Tras 30 días con un escriba de IA ambiental, la proporción de clínicos que reportan burnout bajó del 51,9% al 38,8% en seis sistemas de salud de Estados Unidos (JAMA Network Open, Olson et al. 2025). La historia del tiempo es más modesta: un estudio con cinco sistemas y 8.581 clínicos midió 16,0 minutos menos de documentación por cada 8 horas de pacientes programados (JAMA, estudio multicéntrico 2026), y en un ensayo aleatorizado un escriba recortó el tiempo medio por nota en 41 segundos mientras que el grupo de control bajó 18 segundos por sí solo (NEJM AI, Lukac et al. 2025). La calidad de las notas es la pregunta abierta, con omisiones en el 18% de los borradores de IA revisados en UC Davis (JMIR Medical Informatics 2026). Para el mercado de documentación más amplio que rodea a estas herramientas, consulte nuestras estadísticas de transcripción médica y, para la carga de trabajo que impulsa la demanda, nuestras estadísticas de burnout y horas de los médicos de urgencias. Agregamos datos de NEJM AI, JAMA, JAMA Network Open, JMIR Medical Informatics, JAMIA, The Permanente Medical Group, la American Medical Association, Healthwatch England y KLAS Research.
TL;DR
- Un ensayo aleatorizado de UCLA asignó a 238 médicos uno de dos escribas ambientales o la atención habitual; solo un escriba superó al control en el tiempo por nota (NEJM AI, Lukac et al. 2025).
- Quienes lo adoptaron en cinco sistemas académicos ahorraron 16,0 minutos de documentación por cada 8 horas de pacientes programados, pero el trabajo fuera de horario no cambió de forma significativa (JAMA, estudio multicéntrico 2026).
- Los clínicos de Penn redujeron el trabajo fuera de horario de 50,6 a 35,4 minutos por día (JAMA Network Open, Duggan et al. 2025).
- El burnout bajó del 51,9% al 38,8% tras 30 días de uso del escriba (JAMA Network Open, Olson et al. 2025).
- Los profesionales por encima del umbral alto de agotamiento laboral bajaron del 56,1% al 35,4% en un ensayo stepped-wedge (NEJM AI, Afshar et al. 2025).
- Solo el 21,1% de 8.581 clínicos había adoptado un escriba, desde el 7,1% hasta el 63,6% según el centro (JAMA, estudio multicéntrico 2026).
- Las notas redactadas por IA contenían omisiones en el 18% y alucinaciones en el 11,5% de 356 notas revisadas (JMIR Medical Informatics, UC Davis 2026).
- Quienes adoptaron el escriba produjeron 1,81 unidades de valor relativo más por semana, unos USD 3.044 por médico al año (JAMA Network Open, UCSF 2026).
- El 61,8% de 12.153 adultos canadienses era reacio al uso futuro de escribas de IA, y solo el 28,3% sabía que las herramientas estaban en uso (JAMIA 2026).
- El consentimiento de los pacientes bajó del 81,6% tras información básica al 55,3% tras una divulgación detallada sobre almacenamiento de datos y participación del proveedor (JAMA Network Open, NYU Langone 2025).
- El 81% de los adultos del Reino Unido quiere que se le pida consentimiento antes de usar un escriba de IA (Healthwatch England 2026).
1. Ensayos Aleatorizados: Lo Que Muestra la Evidencia Controlada sobre el Tiempo por Nota
La evidencia aleatorizada llegó a finales de 2025 y redefine las expectativas. En el ensayo de tres brazos de UCLA publicado en NEJM AI, los usuarios de Nabla recortaron 41 segundos de la nota promedio (de 4 minutos y 30 segundos a 3 minutos y 49 segundos), pero los médicos de atención habitual también recortaron 18 segundos sin ninguna IA, y el brazo de DAX Copilot no se separó del control. El efecto neto frente al control fue de 23 segundos por nota (41 menos 18), mucho menor de lo que sugeriría por sí sola la caída bruta de antes y después, y esa es exactamente la razón por la que los grupos de control importan en esta categoría.
El uso explica parte de la diferencia. Incluso dentro de un ensayo, los médicos activaron el escriba en solo alrededor de un tercio de sus consultas, y aproximadamente el 15% de los médicos asignados a un escriba nunca lo usó. El ensayo stepped-wedge de la University of Wisconsin (un diseño en el que cada clínica termina recibiendo la herramienta, en oleadas aleatorizadas) tuvo un uso mucho más intenso, lo que es una de las razones por las que sus efectos parecen mayores.
| Métrica | Valor | Fuente |
|---|---|---|
| Médicos aleatorizados a DAX Copilot, Nabla o atención habitual (UCLA) | 238 en 14 especialidades | NEJM AI, Lukac et al. 2025 |
| Cambio en el tiempo medio en la nota por nota: brazo Nabla frente a brazo de atención habitual | -41 segundos frente a -18 segundos | NEJM AI, Lukac et al. 2025 |
| Consultas en las que el escriba asignado se usó realmente: brazo DAX Copilot frente a brazo Nabla | 33,5% (8.271 de 24.696) frente a 29,5% (6.981 de 23.653) | NEJM AI, Lukac et al. 2025 |
| Profesionales del ensayo stepped-wedge de Wisconsin e Illinois y su utilización de IA ambiental ponderada por nota | 66 profesionales, 16.593 encuentros; utilización del 71,0% (DE 31,6%) | NEJM AI, Afshar et al. 2025 |
| Proporción del contenido de la nota escrita manualmente, antes frente a durante el uso del escriba (Penn Medicine, 46 clínicos en 17 especialidades) | 11,2% a 7,9% (P < 0,001) | JAMA Network Open, Duggan et al. 2025 |
| Cierre de consultas el mismo día, antes frente a durante el uso del escriba (Penn Medicine) | 66,2% a 72,4% (P < 0,001) | JAMA Network Open, Duggan et al. 2025 |
Contexto: el brazo de DAX Copilot en UCLA bajó 23 segundos por nota, lo que equivale a -1,7% frente al control (IC del 95%, -9,4% a +5,9%; P=0,66). Un resultado no significativo en un ensayo de dos meses no prueba la ausencia de efecto, pero recuerda que los productos de escriba no son intercambiables.
2. Tiempo en la Historia Clínica Electrónica Fuera de Horario: La Promesa del Pajama Time Bajo Medición
El “pajama time” (literalmente, “tiempo en pijama”) es el trabajo en la historia clínica electrónica (EHR) que los clínicos realizan fuera del horario de consulta programado, normalmente terminando las notas en casa por la noche. Es el resultado que más quieren mover los sistemas de salud, y es donde la evidencia discrepa más. En el estudio de JAMA con cinco sistemas, el trabajo fuera de horario cambió solo -3,1 minutos por cada 8 horas de pacientes programados, un resultado que el intervalo de confianza (-6,8 a 0,5) no permite distinguir de cero, y el ensayo de UCLA tampoco encontró un cambio significativo fuera de horario frente al control.
Los resultados positivos provienen del ensayo de Wisconsin, de uso intenso, de estudios de un solo sistema, de encuestas autorreportadas o de seguimientos más largos. El estudio pre-post de Penn registró una caída de unos 15 minutos por día, y un preprint de Washington University halló que el pajama time no se movió en absoluto el día cero, pero era un 19% menor el día 150. La lectura práctica: el ahorro fuera de horario parece depender de un cambio de hábitos que toma meses, no de simplemente activar la herramienta.
| Métrica | Valor | Fuente |
|---|---|---|
| Trabajo fuera del horario laboral por cada 8 horas de pacientes programados, quienes adoptaron frente a quienes no (5 sistemas académicos) | -3,1 minutos (IC del 95%, -6,8 a 0,5), no significativo | JAMA, estudio multicéntrico 2026 |
| Trabajo fuera del horario laboral, ensayo stepped-wedge | -0,50 horas/día (IC del 95%, -0,90 a -0,09; P=0,03) | NEJM AI, Afshar et al. 2025 |
| Trabajo fuera de horario por día, antes frente a durante el uso del escriba (Penn Medicine, 46 clínicos) | 50,6 a 35,4 minutos (P=0,02) | JAMA Network Open, Duggan et al. 2025 |
| Mediana del tiempo de documentación fuera de horario, antes frente a después de la adopción (Providence, 1.547 clínicos) | 22,0 a 20,6 minutos; descenso sostenido de 0,38 minutos por mes (P=0,02), sin cambio inmediato | JAMA Network Open, Husa et al. 2026 |
| Pajama time el día 150 frente a antes de la adopción (220 clínicos de atención primaria) | -19% (IRR 0,81, intervalo de 0,73 a 0,90); sin cambio el día 0 | preprint de medRxiv, Washington University 2026 |
| Horas semanales autorreportadas escribiendo notas fuera del horario de consulta, antes frente a después de 30 días | 4,95 a 4,05 horas (-0,90 horas; P < 0,001) | JAMA Network Open, Olson et al. 2025 |
Nota sobre el valor atípico: el resultado fuera de horario del ensayo de Wisconsin dejó de ser significativo (-0,19 horas, IC del 95%, -0,40 a 0,03) al excluir el 3% superior de las observaciones, de modo que unos pocos profesionales con mucho trabajo nocturno explicaron la mayor parte del efecto.
3. Burnout, Carga Cognitiva y Agotamiento Laboral
El burnout es el resultado en el que los escribas ambientales se ven más fuertes, y se mueve más rápido que cualquier métrica de tiempo. En el estudio de Olson con seis sistemas, la prevalencia de burnout bajó 13,1 puntos porcentuales en 30 días (del 51,9% al 38,8%; aOR 0,26, IC del 95%, 0,13 a 0,54; P < 0,001), mientras que la carga cognitiva relacionada con las notas bajó de 7,10 a 4,46 en una escala de 10 puntos. Una lectura plausible es que el alivio proviene menos de los minutos ahorrados que de no tener que teclear mientras se escucha, lo que explicaría por qué el burnout mejora incluso donde el tiempo medido en los registros apenas cambia.
La salvedad es el diseño. El estudio de Olson no tuvo grupo de control, y las encuestas de Mass General Brigham y Emory tuvieron tasas de respuesta de entre el 11% y el 30%, por lo que los usuarios más satisfechos podrían estar sobrerrepresentados. Los ensayos aleatorizados también muestran mejoría, pero menor: en UCLA, el índice compuesto de burnout Mini-Z mejoró menos de 3 puntos en una escala de 10 a 50 con ambos escribas. Los médicos ya lo esperan: el 70% ve la IA como una forma de automatizar tareas que contribuyen al burnout (AMA, Physician Survey on Augmented Intelligence 2026).
| Métrica | Valor | Fuente |
|---|---|---|
| Clínicos que reportan burnout frente a burnout grave, antes frente a después de 30 días con el escriba (6 sistemas, 186 clínicos en los modelos de burnout) | Burnout 51,9% a 38,8%; burnout grave 18,4% a 12,2% (post hoc, P = 0,01) | JAMA Network Open, Olson et al. 2025 |
| Carga de tareas cognitivas relacionadas con las notas, escala de 10 puntos, antes frente a después | 7,10 a 4,46 (P < 0,001) | JAMA Network Open, Olson et al. 2025 |
| Profesionales por encima del umbral alto de agotamiento laboral, inicio frente a fin del ensayo | 56,1% a 35,4% | NEJM AI, Afshar et al. 2025 |
| Índice compuesto de burnout Mini-Z (10 a 50), cambio frente a control | DAX +2,83 (IC del 95%, +1,28 a +4,37); Nabla +2,69 (IC del 95%, +1,14 a +4,23) | NEJM AI, Lukac et al. 2025 |
| Clínicos de Emory que reportan un efecto positivo de la documentación sobre el bienestar, cambio absoluto a los 60 días | +30,7 puntos porcentuales (tasa de respuesta de la encuesta del 11%) | Mass General Brigham, You et al. JAMA Network Open 2025 |
| Tasa de respuesta de la encuesta de Mass General Brigham a los 42 días frente a a los 84 días | Cerca del 30% frente a 22% | Mass General Brigham, You et al. 2025 |
| Aumento de la satisfacción laboral en Hattiesburg Clinic: primer proveedor de escriba frente a segundo proveedor | +17% frente a +13% | AMA, informe sobre usos de IA de los médicos 2025 |
Contexto: la realización profesional en el ensayo de Wisconsin subió 0,14 puntos (P=0,04), lo que los autores consideraron no significativo porque cada resultado coprimario debía alcanzar P < 0,025.
4. Adopción: Hasta Dónde Se Han Extendido los Escribas Dentro de los Sistemas de Salud
Tener acceso no es usar. En cinco grandes sistemas académicos, solo el 21,1% de 8.581 clínicos ambulatorios había adoptado un escriba de IA, desde el 7,1% en Mass General Brigham hasta el 63,6% en Yale New Haven Health, y solo cerca del 32% de quienes lo adoptaron lo usaba en la mitad o más de sus notas. El panorama de las encuestas nacionales es coherente: la documentación es uno de los principales usos de la IA, pero menos de un tercio de los médicos usa IA para las notas de consulta.
Donde la adopción es alta, es habitual. Entre 102 médicos de medicina para adultos y de familia de Permanente encuestados, dos tercios usaban el escriba 5 o más días a la semana y el 63% lo usaba en cada consulta presencial (The Permanente Medical Group, NEJM Catalyst 2025). La brecha de adopción entre sistemas tiene que ver, por tanto, menos con que a los médicos les guste la herramienta y más con cómo la despliega cada organización: en 4 de los 5 sistemas académicos, quienes la adoptaron se sumaron por iniciativa propia, y el momento del despliegue fue de junio de 2023 a agosto de 2025.
| Métrica | Valor | Fuente |
|---|---|---|
| Médicos de EE. UU. que usan IA para documentar códigos de facturación, historias clínicas o notas de consulta | 28% (encuesta a casi 1.700 médicos) | AMA, Physician Survey on Augmented Intelligence 2026 |
| Médicos de EE. UU. que usan IA para crear instrucciones de alta, planes de atención o notas de evolución | 30% | AMA, Physician Survey on Augmented Intelligence 2026 |
| Clínicos que adoptaron un escriba de IA en 5 sistemas académicos, en total y centro más bajo frente a más alto | 21,1% (1.809 de 8.581); 7,1% en Mass General Brigham frente a 63,6% en Yale New Haven Health | JAMA, estudio multicéntrico 2026 |
| Quienes adoptaron el escriba y lo usan en el 50% o más de sus notas | Cerca del 32% (577 usuarios) | JAMA, estudio multicéntrico 2026 |
| Clínicos de Providence que eran usuarios activos de IA ambiental, enero de 2024 frente a marzo de 2025 | 0,1% a 28,8% | JAMA Network Open, Husa et al. 2026 |
| Médicos de UCSF que adoptaron un escriba frente a proporción de encuentros que atendieron con él | 44,6% de 1.565 médicos frente a 15,2% de los encuentros | JAMA Network Open, UCSF 2026 |
| Médicos de Permanente que adoptaron el escriba en las primeras 10 semanas de un despliegue en 2023 | 3.442 de 10.000 invitados, en 303.266 encuentros | AMA, informe sobre el piloto de Permanente 2024 |
Contexto: en Providence, los usuarios activos fueron solo cerca del 8% de todos los clínicos durante toda la ventana del estudio, un recordatorio de que un “despliegue” en todo el sistema puede convivir con una penetración promedio baja.
5. Productividad, Facturación y la Pregunta del Retorno de la Inversión
El argumento financiero es real, pero pequeño. Quienes adoptaron el escriba en UCSF generaron 1,81 unidades de valor relativo más (RVU, la unidad de Medicare que mide el trabajo médico facturable) por semana, lo que los autores tradujeron en unos USD 3.044 por médico al año con las tarifas de Medicare de 2025, sin diferencias en las denegaciones de reclamaciones (JAMA Network Open, UCSF 2026). Se trata de estimaciones de ingresos brutos, no de un retorno de la inversión medido.
La señal de facturación merece escrutinio. Parte de la ganancia en RVU puede deberse a una mejor captura de trabajo que siempre se hizo, y parte a la intensidad de la codificación. Una validación de KLAS de un proveedor mostró que los códigos de visita de paciente establecido de nivel 3 bajaron un 18,2% mientras que los de nivel 4 subieron un 7,3% y los de nivel 5 un 5,0% en McLeod Health, y los autores de UCSF advierten explícitamente que el trabajo futuro debe separar la codificación precisa del upcoding (codificación por encima del nivel real).
| Métrica | Valor | Fuente |
|---|---|---|
| RVU por semana, quienes adoptaron el escriba frente a quienes no (UCSF, 1,2 millones de encuentros) | +1,81 (IC del 95%, 0,86 a 2,75; P < 0,001) | JAMA Network Open, UCSF 2026 |
| Encuentros con pacientes por semana, quienes adoptaron frente a quienes no (UCSF) | +0,80 (IC del 95%, 0,05 a 1,56; P = 0,04) | JAMA Network Open, UCSF 2026 |
| Consultas semanales adicionales e ingresos mensuales exploratorios de evaluación y manejo por clínico que adopta (5 sistemas académicos) | +0,49 consultas (IC del 95%, 0,17 a 0,81), un aumento del 1,7%; USD 167,37 por mes (IC del 95%, USD 86,52 a USD 248,21) | JAMA, estudio multicéntrico 2026 |
| Mediana de RVU, antes frente a después de la adopción (Providence) | 382,3 a 399,1 (P < 0,001); sin cambio significativo en las citas por día | JAMA Network Open, Husa et al. 2026 |
| RVU de trabajo el día 150 frente a antes de la adopción (atención primaria) | +2% (IRR 1,02) | preprint de medRxiv, Washington University 2026 |
| Puntuación de cumplimiento de la codificación diagnóstica (CIE-10), de 0 a 10: notas de IA ambiental frente a notas escritas por personas | 6,87 frente a 5,94 (P<0,001) | NEJM AI, Afshar et al. 2025 |
| Tiempo en notas y ganancia neta mensual por profesional en McLeod Health (validación específica del proveedor Suki) | -26,8% de tiempo en notas; ganancia neta de USD 1.004 por profesional al mes; códigos de visita de paciente establecido de nivel 3 -18,2% | KLAS Research, Suki ROI Validations 2026 (informe específico del proveedor, vía HIT Consultant) |
Contexto: las cifras de KLAS describen a los clientes de un solo proveedor y no son una referencia de la categoría; FMOL Health, en el mismo informe, registró una reducción del 21% en el tiempo en notas.
6. Precisión de las Notas, Errores y la Carga de Edición
La auditoría más detallada en condiciones reales hasta ahora proviene de UC Davis, donde los revisores leyeron 356 de 7.545 notas redactadas por IA. Aparecieron omisiones en el 18% de las notas revisadas y alucinaciones (contenido que la IA escribió y que no se dijo en la consulta) en el 11,5%, mientras que el 5,3% contenía errores clasificados como de riesgo grave o inminente (JMIR Medical Informatics, UC Davis 2026). Dicho de otro modo, 19 de los 356 borradores muestreados necesitaron una corrección relevante para la seguridad, razón por la cual los autores concluyen que la revisión por parte del clínico sigue siendo necesaria.
Las tasas de error dependen mucho de quién cuenta y cómo. Una auditoría en preprint de agosto de 2026 de tres escribas comerciales halló una falla verificada en el 31,3% de las notas, pero también mostró que entre el 28% y el 97% de las notas muestreadas contenía una falla según el estándar de revisión utilizado (preprint de arXiv 2026). Resultados anteriores y más favorables provinieron del piloto de Permanente de 2024, que puntuó 35 transcripciones con un promedio de 48 sobre 50 en precisión y medidas relacionadas, y del ensayo de Wisconsin, que encontró lenguaje estigmatizante en menos del 1% de las notas (12 notas). La capa de transcripción que hay debajo de estas notas tiene sus propias brechas de precisión según el hablante, tratadas en nuestras estadísticas de sesgo de acento en el reconocimiento de voz.
| Métrica | Valor | Fuente |
|---|---|---|
| Notas redactadas por IA revisadas con omisiones accidentales (UC Davis, 356 notas) | 18% (64 notas) | JMIR Medical Informatics, UC Davis 2026 |
| Notas revisadas con contenido alucinado | 11,5% (41 notas) | JMIR Medical Informatics, UC Davis 2026 |
| Notas revisadas con inclusiones accidentales frente a con sesgo | 9,3% (33 notas) frente a 1,1% (4 notas) | JMIR Medical Informatics, UC Davis 2026 |
| Notas revisadas con errores clasificados como de riesgo grave o inminente (gravedad 4 a 5) | 5,3% (19 notas) | JMIR Medical Informatics, UC Davis 2026 |
| Mediana de la proporción de palabras generadas por IA modificadas por los médicos frente a notas dejadas sin editar | 9,0% frente a 14,9% (143 de 960) | JMIR Medical Informatics, UC Davis 2026 |
| Calidad global de la nota en la escala PDQI-9, encuentros simulados de especialistas (VA, 2 productos) | 36,2 de 50; la exhaustividad fue el elemento más bajo, con 3,4 de 5 | JAMA Network Open, estudio de simulación de la VA 2026 |
| Notas con al menos una falla verificada, 3 escribas comerciales, 142 consultas (preprint) | 31,3% [27,0; 35,6] | preprint de arXiv 2026 |
| Frecuencia de imprecisiones clínicamente significativas calificada por los médicos, escala de 5 puntos (2 = rara vez, 3 = ocasionalmente) | DAX 2,7; Nabla 2,8; un evento adverso leve en el ensayo | NEJM AI, Lukac et al. 2025 |
Contexto: el estudio de la VA nombró los tipos de error que más temían los clínicos, entre ellos hallazgos de exploración física inventados y negativos pertinentes omitidos, y un participante de hematología-oncología los llamó “grandes problemas de seguridad”.
7. Aceptación del Paciente y Consentimiento
Dentro de las clínicas de Estados Unidos, los pacientes rara vez dicen que no. En el ensayo de Wisconsin, el 99,92% de los pacientes dio su consentimiento para la grabación ambiental, con solo 22 rechazos (NEJM AI, Afshar et al. 2025). Las encuestas públicas cuentan una historia más cautelosa, y la diferencia tiene que ver sobre todo con la información: la comodidad disminuye cuando los pacientes se enteran de adónde va el audio y qué empresas participan.
El estudio de consentimiento de NYU muestra el efecto de forma directa. El consentimiento fue del 81,6% tras información básica sobre la tecnología, pero del 55,3% tras una explicación detallada de las funciones de IA, el almacenamiento de datos y la participación corporativa (JAMA Network Open, NYU Langone 2025). En el Reino Unido, la comodidad cae del 48% en un chequeo de rutina al 23% en una consulta sobre violencia doméstica (Healthwatch England 2026). Las conversaciones de consentimiento en entornos multilingües añaden otra capa, tratada en nuestras estadísticas de intérpretes médicos hospitalarios.
| Métrica | Valor | Fuente |
|---|---|---|
| Pacientes del piloto de NYU cómodos con la documentación ambiental al inicio (103 pacientes) | 74,8% (77 pacientes) | JAMA Network Open, NYU Langone 2025 |
| Pacientes del piloto de NYU que darían su consentimiento tras información básica frente a tras divulgación detallada de las funciones de IA, el almacenamiento de datos y la participación corporativa | 81,6% (84) frente a 55,3% (57) | JAMA Network Open, NYU Langone 2025 |
| Pacientes del piloto de NYU que no querían que sus datos se compartieran con el proveedor | 59,2% (61 pacientes) | JAMA Network Open, NYU Langone 2025 |
| Adultos canadienses reacios al uso futuro de escribas de IA frente a conscientes de que se usan escribas de IA (12.153 adultos) | 61,8% frente a 28,3% | JAMIA, Chandrasekaran y Moustakas 2026 |
| Adultos del Reino Unido que quieren que los clínicos pidan consentimiento antes de usar un escriba de IA (4.039 adultos) | 81% | Healthwatch England, encuesta de YouGov 2026 |
| Adultos del Reino Unido con una cita reciente que desconocían que se usaba un escriba de IA | Casi el 90% de 2.795 | Healthwatch England, encuesta de YouGov 2026 |
| Adultos del Reino Unido algo o muy cómodos con un escriba de IA: chequeo de salud de rutina frente a consulta sobre violencia doméstica | 48% frente a 23% | Healthwatch England, encuesta de YouGov 2026 |
| Pacientes de Permanente cómodos frente a incómodos con el escriba (118 pacientes) | Dos tercios frente a 8% (26% neutrales) | The Permanente Medical Group, NEJM Catalyst 2025 |
Contexto: el apoyo en el Reino Unido a un despliegue en todo el NHS está dividido casi por igual, con un 38% a favor y un 37% en contra, y la oposición firme (21%) es casi el doble que el apoyo firme (11%).
Resumen: El Escriba Médico de IA Ambiental en Cifras
| Métrica | Valor | Fuente |
|---|---|---|
| Burnout antes frente a después de 30 días de uso del escriba (6 sistemas) | 51,9% a 38,8% | JAMA Network Open, Olson et al. 2025 |
| Profesionales por encima del umbral alto de agotamiento laboral, inicio frente a fin del ensayo | 56,1% a 35,4% | NEJM AI, Afshar et al. 2025 |
| Tiempo de documentación por cada 8 horas de pacientes programados, quienes adoptaron frente a quienes no | -16,0 minutos (cerca de -10%) | JAMA, estudio multicéntrico 2026 |
| Cambio en el tiempo medio por nota: brazo Nabla frente a control (aleatorizado) | -41 segundos frente a -18 segundos | NEJM AI, Lukac et al. 2025 |
| Trabajo fuera de horario por día, Penn Medicine | 50,6 a 35,4 minutos | JAMA Network Open, Duggan et al. 2025 |
| Pajama time el día 150, atención primaria (preprint) | -19% | preprint de medRxiv, Washington University 2026 |
| Clínicos que adoptaron un escriba en 5 sistemas académicos | 21,1% | JAMA, estudio multicéntrico 2026 |
| Usuarios activos de IA ambiental en Providence, ene. de 2024 frente a mar. de 2025 | 0,1% a 28,8% | JAMA Network Open, Husa et al. 2026 |
| Médicos que usan IA para códigos de facturación, historias clínicas o notas de consulta | 28% | AMA, Physician Survey on Augmented Intelligence 2026 |
| RVU por semana, quienes adoptaron frente a quienes no (UCSF) | +1,81 | JAMA Network Open, UCSF 2026 |
| Ingresos adicionales estimados por médico al año (UCSF) | Cerca de USD 3.044 | JAMA Network Open, UCSF 2026 |
| Notas de IA revisadas con omisiones / alucinaciones / errores de riesgo grave o inminente | 18% / 11,5% / 5,3% | JMIR Medical Informatics, UC Davis 2026 |
| Notas con una falla verificada, 3 escribas comerciales (preprint) | 31,3% | preprint de arXiv 2026 |
| Consentimiento del paciente para la grabación ambiental (ensayo en EE. UU.) | 99,92% | NEJM AI, Afshar et al. 2025 |
| Consentimiento del paciente tras divulgación detallada frente a básica (NYU) | 55,3% frente a 81,6% | JAMA Network Open, NYU Langone 2025 |
| Adultos canadienses reacios al uso futuro de escribas de IA | 61,8% | JAMIA 2026 |
| Adultos del Reino Unido que quieren que se les pida consentimiento | 81% | Healthwatch England 2026 |
Metodología y Fuentes
Priorizamos los ensayos aleatorizados y los estudios de sistemas de salud revisados por pares, usamos comunicados de prensa solo cuando resumían un artículo identificado y rotulamos como tales los preprints y los informes específicos de proveedores. Ninguna cifra de este informe proviene de datos de VoxBooster.
- NEJM AI, Lukac et al. 2025, escribas de IA ambiental en la práctica clínica: un ensayo aleatorizado (UCLA), con el comunicado de UCLA Health
- NEJM AI, Afshar et al. 2025, un ensayo controlado aleatorizado pragmático de IA ambiental para mejorar el bienestar de los profesionales de la salud (University of Wisconsin)
- JAMA 2026, cambios en el tiempo de los clínicos y en el volumen de consultas con la adopción de escribas con IA: un estudio multicéntrico
- JAMA Network Open, Olson et al. 2025, uso de escribas de IA ambiental para reducir la carga administrativa y el burnout profesional
- JAMA Network Open, Duggan et al. 2025, experiencias de los clínicos con la tecnología de escriba ambiental (Penn Medicine)
- JAMA Network Open, Husa et al. 2026, uso de IA ambiental y carga de documentación, productividad y eficiencia de los clínicos (Providence)
- JAMA Network Open 2026, escribas de IA ambiental y productividad financiera de los médicos (UCSF)
- preprint de medRxiv 2026, efectos longitudinales del uso de escribas de IA ambiental en atención primaria (Washington University), sin revisión por pares
- The Permanente Medical Group, revisión de un año en NEJM Catalyst 2025, resumida por la División de Investigación de Kaiser Permanente
- AMA, Physician Survey on Augmented Intelligence 2026
- AMA, informe sobre los usos de IA de los médicos y el piloto de Hattiesburg Clinic 2025
- AMA, informe sobre el piloto de 10 semanas de Permanente 2024
- Mass General Brigham, comunicado sobre You et al. JAMA Network Open 2025 (Mass General Brigham y Emory)
- JMIR Medical Informatics 2026, calidad de las notas clínicas creadas por IA generativa de escucha ambiental (UC Davis)
- JAMA Network Open 2026, tecnología de escriba ambiental en encuentros simulados con pacientes en distintas especialidades (Veterans Health Administration)
- preprint de arXiv 2026, una nota de cada tres: un censo verificado de tres escribas de IA en uso, sin revisión por pares
- JAMA Network Open 2025, consentimiento informado para la documentación ambiental con IA generativa en atención ambulatoria (NYU Langone)
- JAMIA 2026, actitudes de los pacientes hacia los escribas de IA ambiental en la atención clínica (encuesta en Canadá)
- Healthwatch England 2026, qué piensa el público sobre el uso de escribas de IA en la atención médica (encuesta de YouGov)
- KLAS Research, Suki ROI Validations 2026, informe específico de un proveedor según lo reportó HIT Consultant
- Nota sobre los datos: la mayoría de los tamaños de efecto aquí provienen de diseños pre-post no aleatorizados u observacionales con usuarios autoseleccionados, por lo que son asociaciones y no prueba de causa; solo los ensayos de UCLA y Wisconsin son aleatorizados. El artículo de Penn reporta una reducción del 30,0% en el trabajo fuera de horario en su resumen, pero -16,9% en su Tabla 2, y su resumen dice “por día laborable” donde la tabla dice “por día programado”. El estudio de Olson convierte su cambio semanal fuera de horario en 10,8 minutos por día laborable, una estimación derivada, y varios de sus autores tienen vínculos con el proveedor cuyo escriba se estudió. El artículo de simulación de la VA da la puntuación de neurología como 42,2 en el texto y 41,2 en su tabla. Las encuestas de burnout en Mass General Brigham y Emory tuvieron tasas de respuesta del 11% al 30%. Los estudios de Washington University y arXiv son preprints y pueden cambiar antes de la revisión por pares, y las cifras de KLAS describen a los clientes de un solo proveedor. Las cifras de la encuesta a médicos de Permanente (102 encuestados) y de la encuesta a pacientes (118 encuestados) son muestras pequeñas de un solo grupo médico. La próxima encuesta de la AMA sobre inteligencia aumentada y el seguimiento más largo de la cohorte de cinco sistemas de JAMA, cuyas estimaciones más sólidas llegan solo a cerca de 5 meses después de la adopción, son los datos nuevos más importantes que se esperan.
Última actualización: 24 de octubre de 2026. Actualizamos este informe trimestralmente, y la próxima revisión se espera cuando la AMA publique su Physician Survey on Augmented Intelligence de 2027.