W. Edwards Deming y la lección que HealthTech sigue necesitando: mejorar una parte del sistema puede empeorar el resultado asistencial

W. Edwards Deming merece atención en HealthTech por una razón que rara vez se formula con suficiente precisión: ayudó a demostrar que un sistema puede volverse menos fiable justo después de una intervención diseñada para hacerlo más eficiente. Ese patrón aparece con frecuencia en organizaciones sanitarias que introducen nuevo software, rediseñan una arquitectura clínica o despliegan modelos predictivos con métricas técnicas impecables. La dirección observa menor tiempo de proceso, más automatización o mejor rendimiento estadístico. El personal asistencial percibe más fricción, menor claridad operativa y una erosión de la confianza. La tensión entre ambas lecturas no surge de una resistencia difusa al cambio. Surge de una diferencia más profunda entre optimizar una tarea y preservar la capacidad del sistema para coordinar decisiones bajo incertidumbre.

Deming no trabajó en hospitales digitales, ni diseñó plataformas clínicas, ni participó en la regulación contemporánea del dato sanitario. Su relevancia proviene de otro lugar. Desarrolló un marco de pensamiento para entender por qué las organizaciones empeoran cuando separan el rendimiento local del comportamiento global del sistema. En salud, esa separación resulta especialmente costosa porque la calidad percibida no depende solo de velocidad, precisión o coste. Depende también de trazabilidad, continuidad clínica, distribución de responsabilidades, interpretabilidad operativa y capacidad de absorber excepciones sin perder seguridad.

Leer a Deming desde HealthTech permite corregir una intuición muy extendida: si una intervención técnica mejora una métrica interna, el valor asistencial debería mejorar en la misma dirección. Esa intuición funciona en procesos cerrados y con objetivos simples. La atención sanitaria regulada se parece poco a eso. Allí conviven incertidumbre diagnóstica, variabilidad entre profesionales, exigencias de cumplimiento, dependencia entre equipos y consecuencias asimétricas del error. En ese entorno, una mejora técnica introduce siempre un cambio organizativo, aunque el equipo que la construye no lo haya modelado de forma explícita.

El contexto que formó su pensamiento

Deming nació en 1900 en Estados Unidos y se formó en matemática y física, pero su influencia real apareció cuando empezó a trabajar sobre estadística aplicada, variación y calidad. Ese origen importa. Su carrera no se construyó sobre intuiciones humanistas acerca del trabajo, sino sobre una observación rigurosa de sistemas productivos y de las decisiones que alteran su comportamiento. Comprendió pronto que medir resultados finales servía de poco si la organización no entendía qué causas estructurales los producían.

Durante la primera mitad del siglo XX, la gestión industrial dominante tendía a tratar la calidad como un problema de inspección. Se producía primero y se verificaba después. Los fallos se atribuían al operario, al proveedor o a una ejecución defectuosa en un punto visible de la cadena. Deming contribuyó a desmontar esa lógica. Mostró que la variación de los resultados no podía interpretarse sin distinguir entre causas comunes del sistema y causas especiales de un evento concreto. Cuando una organización confunde ambas, reacciona de manera errática. Penaliza personas por defectos sistémicos, altera procesos estables de forma innecesaria y multiplica la inestabilidad que pretendía corregir.

El salto histórico se produjo tras la Segunda Guerra Mundial, especialmente en Japón. Allí sus ideas encontraron una receptividad que no habían tenido en Estados Unidos. La industria japonesa necesitaba reconstruirse con recursos limitados, alto nivel de disciplina operativa y una presión competitiva extrema. Deming aportó métodos, pero sobre todo aportó una forma distinta de concebir la relación entre dirección, proceso y aprendizaje. La calidad no podía quedar relegada a una función de control al final de la cadena. Debía incorporarse al diseño del sistema y a la responsabilidad de liderazgo.

Ese desplazamiento tiene una resonancia inmediata para cualquier organización de salud digital. En un producto clínico, la calidad tampoco puede añadirse al final mediante auditoría, validación retrospectiva o revisión manual de incidencias. Si la solución redistribuye mal la carga cognitiva, oscurece la fuente del dato o dificulta entender quién tomó una decisión y con qué evidencia, el sistema ya ha perdido calidad antes de cualquier revisión formal.

La trayectoria que convirtió la calidad en una cuestión de diseño organizativo

Deming ganó reconocimiento por su capacidad para traducir teoría estadística en decisiones de gestión. Esa combinación explica su impacto duradero. No se limitó a enseñar técnicas de muestreo o control de procesos. Insistió en que los directivos debían entender la organización como un sistema interdependiente. Producción, compras, diseño, operaciones y aprendizaje formaban parte de una misma estructura causal. Alterar un componente sin estudiar los efectos sobre el resto producía mejoras aparentes y deterioros diferidos.

Sus famosos catorce puntos se han repetido hasta vaciarlos de contenido. La parte sustantiva no está en la lista, sino en la filosofía subyacente. Deming sostenía que la dirección genera la mayor parte de las condiciones que explican el desempeño. Esa idea chocaba con culturas empresariales basadas en incentivos individuales, objetivos fragmentados y evaluación del resultado inmediato. También choca con una parte del discurso actual en tecnología, que sigue tratando problemas sistémicos como si fueran fallos de ejecución de los equipos.

En sus trabajos posteriores, articuló lo que llamó el sistema de conocimiento profundo, una integración entre apreciación de sistemas, conocimiento sobre la variación, teoría del conocimiento y psicología. El nombre puede sonar abstracto, pero su utilidad práctica es notable. Permite ver por qué una organización empeora cuando interpreta el dato sin contexto, cuando convierte cada desviación en un incidente aislado o cuando diseña mecanismos de control que destruyen la cooperación necesaria para operar.

Ese marco resulta especialmente fértil en entornos clínicos porque obliga a conectar dimensiones que la organización suele separar. Un cambio de interfaz modifica el patrón de documentación. Ese patrón afecta la continuidad de la información entre profesionales. La continuidad condiciona la seguridad de la decisión médica. La seguridad influye en el uso real del producto. El uso real cambia la calidad del dato futuro. El dato futuro reconfigura los modelos internos con los que la dirección evalúa si la intervención funcionó. Deming enseñó a mirar esa circularidad cuando la mayoría todavía buscaba causas lineales.

Por qué su pensamiento encaja con los dilemas reales de HealthTech

HealthTech opera dentro de sistemas sociotécnicos densos. El software nunca ejecuta una función aislada. Interviene en un proceso de decisión donde participan médicos, personal de enfermería, administrativos, responsables de cumplimiento, proveedores tecnológicos y equipos de operaciones. Cada actor ve una parte distinta del flujo y asume un tipo de riesgo diferente. Una mejora local puede beneficiar a un grupo y deteriorar la capacidad de otro para cumplir su función con seguridad. Si el diseño no modela esa redistribución, la organización percibe una caída de calidad aunque el equipo técnico entregue exactamente lo que prometió.

Deming ayuda a entender por qué ocurre esto. Su noción de sistema obliga a preguntar qué se está optimizando realmente. Si una herramienta reduce segundos de documentación, pero aumenta ambigüedad semántica en la historia clínica, el ahorro local puede generar más tiempo de clarificación clínica, más duplicidad de registros o más dependencia de memoria tácita. Si un motor de priorización eleva precisión estadística, pero desplaza casos dudosos hacia revisiones manuales menos preparadas para absorber el volumen, la organización puede experimentar más retraso, más escalado informal y más ansiedad operativa.

La calidad asistencial percibida tampoco se forma únicamente a partir del resultado clínico final. Se forma durante el recorrido operativo. Un profesional confía en un sistema cuando entiende de dónde proviene la información, cómo corregirla, quién responde ante una excepción y qué ocurre si el flujo habitual falla. La confianza operacional tiene poco que ver con campañas de adopción interna. Depende de que el sistema preserve legibilidad bajo presión. Esa idea aparece una y otra vez en organizaciones sanitarias que introducen automatización con éxito técnico y fracaso de integración.

Desde la teoría de sistemas, el fenómeno es claro. Cada automatización altera acoplamientos. Algunos se vuelven más rápidos. Otros se vuelven más rígidos. Los cuellos de botella cambian de sitio. Las excepciones, que antes se resolvían mediante juicio profesional distribuido, pasan a concentrarse en puntos menos visibles y menos preparados. El sistema pierde elasticidad en nombre de la eficiencia. Deming habría reconocido de inmediato ese patrón, porque su trabajo siempre insistió en que la estabilidad no equivale a inmovilidad. Un sistema estable absorbe variación sin degradar su propósito.

La mejora técnica que empeora la asistencia: mecanismos concretos

El valor de Deming aumenta cuando se traduce en mecanismos observables. En HealthTech, una intervención de software suele empeorar la calidad percibida por cuatro vías acumulativas. La primera aparece cuando la solución optimiza una métrica proxy en lugar del objetivo operativo real. Reducir tiempo por tarea no asegura mejor continuidad asistencial. Elevar precisión predictiva no asegura mejor decisión clínica. Aumentar completitud del dato no asegura mejor uso del dato. La distancia entre proxy y realidad se amplía cuando el sistema depende de interpretación profesional y de coordinación entre roles.

La segunda vía surge cuando la intervención desplaza trabajo, pero lo oculta. Una integración puede eliminar pasos manuales visibles y, al mismo tiempo, introducir nuevas tareas de reconciliación, supervisión o corrección que nadie imputó al caso de negocio. Esa clase de carga invisible suele recaer sobre perfiles clínicos o de operaciones, porque son quienes absorben la variabilidad residual. Desde fuera, el proceso parece más limpio. Desde dentro, el sistema requiere más vigilancia para evitar errores de contexto, incongruencias documentales o decisiones tomadas con información incompleta.

La tercera vía aparece cuando cambia la distribución de responsabilidad. Antes de una automatización, un profesional podía revisar una decisión en el punto donde todavía conservaba contexto suficiente para cuestionarla. Después, la decisión llega empaquetada por un flujo que transmite certeza operacional aunque mantenga incertidumbre clínica. Cuanto más pulido parece el proceso, más difícil resulta detenerlo sin fricción política o burocrática. El sistema empuja a aceptar salidas porque el coste de desafiar la herramienta se vuelve alto. Esa dinámica reduce la capacidad de corrección temprana.

La cuarta vía afecta a la trazabilidad y al cumplimiento. El software puede simplificar el trabajo cotidiano mientras debilita la capacidad de reconstruir qué pasó, quién intervino y con qué información. Esa pérdida no siempre se nota durante la fase piloto. Aparece cuando surge una discrepancia clínica, una auditoría regulatoria o una investigación de incidente. Entonces se descubre que el proceso era eficiente mientras todo seguía el caso nominal, pero opaco cuando hacía falta explicar una excepción. En salud, esa opacidad no constituye un problema accesorio. Afecta de forma directa a la gobernanza del riesgo.

Lo que Deming habría cuestionado en la cultura actual de producto

Una parte de la cultura contemporánea de producto y plataforma mantiene una fe excesiva en el experimento local. Se asume que si una funcionalidad mejora adopción, reduce tiempo de flujo o obtiene buena valoración de usuarios en un segmento, la organización debería escalarla cuanto antes. Deming habría pedido más prudencia, no por aversión a experimentar, sino por respeto al comportamiento del sistema. Un experimento local ofrece evidencia parcial. En entornos clínicos, los efectos más importantes suelen aparecer en dependencias lentas: cambios en handoffs, en documentación secundaria, en revisión de casos límite o en mecanismos informales de compensación.

También habría cuestionado la obsesión por objetivos fragmentados. Cuando tecnología, operaciones y clínica persiguen indicadores desconectados, la organización genera deterioro estructural aunque cada área cumpla su cuota. El equipo de ingeniería reduce incidencias visibles. Operaciones mejora throughput. El área médica exige más validaciones para reducir exposición. Cada decisión tiene racionalidad local. El sistema completo pierde velocidad de aprendizaje porque nadie posee un modelo compartido del coste total de coordinación.

Su crítica a las cuotas y a la evaluación simplista del rendimiento conserva actualidad. En HealthTech, una presión excesiva sobre adopción, número de automatizaciones o ahorro por caso puede fomentar diseños que minimizan la fricción aparente a costa de desplazar incertidumbre hacia otros puntos. La organización celebra eficiencia mientras amplifica dependencia de expertos específicos, multiplica trabajo de excepción o reduce margen para detectar desalineaciones. El daño tarda en emerger porque se acumula en capas operativas que rara vez aparecen en el dashboard ejecutivo.

La lección organizativa: el producto sanitario coordina decisión, no solo tareas

La contribución más útil de Deming para HealthTech consiste en recolocar el objeto de diseño. Un producto sanitario no automatiza únicamente actividades. Reconfigura cómo se coordina una decisión entre actores que poseen información incompleta, responsabilidades distintas y tolerancias al riesgo desiguales. Esa diferencia cambia casi todo. Obliga a diseñar para desacuerdo, para excepción y para revisión posterior. Obliga también a pensar la arquitectura de software como arquitectura de responsabilidad.

Cuando una organización entiende ese punto, cambia la forma de evaluar una mejora técnica. Ya no pregunta solo cuánto tiempo ahorra o cuánta precisión añade. Pregunta qué parte del sistema gana legibilidad y qué parte la pierde. Pregunta dónde termina la capacidad de juicio profesional y dónde empieza la automatización irreversible. Pregunta qué equipo absorbe la variabilidad residual. Pregunta qué nuevas dependencias se crean entre proveedores, datos fuente, reglas clínicas y procesos internos.

Ese marco también modifica la gobernanza. Las decisiones sobre roadmap dejan de ser exclusivamente un asunto de priorización funcional y pasan a ser decisiones sobre distribución del riesgo operacional. Una historia de usuario aparentemente modesta puede alterar circuitos de validación, provocar shadow workflows o degradar evidencia auditable. Si el foro de decisión no integra voces clínicas, operativas, regulatorias y técnicas con autoridad real, la organización tenderá a aprobar mejoras locales con externalidades sistémicas. Deming dedicó gran parte de su obra a explicar que la calidad depende del sistema de gestión mucho antes de depender del esfuerzo de ejecución.

Su legado en un momento dominado por plataformas, datos y presión regulatoria

El legado de Deming sigue vivo porque la complejidad actual no ha reducido la validez de sus principios, solo ha cambiado su superficie técnica. Antes, la variación aparecía en líneas de producción. Ahora aparece en pipelines de datos, integraciones con sistemas heredados, configuraciones locales entre centros, protocolos clínicos divergentes y flujos de revisión humana intercalados con automatización. Antes, la inspección final detectaba defectos demasiado tarde. Ahora, la validación posterior descubre que el daño relevante ocurrió cuando el sistema dejó de ser interpretable para quienes necesitaban operar con él.

Su insistencia en comprender la variación también resulta decisiva. En salud digital se confunden con facilidad dos fenómenos distintos: la variación legítima del contexto clínico y la inconsistencia artificial que introduce el producto. Si una solución intenta eliminar toda variabilidad, acaba aplastando señales útiles y forzando conductas rígidas en casos donde el criterio profesional necesita espacio. Si tolera demasiada heterogeneidad, destruye capacidad de aprendizaje y complica el cumplimiento. Gestionar esa tensión exige exactamente el tipo de pensamiento que Deming promovió: distinguir lo que pertenece al sistema de lo que constituye una anomalía accionable.

Su influencia también se percibe en la conversación contemporánea sobre aprendizaje organizacional. Un equipo de HealthTech madura cuando deja de interpretar incidentes como hechos aislados y empieza a tratarlos como evidencia sobre el diseño del sistema. Esa transición exige instrumentos técnicos, pero sobre todo exige liderazgo. Si cada error se convierte en búsqueda de culpables, los equipos ocultan señales débiles. Si toda desviación se trata como una excepción anecdótica, la organización pierde la oportunidad de rediseñar mecanismos de coordinación. Deming entendió que la calidad sostenible depende de esa relación entre conocimiento y gestión.

El resultado más valioso de volver a Deming no consiste en recuperar una doctrina industrial del siglo pasado. Consiste en aceptar que el problema central de HealthTech sigue siendo sistémico. La organización sanitaria no compra simplemente software mejorado. Introduce nuevas formas de ver, decidir, registrar, delegar y responder. Algunas elevan la capacidad asistencial. Otras aumentan la fragilidad bajo una capa de eficiencia local. La diferencia entre ambas rara vez se encuentra en la sofisticación de la solución. Suele encontrarse en si el diseño entendió, desde el inicio, que la calidad percibida emerge del sistema completo y que cualquier mejora técnica modifica la estructura de coordinación sobre la que descansa la asistencia.