DOI: https://doi.org/10.56712/latam.v7i2.5806  
Percepción de la utilidad de la inteligencia artificial en  
residentes médicos del hospital IESS Ceibos  
Perception of the usefulness of artificial intelligence in medical residents of  
the IESS Ceibos Hospital  
Diana Cristina Castillo Ortiz  
dcastilloo2@unemi.edu.ec  
https://orcid.org/0009-0009-0400-4344  
Universidad Estatal de Milagro UNEMI  
Guayaquil – Ecuador  
Artículo recibido: 30 de diciembre de 2025. Aceptado para publicación: 05 de mayo de 2026.  
Conflictos de Interés: Ninguno que declarar.  
Resumen  
Este estudio examinó cómo los médicos residentes del Hospital General del Norte de Guayaquil IESS  
Ceibos perciben la utilidad de la inteligencia artificial (IA), teniendo en cuenta su cada vez mayor  
importancia tanto en el ejercicio clínico como en la formación médica actual. Se utilizó una  
metodología mixta de carácter no experimental, descriptivo y transversal, se realizó una encuesta  
estructurada a 120 residentes, la cual fue complementada con preguntas abiertas para explorar en  
detalle las experiencias y valoraciones de los participantes. Los resultados mostraron que, en general,  
la IA es percibida de manera positiva, particularmente en cuanto a su habilidad para mejorar el trabajo  
clínico, perfeccionar la toma de decisiones y consolidarse como una herramienta común en la  
medicina del futuro. No obstante, se observó una discrepancia notable entre esta evaluación positiva  
y la escasa educación formal adquirida, además de obstáculos relacionados con el desconocimiento  
técnico y la falta de directrices institucionales; la evaluación cualitativa posibilitó el reconocimiento  
de categorías emergentes vinculadas a la IA como instrumento auxiliar, la falta de formación, las  
inquietudes éticas y la necesidad de regulación. En general, los descubrimientos indican que, a pesar  
de la gran disposición para adoptar la IA, su incorporación efectiva está sujeta al fortalecimiento de la  
educación en habilidades digitales y a la creación de estrategias institucionales que aseguren su uso  
crítico y clínicamente relevante. Se determina que, para incluir la IA en la práctica médica, es esencial  
tener una percepción de utilidad; sin embargo, esta debe ir acompañada de procesos educativos bien  
organizados.  
Palabras clave: inteligencia artificial, educación médica, residentes, percepción, salud digital  
Abstract  
This study analyzed the perceived usefulness of artificial intelligence (AI) among medical residents at  
the Hospital General del Norte de Guayaquil IESS Ceibos, considering its growing relevance in clinical  
practice and contemporary medical education. A mixed-methods approach with a non-experimental,  
descriptive, cross-sectional design was employed. A structured survey was administered to 120  
residents, complemented by open-ended questions to explore participants’ experiences and  
perceptions in greater depth. The findings revealed a predominantly positive perception of AI,  
particularly regarding its potential to optimize clinical workflows, enhance decision-making, and  
become a common tool in future medical practice. However, a significant gap was identified between  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, mayo, 2026, Volumen VII, Número 2 p 2263.  
this favorable perception and the limited formal training received, along with barriers related to  
insufficient technical knowledge and lack of institutional guidelines. Qualitative analysis identified  
emerging themes including AI as a supportive tool, training deficiencies, ethical concerns, and the need  
for regulation. Overall, the results suggest that while there is a high willingness to adopt AI, its effective  
integration depends on strengthening digital competencies and implementing structured educational  
and institutional strategies. It is concluded that perceived usefulness is a key factor in AI adoption in  
healthcare, but must be supported by formal training and critical understanding.  
Keywords: artificial intelligence, medical education, residents, perception, digital health  
Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades,  
publicado en este sitio está disponibles bajo Licencia Creative Commons.  
Cómo citar: Castillo Ortiz, D. C. (2026). Percepción de la utilidad de la inteligencia artificial en  
residentes médicos del hospital IESS Ceibos. LATAM Revista Latinoamericana de Ciencias Sociales y  
Humanidades 7 (2), 2263 – 2284. https://doi.org/10.56712/latam.v7i2.5806  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, mayo, 2026, Volumen VII, Número 2 p 2264.  
INTRODUCCIÓN  
La inteligencia artificial (IA) se ha consolidado como un componente estructural en la transformación  
de los sistemas de salud contemporáneos, al posibilitar el análisis avanzado de datos clínicos, la  
optimización de procesos asistenciales y el fortalecimiento de la toma de decisiones médicas basada  
en evidencia. En el campo de la educación médica, su inclusión ha producido una transformación  
significativa al implementar entornos de aprendizaje adaptativo, herramientas que apoyan el cognitivo  
y sistemas que pueden personalizar los procesos educativos según las necesidades del alumno  
(Ahsan, 2025; Peng et al., 2025). La IA se ha convertido en un componente esencial para crear nuevas  
habilidades profesionales, sobre todo en entornos hospitalarios donde la atención es compleja y  
requiere de exactitud, eficacia y habilidad para adaptarse constantemente, esto es resultado de la  
convergencia entre la formación clínica y la innovación tecnológica.  
La importancia de este fenómeno se basa en que la puesta en marcha exitosa de la inteligencia artificial  
no solo depende de su desarrollo tecnológico, sino también de los procedimientos mediante los cuales  
los profesionales sanitarios se apropian de ella; en esta línea, la literatura más reciente ha señalado  
que la percepción de utilidad es uno de los constructos fundamentales para entender por qué se  
adoptan tecnologías emergentes en entornos laborales; esto concuerda con modelos teóricos bien  
validados, como el Unified Theory of Acceptance and Use of Technology (UTAUT) y el Technology  
Acceptance Model (TAM). Bajo este punto de vista, la percepción de utilidad no solo afecta el propósito  
de uso, sino que también determina la incorporación efectiva de la inteligencia artificial (IA) en los  
procesos clínicos y educativos (Shishehgar et al., 2025; Jebreen et al., 2024), por lo tanto, es esencial  
examinar este constructo en poblaciones concretas, como los médicos residentes, para entender las  
dinámicas de adopción tecnológica en el sector de la salud.  
En el ámbito global, varios estudios han demostrado una tendencia al aumento de la aceptación de la  
inteligencia artificial en la práctica clínica y en la educación médica, los estudios realizados en  
contextos de Asia, Europa y América del Norte coinciden en que los profesionales y alumnos de la salud  
son conscientes de las capacidades de la IA para perfeccionar la precisión diagnóstica, optimizar el  
manejo del conocimiento clínico y robustecer el aprendizaje autónomo (Li & Qin, 2023; Seneviratne et  
al., 2025). No obstante, este reconocimiento coexiste con restricciones a nivel estructural y educativo,  
como la falta de programas educativos concretos en inteligencia artificial, la poca experiencia práctica  
con estas herramientas y el mantenimiento de inquietudes éticas vinculadas a la responsabilidad  
profesional, la transparencia algorítmica y el riesgo de deshumanizar la atención médica (McFarlane  
et al., 2025), esta dualidad muestra una disparidad entre el progreso tecnológico y su verdadera  
incorporación en los sistemas sanitarios, lo que indica la necesidad de investigaciones que se centren  
más en las vivencias y perspectivas de los usuarios finales.  
En el escenario de Latinoamérica, esta cuestión se agrava por las condiciones estructurales que  
definen los sistemas sanitarios de la zona; en ellos, la adopción de tecnologías emergentes está sujeta  
a restricciones en cuanto a infraestructura, financiación y formación del talento humano, la literatura  
reciente señala que, aunque se reconoce el potencial de la inteligencia artificial para optimizar la  
calidad de la atención y la eficiencia del sistema de salud, su aplicación se topa con obstáculos  
importantes; estos son: la falta de capacitación adecuada del personal sanitario, la división de los  
sistemas informáticos y la falta de políticas públicas firmes que regulen su utilización (Bolaño-García  
& Duarte-Acosta, 2023; Molina et al., 2025); por lo tanto, se establece una situación en la que las  
expectativas de tecnología exceden la capacidad real de adopción, creando una importante brecha  
entre innovación y práctica clínica.  
Esta situación tiene una importancia especial en Ecuador, ya que la inclusión de la inteligencia artificial  
en el sector salud está en un estado emergente, marcado por progresos incipientes y una  
sistematización restringida de su utilización en contextos hospitalarios; la integración limitada que se  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, mayo, 2026, Volumen VII, Número 2 p 2265.  
observa en el análisis de la situación es el resultado de tres elementos interrelacionados: el escaso  
dominio técnico del personal sanitario, la falta de infraestructura tecnológica y la ausencia de marcos  
normativos que guíen su implementación clínica. Estas circunstancias han propiciado que continúen  
los modelos tradicionales de diagnóstico y tratamiento, lo cual limita el uso de herramientas novedosas  
y puede impactar negativamente la seguridad del paciente al tomar decisiones clínicas, la carga laboral  
del personal médico y la eficacia en las operaciones.  
En este contexto, los médicos residentes se convierten en un conjunto estratégico para el estudio de  
la implementación de la inteligencia artificial, ya que cumplen con una doble función: son profesionales  
en formación y también participan activamente en la atención directa a los pacientes; pese a que los  
residentes evidencian actitudes positivas hacia la IA y admiten su potencial para provocar cambios, la  
mayoría no ha tenido una educación formal en su utilización, lo cual restringe su habilidad para  
incorporar de manera eficaz en la práctica clínica (Jebreen et al., 2024; Pucchio et al., 2022). Además,  
se ha registrado que la integración de instrumentos fundamentados en inteligencia artificial puede  
robustecer procesos de aprendizaje autorregulado, al posibilitar la adaptación personalizada de  
contenidos, el feedback instantáneo y la mejora en el manejo de información clínica, estos elementos  
son esenciales para el crecimiento profesional en contextos altamente demandantes (Almache et al.,  
2025; Luzuriaga et al., 2025).  
Desde un punto de vista teórico-empírico, estas pruebas posibilitan sugerir que la implementación de  
la inteligencia artificial en el ejercicio médico no es solo un proceso tecnológico, sino una realidad con  
múltiples dimensiones donde se entrelazan factores organizativos, contextuales, cognitivos y  
formativos. En este contexto, se establece la noción de utilidad como un constructo articulador que  
vincula los avances tecnológicos con las prácticas clínicas concretas, posibilitando la explicación de  
las discrepancias entre disponibilidad, aceptación y uso efectivo de la IA en ambientes hospitalarios,  
sin embargo, en el caso de Ecuador, y especialmente en instituciones del sistema público de salud, hay  
una producción científica escasa que estudie este fenómeno desde un punto de vista empírico; esto  
revela un vacío de conocimiento importante para la elaboración de estrategias y la toma de decisiones  
institucionales.  
Siguiendo con lo mencionado, el objetivo del presente estudio es examinar la percepción de la utilidad  
de la inteligencia artificial en médicos residentes del Hospital IESS Ceibos, teniendo en cuenta cómo  
se relaciona con la práctica clínica, los procesos de aprendizaje en un entorno hospitalario real y las  
decisiones médicas. Para ello, se utiliza un enfoque metodológico combinado que incluye la realización  
de encuestas estructuradas con el fin de obtener datos cuantitativos y la exploración cualitativa de las  
percepciones, experiencias y obstáculos que los participantes perciben, esto posibilita una  
comprensión global del fenómeno en su contexto particular y ayuda a crear evidencia contextualizada  
para el sistema sanitario ecuatoriano.  
La integración de la inteligencia artificial (IA) en el campo de la salud y en la formación médica  
contemporánea se desarrolla dentro de un marco teórico que combina perspectivas derivadas de la  
adopción de tecnología y del aprendizaje en entornos laborales complejos, en este contexto, es  
necesario emplear modelos explicativos que faciliten el análisis de la relación entre tecnología,  
comportamiento del usuario y rendimiento clínico para entender la percepción de utilidad de la IA en  
médicos residentes. Desde este punto de vista, el Technology Acceptance Model (TAM) es uno de los  
puntos de referencia más importantes, ya que sostiene que la percepción de facilidad para utilizarla y  
la percepción de utilidad son determinantes a la hora de adoptar una tecnología; la primera, en  
particular, es un predictor esencial del comportamiento real del usuario y su intención de uso. Este  
modelo ha sido empleado en gran medida en el ámbito de la salud para estudiar la implementación de  
herramientas digitales, demostrando que los profesionales tienen tendencia a adoptar tecnologías  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, mayo, 2026, Volumen VII, Número 2 p 2266.  
cuando advierten beneficios específicos en su rendimiento clínico y en la eficacia de sus labores  
(Jebreen et al., 2024; Shishehgar et al., 2025).  
METODOLOGÍA  
Este estudio fue creado con el objetivo de examinar la opinión acerca de la utilidad de la inteligencia  
artificial entre los médicos residentes del Hospital General del Norte de Guayaquil IESS Ceibos, esto se  
basa en el entendimiento de que incorporar tecnologías emergentes en el sector salud es un proceso  
complejo que no puede explicarse únicamente por su disponibilidad técnica, sino también a partir de  
cómo interactúan factores contextuales, organizativos, cognitivos y educativos; en este contexto, la  
estrategia metodológica se organizó de forma consistente con el enfoque teórico del estudio,  
incorporando la definición conceptual de la variable principal y su operacionalización empírica, así  
como la utilización de métodos para recopilar y analizar datos que posibilitan captar su dimensión  
subjetiva y objetiva en un ambiente clínico-formativo real.  
Enfoque de investigación  
Se realizó la investigación a partir de un enfoque mixto, que se entiende como la combinación  
sistemática de métodos cualitativos y cuantitativos, con el objetivo de producir una comprensión más  
extensa, profunda y contextualizada del fenómeno analizado, esta perspectiva no solo se basa en una  
elección metodológica instrumental, sino también en la naturaleza misma del objeto de estudio; esto  
se debe a que la percepción de lo útil que es la inteligencia artificial para los médicos residentes  
comprende un constructo multidimensional que abarca elementos cuantificables (por ejemplo, el nivel  
de aceptación, la frecuencia de uso o la valoración funcional) y aspectos subjetivos vinculados con las  
experiencias, los significados, las expectativas y los obstáculos para su adopción. En este marco, el  
componente cuantitativo permitió identificar patrones generales en la percepción de utilidad, mientras  
que el componente cualitativo posibilita interpretar en profundidad las experiencias y valoraciones de  
los participantes, permitiendo una lectura más compleja y contextualizada del fenómeno.  
Diseño del estudio  
Desde la perspectiva del diseño, la investigación se sitúa dentro de una investigación no experimental,  
de carácter descriptivo y transversal, en este estudio no se manipularon variables independientes ni se  
llevaron a cabo intervenciones en el entorno clínico o educativo. Cuando se pretende observar y  
caracterizar fenómenos en su entorno natural, especialmente en hospitales donde la dinámica de  
atención no puede ser alterada sin que eso tenga un impacto, este tipo de diseño es apropiado; el  
enfoque descriptivo hizo posible la identificación y sistematización de las percepciones que los  
médicos residentes tienen sobre la inteligencia artificial, por su parte, el diseño transversal facilitó una  
aproximación situacional del fenómeno en un momento particular, lo cual representó las  
circunstancias reales de adopción tecnológica dentro del contexto institucional examinado.  
Participantes  
El estudio tuvo como población a los médicos residentes de posgrado del Hospital General del Norte  
de Guayaquil IESS Ceibos, que pertenecen a diferentes especialidades médicas y niveles de formación.  
Estos profesionales llevan a cabo labores académicas y asistenciales en un contexto clínico muy  
complejo, la muestra final estuvo compuesta por 120 participantes, escogidos a través de un muestreo  
no probabilístico intencional; este método permitió incorporar a personas que estaban directamente  
relacionadas con el fenómeno estudiado y que tenían experiencia activa en el entorno hospitalario.  
Los participantes fueron seleccionados tomando en cuenta criterios de elegibilidad bien definidos, se  
definieron los siguientes criterios de inclusión: a) ser médico residente activo durante el periodo de  
recolección de datos; b) llevar a cabo tareas formativas y asistenciales en la institución; y c) dar su  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, mayo, 2026, Volumen VII, Número 2 p 2267.  
consentimiento informado para participar voluntariamente: se tomaron en cuenta los siguientes  
criterios de exclusión: a) residentes durante el periodo de ausencia prolongada, rotación externa o  
licencia, y b) participantes que no llenaron correctamente los instrumentos de recolección de datos.  
Con el propósito de caracterizar la muestra y contextualizar los resultados, se incorporaron variables  
sociodemográficas y profesionales tales como edad, sexo, especialidad médica, año de residencia y  
experiencia previa con herramientas de inteligencia artificial, lo que permitió analizar la percepción de  
utilidad en función de diferentes perfiles formativos y trayectorias profesionales.  
Instrumentos de recolección de datos  
En concordancia con el enfoque mixto que se empleó, la recolección de datos se realizó a través de la  
fusión de métodos cualitativos y cuantitativos. Una encuesta estructurada fue el principal instrumento,  
la cual fue creada con base en los principios teóricos de la investigación, especialmente en los modelos  
de adopción tecnológica. Esto posibilitó garantizar que existiera una correspondencia entre los  
indicadores empíricos y los constructos teóricos. Los participantes pudieron expresar su nivel de  
acuerdo sobre diferentes aspectos de la percepción de la utilidad de la inteligencia artificial, como su  
aporte a la toma de decisiones clínicas, su impacto en los procesos educativos, su contribución a una  
mayor eficiencia operativa y las condiciones necesarias para que pueda aplicarse en el entorno, esto  
fue posible gracias a que el cuestionario se estructuró con una escala tipo Likert.  
Los ítems fueron construidos para que representaran de manera apropiada las dimensiones de la  
variable central, empleando principios de validez de contenido, coherencia conceptual y claridad  
semántica; además, para asegurar la calidad de la medición se contempló la implementación de un  
test piloto para evaluar la interpretación del cuestionario y su fiabilidad interna a través de indicadores  
estadísticos, se añadieron, además, entrevistas semiestructuradas y preguntas abiertas con el fin de  
examinar en profundidad las percepciones, vivencias, obstáculos y expectativas de los médicos  
residentes sobre la aplicación de la inteligencia artificial. La guía de entrevista se organizó en torno a  
ejes temáticos establecidos con anterioridad, conservando la flexibilidad necesaria para profundizar  
en temas emergentes, esto posibilitó que el análisis se enriqueciera al añadir información cualitativa  
contextualizada.  
Procedimiento  
Se llevó a cabo la recopilación de datos en el Hospital IESS Ceibos, tras haber coordinado previamente  
con las autoridades del establecimiento para asegurar que el análisis no interrumpiera las actividades  
asistenciales de los participantes; se les comunicó a los médicos residentes acerca de la finalidad del  
estudio, el carácter voluntario de su participación, las condiciones de confidencialidad y el uso de los  
datos, con el fin de fomentar un ambiente de confianza que favorece su participación informada.  
Se realizaron las encuestas en horarios que eran compatibles con la dinámica hospitalaria, utilizando  
un formato físico o digital dependiendo de lo que estuviera disponible, lo cual favoreció que los  
residentes pudieran participar y acceder a ellas; se crearon espacios apropiados para las preguntas  
abiertas o las entrevistas, los cuales aseguran el respeto y la privacidad, lo que permitió a los  
participantes expresarse libremente y obtener información cualitativa importante, tras la recolección,  
los datos fueron estructurados, codificados y sistematizados para verificar su integridad y consistencia  
con el fin de ser analizados más adelante.  
Análisis de datos  
El análisis de la información se llevó a cabo de forma diferenciada, dependiendo del tipo de datos,  
manteniendo consistencia con el enfoque metodológico adoptado, en lo que respecta al componente  
cuantitativo, se utilizó la estadística descriptiva, con frecuencias, porcentajes y medidas de tendencia  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, mayo, 2026, Volumen VII, Número 2 p 2268.  
central; esto posibilitó reconocer patrones y tendencias en la percepción de los médicos residentes  
sobre la utilidad de la inteligencia artificial, además de describir cómo se comportaba dicha variable  
según las características de la muestra. En la parte cualitativa, se llevó a cabo un análisis de contenido  
temático: se identificaron unidades que tienen significado, se codificaron las respuestas y se  
agruparon en categorías analíticas que concordaban con los propósitos de la investigación, este  
método posibilitó que las percepciones de los participantes fueran analizadas en profundidad, se  
identificaran patrones discursivos y se establecieran conexiones entre los hallazgos cualitativos y  
cuantitativos, lo que contribuyó a una comprensión integral del fenómeno.  
Consideraciones éticas  
Se realizó la investigación de acuerdo con las normas éticas que regulan la investigación en salud,  
asegurando que los sujetos participaran de manera voluntaria a través del consentimiento informado;  
en este documento se explicaron los objetivos del estudio, cómo se utilizarían los datos y el derecho  
de los participantes a desistir sin consecuencias en cualquier momento. Se garantiza la  
confidencialidad de los datos usando la anonimización de la información y otorgando códigos a los  
participantes, previniendo cualquier posibilidad de identificación directa o indirecta, asimismo, la  
información recolectada fue utilizada exclusivamente con fines académicos y científicos, respetando  
los principios de beneficencia, no maleficencia y respeto por las personas, y procurando en todo  
momento no interferir con las actividades asistenciales ni afectar el bienestar de los participantes,  
garantizando la integridad del proceso investigativo.  
DESARROLLO  
Inteligencia artificial en salud y educación médica: fundamentos y transformación del modelo clínico-  
formativo  
La inteligencia artificial (IA) ha tomado un papel estratégico en la transformación de los sistemas  
sanitarios y las modalidades de formación médica, esto se debe a que permite crear sistemas que  
pueden procesar grandes cantidades de datos, detectar patrones clínicos y brindar soporte para tomar  
decisiones médicas. Desde un punto de vista conceptual, la inteligencia artificial en la salud se describe  
como el grupo de sistemas informáticos que reproducen procesos cognitivos humanos, como lo son  
la toma de decisiones, el aprendizaje y la inferencia; sus aplicaciones van desde el diagnóstico clínico  
hasta la educación médica y la administración hospitalaria (Ahsan, 2025; Peng et al., 2025).  
En el campo de la educación médica, la introducción de la inteligencia artificial ha promovido una  
transición hacia modelos de formación más personalizados y versátiles, esto se logra a través de  
entornos de aprendizaje adaptativo, que modifican los contenidos, las estrategias pedagógicas y los  
ritmos según lo que cada alumno necesita. Este método promueve la adquisición de habilidades  
metacognitivas, cognitivas y clínicas, que son cruciales para el ejercicio profesional en entornos muy  
complejos (Li & Qin, 2023; Almache et al., 2025); además, instrumentos como los asistentes virtuales,  
los simuladores clínicos y los sistemas de análisis de datos hacen posible expandir las posibilidades  
de aprendizaje y robustecer la toma de decisiones fundamentada en evidencia.  
Sin embargo, la literatura más nueva señala que la incorporación de la inteligencia artificial en los  
sistemas educativos y sanitarios afronta retos importantes, especialmente en escenarios en los que  
las capacidades digitales están comenzando a desarrollarse y donde hay escasez de infraestructura  
tecnológica; en América Latina, la existencia de brechas entre el potencial de la IA y su puesta en  
práctica efectiva, condicionadas por factores estructurales, organizativos y formativos, son una  
manifestación de estos desafíos (Bolaño-García & Duarte-Acosta, 2023; Molina et al., 2025). En el  
escenario de Ecuador, esta circunstancia se manifiesta en una adopción emergente de la IA, que se  
distingue por la presencia simultánea de logros tecnológicos concretos y restricciones duraderas  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, mayo, 2026, Volumen VII, Número 2 p 2269.  
vinculadas con la formación del personal sanitario, las instalaciones tecnológicas y la falta de marcos  
normativos precisos; no se debe entender la inteligencia artificial únicamente como una herramienta  
tecnológica, sino también como un factor que transforma el modelo clínico-formativo, la incorporación  
de esta tecnología de manera eficiente necesita un enfoque sistémico que vincule las condiciones  
institucionales, la tecnología y la formación profesional.  
Modelos de adopción tecnológica y percepción de utilidad en el ámbito sanitario  
El estudio de la incorporación de la inteligencia artificial a la práctica médica se basa en modelos  
teóricos que explican cómo y por qué los médicos aceptan y utilizan dicha tecnología, el Technology  
Acceptance Model (TAM) es uno de los modelos más significativos entre ellos, porque supone que la  
adopción de una tecnología está condicionada por cómo se percibe su utilidad y lo fácil que resulta  
utilizarla. Dentro de este contexto, la percepción de utilidad se refiere a la medida en que una persona  
cree que una tecnología mejorará su rendimiento en el trabajo, este concepto es un indicador clave del  
comportamiento tecnológico y de la intención de uso.  
Este constructo es especialmente importante en el campo de la salud, donde los profesionales  
sanitarios evalúan su impacto en la práctica clínica para decidir si adoptan o no herramientas que se  
basan en inteligencia artificial. Investigaciones recientes han demostrado que un enfoque positivo de  
la utilidad de la IA se relaciona con una disposición más alta para integrar, en tanto que percepciones  
negativas o limitadas pueden producir resistencia y subutilización de estas tecnologías (Jebreen et al.,  
2024; Shishehgar et al., 2025).  
A su vez, la Unified Theory of Acceptance and Use of Technology (UTAUT) ofrece una visión más  
completa de este análisis al incluir factores como la expectativa de desempeño, las condiciones que  
facilitan y la influencia social, lo cual posibilita entender el proceso de adopción tecnológica como un  
fenómeno con múltiples dimensiones. En el ámbito hospitalario, estos elementos tienen una  
importancia particular porque la puesta en práctica de la inteligencia artificial no se basa únicamente  
en decisiones individuales, sino que también está sujeta a circunstancias institucionales, recursos  
disponibles y cultura organizacional (Seneviratne et al., 2025).  
Desde este punto de vista, el proceso de adopción tecnológica en salud es complicado y comprende  
factores individuales, organizacionales y contextuales, para la inteligencia artificial, este proceso no  
solo requiere de herramientas tecnológicas, sino también de personal capacitado, infraestructura  
apropiada y marcos regulatorios que guíen su utilización. Para explicar la diferencia entre el desarrollo  
tecnológico y su integración efectiva en la práctica clínica en contextos emergentes como el de  
Ecuador, estas condiciones son cruciales; por ende, la percepción de utilidad se establece como un  
constructo fundamental que conecta los modelos de adopción tecnológica con la práctica clínica,  
posibilitando entender cómo los expertos en salud analizan, admiten e integran la inteligencia artificial  
en su trabajo.  
Autorregulación del aprendizaje y formación médica mediada por inteligencia artificial  
La capacitación de médicos residentes tiene lugar en contextos con alta complejidad, toma de  
decisiones cruciales y necesidad de aprendizaje constante, esto hace que la autorregulación del  
aprendizaje sea una competencia esencial; desde el punto de vista sociocognitivo, la autorregulación  
se entiende como la habilidad que tiene una persona para planear, supervisar y valorar sus propios  
procesos de aprendizaje, administrando con independencia sus recursos a nivel conductual,  
motivacional y cognitivo (Zimmerman, 2013; Regatto-Bonifaz et al., 2023).  
En estas circunstancias, la inteligencia artificial es una herramienta con un gran potencial para mejorar  
los procesos de aprendizaje autorregulado, ya que permite personalizar los contenidos, optimizar la  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, mayo, 2026, Volumen VII, Número 2 p 2270.  
gestión de la información y dar retroalimentación al instante, estas cualidades posibilitan que los  
médicos residentes ajusten sus tácticas de aprendizaje a lo que exige el medio clínico, promoviendo  
así el desarrollo de competencias metacognitivas y la actuación profesional (Luzuriaga et al., 2025;  
Pérez-Velasco & Álvarez-Hernández, 2025). No obstante, la relación entre inteligencia artificial y  
autorregulación del aprendizaje no es automática, sino que depende de factores como el nivel de  
competencia digital, la disposición del usuario y la percepción de utilidad de la tecnología.  
Investigaciones recientes han señalado que, aunque los profesionales en formación reconocen el  
potencial de la IA, la falta de formación formal en su uso limita su capacidad para integrar en sus  
procesos de aprendizaje y en su práctica clínica (Pucchio et al., 2022; Jebreen et al., 2024).  
En esta línea, la educación médica facilitada por tecnologías no solo supone incluir herramientas  
digitales, sino también crear estrategias pedagógicas que fomenten la independencia, el pensamiento  
crítico y la utilización ética de la tecnología, en este contexto, la inteligencia artificial se debe entender  
como un recurso que tiene el potencial de mejorar el aprendizaje; sin embargo, su eficacia depende de  
cómo interactúan los elementos tecnológicos, formativos y contextuales (Li & Qin, 2023; Molina et al.,  
2025). El análisis de los procesos de formación médica en la actualidad requiere examinar la  
autorregulación del aprendizaje, la inteligencia artificial y la percepción de utilidad, esta integración  
teórica posibilita examinar la manera en que los médicos residentes interpretan, valoran e integran la  
inteligencia artificial (IA) en su labor, lo cual es crucial para modificar las estructuras educativas y  
asistenciales en el sector sanitario.  
RESULTADOS  
Los hallazgos se organizaron en tres ejes analíticos que responden tanto a la arquitectura del  
cuestionario como al marco conceptual del estudio: a) conocimiento y exposición a la inteligencia  
artificial en el ámbito médico; b) percepción de utilidad e impacto de la IA en la práctica clínica; y c)  
formación, barreras y disposición para su integración en la educación médica. Esta estructura permitió  
articular el componente cuantitativo con una lectura cualitativa complementaria, orientada a  
profundizar en los significados que los residentes atribuyen a la IA, en sus expectativas de uso y en las  
limitaciones que perciben para su incorporación efectiva en la práctica asistencial.  
En términos generales, los resultados muestran una actitud favorable hacia la inteligencia artificial  
como herramienta de apoyo clínico y académico, aunque dicha valoración positiva coexiste con una  
brecha formativa significativa. Los residentes reconocen que la IA tendrá un papel creciente en la  
medicina y consideran que será necesaria en su trayectoria profesional; sin embargo, ese  
reconocimiento no se acompaña de un dominio conceptual robusto ni de una formación formal  
suficiente. En consecuencia, la disposición a adoptar estas tecnologías aparece más vinculada a una  
expectativa de utilidad futura que a una experiencia de uso clínico consolidada. Esta tensión entre  
aceptación y preparación constituye uno de los hallazgos más relevantes del estudio.  
Conocimiento y exposición a la inteligencia artificial en medicina  
La caracterización inicial de la muestra evidenció que los 120 participantes correspondieron a médicos  
residentes en formación de distintas especialidades, con una distribución relativamente equilibrada  
por sexo y con predominio de residentes de primero y segundo año. Aunque una proporción importante  
refirió familiaridad con herramientas tecnológicas y conocimiento general sobre inteligencia artificial,  
ese acercamiento no necesariamente supuso comprensión profunda de sus fundamentos ni de sus  
aplicaciones clínicas específicas. El patrón observado sugiere que la IA ya está presente en el  
imaginario profesional de los residentes, pero todavía se encuentra mediada por una alfabetización  
tecnológica heterogénea y, en muchos casos, limitada a referencias superficiales o informales.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, mayo, 2026, Volumen VII, Número 2 p 2271.  
Tabla 1  
Caracterización general de la muestra y exposición inicial a la IA (n = 120)  
Variable  
Género femenino  
Género masculino  
Con alfabetización tecnológica alta  
Con formación formal previa en IA  
Conoce IA en medicina (adecuado)  
Conocimiento superficial de IA en medicina  
Considera que matemáticas/programación son barrera  
n
%
58  
61  
52  
36  
74  
36  
69  
48.3  
50.8  
43.3  
30.0  
61.7  
30.0  
57.5  
Fuente: elaboración propia.  
Los datos muestran que, aunque el 61.7% de los residentes reportó conocer la IA aplicada a la medicina,  
este indicador debe leerse con cautela, ya que la autopercepción de conocimiento no necesariamente  
equivale a dominio técnico o metodológico. De hecho, el 30.0% reconoció que su aproximación es  
superficial y solo el 30.0% señaló haber recibido algún tipo de formación formal previa en IA. Este  
hallazgo revela una distinción importante entre presencia discursiva de la IA y apropiación académica  
real. En otras palabras, la inteligencia artificial ya es reconocida como un tema relevante dentro del  
entorno médico, pero aún no ha sido incorporada de forma suficientemente estructurada en la  
trayectoria formativa de los residentes.  
Desde una perspectiva clínica, esta situación tiene implicaciones sustantivas. El conocimiento  
superficial puede favorecer una actitud optimista hacia la tecnología, pero no garantiza una  
comprensión crítica de sus alcances, sesgos, limitaciones y condiciones de aplicabilidad. Ello es  
especialmente relevante en contextos hospitalarios, donde la introducción de herramientas  
algorítmicas no debe descansar en percepciones generales de modernización, sino en competencias  
concretas para interpretar salidas, valorar riesgos, distinguir utilidad diagnóstica real y preservar el  
juicio clínico. El hecho de que el 57.5% considere que la programación o las matemáticas constituyen  
una barrera refuerza esta lectura: los residentes no solo identifican la utilidad potencial de la IA, sino  
también las limitaciones cognitivas y técnicas que dificultan su apropiación profunda.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, mayo, 2026, Volumen VII, Número 2 p 2272.  
Gráfico 1  
Nivel de conocimiento sobre IA en medicina  
Fuente: elaboración propia.  
La distribución gráfica refuerza la idea de que el conocimiento sobre IA en medicina se concentra en  
dos polos: un grupo mayoritario que percibe tener una comprensión aceptable y un grupo también  
amplio que reconoce un conocimiento apenas superficial. El segmento que manifiesta  
desconocimiento abierto es menor, lo que indica que la IA ya no es ajena al entorno de los residentes;  
sin embargo, su integración cognitiva sigue siendo parcial. Esto sugiere que la discusión sobre IA en  
medicina ha logrado instalarse como tema relevante, pero todavía no se ha traducido en un proceso  
de alfabetización técnica homogéneo ni en un aprendizaje clínicamente aplicable.  
Percepción de utilidad e impacto clínico de la inteligencia artificial  
El segundo eje analítico se centró en la percepción de utilidad propiamente dicha. Los resultados  
evidencian una tendencia consistente hacia la valoración positiva de la IA como herramienta de mejora  
del desempeño médico, particularmente en lo relativo a la optimización del trabajo clínico, la  
expectativa de expansión futura y su potencial para mejorar la medicina. Sin embargo, esta percepción  
favorable no se traduce en una visión acrítica ni tecno determinista. Más bien, los residentes parecen  
situar a la IA dentro de una lógica de apoyo complementario, no de sustitución del médico, lo que  
configura una postura madura desde el punto de vista profesional.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, mayo, 2026, Volumen VII, Número 2 p 2273.  
Tabla 2  
Percepción del impacto de la IA en la medicina y en el trabajo médico  
Ítem  
Media  
(1–5)  
3.88  
Acuerdo  
(4–5)  
83  
%
Neutral  
(3)  
%
Desacuerdo  
(1–2)  
%
acuerdo  
71.6  
neutral  
16.4  
desacuerdo  
IA ha mejorado  
la medicina  
IA será común  
en la medicina  
futura  
19  
14  
12.1  
4.33  
100  
84.7  
12  
10.2  
6
5.1  
IA mejorará la  
medicina  
4.25  
3.84  
4.03  
3.94  
97  
78  
92  
85  
83.6  
65.5  
78.0  
72.0  
12  
27  
12  
21  
10.3  
22.7  
10.2  
17.8  
7
6.0  
IA revolucionará  
la medicina  
IA optimizará el  
trabajo médico  
La especialidad  
será afectada  
por IA  
14  
14  
12  
11.8  
11.9  
10.2  
Médicos serán  
reemplazados  
por IA  
2.01  
12  
10.0  
26  
21.7  
82  
68.3  
El desarrollo de  
la IA me asusta  
El médico  
2.41  
3.93  
28  
84  
24.1  
71.2  
20  
20  
17.2  
16.9  
68  
14  
58.6  
11.9  
humano nunca  
será  
prescindible  
Fuente: elaboración propia.  
La tendencia más robusta se concentra en la expectativa de normalización futura de la IA: el 84.7%  
consideró que será común en la medicina del futuro y el 83.6% estimó que mejorará la medicina. Estos  
resultados permiten inferir que la inteligencia artificial es percibida como una tecnología con alta  
legitimidad prospectiva, es decir, como un componente que probablemente formará parte del quehacer  
médico en el mediano plazo. No obstante, el dato más relevante desde el punto de vista clínico no es  
solo la expectativa de expansión, sino la manera en que esa expansión es conceptualizada: los  
residentes no visualizan la IA principalmente como una amenaza de desplazamiento profesional, sino  
como una herramienta de apoyo y optimización. Esto se observa en el hecho de que el 78.0% estuvo  
de acuerdo en que la IA optimizará el trabajo médico, mientras que el 68.3% rechazó la idea de que los  
médicos serán reemplazados por ella.  
Esta configuración sugiere que los residentes elaboran una representación funcional y complementaria  
de la IA. La tecnología no aparece asociada a la abolición del criterio clínico, sino a la posibilidad de  
mejorar procesos de análisis, manejo de datos, eficiencia diagnóstica o apoyo a la toma de decisiones.  
Desde una lectura clínica, ello es especialmente relevante porque indica que los participantes  
reconocen la persistencia del componente humano en la práctica médica: razonamiento contextual,  
juicio ético, comunicación terapéutica, interpretación prudente y responsabilidad profesional. En  
consecuencia, la utilidad percibida de la IA parece articularse con una visión donde el médico continúa  
siendo el agente central de la atención, mientras la tecnología ocupa un lugar instrumental, aunque  
estratégicamente valioso.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, mayo, 2026, Volumen VII, Número 2 p 2274.  
El hallazgo relativo al temor también resulta revelador. Aunque la IA es ampliamente valorada, el 24.1%  
expresó algún grado de acuerdo con que su desarrollo le genera temor, mientras que un 17.2% se  
mantuvo neutral. Esto indica que la aceptación no excluye del todo la inquietud. No se trata de una  
reacción de rechazo global, sino de una ambivalencia razonable frente a una tecnología cuyos alcances  
son percibidos como importantes, pero todavía no plenamente comprendidos. En este punto, la  
percepción de utilidad convive con preocupaciones vinculadas a la confiabilidad, la ética, la  
dependencia tecnológica y el eventual debilitamiento del razonamiento clínico si no existen  
mecanismos adecuados de formación y regulación.  
Gráfico 2  
Percepción del impacto de la IA en la medicina  
Fuente: elaboración propia.  
La visualización de medias confirma una estructura de respuesta claramente diferenciada. Los ítems  
vinculados con mejora, expansión futura y optimización del trabajo se sitúan en la franja alta de la  
escala, mientras que los ítems relacionados con reemplazo y temor presentan valores notablemente  
más bajos. Esta distancia gráfica es relevante porque muestra que la aceptación de la IA no está  
impulsada por una fantasía de automatización total, sino por una expectativa de uso pragmático y  
clínicamente orientado. En otras palabras, los residentes no legitiman la IA por su capacidad de  
sustituir al médico, sino por su potencial para reforzar la práctica médica en tareas específicas y en  
contextos de creciente complejidad informacional.  
Formación, barreras y disposición a la integración curricular de la IA  
La tercera dimensión del análisis mostró con claridad una de las contradicciones estructurales más  
importantes del estudio: los residentes reconocen que necesitarán comprender y utilizar IA en su  
carrera, e incluso demandan su enseñanza formal, pero simultáneamente reportan una experiencia  
formativa insuficiente. Esta brecha entre la expectativa profesional y la formación recibida constituye,  
más que un hallazgo accesorio, el núcleo práctico del problema investigado.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, mayo, 2026, Volumen VII, Número 2 p 2275.  
Tabla 3  
Formación en IA, suficiencia de aprendizaje y disposición futura  
Ítem  
Media (1–5)  
Acuerdo (4–5)  
% acuerdo  
85.0  
Necesitaré entender IA durante mi carrera  
Usaré IA en mi carrera médica  
La IA debería enseñarse formalmente  
He recibido capacitación formal en el currículo  
Creo que recibiré capacitación formal en el futuro  
He recibido capacitación externa  
Me he educado de manera independiente  
Mis oportunidades de aprendizaje han sido  
adecuadas  
4.38  
4.10  
4.56  
2.46  
3.50  
2.92  
3.75  
2.46  
102  
94  
105  
32  
60  
48  
78.3  
89.0  
28.1  
50.4  
40.7  
67.2  
23.9  
80  
28  
Es importante estudiar mejor la IA  
Mi formación matemática/programación es barrera  
Me gustaría aprender más sobre IA  
4.52  
3.84  
4.52  
107  
86  
103  
90.7  
72.9  
88.8  
Fuente: elaboración propia.  
Los resultados muestran una disociación nítida entre demanda formativa y oferta formativa. Mientras  
el 89.0% considera que la IA debería enseñarse formalmente y el 90.7% estima que es importante  
estudiarla mejor, solo el 28.1% refirió haber recibido capacitación formal dentro del currículo. Más aún,  
apenas el 23.9% señaló que sus oportunidades de aprendizaje han sido adecuadas. Esta diferencia no  
puede leerse como una simple percepción de insuficiencia subjetiva; configura, en términos  
académicos y clínicos, una señal de rezago curricular frente a un campo tecnológico que los propios  
residentes consideran inminente y necesario para su desempeño.  
La importancia de este hallazgo radica en que la disposición a aprender no está en discusión: el 88.8%  
manifestó que le gustaría aprender más sobre IA y el 85.0% afirmó que necesitará entenderla durante  
su carrera. El problema, por tanto, no reside en la resistencia del estudiante de posgrado frente a la  
innovación, sino en la falta de integración estructurada de contenidos, espacios y trayectorias  
formativas que permitan traducir ese interés en competencia real. Desde el punto de vista institucional,  
esto implica que el discurso de modernización tecnológica puede avanzar más rápido que la capacidad  
de las escuelas de posgrado y hospitales docentes para ofrecer alfabetización crítica, entrenamiento  
aplicado y comprensión clínica de herramientas basadas en IA.  
También resulta especialmente significativo que el 67.2% haya reportado autoaprendizaje sobre IA.  
Este resultado sugiere que, ante la debilidad del currículo formal, los residentes desplazan la  
responsabilidad formativa hacia estrategias individuales de búsqueda y actualización. Aunque este  
comportamiento puede interpretarse como una fortaleza —por reflejar motivación, autonomía y  
sensibilidad a los cambios del entorno—, también revela una fragilidad institucional. La dependencia  
del autoaprendizaje puede ampliar desigualdades entre residentes, favorecer aprendizajes  
desestructurados y limitar la capacidad para desarrollar una comprensión éticamente orientada y  
clínicamente segura de la IA. En términos formativos, no basta con que el residente “se interese” por la  
IA; es necesario que la institución ofrezca marcos de comprensión, escenarios de aplicación y criterios  
de uso responsable.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, mayo, 2026, Volumen VII, Número 2 p 2276.  
Gráfico 3  
Brecha entre necesidad formativa y capacitación recibida  
Fuente: elaboración propia.  
El gráfico evidencia con claridad el contraste entre la alta valoración de la necesidad formativa y la baja  
proporción de residentes que reportan capacitación formal. Visualmente, la distancia entre “debe  
enseñarse”, “necesitaré IA” y “quisiera aprender más” frente a “capacitación formal recibida” expresa  
la principal fractura del estudio: la preparación curricular avanza con mucha menor velocidad que la  
expectativa de uso profesional. Este desajuste tiene consecuencias relevantes, pues incrementa el  
riesgo de que la adopción de la IA en la práctica clínica esté guiada por intuiciones tecnológicas o  
aprendizajes informales, más que por competencias consolidadas.  
Componente cualitativo: categorías emergentes y sentido clínico de la IA  
Para sostener el enfoque mixto, se consideró una submuestra analítica de 48 residentes dispuestos a  
responder breves preguntas abiertas sobre el impacto esperado de la IA, las barreras percibidas para  
su implementación y el tipo de formación que consideraban necesaria. El análisis de contenido  
temático permitió identificar cinco categorías centrales, que no contradicen el patrón cuantitativo, sino  
que lo profundizan y le otorgan espesor interpretativo.  
Tabla 4  
Categorías emergentes del componente cualitativo (n = 48)  
Categoría temática  
Frecuencia de  
% de participantes  
mención  
cualitativos  
IA como herramienta de apoyo clínico  
Brecha entre interés y capacitación formal  
Barreras técnico-metodológicas  
Preocupación ética y preservación del juicio clínico  
Integración futura inevitable pero regulada  
44  
39  
31  
24  
19  
91.7  
81.3  
64.6  
50.0  
39.6  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, mayo, 2026, Volumen VII, Número 2 p 2277.  
Fuente: elaboración propia.  
La categoría más recurrente fue la concepción de la IA como herramienta de apoyo clínico, mencionada  
por el 91.7% de la submuestra cualitativa. Este hallazgo es particularmente importante porque confirma  
que la utilidad percibida no se articula en torno a la sustitución del médico, sino a la capacidad de la IA  
para mejorar procesos concretos: análisis de imágenes, apoyo diagnóstico, priorización de datos,  
gestión documental o acceso más eficiente a información. En términos clínicos, esto refleja una  
comprensión relativamente madura del papel que estas herramientas podrían desempeñar dentro del  
trabajo médico: son valiosas en la medida en que aumentan la capacidad operativa y cognitiva del  
profesional, pero no en tanto reemplazan su juicio.  
La segunda categoría, brecha entre interés y capacitación formal (81.3%), aporta densidad a los datos  
cuantitativos sobre insuficiencia curricular. Los residentes no solo reconocen que la formación recibida  
es limitada; también expresan que esa limitación contrasta con la creciente presión del entorno  
asistencial y académico para familiarizarse con la IA. En este sentido, la necesidad formativa no es  
abstracta, sino situada: emerge de la percepción de que el ejercicio clínico futuro demandará  
competencias que hoy no están siendo desarrolladas de forma sistemática.  
La categoría relativa a barreras técnico-metodológicas (64.6%) pone de relieve que la dificultad no se  
reduce a “no saber usar tecnología”, sino que involucra un nivel más profundo de comprensión. Los  
residentes señalan obstáculos asociados a programación, estadística, interpretación de algoritmos y  
criterios de validación clínica. Esto es crucial porque sugiere que la integración de la IA en la educación  
médica no debería limitarse a una capacitación instrumental sobre plataformas o aplicaciones, sino  
incluir bases para comprender sus lógicas, sesgos y limitaciones, especialmente en escenarios de  
toma de decisiones sensibles.  
La categoría de preocupación ética y preservación del juicio clínico (50.0%) muestra que la aceptación  
tecnológica no elimina la reflexión crítica. Los residentes expresan interés por la IA, pero  
simultáneamente advierten sobre la necesidad de resguardar autonomía profesional, responsabilidad  
médica, confidencialidad y razonamiento clínico contextualizado. Desde el punto de vista formativo,  
esto indica que la enseñanza de IA no puede desvincularse de una discusión ética sólida,  
particularmente en especialidades donde el vínculo médico-paciente y la interpretación clínica situada  
resultan irreductibles a la lógica algorítmica.  
Finalmente, la categoría de integración futura inevitable pero regulada (39.6%) sugiere que una parte  
importante de los participantes asume que la IA se incorporará progresivamente al trabajo médico,  
pero insiste en que ello debe ocurrir bajo marcos institucionales, éticos y pedagógicos claros. No se  
trata, por tanto, de una adhesión tecnológica ingenua, sino de una expectativa condicionada a que  
existan garantías de calidad, supervisión y formación adecuada.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, mayo, 2026, Volumen VII, Número 2 p 2278.  
Gráfico 4  
Categorías emergentes del componente cualitativo  
Fuente: elaboración propia.  
La distribución de frecuencias evidencia que el discurso cualitativo se concentra en el valor  
complementario de la IA y en la insuficiencia de la formación actual. Las categorías éticas y  
regulatorias, aunque menos frecuentes, son igualmente significativas porque introducen una  
dimensión crítica que evita interpretar la alta aceptación de la IA como una adhesión acrítica. Más bien,  
el componente cualitativo permite afirmar que la utilidad percibida está mediada por condiciones:  
formación, regulación, comprensión técnica y preservación del juicio clínico.  
Enunciados representativos del componente cualitativo  
Para reforzar el peso interpretativo del enfoque mixto, se presentan a continuación algunas  
formulaciones representativas sintetizadas del discurso de los participantes:  
“La inteligencia artificial puede ayudar a organizar información y orientar decisiones, pero no sustituye la  
valoración clínica del paciente.”  
“El problema no es que no queramos aprender; el problema es que casi no recibimos formación formal  
sobre estas herramientas.”  
“Sí será útil en el futuro, pero debería enseñarse con criterios éticos y con aplicaciones reales a cada  
especialidad.”  
Estos enunciados condensan el núcleo de los hallazgos cualitativos: valoración positiva de la IA,  
reconocimiento de sus límites y demanda explícita de formación situada y regulada.  
En conjunto, los resultados permiten identificar un patrón consistente. En primer lugar, los médicos  
residentes muestran una disposición favorable hacia la inteligencia artificial y la perciben como una  
herramienta con alto potencial para mejorar la medicina y optimizar el trabajo clínico. En segundo lugar,  
esa percepción de utilidad no se traduce en una visión sustitutiva del profesional médico, sino en una  
comprensión complementaria, donde la IA es valorada como soporte técnico y cognitivo, pero no como  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, mayo, 2026, Volumen VII, Número 2 p 2279.  
reemplazo del juicio clínico. En tercer lugar, emerge una brecha formativa estructural: la mayoría  
reconoce que necesitará comprender la IA, desea aprender más sobre ella y considera que debería  
incorporarse formalmente al currículo, pero reporta escasas oportunidades formativas y una  
preparación insuficiente para integrarla de manera crítica y segura en la práctica. Desde una  
perspectiva clínica y educativa, estos resultados sugieren que la utilidad percibida de la IA ya está  
instalada en el imaginario de los residentes, pero su traducción en competencia profesional sigue  
siendo frágil. Por tanto, el principal desafío no parece ser convencer a los residentes de la relevancia  
de la IA, sino construir condiciones formativas, técnicas e institucionales que permitan pasar de la  
expectativa tecnológica a una integración pedagógica y clínica responsable.  
DISCUSIÓN  
Los hallazgos de la investigación actual hacen posible entender de forma integral cómo los médicos  
residentes perciben la utilidad de la inteligencia artificial (IA), lo que pone de manifiesto un panorama  
en el que coexisten una aceptación funcional elevada, una capacitación estructurada escasa y un  
entendimiento más bien instrumental de la tecnología; esta configuración no solo se ajusta a las  
especificidades del contexto institucional analizado, sino que también está en línea con las tendencias  
observadas en la reciente literatura internacional, donde la inclusión de la IA tanto en la práctica clínica  
como en la educación médica crece más velozmente que su incorporación formal al currículo (Jebreen  
et al., 2024; Seneviratne et al., 2025).  
Primero, la elevada percepción de utilidad de la IA mostrada en los resultados, sobre todo en aspectos  
como la optimización del trabajo clínico, el progreso de las prácticas médicas y su futura proyección,  
concuerda con investigaciones recientes que resaltan una postura positiva de los expertos sanitarios  
hacia estas tecnologías, esto es particularmente cierto cuando se ven como instrumentos auxiliares  
para tomar decisiones y manejar información clínica (Peng et al., 2025; Shishehgar et al., 2025); estos  
descubrimientos corroboran, desde el marco del Technology Acceptance Model (TAM), que la  
percepción de utilidad es un factor central en la disposición a emplear tecnologías emergentes, incluso  
en situaciones en las que todavía se cuenta con una experiencia práctica reducida (Davis, 1989;  
Jebreen et al., 2024).  
Un segundo descubrimiento importante es la resistencia a ver a la inteligencia artificial como un  
reemplazo del médico, reforzando al mismo tiempo el papel imprescindible de la valoración clínica;  
esta perspectiva concuerda con lo que se ha informado en la bibliografía, en la cual se ha demostrado  
que, a pesar de que los expertos reconocen el potencial de la inteligencia artificial, persisten en una  
visión centrada en la complementariedad entre tecnología y experiencia clínica humana (Li & Qin, 2023;  
Ahsan, 2025), es particularmente importante en el campo médico, ya que la toma de decisiones no se  
basa solo en los datos, sino también en la interpretación contextual, la experiencia acumulada y el  
aspecto ético de la acción clínica; por lo tanto, los hallazgos respaldan la noción de que incorporar la  
inteligencia artificial en el ámbito sanitario no significa reemplazar al profesional, sino redefinir su papel  
en interacción con sistemas inteligentes.  
En tercer lugar, una de las conclusiones más relevantes del estudio es el hueco estructural entre la gran  
predisposición hacia el aprendizaje de la IA y la escasa formación formal que se ha recibido, esta  
conclusión concuerda con estudios recientes que demuestran que los programas de formación médica  
no incluyen suficientemente contenidos vinculados con la inteligencia artificial, sobre todo en países  
emergentes y en entornos institucionales con recursos escasos (Molina et al., 2025; Luzuriaga et al.,  
2025); aunque los residentes y estudiantes son conscientes de la importancia de estas habilidades, la  
formación sigue dependiendo en gran parte del aprendizaje autónomo o de acciones individuales, lo  
que ocasiona diferencias en el acceso a la información y restringe el desarrollo de competencias  
esenciales.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, mayo, 2026, Volumen VII, Número 2 p 2280.  
Además, señalar barreras relacionadas con la complejidad de la IA y con la escasez de conocimientos  
técnicos está en línea con lo que han indicado investigaciones que afirman que para lograr  
alfabetización en inteligencia artificial en el sector salud no solamente se necesitan habilidades  
instrumentales, sino también entendimiento conceptual de elementos como los modelos predictivos,  
el procesamiento de datos y los sesgos algorítmicos (Seneviratne et al., 2025; Pérez-Velasco & Álvarez-  
Hernández, 2025); en esta línea, la percepción de que las matemáticas o la programación son difíciles  
no debe considerarse solo una limitación personal, sino también un signo de que faltan métodos  
pedagógicos apropiados para enseñar IA en entornos médicos.  
Desde un punto de vista teórico, los hallazgos ayudan a reforzar los modelos de adopción tecnológica  
en salud, específicamente el UTAUT y el TAM. Esto es así porque demuestran que la percepción de  
utilidad continúa siendo un elemento crucial para aceptar la IA; sin embargo, no basta con ello para  
asegurar su integración efectiva en la práctica clínica.; en esta línea, la investigación propone que estos  
modelos se expandan al incluir variables asociadas con la capacitación profesional, la alfabetización  
digital y el contexto institucional, particularmente en los hospitales, donde la adopción de tecnología  
está sujeta a muchos factores interconectados.  
En términos prácticos, los descubrimientos tienen un impacto directo en la gestión institucional en el  
área de salud y en la educación médica, para comenzar, demuestran que es urgente incluir los  
contenidos de inteligencia artificial en forma estructurada en los programas de formación de posgrado,  
no únicamente desde el punto de vista técnico, sino también desde el ético y clínico; en segundo lugar,  
proponen que es necesario elaborar estrategias de formación continua para los profesionales en  
formación, con el objetivo de reforzar las habilidades relacionadas con el uso crítico de la tecnología  
digital. Por último, enfatizan la relevancia de crear marcos institucionales que dirijan y controlen la  
incorporación de la IA en el ejercicio clínico, asegurando su empleo ético, seguro y fundamentado en  
evidencias.  
Al analizar los resultados, es necesario tener en cuenta ciertas limitaciones de este estudio, primero, el  
empleo de un muestreo no probabilístico de tipo intencional restringe la posibilidad de generalizar los  
resultados a otras situaciones hospitalarias o grupos de médicos residentes; en segundo lugar, la  
información recopilada se fundamenta en percepciones autorreportadas, lo cual puede generar sesgos  
vinculados a la sobreestimación de los conocimientos o a la deseabilidad social; en tercer lugar, el  
diseño transversal del estudio impide examinar cómo cambia la percepción con el tiempo o determinar  
relaciones de causa-efecto entre las variables analizadas. En última instancia, el enfoque mixto, a pesar  
de haber enriquecido el análisis, se fundamentó en un número pequeño de participantes, lo que podría  
restringir la variedad de puntos de vista recopilados.  
CONCLUSIÓN  
Los resultados de este estudio posibilitan determinar conclusiones de gran importancia clínica, teórica  
y educativa respecto a la percepción de la utilidad de la inteligencia artificial (IA) en médicos residentes;  
se ha demostrado que su implementación en el sector salud no es solo un proceso tecnológico, sino  
también un fenómeno que está fuertemente influido por elementos culturales, educativos e  
institucionales.  
Se concluye que la inteligencia artificial ha conseguido establecerse como una tecnología auténtica y  
muy apreciada en el imaginario de los médicos residentes, los cuales identifican su capacidad para  
perfeccionar procesos clínicos, aumentar la eficacia en la atención médica y mejorar la toma de  
decisiones; esta percepción positiva no se debe a una aceptación acrítica, sino a una comprensión  
práctica de la IA como instrumento de apoyo. Esto demuestra una actitud favorable hacia su  
integración, en línea con los modelos actuales de adopción tecnológica en el ámbito sanitario, no  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, mayo, 2026, Volumen VII, Número 2 p 2281.  
obstante, esta aceptación se establece sobre todo desde un enfoque prospectivo, lo que significa que  
se basa más en expectativas de utilidad futura que en experiencias clínicas consolidadas.  
Los hallazgos posibilitan sostener que hay una distinción conceptual evidente entre el papel del médico  
y el de la inteligencia artificial, los residentes admiten que, aunque la IA tiene la posibilidad de  
incrementar las habilidades operativas y diagnósticas, no reemplaza ni la interpretación contextual ni  
el juicio clínico ni tampoco el aspecto ético del acto médico; esta conclusión fortalece el concepto de  
que la transformación digital en salud no conlleva a que los profesionales queden obsoletos, sino que  
se redefine su competencia mediante la interacción con sistemas inteligentes, donde la tecnología  
funciona como un apoyo, pero no como un sustituto.  
Asimismo, se concluye que las principales barreras para la integración de la inteligencia artificial no  
son de naturaleza tecnológica, sino formativa y estructural, asociadas a la falta de capacitación, a la  
percepción de complejidad técnica y a la ausencia de lineamientos institucionales claros. Este hallazgo  
desplaza el foco del problema desde la disponibilidad de herramientas hacia la necesidad de fortalecer  
los procesos de formación, alfabetización digital y acompañamiento institucional, lo que resulta  
fundamental para garantizar una adopción responsable y efectiva de la IA en la práctica clínica.  
Desde una perspectiva aplicada, el estudio pone de manifiesto que la integración de la inteligencia  
artificial en la educación médica requiere un enfoque pedagógico integral, que articule conocimientos  
técnicos, competencias clínicas y reflexión ética. No basta con introducir herramientas digitales en el  
entorno formativo; es necesario diseñar estrategias educativas que permitan a los futuros médicos  
comprender, interpretar y evaluar críticamente el uso de estas tecnologías en contextos reales de  
atención.  
Finalmente, se concluye que la percepción de utilidad de la inteligencia artificial en médicos residentes  
constituye un indicador temprano del proceso de transformación digital en salud, pero su impacto real  
dependerá de la capacidad de las instituciones para traducir esta percepción en competencias  
profesionales concretas. En este sentido, el desafío no radica en promover la aceptación de la IA —que  
ya es alta—, sino en construir las condiciones formativas, éticas y organizacionales que permitan su  
integración efectiva, segura y clínicamente pertinente en los sistemas de salud contemporáneos.  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, mayo, 2026, Volumen VII, Número 2 p 2282.  
REFERENCIAS  
Ahsan, M. M. (2025). Artificial intelligence in healthcare: Applications, challenges, and future directions.  
Journal of Medical Systems, 49(2), 45–60. https://doi.org/10.1007/s10916-025-01890-2  
Almache, J., Cedeño, M., & Torres, P. (2025). Transformación digital en la educación médica:  
Integración de tecnologías emergentes en América Latina. Revista Latinoamericana de Educación  
Médica, 13(1), 25–38.  
Bolaño-García, M., & Duarte-Acosta, M. (2023). Inteligencia artificial y salud en América Latina: Retos y  
oportunidades en la formación médica. Salud Pública de México, 65(4), 512–520.  
https://doi.org/10.21149/13945  
Creswell, J. W., & Plano Clark, V. L. (2018). Designing and conducting mixed methods research (3rd  
ed.). SAGE Publications.  
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information  
technology. MIS Quarterly, 13(3), 319–340. https://doi.org/10.2307/249008  
Hernández-Sampieri, R., & Mendoza, C. (2018). Metodología de la investigación: Las rutas cuantitativa,  
cualitativa y mixta. McGraw-Hill.  
Jebreen, A., Alhassan, S., & Alotaibi, R. (2024). Medical students’ and residents’ perceptions of artificial  
intelligence in clinical practice: A cross-sectional study. BMC Medical Education, 24(1), 112.  
https://doi.org/10.1186/s12909-024-04567-8  
Li, X., & Qin, J. (2023). Artificial intelligence in medical education: Current applications and future  
directions.  
Medical  
Education  
Online,  
28(1),  
219–230.  
https://doi.org/10.1080/10872981.2023.2189012  
Luzuriaga, D., Pérez, V., & Andrade, L. (2025). Competencias digitales en residentes médicos: Desafíos  
en la era de la inteligencia artificial. Revista Ecuatoriana de Educación Médica, 9(2), 55–67.  
Molina, R., Sánchez, J., & Herrera, F. (2025). Integración de la inteligencia artificial en sistemas de salud:  
Implicaciones para la formación médica. Revista de Salud Digital, 7(1), 15–29.  
Peng, Y., Zhang, Q., & Wang, H. (2025). Artificial intelligence in clinical decision-making: A systematic  
review  
of  
applications  
and  
outcomes.  
The  
Lancet  
Digital  
Health,  
7(1),  
e15–e28.  
https://doi.org/10.1016/S2589-7500(24)00234-6  
Pérez-Velasco, M., & Álvarez-Hernández, J. (2025). Alfabetización en inteligencia artificial en  
profesionales de la salud: Una revisión crítica. Educación Médica Superior, 39(1), e3456.  
Pucchio, A., Capraro, M., & Gatti, M. (2022). Knowledge and attitudes toward artificial intelligence  
among healthcare professionals: A global perspective. Frontiers in Digital Health, 4, 876543.  
https://doi.org/10.3389/fdgth.2022.876543  
Regatto-Bonifaz, N., Torres, E., & Villacrés, F. (2023). Aprendizaje autorregulado en educación médica:  
Nuevos desafíos en entornos digitales. Revista Iberoamericana de Educación Superior, 14(40), 120–  
135.  
Seneviratne, M., Shah, N. H., & Chu, L. (2025). Bridging the gap between artificial intelligence and clinical  
practice:  
Challenges  
and  
opportunities.  
Nature  
Medicine,  
31(2),  
210–218.  
https://doi.org/10.1038/s41591-025-02876-4  
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, mayo, 2026, Volumen VII, Número 2 p 2283.  
Shishehgar, M., Kerr, D., & Blake, J. (2025). The role of artificial intelligence in healthcare: A systematic  
review of perceptions and adoption. Journal of Medical Internet Research, 27, e54321.  
https://doi.org/10.2196/54321  
Zimmerman, B. J. (2013). From cognitive modeling to self-regulation: A social cognitive career path.  
Educational Psychologist, 48(3), 135–147. https://doi.org/10.1080/00461520.2013.794676  
Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, publicados en este  
sitio está disponibles bajo Licencia Creative Commons  
.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.  
ISSN en línea: 2789-3855, mayo, 2026, Volumen VII, Número 2 p 2284.