El 16 de noviembre de 2026, OpenAI anunció agentes que hacen clic, escriben y se mueven entre aplicaciones sanitarias para completar tareas de varios pasos. En los ejemplos, preparan borradores y tramitan pasos administrativos, mientras profesionales revisan o aprueban las acciones pertinentes. La empresa también publicó resultados de evaluaciones clínicas y administrativas y describió usos de organizaciones colaboradoras. OpenAI detalla los flujos y las evaluaciones.

Qué hace un agente de uso del ordenador en sanidad

Un agente de uso del ordenador interactúa con programas mediante sus interfaces: puede pulsar botones, escribir y navegar de una aplicación a otra. OpenAI plantea este método también para sistemas sanitarios que no disponen de una API, una interfaz específica para conectar programas entre sí.

En una demostración sobre una resonancia magnética, el agente revisa notas de consulta, registros de fisioterapia e imágenes anteriores usando datos sintéticos. Después prepara una orden, una nota clínica y una respuesta para el paciente, que quedan para revisión de un profesional; también prepara una solicitud de autorización para que la revise un especialista en autorizaciones.

Para interpretar una puntuación de un agente, fíjate en la tarea que se evaluó y en qué momento intervino una persona.

Qué miden las evaluaciones comunicadas

OpenAI informó de que el 99 % de 325 tareas clínicas de GPT-6 Astra recibió una valoración de seguridad. En esa revisión se consideró si errores, omisiones o acciones podían causar un daño plausible a un paciente. Además, el 93 % de 646 valoraciones médicas calificó las respuestas como «muy útiles» o «extremadamente útiles» en una escala de cinco puntos. Son resultados atribuidos por OpenAI a las evaluaciones descritas en su anuncio.

Para las tareas administrativas, OpenAI comunicó estos resultados de HealthAdminBench. Ambos modelos se evaluaron con el máximo esfuerzo de razonamiento:

ModeloPorcentaje de puntos disponibles de la rúbricaCondición de evaluación
GPT-6 Astra94,3 %Máximo esfuerzo de razonamiento
GPT-6 Luna91,8 %Máximo esfuerzo de razonamiento

El sitio de HealthAdminBench describe cómo se evalúan las tareas: el agente observa un portal web mediante un árbol de accesibilidad, capturas de pantalla o ambos, y lo maneja con interacciones estándar del navegador. La puntuación contempla comprobaciones del estado final y valoraciones de precisión clínica hechas por un modelo de lenguaje, además de reproducibilidad estadística entre ejecuciones. Así, la rúbrica se refiere a tareas dentro de aplicaciones, no a una medición de la evolución clínica de pacientes.

OpenAI también atribuyó a GPT-6 Luna un coste de 8,5 centavos de dólar por tarea de benchmark, un 98 % menos que el de GPT-6 Astra, según la empresa. Esa cifra corresponde a una tarea de evaluación, no a una tarifa de API ni al precio de un servicio para clientes. Para ampliar el contexto sobre el alcance agentivo de GPT-6 Astra, puedes leer el análisis anterior de NeoTeo.

Qué tareas describen las organizaciones colaboradoras

Los ejemplos de OpenAI corresponden a etapas distintas: CVS Health usa agentes en flujos de producción, Cigna Healthcare los emplea para reunir información de pacientes y otras iniciativas siguen en desarrollo o se muestran como demostraciones.

OpenAI dice que CVS Health utiliza agentes para enviar documentos, tramitar derivaciones y dar apoyo a consultas con especialistas. La empresa atribuye a CVS la resolución de un atasco de envío de documentos, acumulado durante meses, en un fin de semana. Otro flujo realiza pasos en sistemas para decenas de miles de consultas con especialistas al día. CVS Health describe controles de validación, supervisión humana y registros con capturas de pantalla y acciones.

Según OpenAI, Cigna Healthcare reúne información para sus gestores de casos desde más de diez sistemas clínicos y administrativos. Madhu Nutakki, director de información de Cigna Healthcare, dijo que el despliegue tardó menos de ocho semanas.

Abridge está desarrollando flujos de coordinación asistencial; uno de sus casos de uso hospitalario, relacionado con barreras al alta, está previsto, no presentado como una implantación en marcha. En una demostración de Ambience, el agente se detiene y pide indicaciones clínicas cuando encuentra ambigüedades en la historia; espera la aprobación antes de enviar la solicitud a la aseguradora.

Dónde intervienen las personas y qué controles se describen

La revisión humana aparece en los puntos que requieren validar borradores o autorizar una acción. Además de los controles de CVS, OpenAI describe permisos configurables, aprobaciones, controles de acceso por roles y registros de auditoría. Los centros pueden limitar las aplicaciones, los registros y las acciones disponibles y pausar al agente.

Para flujos sujetos a HIPAA que manejan información sanitaria protegida, OpenAI indica que se necesitan servicios elegibles cubiertos por un acuerdo de asociado comercial (Business Associate Agreement), junto con los ajustes de seguridad y retención requeridos. OpenAI afirma que los datos de las organizaciones no se usan para entrenar sus modelos fundacionales; en el caso de CVS Health, también señala que los datos permanecen en infraestructura controlada por la organización y que los datos de producción no se emplean para ese entrenamiento.

Qué vías de acceso menciona OpenAI

OpenAI cita la API de OpenAI, ChatGPT for Healthcare y ChatGPT for Clinicians como vías para usar estas capacidades. La empresa especifica que los profesionales sanitarios de Estados Unidos pueden registrarse gratis en ChatGPT for Clinicians y utilizar computer use en ChatGPT Work y Codex.