Quién filtra lo que produce la IA: dos expertos piden que la salud pública asuma la verificación como tarea propia

Por Bioengineer.org · 25 de octubre de 2026.

Los expertos en salud global Kent Buse y Sarah Hawkes, de Monash University Malaysia, sostienen que las instituciones de salud pública deben asumir como responsabilidad central la evaluación del contenido generado por inteligencia artificial. Lo plantean en un comentario revisado por pares, «Who sifts? Knowledge as a public good in the age of AI», publicado el 21 de octubre de 2026 en PLOS Global Public Health.

Conviene dimensionar lo que es. Según la propia fuente, se trata de un comentario o editorial, no de un estudio experimental ni clínico. No presenta una herramienta de cribado, un conjunto de datos ni una comparación del desempeño de las instituciones. Tampoco conocemos, por el material disponible, sus ejemplos de apoyo, sus métodos ni sus limitaciones. Es un argumento de política, no una medición de cuánta desinformación sanitaria circula ni de qué remedio funciona.

La idea central es el título: el conocimiento como bien público. Si lo es, alguien debe encargarse de separar lo fiable de lo que no lo es, y los autores señalan a las instituciones de salud pública como ese «alguien».

Nuestra lectura: el planteamiento es sensato en la pregunta, pero queda abierto en la respuesta. La IA ha abaratado hasta casi cero el coste de producir texto sanitario plausible, mientras que verificarlo sigue siendo caro y lento. Esa asimetría es el problema de fondo, y a corto plazo es un riesgo real: consejos médicos erróneos con aspecto de autoridad que llegan a pacientes y profesionales.

La parte difícil es la ejecución. Decir que las instituciones «deben» filtrar no dice con qué recursos, con qué legitimidad ni con qué rapidez frente al volumen de contenido. Una agencia pública que revise a mano no puede competir con un generador automático. Lo razonable es que la verificación también se apoye en IA, con supervisión humana y trazabilidad de fuentes. Eso exige presupuesto y confianza ciudadana, dos cosas escasas.

Hay además un riesgo de diseño: convertir a las instituciones en árbitro único de la verdad puede generar desconfianza si se equivocan o se perciben como parciales. La credibilidad se gana con transparencia sobre cómo se evalúa, no con autoridad declarada.

A largo plazo, el horizonte es optimista. Una IA que ayude a diagnosticar, descubrir fármacos y acercarnos a erradicar enfermedades solo cumplirá esa promesa si la sociedad puede fiarse de lo que dice. Construir ahora la infraestructura de verificación es la condición previa para aprovechar esa abundancia de conocimiento sanitario. El comentario de Buse y Hawkes no resuelve el cómo, pero acierta al poner el foco en quién responde.