Fraude sanitario de 3,2 M$ en Minnesota: la IA también fabrica el papeleo que justifica el cobro

Por NewsNation · 31 de octubre de 2026.

La Fiscalía Federal del Distrito de Minnesota ha imputado a Jama Yusuf Mohamod, propietario de American Home HealthCare, por un presunto fraude sanitario de 3,2 millones de dólares. Según el Departamento de Justicia, habría facturado servicios que los pacientes nunca recibieron al Integrated Community Supports Program (ICS), el programa estatal de apoyo comunitario.

La acusación sostiene que reclamó visitas de cuidadores a domicilio en días en que, según los registros, los pacientes estaban de viaje o fuera de la ciudad. Los fiscales añaden que usó IA para crear notas de pacientes falsas con las que justificar esos cobros. Es la parte del caso que nos interesa. Conviene recordar que se trata de acusaciones: el imputado goza de presunción de inocencia y no consta aún sentencia.

La fuente no detalla qué herramienta se utilizó. El texto habla de «Super Intelligence», un término que no identifica ningún producto concreto, así que no podemos precisar el sistema ni cómo se empleó.

El contexto local es duro. NewsNation recoge el testimonio de Cain Pence, un hombre de 50 años que sufrió un ictus y estaba inscrito en el mismo programa, que debía darle siete horas diarias de asistencia. Según su relato, estuvo 11 meses prácticamente sin servicio mientras se facturaban 276 dólares al día, unos 100.000 dólares al año. Afirma que sus denuncias ante el auditor y la fiscalía general recibieron respuestas tipo «sin más acción» y que los pagos a sus proveedores se cortaron al día siguiente de testificar ante un comité legislativo en septiembre de 2025. Son afirmaciones suyas, no hechos establecidos en este caso concreto, ni vinculados a Mohamod en la información disponible.

**Nuestra lectura.** Este caso ilustra una tesis que defendemos desde hace tiempo: el riesgo más tangible de la IA es de corto plazo y se parece más a un fraude automatizado que a una superinteligencia lejana. Un sistema de pagos que depende de documentación para validar un servicio es vulnerable cuando producir esa documentación cuesta casi nada. Las notas clínicas redactadas a mano eran, sin quererlo, una fricción antifraude. Con modelos generativos, esa fricción desaparece.

Gana quien defrauda a escala y pierde el contribuyente, pero sobre todo el paciente vulnerable, que es quien debería recibir el cuidado y no lo recibe. Y esto confirma lo que ya vimos en banca y agentes: el valor se desplaza hacia la capa de verificación. Si el papel ya no prueba nada, la prueba tiene que venir de otro sitio: geolocalización de visitas, cruces con datos independientes, auditorías muestrales y trazabilidad de quién escribe qué.

También conviene no sobreinterpretar. Según la fuente, la acusación se apoya en registros que contradecían las facturas, es decir, en datos cruzados; la fuente no explica cómo se detectó el esquema ni menciona la detección de texto sintético. El fraude de facturación existía mucho antes de la IA. Lo que ella cambia es el coste de la falsificación, no la naturaleza del delito.

A largo plazo, la misma tecnología puede ser la mejor defensa: modelos que auditen millones de reclamaciones y detecten patrones imposibles de ver para un inspector humano. Esa es la parte luminosa y realista del horizonte. Pero hay una transición incómoda en medio, y exige que las administraciones modernicen sus controles antes de que el próximo operador aprenda a escribir un buen prompt.