La respuesta corta
Contrate a alguien que ya tenga IA corriendo en producción dentro de un P&L regulado. Un currículum de construcción de modelos es el filtro equivocado. Solo cerca del 5% de las organizaciones lleva la IA generativa a producción con un impacto medible en el P&L (MIT NANDA, The GenAI Divide, 2025), y la brecha está en la integración y las operaciones, no en los modelos. Un buen CAIO fraccional para una empresa de servicios de salud se hace cargo de esa brecha: casos de uso atados al plan de creación de valor, una gobernanza que resiste una revisión HIPAA y flujos de trabajo en producción con pista de auditoría.
La descripción de puesto que escriben casi todas las búsquedas (y por qué falla)
Lea diez ofertas de CAIO fraccional para plataformas de salud respaldadas por private equity y verá el mismo perfil: quince años de liderazgo tecnológico, un doctorado en machine learning, experiencia práctica en deep learning, visión por computadora y MLOps.
Ese es el perfil de alguien que construye modelos. Pocas empresas de servicios de salud necesitan modelos nuevos. Lo que necesitan es conectar los modelos que ya existen (y que hoy son un commodity) a la admisión de pacientes, la agenda de citas, el ciclo de ingresos y la comunicación con el paciente, con un humano en el circuito (human-in-the-loop) donde una respuesta equivocada tenga consecuencias clínicas o regulatorias.
Los pilotos que mueren, mueren lejos del laboratorio, en el traspaso a operaciones: nadie es dueño del flujo de trabajo, nadie es dueño del número y el equipo de cumplimiento lo ve por primera vez una semana antes del lanzamiento.
El perfil que mueve el número
Indispensable:
- IA corriendo en producción (más allá del piloto) dentro de un negocio regulado, con usuarios reales y volumen real.
- Un número de ingresos o costos del que haya sido responsable personalmente, y la capacidad de decir qué movió su último despliegue de IA.
- Una gobernanza que funcione en la práctica: puntos de confirmación, escalamiento a una persona y una pista de auditoría que un regulador o un directorio puedan leer.
- Dominio de las operaciones de salud (admisión de pacientes, capacidad de los prestadores, el recorrido del paciente), para que la IA aterrice donde ocurre el trabajo.
Puede venir de un socio: ML profundo y construcción de modelos. Si la hoja de ruta necesita modelos a medida, el CAIO contrata o subcontrata a ese líder técnico y lo dirige. Al revés, casi nunca funciona.
Los primeros 90 días
- Días 1-30: inventariar cada caso de uso de IA (en producción, en piloto, imaginado) y calificar cada uno frente al plan de creación de valor. La mayoría de los portafolios tiene tres que importan y doce que no.
- Días 31-60: llevar dos o tres flujos de trabajo a producción con un humano en el circuito y una pista de auditoría que solo admite nuevas entradas. Medir contra una línea base definida antes del lanzamiento.
- Días 61-90: poner en marcha un comité de gobernanza que de verdad se reúna, con una política escrita sobre lo que la IA puede decidir, lo que solo puede sugerir y lo que nunca toca.
La pregunta que filtra rápido
"¿Qué KPI movió su último despliegue de IA, y cuánto?"
Si la respuesta es un puntaje de exactitud del modelo, está hablando con un constructor. Si la respuesta es conversión, costo por caso, tiempo hasta la cita o ingresos recuperados, está hablando con un operador. Las empresas de servicios de salud necesitan al operador en la silla del CAIO.
Dónde encajo yo
Soy el operador que lleva la IA a producción y la ata a los números. En HelixVM (telemedicina directa al consumidor, DTC) construí el motor operativo detrás de más de 100K atenciones a pacientes en ~18 meses, donde la admisión con IA y un humano en el circuito elevó la conversión 40% y redujo el tiempo de cita 50%, con un humano todavía en el circuito (el caso HelixVM). En Fenix Pharma puse en producción un agente de ventas con IA: 13 días de la idea a producción (Claude y nuestro ERP sobre WhatsApp), con puntos de confirmación, escalamiento a una persona y una pista de auditoría que solo admite nuevas entradas; recuperó ~45% de los leads interesados en un canal en vivo (el caso del agente de IA). He sido responsable del P&L en el que operan esos sistemas.
Mi regla para la IA en salud es simple: prepara y sugiere, una persona decide y cada paso deja una pista de auditoría.
¿Está evaluando un ejecutivo fraccional frente a una contratación a tiempo completo? Aquí están los números.