | Más de 17 mil horas médicas recuperadas; trámites de 4–5 horas bajan a 10 minutos |
| Asistente “Laura” | Hospital del Salvador | Gestiona derivaciones desde atención primaria a especialidad | 12.500 horas liberadas y lista de espera 9% menor (2024) |
| DART (TeleDX) | Más de 170 establecimientos públicos | Tamizaje automático de retinopatía diabética en fotos de fondo de ojo | Reduce a la mitad los informes que requieren oftalmólogo |
| Texto clínico para priorizar (UC y CMM U. de Chile) | Minsal, nivel nacional | Lee interconsultas en texto libre y clasifica patologías por región, sexo y edad | Apoya la gestión nacional de la lista de espera |
DART es el caso más maduro: desarrollado en la Universidad de Chile, opera desde 2018 y fue validado clínicamente en la revista Eye de Nature (U. de Chile). SITGEQ es el más reciente y apunta al problema más urgente: la espera quirúrgica.
Fuera de los hospitales, el ecosistema también se mueve. En febrero de 2026 el CENIA lanzó Latam-GPT, un modelo de lenguaje abierto entrenado con contenido latinoamericano, una base posible para asistentes clínicos en español local.
Las reglas del juego: tres normas en movimiento
A septiembre de 2026, ninguna de las tres normas que definirán la IA en salud está plenamente operativa. Hospitales y proveedores tecnológicos avanzan con reglas a medio escribir.
| Norma | Qué regula | Estado a septiembre de 2026 | Qué implica para la IA en salud |
|---|---|---|---|
| Ley 21.719 de Protección de Datos Personales | Tratamiento de datos personales; los de salud son sensibles | Vigencia fijada para el 1 de diciembre de 2026. El 1 de septiembre el Gobierno ingresó un proyecto (Boletín 18.623-07) para moverla al 1 de diciembre de 2027; sigue en trámite | Entrenar o usar modelos con fichas clínicas exigirá base legal, evaluación de impacto y trazabilidad |
| Ley 21.668 de Interoperabilidad de Fichas Clínicas | Obliga a prestadores públicos y privados a que sus fichas interoperen | Publicada el 28 de mayo de 2024; el reglamento técnico del Minsal, con estándar y plazos, sigue pendiente | Sin datos que fluyan entre centros, la IA queda atrapada en pilotos aislados |
| Proyecto de ley de IA (Boletín 16.821-19) | Marco general para sistemas de IA | En el Senado. El Gobierno anunció una indicación sustitutiva que abandona las cuatro categorías de riesgo europeas por un control ex post, inspirado en Singapur | Si se elimina la categoría “alto riesgo”, la IA clínica perdería su régimen especial y la supervisión dependería del daño producido |
El giro regulatorio abre una pregunta propia de la salud: ¿basta con sancionar después un error de diagnóstico? En medicina, el daño puede ser irreversible. Por eso, el reglamento de interoperabilidad y los criterios del Minsal para validar software clínico pesarán tanto como la ley general.
Por qué los pilotos no escalan
En el encuentro “IA y Salud en Chile 2026”, que reunió a más de 400 personas en mayo, la conclusión fue transversal: la tecnología ya existe y el freno está en otra parte. Cinco obstáculos se repiten:
- Datos fragmentados. La ministra de Salud, May Chomalí, reconoció que hoy cuesta seguir la trayectoria de un paciente porque los sistemas no conversan entre sí.
- Cultura y confianza. Según Rayen Salud, las barreras principales son el miedo, la inercia y la desconfianza ante nuevas formas de trabajar, no la tecnología.
- Seguridad. Interoperar sin ciberseguridad multiplica el riesgo; el sector salud maneja los datos más sensibles del país.
- Sesgos y equidad. Un modelo entrenado con datos de Santiago puede fallar en Aysén o en población mapuche. Sin validación local, la IA puede ampliar brechas en vez de cerrarlas.
- Formación. Médicos, enfermeras y gestores necesitan saber cuándo confiar en un algoritmo y cuándo no. La oferta crece, como el diploma de IA para profesionales de la salud de la Universidad de Chile, pero sigue siendo marginal frente a los más de 200 mil funcionarios del Minsal.
Rumbo a 2030: cinco decisiones que Chile tiene por delante
La ventana es corta. Si en cuatro años la IA sigue en pilotos, las listas de espera seguirán creciendo más rápido que los especialistas disponibles. Estas son las decisiones que harían la diferencia:
- Publicar el reglamento de la Ley 21.668 con un estándar técnico claro (HL7 FHIR y la guía CL Core son la referencia disponible) y plazos por tamaño de prestador.
- Crear una vía de validación para software clínico con IA, con pruebas en población chilena antes de su uso masivo, aunque la ley general de IA opte por un control ex post.
- Escalar lo que ya funcionó. DART demostró que un desarrollo nacional puede llegar a toda la atención primaria; SITGEQ y los asistentes de derivación deberían seguir ese camino con evaluación pública de resultados.
- Medir y publicar el impacto: horas liberadas, días de espera reducidos, errores detectados. Sin cifras abiertas no habrá confianza.
- Formar a los equipos clínicos en uso crítico de IA, desde el pregrado hasta la gestión hospitalaria.
La buena noticia es que Chile parte con ventaja: tiene casos probados, talento en universidades y centros como el CENIA, y un sistema de salud lo bastante pequeño para coordinarse. Lo que falta es pasar del entusiasmo de los seminarios a la política pública.
