Marcos éticos para IA en salud: qué aprendí en EAFIT

Por qué esto importa

Trabajar en IA aplicada a salud significa moverse entre dos mundos: la velocidad del producto y la responsabilidad clínica. En EAFIT construimos un marco que empezó como una lista de principios y terminó siendo un checklist operativo que un equipo podía auditar sin tener que consultar al comité de ética cada semana.

Los tres bloques del marco

1. Mapa de riesgo por caso de uso. No todos los modelos son iguales: un clasificador de triage tiene un umbral de riesgo distinto a un recomendador de contenido educativo.
2. Estándares FDA como piso, no como techo. Nos apoyamos en la guía SaMD para trazabilidad, control de cambios y evidencia clínica.
3. Revisión humana calibrada. El humano no revisa "todo": revisa lo que el modelo marca como incierto o de alto impacto.

Lo que aprendimos

• Los frameworks no sirven si no bajan a procedimientos.
• La documentación es UX: si nadie la lee, no existe.
• La gobernanza acelera al equipo cuando reduce la carga de decisión diaria.