El software está siendo devorado por la IA
En 2011, Marc Andreessen dijo que "el software se está comiendo al mundo". En 2026, el mundo le está devolviendo el golpe.
GPT-4 permite que alguien sin equipo de ingeniería construya un SaaS funcional en un fin de semana. Cursor, Claude Code y Copilot multiplican entre 3 y 5 veces la productividad de un ingeniero senior. El costo de inferencia de los modelos de código abierto cae un 90% cada año[1].
El resultado: el costo marginal del software tiende a cero.
Si cualquiera puede usar IA para construir en tres días una aplicación de seguimiento de rehabilitación, una herramienta de recopilación de PROM o una plataforma de educación al paciente, entonces esos productos ya no tienen valor por sí mismos.
Esto no es una hipótesis. SWORD Health (valorada en 4.000 millones de dólares) tardó siete años en construir su motor de reconocimiento de movimiento con IA[2]. Hoy, MediaPipe Pose, de código abierto, alcanza una precisión superior al 98% en la detección de movimientos compensatorios[3]. MedBridge lanzó en 2025 un análisis de movimiento que solo necesita la cámara del teléfono[4], sin hardware adicional.
Cuando la herramienta se vuelve gratuita, la herramienta deja de ser el foso.
Software delgado frente a software grueso
Definamos ambos términos.
El software delgado es una capa de interfaz. Presenta datos existentes de forma más clara o ejecuta procesos existentes con mayor comodidad. Los dashboards, los formularios, la automatización de flujos de trabajo, la mayoría de los SaaS: todo eso es software delgado.
Características del software delgado:
- Las fuentes de datos son públicas o sustituibles
- La lógica central puede reescribirla una IA en una semana
- A la competencia le basta con una interfaz mejor o un precio más bajo
- La fidelidad del usuario viene del hábito, no de la falta de alternativas
El software grueso es un sistema profundamente integrado con fuentes de datos propias. No se limita a presentar datos: los genera —datos que nadie más puede obtener— y con ellos entrena modelos que solo él puede entrenar.
Características del software grueso:
- Las fuentes de datos son propietarias, físicas, no replicables
- El valor central está en el flujo de datos, no en el código
- La competencia no puede alcanzarlo con mejor software, porque el cuello de botella es conseguir los datos
- La fidelidad del usuario viene de que este sistema sabe algo que los demás sistemas no saben
El cementerio del "software delgado" en la IA médica
En los últimos cinco años aparecieron cientos de productos de IA en salud digital. La mayoría son software delgado:
- Chatbots de triaje con IA: entrenados con literatura médica pública; cualquier LLM lo puede hacer
- Reconocimiento de movimiento en rehabilitación: MediaPipe/YOLO Pose es de código abierto y ya es lo bastante preciso
- Plataformas de educación al paciente: contenido tomado de guías públicas; la IA genera versiones multilingües al instante
- Herramientas de agenda y flujo de trabajo: aplicaciones CRUD estándar que Cursor puede replicar en tres días
Estos productos no son malos: son indefendibles. Cuando la IA lleva el costo de desarrollar software hacia cero, cualquiera puede construir un equivalente funcional. Empieza la guerra de precios. Los márgenes desaparecen.
Los datos son el foso — pero depende de cuáles
Que "los datos son el nuevo petróleo" ya se ha dicho hasta el cansancio. Pero casi nadie repara en una distinción clave:
Los datos replicables no son un foso. La literatura médica pública, las bases de datos de la FDA, los artículos de PubMed: cualquier empresa de IA puede recopilarlos. Un modelo entrenado con esos datos puede ser igualado por cualquier otro.
Los datos no replicables sí lo son. Los datos que nacen del mundo físico, que exigen un hardware específico para recogerlos y que solo existen en contextos clínicos concretos: esa es la barrera real.
En concreto:
| Tipo de dato | ¿Replicable? | ¿Es un foso? |
|---|---|---|
| Literatura de PubMed | Cualquiera puede recopilarla | ❌ |
| Wearables genéricos (pasos, frecuencia cardíaca) | El Apple Watch ya lo hace | ❌ |
| Captura de movimiento por teléfono (ROM) | MediaPipe es de código abierto | ❌ |
| Datos de cuestionarios PROM | Exige relación con el paciente + proceso clínico | ⚠️ Débil |
| Datos de fuerza tisular de sensores implantables | Exige implantar un hardware específico | ✅ Fuerte |
| Cruce de sensor + PROM + movimiento | Exige el sistema completo | ✅ El más fuerte |
Los sensores implantables: la base del software grueso
Ahora conectemos ambas ideas.
Los datos de los sensores implantables son hoy el tipo de dato menos replicable de toda la salud digital. Las razones:
- Barrera física: hace falta un dispositivo médico con aprobación regulatoria, implantado en un cuerpo humano, antes de poder empezar a recoger datos. No hay atajos, ni API, ni alternativa de código abierto.
- Barrera de la relación clínica: un cirujano tiene que elegir usar su implante. Esto no es una decisión de descargar una app: es una decisión médica que marca la vida entera del paciente.
- Barrera de tiempo: cada dato proviene de una cirugía real y de un proceso de recuperación real. No se puede acelerar la generación de datos de entrenamiento.
- Barrera de integración: los datos de un solo sensor responden a una única pregunta ("¿cuánta fuerza soporta el tejido?"). Solo al combinarlos con datos de movimiento, PROM y registros clínicos se responde la pregunta clínica completa.
Por eso los sensores son la base del software grueso: crean un canal de datos al que solo usted tiene acceso. Cualquier modelo de IA construido sobre ese canal —modelos predictivos, sistemas de alerta, protocolos de rehabilitación personalizados— hereda automáticamente este foso.
La tendencia que abrió Persona IQ
Persona IQ, de Zimmer Biomet, es un hito en la digitalización de la ortopedia: el único implante ortopédico inteligente disponible comercialmente hoy en día[5]. Logró algo que nadie había conseguido antes: que el cirujano supiera cómo va la recuperación del paciente antes de la siguiente consulta.
Gracias a la acumulación de datos diarios de la marcha, Persona IQ ya es capaz de[6]:
- Predecir el riesgo de tromboembolismo venoso (TEV): los cambios anormales en el patrón de marcha se detectan antes de que aparezcan síntomas clínicos
- Detectar señales tempranas de infección periprotésica (IPP): caídas bruscas de actividad, deterioro de la simetría de la marcha
- Convocar antes de tiempo a los pacientes en riesgo: cuando los datos muestran una anomalía, el sistema alerta aunque el paciente todavía no tenga cita
Es un avance enorme. Tradicionalmente, el cirujano solo se enteraba del estado del paciente en la consulta de control. Persona IQ convirtió la "espera pasiva" en "monitoreo activo" y dio el primer paso decisivo hacia la transformación digital de la ortopedia.
Pero Persona IQ también marca el límite de esta generación de tecnología: mide movimiento y puede detectar cambios sintomáticos, pero todavía no logra captar los cambios a nivel tisular que no dan síntomas. Un paciente puede sentirse bien y caminar con normalidad mientras la interfaz implante-hueso ya presenta una distribución anormal de fuerzas. Ese escenario de "superficie normal, interior deteriorándose" es invisible para un acelerómetro o un giroscopio.
La pregunta que la próxima generación de sensores implantables tiene que responder es: ¿qué está pasando dentro del tejido antes de que el paciente sienta algo?
Ahí es exactamente donde entran los sensores de fuerza LC pasivos: miden no el movimiento, sino la fuerza. No "cómo se mueve la rodilla", sino "cuánta tensión soporta el tejido". CardioMEMS ya demostró la viabilidad de esta vía tecnológica en cardiología: el ensayo CHAMPION mostró una reducción del 37% en las hospitalizaciones por insuficiencia cardíaca[7]. Para 2026, CardioMEMS ya se ha implantado en más de 100.000 pacientes, la división de insuficiencia cardíaca de Abbott sigue creciendo un 12% al año, y en febrero de 2026 la FDA aprobó un lector de nueva generación[8]. No es un precedente que "una vez funcionó": es un mercado que sigue acelerando. Discovery R lleva esa misma física a la ortopedia — no para reemplazar a Persona IQ, sino para añadir la capa que Persona IQ todavía no puede ver.
El software grueso de De Novo
Uniendo todos los hilos, nuestra estrategia no es "construir la mejor IA" ni "construir la mejor app". Es construir un flujo de datos irremplazable:
Capa 1 — Fuerza: el sensor LC implantable Discovery R aporta datos de fuerza en tiempo real en la interfaz del tejido. Ninguna app de teléfono ni wearable puede sustituirlo.
Capa 2 — Movimiento: visión por computadora en el teléfono + wearables, para ROM, marcha y movimientos compensatorios. La tecnología de esta capa es sustituible, pero solo cobra sentido completo al integrarse con la Capa 1.
Capa 3 — Experiencia: la recopilación automatizada de PROM capta el dolor, la función y la calidad de vida que reporta el propio paciente. Digitalizarla reduce el costo de recolección y cumple con los requisitos de CMS para 2028.
Capa 4 — Predicción: modelos de aprendizaje automático que procesan las tres capas a la vez, para predecir quién necesita una intervención, cuándo y de qué forma.
Cualquier competidor puede replicar el software de las Capas 2, 3 y 4. Pero sin los datos de sensor de la Capa 1, sus modelos son como un mundo al que le falta una dimensión: ven la superficie, no el interior.
Qué significa de verdad "IA de pila completa"
Ya hablamos de "IA de pila completa" en Cómo la IA está transformando la atención ortopédica. Ahora podemos definirla con más precisión:
"IA de pila completa" no significa "hacerlo todo uno mismo". Significa que, en toda la cadena que va de la fuente de datos a la decisión clínica, al menos un eslabón es imposible de replicar.
Si su sistema de IA solo consume datos públicos, está construyendo software delgado. Si su sistema de IA consume datos propios, está construyendo software grueso.
El sensor es el eslabón que no se puede replicar. El software es la tubería que convierte ese eslabón en valor clínico.
El foso no está en el software. El foso está en el flujo de datos. El software es el canal que dirige ese foso en la dirección correcta.
Conclusión: la IA no va a matar a las empresas de software médico
Lo que la IA va a matar son las empresas de software médico que solo tienen software: productos que envuelven datos públicos en una interfaz bonita.
Lo que la IA va a potenciar son las empresas dueñas de fuentes de datos propias, porque la IA reduce a casi cero el costo de "convertir datos en información útil", pero el costo de "conseguir datos propios" no ha bajado.
Cuando el software es gratis, los datos son el producto. Cuando la IA es gratis, el sensor es el foso.
Referencias
-
Stanford HAI. AI Index Report 2025 — AI model costs and performance trends. Link
-
SWORD Health acquires Kaia Health for $285M. MobiHealthNews. 2026. Link
-
Towards Intelligent Assessment in Personalized Physiotherapy with Computer Vision. Sensors. 2025. PMC
-
MedBridge Motion Analysis — phone-camera-based movement assessment. Link
-
Zimmer Biomet shares smart knee data at AAOS 2024. MedTech Dive. Link
-
Persona IQ sensor ROM correlation with in-office measurements. Journal of Clinical Orthopaedics and Trauma. 2026. ScienceDirect
-
Abraham WT, et al. Sustained efficacy of pulmonary artery pressure to guide adjustment of chronic heart failure therapy: CHAMPION trial. The Lancet. 2016;387(10017):453-461. PubMed
-
Abbott Wins FDA Approval for Updated Heart Failure Monitoring Device (CardioMEMS HERO). MedTech Dive. February 2026. Link