En 2012, IBM y el centro oncológico MD Anderson anunciaron un proyecto que prometía digitalizar el criterio de los mejores oncólogos del mundo y ponerlo al servicio de cualquier médico. Diez años después, tras más de 4.000 millones de dólares invertidos, IBM vendió los restos de aquel proyecto a un fondo de inversión por algo más de 1.000 millones. La distancia entre esas dos cifras cuenta, mejor que cualquier discurso, lo que pasa cuando una promesa tecnológica se adelanta a sus propios resultados.
¿Qué tienen en común el entusiasmo de hoy por la Inteligencia Artificial y el Watson que IBM vendió como el fin del cáncer?
Ninguna tecnología nueva llega sin promesa. La cuestión no es si la Inteligencia Artificial actual va a cambiar cómo trabajas, que ya lo está haciendo, sino cómo distinguir, dentro de esa promesa, qué parte es resultado demostrado y qué parte es todavía relato. El caso de IBM Watson for Oncology es uno de los mejor documentados de la última década para aprender a hacer esa distinción. No se trata de un ejercicio académico sin consecuencias prácticas: las mismas preguntas que deberían haberse hecho sobre Watson son las que hoy determinan si una consulta jurídica, un despacho de arquitectura o una clínica adoptan bien o mal cualquier herramienta de Inteligencia Artificial que promete resolver de golpe un problema complejo.
Lo que IBM prometió en 2012
La colaboración entre IBM y el Memorial Sloan Kettering Cancer Center, iniciada en 2012, buscaba entrenar a Watson, el sistema que un año antes había ganado el concurso de televisión Jeopardy!, para que analizara historiales médicos, literatura científica y datos de pacientes y recomendara tratamientos oncológicos personalizados. En 2013 se sumó un proyecto paralelo con MD Anderson, el Oncology Expert Advisor, con el objetivo declarado de convertir el criterio clínico en un sistema replicable a escala global. La ambición del proyecto no era menor: no se trataba de automatizar una tarea administrativa, se trataba de replicar el juicio clínico de algunos de los oncólogos más reconocidos del mundo y ponerlo al alcance de cualquier hospital, por pequeño o remoto que fuera.
Los números: más de 4.000 millones de dólares invertidos
En 2015, IBM creó Watson Health como unidad de negocio independiente y aceleró la apuesta con adquisiciones: 1.000 millones de dólares por Merge Healthcare y 2.600 millones por Truven Health Analytics, entre otras operaciones. Sumando estas cifras, la inversión total de IBM en la construcción de Watson Health superó, según análisis posteriores del caso, los 4.000 millones de dólares. El proyecto con MD Anderson, por su parte, consumió más de 62 millones de dólares en poco más de tres años antes de ser cancelado en 2016, según recogió en su momento la revista Medscape. Puesta en perspectiva, esa cifra de más de 4.000 millones de dólares equivale a varias veces el presupuesto anual de investigación oncológica de muchos países de tamaño medio, lo que da idea de la magnitud de la apuesta que IBM hizo sobre una tecnología que todavía no había demostrado poder generalizarse fuera de su entorno de entrenamiento original.
2017: una investigación periodística encuentra tratamientos «inseguros e incorrectos»
En septiembre de 2017, el medio especializado en salud STAT News publicó una investigación basada en documentos internos de IBM que revelaba que Watson for Oncology había generado recomendaciones de tratamiento que sus propios ingenieros calificaban como poco seguras o directamente incorrectas. En 2018, STAT amplió la investigación y documentó que altos cargos de IBM sabían, desde antes de esa fecha, que el sistema producía recomendaciones que no coincidían con las guías clínicas de cada país. Uno de los ejemplos más citados de esa investigación describía el caso hipotético de un paciente con cáncer y hemorragia grave al que Watson recomendó un fármaco que podía agravar el sangrado, una recomendación que un oncólogo real habría descartado de inmediato por sentido clínico básico.
MD Anderson canceló el proyecto, y no fue un detalle menor
La cancelación del proyecto con MD Anderson en 2016 y 2017 no fue una simple pausa técnica. El centro había invertido tres años y más de 62 millones de dólares sin llegar a implementar un sistema utilizable en la práctica clínica real, y las consecuencias alcanzaron a la cúpula directiva del centro, con la dimisión de su presidente en 2017. No hubo pacientes perjudicados, porque el sistema nunca llegó a usarse en decisiones clínicas reales, pero sí hubo un fracaso operativo y financiero de gran escala.
2022: la venta que cerró el ciclo
En enero de 2022, IBM vendió los activos de datos y análisis sanitario de Watson Health al fondo Francisco Partners por más de 1.000 millones de dólares, según reportó Bloomberg. La empresa resultante, hoy llamada Merative, opera de forma independiente. Un proyecto que en 2015 se presentó como el futuro de la oncología terminó, siete años después, como un activo divisible dentro de una operación de capital privado.
Por qué la tecnología no era mentira, y el relato sí se adelantó a los hechos
El fallo de Watson for Oncology no estuvo en la idea de usar datos para apoyar decisiones clínicas, una idea razonable entonces y ahora. Estuvo en tratar una capacidad que dependía fuertemente del contexto de unas pocas instituciones de referencia, sobre todo Memorial Sloan Kettering, como si fuera un producto ya validado y listo para escalar a cualquier hospital del mundo. La expansión avanzó más rápido que la evidencia que la sostenía. Ese desfase entre expansión comercial y evidencia acumulada es, probablemente, el patrón más repetido en la historia reciente de la tecnología aplicada a sectores de alto riesgo, y no es exclusivo de la salud: aparece también en educación, en justicia predictiva y, cada vez más, en el uso profesional de la Inteligencia Artificial generativa.
Los estudios de concordancia sí existieron, y contaban una historia más matizada
No todo en la historia de Watson for Oncology fue oscuridad. Varios estudios de concordancia, publicados en revistas como JAMA Oncology y Annals of Oncology entre 2018 y 2020, compararon las recomendaciones del sistema con las de juntas médicas multidisciplinares reales, en algunos casos con ambas partes ciegas a la decisión de la otra para evitar que se influyeran mutuamente. En los casos basados en perfil genómico, la concordancia llegó al 99%. Por tipo de cáncer, sin embargo, el resultado fue muy irregular: el cáncer de ovario alcanzó un 96% de coincidencia, el de pulmón y el de mama se quedaron algo por encima del 80%, el cáncer rectal bajó al 74%, y el cáncer gástrico se desplomó hasta un 12%, con el 88% restante de los casos resueltos según el criterio del propio médico y no según la recomendación del sistema. Estas cifras no cuentan una historia de fraude, cuentan la historia de una herramienta que funcionaba de forma muy desigual según el tipo de cáncer, algo que el discurso comercial de la época nunca comunicó con esa misma precisión.
Qué explica esas discordancias, y qué lección deja para cualquier herramienta actual
Parte de esas discordancias, según los propios investigadores, se explicaban por fármacos aprobados por la autoridad reguladora china pero todavía no por la agencia estadounidense, y que por tanto no formaban parte de la base de conocimiento de un sistema entrenado mayoritariamente con datos y guías clínicas de Estados Unidos. Otra parte se explicaba por cómo el sistema, o los propios médicos, trataban a pacientes con varias enfermedades a la vez o de edad avanzada, un terreno donde el criterio clínico humano todavía pesa más que cualquier recomendación automática. La lección que deja este detalle, hoy convertido en caso de estudio en varias escuelas de negocio, no es que la tecnología fallara sin motivo: es que su fiabilidad dependía por completo del contexto regulatorio y clínico en el que había sido entrenada, y se degradaba en cuanto ese contexto cambiaba de país, de idioma o de marco legal, exactamente el mismo riesgo que corre hoy cualquier profesional que adopta sin comprobarlo una Inteligencia Artificial entrenada mayoritariamente con datos ajenos a su propio contexto.
Veintisiete años viendo este mismo patrón en consultoría
En veintisiete años acompañando a organizaciones y profesionales en procesos de cambio, he visto este patrón repetirse con tecnologías muy distintas entre sí: el big data de hace una década, ciertas promesas del blockchain, y ahora, con matices propios, algunas aplicaciones de la Inteligencia Artificial. El patrón no es que la tecnología falle, es que la organización o el profesional que la adopta confunde la demostración en un entorno controlado con la garantía de que funcionará igual en su propio contexto, sin ajustes ni validación.
La pregunta que separa la promesa del resultado real
La pregunta útil, tanto para un hospital que evalúa un sistema de diagnóstico como para un profesional que evalúa una herramienta de Inteligencia Artificial para su consulta, nunca es «¿qué promete?», sino «¿en qué condiciones concretas ha funcionado, con qué datos, y qué tan parecidas son esas condiciones a las mías?». Watson for Oncology funcionaba razonablemente bien dentro del contexto muy específico en el que fue entrenado, y perdía fiabilidad en cuanto salía de él.
Lo que esto no significa: no es una razón para desconfiar de la Inteligencia Artificial de hoy
Sacar la conclusión de que «la Inteligencia Artificial no funciona» a partir del caso de Watson sería tan equivocado como creer sin comprobar nada la primera demostración impresionante que veas. La Inteligencia Artificial de 2026 es, en varias dimensiones técnicas, distinta a la de 2015. El criterio que hace falta hoy no es rechazar la tecnología ni adoptarla sin preguntas: es exigir, antes de confiar en ella para algo importante, la misma pregunta que a Watson nadie se hizo a tiempo.
Sobre el autor
Javier G. Amblar acumula 27 años de consultoría estratégica y ha formado a más de 33.000 profesionales en 55 países. Exprofesor asociado del IE Business School, con el Premio a la Excelencia Docente, ha comentado ciclos de sobreexpectación tecnológica en medios como RTVE, Telemadrid, Onda Cero y EsRadio. Su comunidad en línea supera las 500.000 personas. Conoce el trabajo de Javier G. Amblar.
