Las facultades de Medicina, las comisiones de docencia y los organismos responsables de la formación sanitaria viven un shock institucional. La inteligencia artificial (IA) ha irrumpido en las enseñanzas, sobre todo en el trabajo de estudiantes que la utilizan para estudiar, resolver casos y preparar exámenes. Su adopción ha desbordado la capacidad institucional para definir qué competencias preservar, enseñar y evaluar.

Una perspectiva publicada en mayo en Nature Medicine introduce un término especialmente oportuno: never-skilling, que podríamos traducir como «no adquisición de competencias». A diferencia del deskilling, la pérdida de destrezas previamente consolidadas, designa el riesgo de que el estudiante nunca desarrolle capacidades fundamentales porque la IA realiza por él una parte decisiva del trabajo cognitivo. Los autores distinguen asimismo el mis-skilling: aprender como válidos errores o sesgos producidos por el sistema.

El mecanismo es plausible. Razonar un diagnóstico exige seleccionar datos, jerarquizar hipótesis y justificar decisiones. Revisar una respuesta convincente no equivale a construir ese razonamiento. Los autores reconocen que falta evidencia clínica directa del never-skilling y proponen una agenda de investigación y una incorporación escalonada de la IA: competencia basal independiente, evaluación crítica y uso supervisado.

Un segundo trabajo, publicado en octubre de 2026 en NPJ Digital Medicine, aborda una manifestación concreta del problema en los sistemas de IA ambiental que escuchan la consulta y redactan borradores de historias clínicas. Sus autores advierten que escribir una nota clínica constituye también un ejercicio de síntesis y juicio. Si el residente se limita a corregir un texto ya generado, puede ahorrar tiempo sin entrenar necesariamente las habilidades que antes desarrollaba al redactarlo.

Proponen cuatro competencias evaluables en su estudio: detectar errores y omisiones; comprobar que el documento refleja el razonamiento clínico; generar notas autónomamente; y calibrar la confianza para aceptar, corregir o descartar la herramienta. Sugieren enseñarlas mediante simulación con fallos deliberados. Es un marco formativo, no una demostración de pérdida de capacidades en residentes.

España debería abordar este asunto antes de que el uso informal de la IA termine fijando, por inercia, el currículo efectivo real. El primer paso es conocer qué hacen realmente los alumnos y residentes, con qué herramientas y en qué actividades. El segundo, acordar un catálogo nacional de competencias clínicas que deban acreditarse sin asistencia algorítmica en cada etapa: anamnesis, razonamiento diagnóstico, interpretación de pruebas, documentación y comunicación con el paciente.

No se trata de excluir la IA de las aulas ni de idealizar la enseñanza previa. Se trata de evitar la paradoja de formar médicos excelentes manejando respuestas ajenas, pero inseguros cuando deban producir las propias. La competencia digital es imprescindible; la independencia del juicio clínico también. Ambas tienen que enseñarse y demostrarse.

De aquí surge una propuesta concreta: impulsar en España una nueva Evaluación Clínica Objetiva Estructurada (ECOE) con estaciones de doble modalidad. En unas, los estudiantes y residentes resolverían casos sin IA, demostrando razonamiento clínico, autonomía diagnóstica y comunicación con el paciente. En otras, podrían utilizarla, pero deberían detectar errores y omisiones, contrastar recomendaciones y justificar decisiones. No se evaluaría solo si aciertan, sino cómo razonan, qué delegan y cuándo desconfían del algoritmo. Acreditar las dos competencias, la clínica independiente y la supervisión crítica de la IA, debería convertirse en un objetivo explícito de la formación médica.