Te damos la bienvenida a este curso. A partir de ahora, te vamos a guiar por lo básico de la IA para profesionales de la salud, para que empieces a usarla con confianza en tu día a día.
Aunque no tengas formación técnica, deberías entender los fundamentos de la IA. ¿Por qué? Porque te ayudará a aprovecharla mejor en la práctica y en la atención de tus pacientes.
👉 Primer punto: la IA no es una sola cosa; es un conjunto de tecnologías que trabajan juntas.
Piensa en tus clases de “Ciencias” cuando ibas a la universidad: física, biología, química… y sus subtemas. La IA funciona igual: es un paraguas con muchas áreas y capas, cada una con su objetivo, herramientas y complejidad.
Te invitamos a hacer este ejercicio rápido y responder cuántas herramientas con IA ya utilizas en tu vida diaria, ¡a veces sin ni siquiera darte cuenta!
Para ayudarte, vamos a enumerar algunas de las más comunes, organizadas por su uso habitual.
Así que, aunque no lo hubieras notado antes, la IA ya está integrada de forma silenciosa en muchos aspectos de la vida diaria.
En este curso iremos un paso más allá, explorando cómo la IA puede apoyar tu práctica médica en concreto desde la documentación y la gestión hasta la comunicación con tus pacientes.
Cuanto más aprendes a utilizarlas, más potentes se vuelven. Así que repasemos rápidamente lo básico de estas herramientas: ¿cómo aprenden, entienden y generan lenguaje humano?
Se construyen sobre algo llamado Modelos de Lenguaje de Gran Tamaño, (LLM) por sus siglas en inglés.
Pero... ¡Espera un momento antes de que ese término tan intimidante te haga salir corriendo! “Modelos de Lenguaje de Gran Tamaño” puede sonar un poco abrumador. Pero vamos a mostrarte únicamente lo esencial que necesitas saber para comprender fácilmente este concepto.
Una historia para entender fácilmente qué son los LLM: Imagina un robot en una librería enorme. Este robot ha leído millones de libros, páginas web, artículos e incluso conversaciones. Este robot no piensa como una persona, pero es increíblemente bueno recordando cómo solemos hablar, escribir y hacer preguntas.
Esto es, en esencia, lo que hace un LLM. Es un tipo de inteligencia artificial que ha aprendido a “hablar” y “entender” el lenguaje humano de una forma muy, muy sofisticada porque ha sido entrenada con una cantidad enorme de datos.
🕵️ Actúa como un detective: después de leer tanto, un LLM empieza a detectar patrones.
Por ejemplo, si preguntas “¿Qué tiempo hace hoy?”, la respuesta esperada será sobre sol, lluvia o nubes.
🔮“Predice” la siguiente palabra: pero no solo termina tu frase, también puede redactar textos completos, responder preguntas, resumir artículos, traducir idiomas y mucho más.
Es como una máquina superinteligente generando contenido coherente y relevante a partir de tu instrucción. Es como pedirle a un chef que te prepare un plato de risotto. No lo inventa de la nada: consulta su mejor libro de recetas basado en lo que ha aprendido.
En resumen, un LLM es un tipo de inteligencia artificial entrenada para comprender y generar lenguaje humano. Aprende analizando enormes cantidades de datos (como libros, webs y artículos) para entender cómo funciona el lenguaje.
Un ejemplo claro de esto es cómo Google presenta ahora los resultados de búsqueda. Antes Google era un “directorio de información”, que te indicaba dónde podías encontrar las respuestas. Ahora, con los LLM, se ha convertido en un “compilador y resumidor de información”, intentando darte directamente la respuesta, de forma conversacional y con contexto.
Imaginemos que quieres encontrar las mejores opciones de tratamiento para un paciente con diabetes tipo 2 recién diagnosticada. Antes, Google te ofrecía una lista de enlaces a artículos científicos o guías clínicas. Ahora, con la ayuda de los LLM, ya te muestra una respuesta resumida que incluye tratamientos de primera línea, recomendaciones de estilo de vida e incluso posibles interacciones farmacológicas, todo en un formato claro y conversacional.
Así que, con nuevas plataformas de IA apareciendo casi a diario, es completamente normal sentirse un poco perdido, sobre todo si no estás familiarizado con la parte técnica. ¿Te suena?
Lo primero que hay que tener en cuenta es lo siguiente: Lo que una IA puede o no puede hacer depende de cómo fue entrenada, es decir, del tipo de modelo en el que se basa. Aquí vamos a desglosar las IAs basadas en LLM en tres tipos principales de modelos para que puedas tomar la decisión correcta: GPT, Razonamiento y Búsqueda profunda.
Usado en algunas de las plataformas más populares, como Gemini, ChatGPT y Copilot, este modelo es ideal para la creatividad, la síntesis y las preguntas abiertas. Se llama “Generativo” porque puede crear contenido nuevo (no solo repetir información).
Está basado en el preentrenamiento, así que este modelo aprende gramática, contexto, lógica y tono, pero no hechos en tiempo real ni experiencias personales.
👉 Dónde destaca GPT:
Va más allá de simplemente reconocer patrones o generar texto. Está diseñado para seguir una lógica paso a paso, lo que le permite resolver problemas, analizar información compleja e incluso explicar su razonamiento con mayor claridad.
Pero los modelos de razonamiento no suelen ser plataformas independientes. Más bien representan un modo de uso avanzado en herramientas que quizá ya conozcas, como ChatGPT, Gemini 2.5 Pro o Claude 4 Opus.
En estas plataformas, las capacidades de razonamiento se activan o potencian en segundo plano, permitiendo que el modelo vaya más allá de predecir la siguiente palabra probable.
👉 Dónde destaca un modelo de razonamiento:
Estas herramientas combinan el poder de los modelos de lenguaje con el acceso a información en tiempo real desde la web.
A diferencia de los LLM tradicionales, que se basan únicamente en los datos con los que fueron entrenados, los modelos de Deep Search pueden buscar activamente en internet, analizar fuentes y ofrecer
👉 Dónde destaca la Búsqueda profunda:
Para hacerlo más fácil, hemos preparado una hoja de cálculo sencilla para guiarte, y la tienes disponible aquí mismo, en el contenido de esta clase.
|
Tipo de tarea |
Modelos GPT |
Modelos de razonamiento |
Búsqueda profunda
|
| Creación de contenidos | ✅ Lenguaje fluido y natural, adaptable a tonos | ⚠️ Puede generar contenido estructurado con base lógica, pero con menos énfasis en lo creativo |
❌ Carece de creatividad y habilidades de tono
|
| Razonamiento lógico / resolución de problemas | ✅ Bueno para problemas lógicos sencillos | ✅ Destaca en razonamiento complejo y de varios pasos |
❌ Solo recupera información, sin razonamiento profundo
|
| Investigación en tiempo real y citas | ❌ No diseñado para datos recientes | ❌ No diseñado para datos recientes |
✅ El mejor para acceder a información actual con citas
|
| Matemáticas y lógica paso a paso | ✅ Adecuado para operaciones matemáticas comunes como cálculos | ✅ Destaca en problemas matemáticos y lógicos complejos |
❌ No diseñado para hacer cálculos
|
| Planificación estratégica / pensamiento estructurado | ✅ Útil para esbozar ideas iniciales de planes | ✅ Bueno para analizar escenarios complejos, evaluar opciones e identificar dependencias |
❌ No formula estrategias ni toma decisiones estructuradas
|
| Simulaciones o escenarios hipotéticos | ✅ Capaz de generar resultados en escenarios 'qué pasaría si' simples basados en patrones aprendidos | ✅ El mejor para experimentos mentales complejos y simulaciones que requieren inferencia lógica |
❌ No puede realizar simulaciones
|
| Lluvia de ideas / ideación | ✅ Creativo y flexible | ⚠️ Ayuda a organizar pero es menos imaginativo |
❌ Demasiado basado en hechos para tareas creativas
|
| Análisis de archivos y uso de datos propios | ✅ Funciona con documentos subidos | ⚠️ Limitado, ofrece algo de información con contexto |
❌ No recomendado para interpretar archivos subidos
|
| Enseñanza / explicación de conceptos | ✅ Explicaciones claras y detalladas | ✅ Muy bueno en explicaciones paso a paso |
⚠️ Recupera definiciones y explicaciones de fuentes web
|
| Noticias y tendencias | ❌ No diseñado para datos recientes | ❌ No diseñado para datos recientes |
✅ El mejor para investigación actualizada con fuentes
|
| Generación de imágenes y vídeo | ⚠️ Área aún en evolución. Los modelos GPT avanzados tienen capacidades multimodales, como generación de texto a imagen y comprensión básica de vídeo | ⚠️ Limitado, con foco en razonamiento, menos en generación |
🚫 Sin capacidad de creación de imágenes o vídeo
|
Cada vez que cambies de tema, empieza un chat nuevo. Esto restablece el contexto y ayuda a la IA a mantenerse centrada, evitando confusiones de conversaciones anteriores.
Escribir no siempre es conveniente, especialmente en una clínica con mucho movimiento. Hoy en día, muchas plataformas admiten entrada por voz, lo que te permite decir tu pregunta o instrucción directamente.
Pide un resumen de vídeo: imagina que estás viendo una ponencia de un congreso médico online, pero no vas a tener tiempo de ver el vídeo completo. Simplemente copia el enlace de YouTube, pégalo en el chat y pide un resumen.
Después de entender lo básico de los LLM, el siguiente tema muy importante es aprender a interactuar de la mejor forma con estas herramientas. Es el momento de hablar de la ingeniería de prompts.
Primero de todo: ¿qué es exactamente un prompt?
Un prompt es el mensaje o la pregunta que das a una herramienta de IA para obtener una respuesta. Es la manera en la que “hablas” con la IA, ya sea para pedir ayuda, generar contenido, resolver un problema o buscar información.
→ Veamos este ejemplo: Imagina que necesitas explicar de forma clara y completa a tus pacientes qué es la hipertensión.
Tu tarea sería: Escribe una explicación breve y clara de qué es la hipertensión, de forma que cualquier paciente pueda entenderla fácilmente; O bien: ¿Cómo explicarías la hipertensión a un paciente sin formación médica?
¿Lo ves? En los sistemas basados en LLM, cuanto más precisa y contextualizada sea la información que aportes, más datos tendrá para consultar.
En la próxima clase verás la fórmula perfecta para construir tu prompt.