Minnesota se planta ante Trump: exige ver el algoritmo antes de aceptar el recorte de 2.000 millones en Medicaid

Por StateScoop · 8 de octubre de 2026.

El Departamento de Servicios Humanos de Minnesota se prepara para un golpe financiero serio: los Centros de Servicios de Medicare y Medicaid (CMS, la agencia federal que supervisa estos programas de salud pública) han amenazado con retener 2.000 millones de dólares anuales en fondos de Medicaid al estado por presunto fraude, y ya han congelado 550 millones en los últimos trimestres, incluidos 259 millones bloqueados en febrero de 2026 cuando la Administración Trump anunció la ofensiva. El comisionado interino de Medicaid, John Connolly, envió la semana pasada una carta —revisada por StateScoop— al administrador de CMS, Mehmet Oz, reclamando algo muy concreto: que el Gobierno federal muestre su trabajo.

Según la propia carta, CMS ha identificado 870 proveedores de Minnesota como sospechosos de fraude o de prácticas de facturación anómalas usando "machine learning e inteligencia artificial capaces de analizar reclamaciones de Medicaid". El problema, dice Minnesota, es que no sabe con qué criterio: pide que CMS detalle la metodología, los criterios que convierten a un proveedor en "de alto riesgo" y la tecnología concreta empleada, porque sin esa evidencia no puede decidir si debe suspender pagos o abrir una investigación propia. Connolly subraya que el estado está dispuesto a detener pagos cuando la evidencia lo respalda —algo que dice hacer rutinariamente—, pero sigue sin respuesta de la agencia sobre el camino hacia una resolución, pese a haber cumplido ya su plan de acción correctivo.

El trasfondo no es ficticio: existe fraude real y ya judicializado. La operación del Departamento de Justicia conocida como Minnesota Health Care Fraud Takedown terminó en febrero con cargos criminales contra 15 personas, entre ellas propietarios de guarderías y proveedores de Medicaid, y la semana pasada dos hombres se declararon culpables de desviar más de 500.000 dólares del programa estatal de Servicios de Estabilización de Vivienda mediante reclamaciones falsas. En respuesta, el gobernador Tim Walz firmó en junio una ley bipartidista que crea un consejo de gobernanza para modernizar los sistemas de servicios humanos, financia actualizaciones tecnológicas y abre subvenciones para que los condados mejoren sus propios sistemas. En marzo, Trump había creado además un grupo de trabajo federal contra el fraude centrado en el conjunto del sistema de prestaciones —vivienda, alimentación, sanidad, ayudas en efectivo—, del que este caso de Medicaid es solo una pieza.

Lo que separa este episodio de un simple tira y afloja presupuestario es la naturaleza de la prueba. CMS no está mostrando sentencias ni expedientes de un tribunal: está mostrando el resultado de un sistema analítico algorítmico y pidiendo que el estado actúe sobre esa base, sin abrir el modelo. Es el mismo patrón que venimos señalando en otros terrenos de la IA aplicada a lo público: el foro donde se hace una afirmación determina su fiabilidad. Un comunicado que presume de "miles de millones en fraude detectado" no está sujeto al mismo escrutinio que una metodología que tendría que sobrevivir a una auditoría o a un tribunal. Minnesota pide, con razón, que la segunda exista antes de aceptar la primera. Los propios funcionarios estatales lo dicen sin rodeos: CMS "difumina la línea entre el fraude criminal real y las acciones administrativas", y esperan que vuelva a hacerlo en su próximo anuncio sobre el programa.

Esto importa más allá de Minnesota. El caso es un ensayo general de cómo la IA va a mediar, cada vez más, en decisiones que mueven miles de millones de dólares públicos y afectan a la cobertura sanitaria de millones de personas. Si el patrón se repite sin exigir transparencia —el algoritmo señala, el dinero se congela, el proveedor o el estado tienen que demostrar su inocencia sin ver la prueba—, se invierte la carga de la responsabilidad antes de que exista ningún marco de supervisión real. El riesgo no es abstracto: un informe del Center on Budget and Policy Priorities, centro de estudios con sede en Washington, advierte de que los nuevos requisitos de trabajo para Medicaid previstos en la ley de reconciliación presupuestaria del año pasado podrían hacer que millones de beneficiarios pierdan la cobertura no por incumplir las normas, sino por no poder navegar sistemas administrativos obsoletos o sobrecargados. Cuando la infraestructura de base es frágil, automatizar la detección de "irregularidades" sobre ella multiplica los falsos positivos, no solo los aciertos.

A corto plazo, esto va a ser un bache incómodo: estados litigando con Washington por acceso a los modelos que deciden sobre su dinero, proveedores legítimos atrapados en listas de "alto riesgo" generadas por sistemas que nadie fuera de la agencia puede auditar, y pacientes de Medicaid como víctimas colaterales de una disputa técnica. Pero la propia respuesta de Minnesota —ley de modernización, consejo de gobernanza, inversión en sistemas propios— apunta hacia donde esto tiene que ir: no hacia menos IA en la administración pública, sino hacia una IA obligada por ley a explicar sus criterios. Esa es la versión de la abundancia que nos interesa defender aquí: sistemas públicos que usan IA para gestionar mejor recursos limitados, liberando dinero real para sanidad en lugar de para litigios, pero solo si la auditabilidad se construye a la par que la capacidad algorítmica, no años después de que el daño ya esté hecho.