Saltar al contenido
  • IA clínica
  • documentación clínica

La nota que suena bien y no dice nada: cómo revisar un borrador de IA en 90 segundos

Equipo Gesell13 min de lectura

Un borrador de nota hecho con IA casi nunca falla con una frase absurda que salta a la vista. Falla con una nota impecable que podría ser de cualquier paciente, que omite lo único que importaba o que convierte tu sospecha en un hecho. Por eso no se revisa leyéndolo de corrido: se interroga con cuatro preguntas, en este orden. ¿Hay una observación que solo pudo salir de esta sesión? ¿Tu hipótesis está marcada como hipótesis? ¿Se afirma algo que el paciente no dijo? ¿El plan alcanza para actuar la semana que entra? Antes de abrir el borrador, diez segundos para decirte qué fue lo importante de la sesión. Si el borrador pasa las cuatro, firmas en noventa segundos. Si falla una, la revisión deja de ser de noventa segundos, y eso es lo que tiene que pasar.

Lo que circula: notas «exhaustivas y fiables»

La página en español de NovoPsych, que vende un asistente de notas con IA, lo plantea así (consultada el 8 de octubre de 2026): «La toma de notas manual suele dar lugar a registros incompletos o inexactos debido a errores humanos, como la omisión de información o interpretaciones erróneas». Y sobre las herramientas de IA: «Estas herramientas también pueden identificar y corregir errores comunes, lo que garantiza que las notas sean exhaustivas y fiables». Si las notas vienen garantizadas, la revisión queda como un trámite final sobre un texto que ya llega bien.

Ningún estudio que hayamos localizado sostiene ese «garantiza». El más cercano a tu trabajo es TN-Eval (ACL 2025). Nueve terapeutas con licencia evaluaron a ciegas notas SOAP de 50 conversaciones en inglés, transcritas de videos de demostración de entrevista motivacional; unas las escribieron terapeutas y otras dos modelos de lenguaje. En una escala de impresión de 1 a 5, juzgaron más fieles a la conversación las notas de los modelos (4.68 y 4.90) que las humanas (4.43). Cuando revisaron oración por oración contra la transcripción, el orden se invirtió: 87.0 de fidelidad para las notas de terapeutas, 68.5 y 71.8 para las de los modelos. Los autores lo explican así: la escritura fluida de los modelos «likely biases human annotators, thus conflating fluency with accuracy»; probablemente sesga a quien evalúa, que confunde fluidez con exactitud (traducción propia).

Un matiz que el mismo estudio obliga a decir: las notas de los modelos cubrieron más elementos de la rúbrica que las de los terapeutas, que escribían más breve. El problema no es que la IA lo olvide todo; es que lo que escribe se lee como verdadero aunque no lo sea, y una revisión por impresión premia justo eso.

Por qué leer de corrido no funciona

La fluidez. Es el hallazgo de TN-Eval, y no es aislado: en el escriba comercial que revisamos en qué puede y qué no puede hacer la IA en psicoterapia, los revisores ciegos prefirieron las notas de la IA aunque traían más alucinaciones.

El anclaje. En un estudio de simulación publicado en The Lancet Digital Health (Chen y colegas, 2024), seis radiooncólogos respondieron mensajes simulados de pacientes, primero por su cuenta y después editando borradores de GPT-4. Sus respuestas editadas se parecieron más a los borradores que a lo que ellos mismos habían escrito sin ayuda. Los autores concluyen que quizá no usaron el modelo para formular mejor su propia evaluación, sino que «adopt the assessment by the LLM»: adoptaron la del modelo.

La prisa. La revisión sistemática de Goddard, Roudsari y Wyatt (2012, 74 artículos incluidos, con foco en la atención a la salud y todos anteriores a los modelos de lenguaje) identificó la carga de trabajo, la complejidad de la tarea y la presión de tiempo como mediadores del sesgo de automatización, la tendencia a confiar de más en la máquina; entre lo que lo mitiga, enfatizar la responsabilidad de quien la usa.

Los noventa segundos no son una cifra medida: ningún estudio que encontramos mide cuánto tarda una revisión bien hecha. Son un presupuesto, y uno peligroso si se gasta leyendo, porque la prisa alimenta el sesgo. Solo funciona si cada segundo va a una pregunta que el texto no puede contestar por sí mismo.

Antes de abrirlo: diez segundos sin mirar el borrador

Di, o anota en una línea, qué fue lo importante de la sesión: el dato nuevo, el momento que cambió algo, lo que quedó pendiente. Si tienes registro de sesión, ese es tu insumo; si no, tu memoria del mismo día. Hazlo antes de leer, no después. Ningún estudio que encontramos prueba que este paso baste contra el anclaje: en el de Chen, los médicos ya habían respondido cada mensaje por su cuenta y, al editar el borrador, aun así quedaron más cerca de él que de su propia respuesta. Por eso la línea no se queda en la cabeza: es la vara con la que mides el texto, punto por punto.

Y es lo que te protege del error más frecuente, que no es el que se ve. En el estudio de Asgari y colegas (npj Digital Medicine, 2025), clínicos anotaron 12,999 oraciones de 450 notas generadas con GPT-4 a partir de consultas simuladas de atención primaria. Hubo 191 oraciones alucinadas y 1,712 oraciones de la consulta que la nota dejó fuera. Contando solo los errores mayores, los que podrían afectar el diagnóstico o el manejo si nadie los corrige, fueron 286 omisiones contra 84 alucinaciones. En la prueba de concepto de la Charité de Berlín, con seis entrevistas psiquiátricas simuladas, los reportes de IA tuvieron en promedio 33.5 falsos negativos, datos presentes en la entrevista y ausentes del reporte, contra 6.3 de los reportes humanos; los falsos positivos (13.2 contra 7.0) no difirieron de forma significativa con solo seis entrevistas. Una omisión no deja rastro en la página. Solo la encuentras si sabías qué buscar antes de leer.

Tres advertencias de lectura. Ningún número sale de sesiones reales de psicoterapia ni de material en español. Los autores de Asgari trabajan en Tortus AI, y el fabricante del software que probó la Charité financió el estudio. Y las muestras son pequeñas o simuladas. Sirven para saber dónde mirar, no para calcular cuántos errores trae tu borrador.

1. ¿Hay una observación que solo pudo salir de esta sesión?

La prueba de sustitución: tapa el nombre y pregúntate si la nota sería verdadera para otro de tus pacientes de esta semana. Un borrador típico (ficticio):

«S: Refiere sentirse mejor en general, aunque persisten algunas preocupaciones relacionadas con su entorno laboral. O: Se presenta puntual, aliñada, orientada en las tres esferas; afecto eutímico, discurso coherente. A: Muestra avances en el manejo de la ansiedad y una mayor conciencia de sus patrones de pensamiento. Niega ideación suicida. P: Continuar con el proceso terapéutico, reforzar estrategias de afrontamiento y dar seguimiento a los objetivos a corto y largo plazo.»

Ninguna frase falla la ortografía y ninguna sobrevive a la sustitución. Es la versión con IA de la nota clonada: no copia la nota anterior, pero produce la de cualquier sesión. La Charité describió el mecanismo: el modelo condensó detalles en enunciados amplios («Often feels lonely», se siente sola a menudo) y perdió los calificadores de tiempo, compresiones plausibles que dejaron «superficially adequate summaries», resúmenes superficialmente adecuados.

La NOM-004 separa esas dos cosas en numerales distintos. El 5.11 pide que las notas se expresen «en lenguaje técnico-médico, sin abreviaturas, con letra legible, sin enmendaduras ni tachaduras»: un modelo lo cumple sin esfuerzo. El 6.2 pide que la nota de evolución describa la «Evolución y actualización del cuadro clínico» (6.2.1), y el 5.16 dispone que, en la atención psicológica ambulatoria independiente, las notas de evolución se ajusten «a la naturaleza de los servicios prestados». Una nota fluida satisface la forma del 5.11 y deja vacío el 6.2.1.

Lo que pasa la prueba es un solo dato que no podría estar en otra nota: un puntaje con su comparativo («GAD-7: 11; hace dos semanas, 15»), una frase textual entre comillas, una conducta con su momento. Si el borrador no trae ninguno, revisa tu registro. Si ahí estaba, el modelo lo omitió y lo restituyes. Si tampoco estaba, el problema empezó antes del borrador.

2. ¿Tu hipótesis está marcada como hipótesis?

En el Análisis, un borrador puede escribir en indicativo lo que tú solo sospechabas: «la ansiedad se origina en el conflicto con su jefe». Asgari y colegas clasificaron el 10% de las alucinaciones como causales, relaciones que la consulta no estableció, y encontraron las alucinaciones mayores con más frecuencia en el Plan y, en segundo lugar, en la sección de evaluación. Súmale el anclaje y el riesgo es concreto: firmar como tuya una formulación que no hiciste.

La revisión tiene dos movimientos. Primero, cada oración interpretativa tiene que poder atribuírsete y llevar su marca: «hipótesis de trabajo», «impresiona», «a explorar». Lo que reporta el paciente lleva la suya: «refiere». Es la frontera entre S y A de la guía de notas SOAP. Segundo, si la hipótesis del borrador no es tuya, bórrala. No la suavices con un «posiblemente»: una hipótesis que nunca tuviste, matizada, sigue sin ser tuya.

3. ¿Se afirma algo que el paciente no dijo?

Las frases más peligrosas son las negativas. En el estudio de Asgari, el 30% de las alucinaciones fueron negaciones, y los autores las califican como las más preocupantes: aparecieron sobre todo en el plan y «contradicted what was said during the consultation», contradecían lo dicho en la consulta. En una nota de psicoterapia el caso canónico es «niega ideación suicida». Si el paciente habló de ideas de muerte, esa frase contradice la sesión, que es la negación que midió Asgari; si no preguntaste, documenta una evaluación que no ocurrió. En los dos casos es la primera que se leería si algo saliera mal. Bórrala. Y si en la sesión hubo una señal de riesgo, esa nota no se revisa en noventa segundos: se escribe con el cuidado de documentar la evaluación del riesgo suicida.

Después, las observaciones que nadie hizo. Un modelo que trabaja con audio o con tu texto no tiene ojos. En TN-Eval, la sección Objetiva de las notas de los modelos obtuvo 49.0 y 60.4 de fidelidad, contra 85.1 en las de terapeutas. «Aliñada, orientada en las tres esferas, afecto eutímico»: si tu registro no lo dice, está inventado.

Por último, la atribución. Lo que el paciente cuenta de terceros sigue siendo su relato: «refiere que su pareja la humilla», no «su pareja la humilla». Si el borrador quitó el verbo de reporte, devuélvelo.

4. ¿El plan alcanza para actuar la semana que entra?

El Plan es donde los modelos más inventan. En Asgari, las alucinaciones mayores aparecieron con más frecuencia en esa sección, y las fabricaciones, el tipo más común, se concentraron ahí. En TN-Eval, la fidelidad del Plan fue de 46.6 y 43.8 en los dos modelos, contra 78.2 en las notas de terapeutas, y los planes del conjunto de modelos que probó el estudio promediaron 78.5 palabras, contra 29 en los de terapeutas: traían objetivos a corto y largo plazo donde los terapeutas solían escribir una sola oración con la siguiente cita. Si la sesión no cerró con un plan explícito, el campo de la plantilla no se queda vacío: el borrador puede traer uno verosímil.

La prueba: ¿qué vas a hacer distinto en la próxima sesión, y qué le pediste al paciente? «Continuar con el proceso terapéutico y reforzar estrategias de afrontamiento» no contesta ninguna de las dos. El 6.2.6 de la NOM-004 pide «Tratamiento e indicaciones médicas», que el 5.16 ajusta a tu servicio, y un plan que pasa se ve así: «dos llamadas pendientes antes del viernes; retomar la conversación con su jefe la próxima sesión; repetir el GAD-7 en dos semanas». Si no coincide con lo que acordaron, gana lo acordado. Y si varias notas seguidas fallan aquí, el hueco está en el plan de tratamiento que debería sostenerlas.

Cuando la revisión no cabe en noventa segundos

Fallar cualquiera de las cuatro preguntas cambia la tarea: ya no revisas, reescribes esa sección desde tu registro en lugar de parchar la frase.

Hay sesiones que nunca entran al presupuesto: las que tocaron riesgo, la primera, una crisis y cualquier nota que vaya a salir hacia un juzgado, una escuela o una aseguradora. Esas las escribes tú.

Si la misma pregunta falla nota tras nota, el problema es de insumo o de herramienta. La guía ética de la APA de 2025, que aclara no representar política oficial de la asociación, pide evaluar críticamente el contenido generado por IA «both at the start of use and in ongoing applications»: al empezar a usarla y durante todo su uso.

La firma cierra el circuito. El numeral 5.10 de la NOM-004 exige en toda nota el «nombre completo de quien la elabora, así como la firma autógrafa, electrónica o digital», y la misma guía de la APA lo dice en clave ética: «Psychologists remain responsible for final decisions and must not blindly rely on AI-generated recommendations». En gesell.ai el borrador no se firma solo: firmar exige tu cédula profesional, bloquea la nota y toda corrección posterior queda como adenda.

La tarjeta: cuatro preguntas y lo que atrapa cada una

Pregunta Lo que atrapa Dónde se midió Si falla
0. ¿Qué fue lo importante? (antes de leer) Omisiones Asgari: 286 omisiones mayores, 84 alucinaciones mayores Si falta en el borrador, la escribes tú
1. ¿Hay una observación de esta sesión? La nota genérica Charité: «superficially adequate summaries» Restituye el dato desde tu registro
2. ¿Tu hipótesis está marcada? La conclusión ajena Chen: «adopt the assessment by the LLM» Marca la tuya y borra la que no es tuya
3. ¿Algo que el paciente no dijo? Negaciones, observaciones sin ojos Asgari: 30% negaciones; TN-Eval, Objetivo: 49.0 y 60.4 Bórralo; si hubo riesgo, escribes tú
4. ¿El plan sirve la semana que entra? El plan inventado TN-Eval, Plan: 46.6 y 43.8 contra 78.2 Reemplázalo por lo que acordaron

Referencias

Comparte este artículo

¿Listo para dedicar menos tiempo a documentar?

gesell.ai transforma tus notas de sesión en documentación clínica profesional — SOAP, DAP, BIRP o GIRP — y genera planes de tratamiento con objetivos SMART.

Prueba gesell.ai

¿Tienes una duda sobre tu consulta?

Cómo documentar un caso, qué formato te conviene o cómo encaja Gesell en tu práctica: escríbenos y te respondemos.

Escríbenos

Sobre el autor

Equipo Gesell

Contenido clínico y de producto escrito por el equipo de gesell.ai junto a psicólogos clínicos certificados.

← Volver al blog