Cuando el paciente trae una respuesta de ChatGPT

Cada vez pasa más: alguien llega al mostrador con el móvil en la mano, o con una captura de pantalla impresa, diciendo «se lo he preguntado a la IA y me ha dicho que...». Es la lección que cierra el círculo de todo lo que has visto en este nivel —alucinaciones, sesgos, sobreconfianza—, pero vista desde el otro lado: ya no eres tú quien usa la herramienta, eres quien tiene que responder a alguien que la ha usado sin el criterio que tú ya tienes.

Lo esencial en una frase. No se trata de decirle que está equivocado ni de darle la razón por evitar el conflicto: se trata de separar lo que la respuesta acierta de lo que no, en voz alta y con el paciente delante, porque eso es lo único que construye confianza real en vez de desgastarla.

Por qué esta situación es distinta a cualquier otra consulta de mostrador

Cuando alguien te pregunta algo directamente, tú controlas el punto de partida. Cuando alguien te trae una respuesta ya escrita, el punto de partida es suyo, y descartarla sin más —«eso no vale nada», «no le hagas caso a eso»— suele producir el efecto contrario al que buscas: la persona no deja de confiar en la IA, deja de confiar en ti, porque siente que la estás corrigiendo sin explicarle por qué.

Reacción habitual	Por qué no funciona
«Eso que has leído no vale nada, la IA no sabe de esto».	Es una generalización que ni siquiera es cierta —la lección de alucinaciones ya vio que una IA acierta la mayoría de las veces—, y suena defensivo. El paciente lo nota, y a partir de ahí escucha menos, no más.
Darle la razón para no discutir, aunque la respuesta esté mal.	Es la opción más cómoda a corto plazo y la más peligrosa a medio: si la respuesta tenía un error clínicamente relevante, callarlo por evitar el roce es dejar pasar justo lo que tu criterio profesional está para detectar.
Explicar todo el funcionamiento técnico de por qué se equivoca.	Es información real pero no es lo que el paciente necesita en ese momento: quiere saber qué hacer con su medicación, no una clase sobre cómo funciona un modelo de lenguaje.

Lo que sí funciona: separar y explicar el porqué, no el cómo. «Esta parte está bien —y de hecho es lo que también te diría yo—, y esta otra parte no encaja con tu caso concreto porque…» es una frase que valida el impulso de informarse sin dar por buena la parte que está mal, y deja al paciente con un criterio mejor para la próxima vez que le pregunte algo a una IA, no sólo con una respuesta corregida para hoy.

Cuatro frases que funcionan, y por qué

No hace falta improvisar cada vez: hay una estructura que se repite en las respuestas que funcionan bien, y merece la pena tenerla pensada de antemano para no tener que construirla desde cero en cada mostrador con el paciente esperando.

«Está bien que lo hayas mirado antes de venir.» Es la frase de apertura que más cambia el tono de todo lo que viene después: reconoce la iniciativa en vez de cuestionarla, y hace que lo que digas a continuación se reciba como una ampliación, no como una corrección de examen.
«Esta parte coincide con lo que te diría yo.» Nombrar explícitamente el acuerdo, cuando lo hay, es lo que evita que la conversación se lea como «la farmacia contra la IA». No es sólo cortesía: es verdad casi siempre, porque la mayoría de las respuestas generales sobre síntomas comunes son razonablemente correctas.
«Esto que has leído no tenía en cuenta tu [dato concreto], y por eso cambia la cosa.» Nombrar el dato concreto, no un «hay más factores» vago, es lo que convierte la corrección en algo verificable: el paciente puede comprobar por su cuenta que ese dato —su otra medicación, su edad, su embarazo— es real y relevante.
«La próxima vez que le preguntes algo así, cuéntale también [lo que faltó].» Cerrar con esto convierte un caso puntual en un hábito que el paciente se lleva puesto, y es lo único de las cuatro frases que sigue siendo útil incluso cuando tú no estés delante la próxima vez que se le ocurra preguntar.

Un ejemplo entero, con lo que falla

Un paciente con reflujo llega con una respuesta impresa sobre qué tomar, generada por una IA a partir de una descripción de sus síntomas que él mismo escribió.

Lo que trae impreso, resumido: «Para el reflujo ácido ocasional puedes probar con un antiácido de venta libre. Si los síntomas son frecuentes —más de dos veces por semana— lo habitual es un inhibidor de la bomba de protones durante unas semanas. Evita comidas copiosas antes de acostarte y eleva el cabecero de la cama.»

Lo que hay detrás

El paciente, en realidad, toma clopidogrel desde hace dos meses por un episodio cardiovascular reciente, un dato que no mencionó al modelo porque no le pareció relevante para una pregunta sobre el estómago. La respuesta que trae es correcta en general —el contenido sobre reflujo es razonable y no dice nada falso—, pero incompleta para él en particular: hay una interacción documentada entre algunos inhibidores de la bomba de protones y el clopidogrel que reduce el efecto antiagregante, y es precisamente el tipo de dato que sólo aparece si se pregunta expresamente, no si se pregunta en general por el reflujo.

Y ahora, qué falla en las dos reacciones más fáciles:

Descartar la respuesta entera sería un error, porque en general acierta. El contenido sobre el reflujo no tiene nada de malo por sí solo; el problema no está en lo que dice, está en lo que no podía saber porque nadie se lo dijo. Decirle al paciente que «la IA se equivocó» sería impreciso y le enseñaría la lección incorrecta.
Darla por buena sin mirarla sería peor. Es exactamente el caso donde el criterio profesional aporta algo que ninguna respuesta genérica puede aportar: saber qué toma esa persona en concreto, que es información que vive en la farmacia, no en un chat.
Lo que sí funciona es decir las dos cosas en el orden correcto. Primero, que la respuesta en general está bien escrita y no hay nada raro en ella. Segundo, que hay un dato suyo que el modelo no tenía —el clopidogrel— y que ese dato cambia la recomendación concreta, no la información general.
Y de paso, se le enseña algo reutilizable. No «no uses la IA», sino «cuando le preguntes algo de salud, cuéntale toda tu medicación, no sólo el síntoma puntual» — que es exactamente la misma idea que la lección de anatomía de un prompt explica sobre el contexto, aplicada a alguien que no ha hecho esta escuela.

Y si tu farmacia no es así

Si es un paciente crónico que ya conocéis bien. Tenéis la ventaja de conocer su historial sin tener que preguntarlo de cero, así que el caso del ejemplo es más fácil de resolver: podéis cruzar la respuesta contra lo que sabéis de él en segundos. El riesgo aquí no es no tener el dato, es dar por hecho que ya lo habéis cruzado sin hacerlo de verdad, por la confianza de conocerlo.

Si es alguien nuevo, de paso, que no conocéis de nada. Aquí el riesgo es el contrario: no tenéis ningún historial con el que contrastar, así que la única defensa es preguntar activamente qué más toma antes de opinar sobre lo que trae impreso —exactamente lo que el paciente del ejemplo no le contó al modelo, y que tampoco os va a contar a vosotros si no se lo preguntáis.

Si el paciente llega ya a la defensiva, esperando que le digáis que está mal. Empezad siempre por lo que la respuesta acierta, aunque sea poco. Validar primero baja la guardia y hace que lo que venga después —la corrección— se escuche de verdad, en vez de sonar a que estáis compitiendo con lo que ha leído.

Si trae una respuesta sobre algo fuera de vuestro alcance —un diagnóstico, no un tratamiento—. Aquí la respuesta no es corregir el contenido médico, que no os corresponde, sino redirigir con claridad: «esto que preguntas es un diagnóstico, y eso lo tiene que valorar tu médico; lo que sí puedo mirar contigo es si lo que ya tomas encaja con lo que has leído».

Si es una respuesta sobre un producto que vendéis vosotros mismos. Tened cuidado con el sesgo contrario al habitual: la tentación de dar por buena la parte que recomienda algo que tenéis en el lineal, sin aplicar el mismo escrutinio que al resto de la respuesta. El criterio no cambia porque el resultado os convenga.

Cuando no sale a la primera

El paciente se pone a la defensiva en cuanto le digo que algo no encaja con su caso.

Prueba a cambiar el orden: en vez de empezar por lo que falta, empieza siempre por lo que acierta y nombra explícitamente que has leído la respuesta con atención, no que la estás descartando de oficio. La defensiva casi siempre viene de sentir que se cuestiona su criterio por haber preguntado, no del contenido de la corrección en sí.

No tengo tiempo en el mostrador para leerme la respuesta entera que trae impresa.

No hace falta leerla entera: pregunta primero qué toma además de lo que ha venido a resolver, y lee sólo la parte de la respuesta que toca esa zona. El noventa por ciento del riesgo de estos casos está en la interacción con lo que ya toma, no en el resto del contenido.

Me da la sensación de que confía más en lo que ha leído que en lo que le digo yo.

Es la lección de sobreconfianza automática vista desde fuera: el texto suena seguro y tu respuesta hablada, si dudas al decirla, suena menos segura aunque sea más correcta. No dudes al corregir un dato concreto que sabes con certeza —la seguridad en el tono, aquí, es una herramienta legítima cuando lo que dices sí está verificado.

La respuesta que trae está completamente bien, no hay nada que corregir.

Dilo explícitamente, con la misma naturalidad con la que corregirías un error: «esto que has leído está bien, yo te diría lo mismo». Reforzar cuando acierta es parte de construir el criterio del paciente para la próxima vez, no sólo señalar cuando falla.

¿Debo decirle que no use la IA para temas de salud?

Es un consejo que no se sostiene y que además no va a seguir: la gente ya lo hace y lo va a seguir haciendo. Lo que de verdad ayuda es enseñarle qué contarle a la IA para que la respuesta sea más útil —toda su medicación, no sólo el síntoma— y a traer siempre esa respuesta a la farmacia antes de actuar sobre ella, que es justo el comportamiento que este mismo caso está reforzando.

¿Y si es un familiar quien pregunta por otra persona, no el propio paciente?

El mismo método vale, con un matiz: comprueba con más cuidado si el familiar tiene de verdad toda la información —medicación completa, alergias— porque es habitual que falte precisión cuando se pregunta por otra persona. Si no está seguro de algún dato, dilo explícitamente antes de opinar, en vez de completar el hueco tú mismo con una suposición razonable.

Antes de dar esto por aprendido

Separo lo que la respuesta acierta de lo que no, en ese orden.
Nunca descarto una respuesta entera por venir de una IA, ni la doy por buena entera por lo mismo.
Pregunto activamente qué más toma la persona antes de opinar sobre lo que trae.
Aprovecho el momento para enseñar qué contarle a la IA la próxima vez, no sólo a corregir la respuesta de hoy.

← Repasar: ChatGPT, Gemini o Claude
Siguiente: cuándo NO usar IA, el semáforo de riesgo →
← Volver a la Escuela IA