Dos de seis hospitales concentran el 64,4 % de las menciones en consultas a IA en Costa Rica
CIMA y Clínica Bíblica son las instituciones más mencionadas entre los seis hospitales privados del país, según una investigación que comparó más de 14.000 respuestas para examinar su presencia y la exactitud de sus descripciones en inteligencia artificial.
Sextante es un índice de visibilidad hospitalaria en inteligencia artificial: compara qué hospitales aparecen en las respuestas de los modelos y contrasta la exactitud de sus datos institucionales con fuentes oficiales. Su primera edición encontró que CIMA y Clínica Bíblica reúnen el 64,4 % de las menciones entre seis hospitales privados de Costa Rica. La iniciativa latinoamericana comienza en el país y extenderá sus evaluaciones a otros de la región, mediante un programa de mediciones mensuales.
Para entender qué pueden encontrar los pacientes al buscar hospitales mediante IA, hacía falta pasar de consultas aisladas a una medición comparable. Saber qué instituciones aparecen, con qué frecuencia y con qué exactitud permite a los equipos hospitalarios examinar la información que puede formar la primera impresión de un paciente sobre un hospital.
Se analizaron 14.112 respuestas, obtenidas el 16 y el 17 de agosto de 2026, en español e inglés. Se evaluaron seis modelos de lenguaje de gran escala, conocidos como LLM: GPT-5.6 Luna (OpenAI), Gemini 3.6 Flash (Google), Claude Sonnet 5 (Anthropic), Sonar (Perplexity), Llama 4 Maverick (Meta) y DeepSeek V4 Flash. Se consultaron en nueve configuraciones con o sin búsqueda web.
Seis hallazgos principales
La primera edición evalúa a CIMA San José, Clínica Bíblica, La Católica, Metropolitano, UNIBE y San Rafael Arcángel, en Liberia. Los resultados describen su representación en los modelos bajo las condiciones del estudio.
• Dos hospitales concentran las menciones. CIMA reúne el 32,5 % y Clínica Bíblica el 31,9 %, para un total de 64,4 % entre los seis hospitales estudiados. El dato refleja presencia en las respuestas, sin equivaler a participación de mercado.
• Ser reconocido al preguntar por nombre no asegura aparecer espontáneamente. UNIBE aparece en el 5,4 % de las preguntas abiertas, pero obtiene 87,6 puntos sobre 100 de reconocimiento cuando se pregunta directamente por él. Son indicadores distintos de su representación.
• Una presencia alta puede acompañarse de mayor exactitud. Las respuestas calificadas con algún error representan el 1,1 % sobre CIMA, entre 4.027 respuestas, y el 4,5 % sobre Clínica Bíblica, entre 3.664.
• Los errores institucionales varían entre hospitales. El 28,7 % de las 1.202 respuestas calificadas sobre Metropolitano y el 23,5 % de las 1.690 sobre La Católica contienen al menos un error. Se verificaron acreditación, operación de sedes, ubicación y propiedad. Son errores de los modelos al describir las instituciones.
• El control detectó información desactualizada. Las nueve configuraciones describieron como operativo, en alguna respuesta, un hospital cerrado desde 2018. La frecuencia fue del 1,4 % al 5,9 % de las 1.568 respuestas de cada configuración.
• La configuración también importa. Las respuestas calificadas con algún error van del 7,6 % en GPT-5.6 Luna con búsqueda web, sobre 1.322 respuestas, al 40,4 % en DeepSeek V4 Flash sin búsqueda, sobre 997. La comparación corresponde a las tareas y condiciones del estudio.
Cómo se realizó el estudio
La investigación fue realizada por Sebastián Urbina Cañas, Chief Innovation Officer de Daybreak y exvicepresidente de Inteligencia Artificial, Aprendizaje Automático y Ciencia de Datos de Genpact, donde dirigió el Centro de Excelencia en Pronósticos, y por Roberto Echeverria Cardenas, coautor y consultor en inteligencia artificial aplicada a la salud. Sebastián Urbina Cañas dirige la parte técnica. Sextante cuenta con la asesoría médica de la Dra. María Luisa Ávila Agüero, exministra de Salud de Costa Rica.
"Una estrategia de inteligencia artificial en salud empieza por formular bien las preguntas. Antes de decidir cómo actuar, conviene distinguir qué observamos, qué podemos explicar y qué todavía necesita comprobarse", dijo Cardenas.
El equipo abordó retos técnicos que dificultaban esa lectura: comparar respuestas de sistemas distintos, separar la frecuencia de aparición de la exactitud de los datos y conservar evidencia para revisar los resultados. El protocolo combina un banco de preguntas fijado previamente, un esquema común de codificación y fichas institucionales basadas en fuentes oficiales.
"El protocolo distingue entre menciones, respuestas y afirmaciones verificables: cada indicador tiene su propio denominador. Un modelo evaluador codifica las respuestas con un esquema fijo y contrasta los datos institucionales con fichas basadas en fuentes oficiales. Conservamos las respuestas y sus codificaciones; esa trazabilidad permite revisar cómo se obtuvo cada resultado", explicó Urbina Cañas.
Sextante evalúa y califica esa representación con criterios comunes y resultados comparables. Su programa de mediciones mensuales permitirá seguir la evolución de la visibilidad hospitalaria en la región, conforme se actualicen los sistemas y la información disponible y considerando las condiciones de cada edición.
El uso de inteligencia artificial para informarse sobre salud es un proceso nuevo y en expansión. En Estados Unidos, Rock Health registró que la proporción de adultos que había utilizado chatbots para obtener información de salud pasó del 16 % en 2024 al 32 % en 2025. Una encuesta de Annenberg realizada en 2025 encontró, además, que el 63 % de quienes habían visto respuestas de IA al buscar información de salud en internet consideraba esa información algo o muy confiable.
Comentarios