Desde 2018, la Seguridad Social española utiliza un sistema de inteligencia artificial que revisa diariamente miles de bajas laborales para determinar cuáles deben ser inspeccionadas con prioridad. Este algoritmo, lejos de sustituir el criterio médico, funciona como un gestor administrativo que ordena las citas según una probabilidad estadística. Sin embargo, una revelación llamativa surge de su funcionamiento: la variable territorial tiene un peso tres veces superior al diagnóstico clínico concreto.
El objetivo oficial de esta herramienta tecnológica es optimizar los recursos de las Unidades Médicas Provinciales, identificando aquellos expedientes de Incapacidad Temporal con mayor probabilidad de resultar en un alta médica tras la revisión. Pero esta lógica estadística plantea interrogantes sobre equidad y posibles sesgos geográficos en la gestión de las bajas laborales.
El nacimiento de un sistema automatizado
La implementación de este algoritmo respondió a la necesidad de gestionar eficientemente el volumen creciente de procesos de baja laboral en España. Con miles de casos pendientes de revisión, la administración buscó una forma de asignar recursos limitados de inspección médica donde supuestamente tuvieran mayor impacto.
El sistema se integra en la infraestructura digital de la Seguridad Social, conectando bases de datos que hasta entonces operaban de forma más aislada. La premisa era simple: si se podía predecir estadísticamente qué casos tenían más opciones de resolverse con un alta, se priorizarían esos expedientes. Pero la realidad de su funcionamiento revela una jerarquía de variables que puede sorprender a muchos trabajadores.
El proceso paso a paso: de la consulta a la revisión
El recorrido de una baja laboral desde que el médico de cabecera la expide hasta que puede ser revisada por un inspector sigue un protocolo digital preciso:
1. La emisión inicial del parte
Cuando un trabajador como Marta, nuestro caso hipotético, acude a su médico de atención primaria y recibe un parte de baja, ese documento no queda solo en su historial clínico. Se transmite instantáneamente a los sistemas del Instituto Nacional de la Seguridad Social (INSS), donde se almacena en una base de datos específica denominada INCA (Incapacidad Temporal y Control de Accidentes).
2. La convergencia de datos
En la base de datos INCA ocurre un cruce de información fundamental. Los datos clínicos del paciente —diagnóstico, duración estimada, historial— se combinan con datos laborales y contributivos procedentes de los registros de la Seguridad Social. Esto incluye el sector económico de la empresa, la antigüedad del trabajador, su base de cotización y, crucialmente, su provincia de residencia.
3. El análisis algorítmico diario
Cada día, el algoritmo de inteligencia artificial procesa todos los expedientes de Incapacidad Temporal que aguardan una primera cita de inspección. No se trata de un análisis médico, sino de un cálculo probabilístico basado en patrones históricos y variables múltiples.
4. La puntuación estadística
El resultado de este análisis es una puntuación numérica que no refleja la gravedad del cuadro clínico ni el dolor del paciente. En su lugar, cuantifica la probabilidad estadística de que ese expediente concreto reciba el alta médica si es revisado en ese momento preciso. Factores como la edad, el tipo de contrato, el historial de bajas previas y la provincia configuran esta puntuación.
5. La citación automatizada
La puntuación generada se transfiere automáticamente a ATRIUM, el programa informático que gestiona las agendas de las Unidades Médicas Provinciales. Los expedientes con puntuaciones más elevadas saltan a la cabeza de la lista, lo que significa que el trabajador recibirá una convocatoria para revisión médica en un plazo mucho más corto.
6. La revisión sin contexto algorítmico
Cuando finalmente llega el día de la cita, el médico inspector que atiende al trabajador desconoce completamente la puntuación que el sistema le asignó. No sabe qué variables pesaron más en su caso ni por qué el algoritmo decidió priorizarlo. Su evaluación es puramente clínica, independiente de la predicción computacional. Si considera que el alta es pertinente, la concederá; si no, mantendrá la baja.
El peso desproporcionado del territorio
La revelación más controvertida de este sistema es la jerarquía de variables. Según documentos técnicos, la provincia de residencia del trabajador influye tres veces más que el diagnóstico médico específico en la puntuación final. Este dato sugiere que el algoritmo ha identificado patrones territoriales en la resolución de bajas, posiblemente reflejando diferencias en la gestión médica, culturales o incluso en la interpretación de la normativa entre provincias.
Esta ponderación puede generar efectos perversos. Un trabajador con una patología grave en una provincia con baja tasa de altas en revisiones podría verse citado con menos urgencia que otro con una dolencia leve en una provincia donde las revisiones históricamente terminan en alta médica. La lógica estadística, en este caso, choca con la percepción de justicia individual.
Implicaciones para los trabajadores
Para el ciudadano medio, este sistema opera en total opacidad. Desconoce que su expediente está siendo puntuado, qué variables le perjudican o favorecen, y cómo se calcula su probabilidad de alta. La falta de transparencia es completa: no existe un mecanismo para consultar la puntuación ni para cuestionar los criterios algorítmicos antes de la cita.
Además, la automatización introduce un sesgo de confirmación. Si el algoritmo predice que un caso tiene alta probabilidad de alta, es revisado antes. Si efectivamente recibe el alta, el sistema refuerza su propia predicción. Pero no hay un seguimiento sistemático de los casos donde la predicción era errónea y el médico inspector mantenía la baja.
El desconocimiento del inspector médico
Un aspecto éticamente relevante es que el médico inspector actúa sin conocer la predicción del algoritmo. Esto garantiza que su juicio sea independiente, pero también crea una disociación completa entre la razón de la priorización y la evaluación clínica.
El profesional no sabe si ha sido llamado porque su paciente tiene una puntuación alta por su provincia, su sector laboral o su historial. Esta separación entre la lógica administrativa y la clínica protege la autonomía del médico, pero deja sin respuesta al trabajador sobre por qué fue seleccionado para una revisión urgente.
Balance entre eficiencia y equidad
El debate central gira en torno a si la optimización de recursos justifica la introducción de criterios que pueden parecer arbitrarios desde la perspectiva individual. Mientras la administración defiende que el sistema permite detectar potenciales fraudes y agilizar procesos, los críticos señalan que territorializa la gestión de la salud laboral.
La inteligencia artificial en la gestión pública no es intrínsecamente negativa, pero su implementación requiere transparencia, auditoría de sesgos y mecanismos de recurso. Los trabajadores tienen derecho a saber que son evaluados no solo por su médico, sino también por un algoritmo que decide cuán pronto serán revisados.
En definitiva, este sistema representa una nueva frontera en la digitalización de la administración pública, donde la eficiencia algorítmica choca con principios de equidad territorial y derechos individuales. La provincia de residencia no debería ser el factor determinante en la gestión de una baja laboral, pero hasta que no se revisen estos criterios, la IA seguirá priorizando inspecciones según coordenadas geográficas antes que según diagnósticos clínicos.