IA y planes dietéticos: dónde ahorra horas de verdad y dónde no debe entrar

La discusión sobre inteligencia artificial en consulta se plantea casi siempre en el extremo equivocado: si un modelo puede diseñar una pauta o no. Es una pregunta que da titulares y que no ayuda a nadie a trabajar mejor.

La pregunta útil es más aburrida y más rentable: de las tareas que consumen tu tiempo alrededor de un plan, ¿cuáles son de criterio y cuáles son de redacción? Porque la IA es notablemente buena en las segundas y bastante peligrosa en las primeras.

Esa separación solo se puede hacer si antes tienes claro qué partes de un plan son decisión clínica y cuáles son montaje, que es lo que ordena cómo estructurar un plan dietético que se cumple.

Dónde ahorra tiempo de verdad

Estas son tareas de redacción o de reordenación, no de decisión clínica. Aquí la IA rinde y no hay drama.

Generar variantes de una misma comida. Tienes definida la estructura de una cena y necesitas cinco versiones para que el paciente no se aburra. Es trabajo mecánico y se delega bien.

Montar la lista de la compra a partir de un menú ya decidido. Tarea puramente instrumental, tediosa y con cero criterio clínico.

Adaptar el registro a tu tono. Escribes las notas de la visita en telegráfico y necesitas convertirlas en un texto legible para el paciente. La IA hace eso muy bien y es de lo que más tiempo devuelve.

Reescribir explicaciones estándar. Las mismas cinco explicaciones que das en cada plan, adaptadas al nivel de cada paciente. Escribirlas una vez y reformularlas es mejor que redactarlas treinta veces.

Proponer un esqueleto de partida. No el plan final: la estructura sobre la que tú decides. Sirve para no arrancar de una página en blanco, que es donde se pierden los primeros diez minutos.

Sumado, eso es una parte considerable de los 20 a 40 minutos de trabajo no facturado que consume cada paciente, según se desglosa en cómo organizar una consulta de nutrición.

Dónde no debe entrar

Aquí la línea no es de prudencia profesional: es de responsabilidad. El plan lo firmas tú.

Decidir el enfoque clínico. Qué estrategia usar con este paciente concreto depende de su historia, su contexto, sus intentos previos y lo que has visto en la consulta. El modelo no tiene nada de eso y produce lo estadísticamente esperable, que puede ser lo peor para el caso que tienes delante.

Ajustar en presencia de patología o medicación. Una interacción que un modelo no menciona no significa que no exista. La consecuencia de una omisión aquí no es un texto mediocre.

Interpretar un registro o una medición. El registro tiene contexto que solo tú conoces: que ese mes había un viaje, que la paciente venía de un ingreso, que ese dato de bioimpedancia se tomó en malas condiciones. Sobre por qué eso importa tanto, bioimpedancia en consulta.

Comunicar malas noticias o gestionar la adherencia. Un mensaje de recuperación funciona porque demuestra que has mirado el caso. Uno generado en serie consigue el efecto contrario, como se explica en el paciente que desaparece.

El patrón común: la IA no sabe lo que no sabe. Produce texto plausible con el mismo aplomo cuando acierta que cuando se inventa una equivalencia. Y en un plan dietético, un error plausible es más peligroso que uno evidente, porque no lo detectas al revisar.

La parte que no es opcional: los datos

Aquí no hay matiz. Los datos de tus pacientes son datos de salud, categoría especial del RGPD.

Eso significa que meter información identificable en una herramienta genérica con la que no tienes contrato de encargado del tratamiento es un problema de cumplimiento, no una cuestión de estilo. Da igual que la política del proveedor diga que no entrena con tus datos: sin contrato, no tienes base para tratarlos ahí.

Lo que sí puedes hacer, y resuelve casi todos los casos de uso reales:

Trabajar sin identificar. “Mujer de 45 años, trabajo a turnos, sin patología, objetivo X” no identifica a nadie y sirve igual para generar variantes o redactar explicaciones.

Usar herramientas contratadas. Si el proveedor firma el contrato de encargado y te dice dónde aloja los datos, el problema desaparece. Es una de las preguntas que hay que hacer al evaluar software: qué debe hacer un software para nutricionistas.

Separar el momento. Genera el material genérico con IA y personalízalo tú después, ya con los datos, en tu sistema. Es un flujo perfectamente compatible con la norma y no pierde casi nada de la ventaja.

El detalle completo, con lo que hay que tener firmado y documentado, está en RGPD en consulta de nutrición.

Cómo se nota un plan generado sin criterio

Los planes que “huelen a IA” no fallan por estar mal calculados. Fallan por lo mismo que una plantilla mal usada: los ejemplos no son de la vida del paciente.

Aparecen alimentos que no compra, elaboraciones que no va a hacer, una estructura de cinco comidas para alguien con turnos rotativos. El paciente no piensa “esto lo ha hecho una máquina”; piensa “esto no está pensado para mí”, que a efectos de adherencia es lo mismo y peor.

Se arregla con una comprobación de treinta segundos antes de enviar: leerlo preguntándote si reconoces a esa persona en el documento. Si no la reconoces, tampoco lo hará ella. Es el mismo filtro que aplica a las plantillas de plan.

Cómo lo planteamos en MiPlan

El Asistente de Planes de MiPlan está construido sobre esa separación: propone y ordena, tú decides y firmas. Trabaja dentro del sistema donde ya están los datos del paciente, así que no hay que sacar información a ninguna parte, y su salida es un borrador editable, nunca algo que se envíe solo.

Es una decisión de diseño deliberada y tiene una consecuencia incómoda para el marketing: no promete generar planes automáticamente. Promete quitarte la redacción y dejarte el criterio, que es la única división que aguanta cuando la responsabilidad es tuya. Si quieres ver cómo se comporta con un caso real, Francesca te lo enseña en directo.

La prueba antes de delegar una tarea

Cada vez que te plantees si una tarea puede irse a la IA, hazte una sola pregunta: si el resultado sale mal, ¿lo voy a detectar al revisarlo?

Un menú con una variante poco afortunada se detecta a simple vista. Una explicación con el tono cambiado, también. Un ajuste clínico incorrecto en un paciente polimedicado, no necesariamente, y ese es exactamente el criterio que separa las dos listas.