Índice de visibilidad hospitalaria en IA

Ventana de medición

16 y 17 de agosto de 2026

Panel de modelos

9 configuraciones, 6 proveedores

Preguntas formuladas

162 ítems; 1.568 respuestas por configuración

Respuestas analizadas

14.112

Hospitales evaluados

6, más 1 control de sitio cerrado

Sextante mide la representación de los hospitales en inteligencia artificial. El índice combina presencia, posicionamiento y reputación en las respuestas. No evalúa resultados clínicos, seguridad del paciente ni calidad de atención.

Todo lo que sigue sale de 14.112 respuestas dadas por nueve configuraciones de IA de seis proveedores, en español y en inglés.

64,4%

De las menciones a los seis hospitales corresponden a CIMA y Clínica Bíblica

93,5%

De las primeras menciones entre los seis recaen en esos mismos dos hospitales

9 de 9

Configuraciones describieron como abierto un hospital que cerró en 2018

1. 01

   Dos hospitales encabezan la clasificación.

   CIMA obtiene 79,7 puntos y Clínica Bíblica 76,7. La Católica, en tercer lugar, alcanza 56,9. La diferencia entre el segundo y el tercero es de 19,8 puntos.

2. 02

   Dos hospitales aparecen poco en preguntas abiertas.

   Hospital UNIBE aparece en el 5,4% y San Rafael Arcángel en el 1,9% de las preguntas abiertas. Cuando se consulta por ellos directamente, su nivel de detalle es 87,6 y 85,3 sobre 100. Son medidas distintas.

3. 03

   Lo que los modelos equivocan varía más que lo que dicen.

   CIMA registra 99,2% de afirmaciones verificables correctas; Metropolitano, 74,7%. En este último, el 28,7% de las respuestas calificadas contiene algún error: casi tres de cada diez.

4. 04

   Dejar que los modelos busquen cambia el orden.

   La Católica y Metropolitano intercambian posiciones entre las condiciones con y sin búsqueda. El cambio relativo es de 6,9 puntos. Esta comparación no mide una evolución en el tiempo.

• Páginas 4 a 10: las siete exhibiciones, un hallazgo cada una.
• Página 11: aspectos que los hospitales pueden revisar.
• Páginas 12 a 15: metodología, medidas, límites y trazabilidad.

Una consulta como «hospital en Costa Rica para un reemplazo de rodilla» produce una selección y una descripción. Sextante mide esa representación bajo un protocolo común.

Les hicimos las mismas preguntas a nueve configuraciones de IA, en español y en inglés, y registramos cada respuesta: cuáles hospitales nombraron, en qué orden, cómo los describieron y si los datos que afirmaron sobre ellos eran ciertos.

Qué no es esto

Una medida de calidad clínica

Nada de lo que hay aquí refleja resultados, tasas de complicación, mérito de acreditación ni calidad de atención. Un hospital puede ser excelente y estar mal representado por la IA, o al revés.

Lo que el paciente ve literalmente

Estas consultas llegan a los modelos de base. Las aplicaciones de consumo los envuelven en búsqueda adicional, personalización y reglas de seguridad específicas de salud. Esto es la disposición del modelo: un indicador reproducible, no una captura de pantalla.

Una medición de efectos comerciales

El estudio no observa decisiones de pacientes, reservas ni conversiones. Tampoco mide el efecto causal de cambios realizados por los hospitales en sus canales de información.

Cómo se delimitó el panel

Se incluyeron seis hospitales privados con presencia relevante en las respuestas de IA según el criterio de selección del estudio. No es un censo de la oferta hospitalaria del país ni permite concluir que los hospitales fuera del panel tengan presencia nula.

Mencionar un hospital espontáneamente y describirlo cuando se pregunta por su nombre son capacidades distintas. Por eso el reporte combina frecuencia, detalle y exactitud, en lugar de interpretar una sola cifra como toda la visibilidad.

El índice combina presencia (40%), posicionamiento (30%) y reputación (30%). La clasificación principal corresponde a configuraciones con búsqueda habilitada. El posicionamiento incluye especificidad, exactitud factual e incidencia de errores.

Intervalos de confianza al 90%

CIMA: 79,4 a 79,9. Bíblica: 76,5 a 77,0. La Católica: 56,6 a 57,3. Metropolitano: 50,4 a 51,2. UNIBE: 41,1 a 42,0. San Rafael: 38,7 a 39,5.

De qué está hecho el puntaje

Menciones a los seis hospitales: 64,4% para CIMA y Bíblica

Primeras menciones entre los seis: 93,5% para CIMA y Bíblica

CIMA San José: 32,5% · Clínica Bíblica: 31,9% · La Católica: 18,2% · Metropolitano: 14,6% · Hospital UNIBE: 2,0% · San Rafael Arcángel: 0,7%

Ambas barras se normalizan entre los seis hospitales del panel. La primera distribuye todas sus menciones; la segunda, las primeras menciones. Si se toman todas las preguntas abiertas como base, CIMA y Clínica Bíblica suman 72,2% de primeras menciones. El estudio no midió acciones de pacientes.

64,4%

Se lo llevan los dos hospitales de arriba

2,7%

Corresponde a los dos últimos hospitales, sumados

46x

Entre la mayor participación y la menor

La concentración muestra qué hospitales aparecen más en las respuestas de esta medición. No equivale a participación de mercado, preferencia de pacientes o calidad clínica. Tampoco permite afirmar que una respuesta del asistente entrene a la siguiente.

Se comparan los grupos de configuraciones con búsqueda habilitada y sin búsqueda, bajo el mismo banco de preguntas. Las barras muestran diferencias entre condiciones, no cambios en el tiempo ni efectos de una intervención hospitalaria.

4 de 6

Suben cuando los modelos pueden buscar

2 de 6

Bajan cuando pueden buscar

5,5

El movimiento más grande, en puntos

La dirección del cambio varía por hospital. Tener búsqueda habilitada tampoco implica usarla en cada respuesta. Estos resultados no identifican qué página o dato produjo la diferencia, ni demuestran que una modificación específica mejoraría el puntaje.

Base: afirmaciones verificables calificadas en el corte por idioma G5. La diferencia se expresa en puntos porcentuales. No es una medición de pacientes, turismo médico ni decisiones de atención.

La Católica presenta la mayor diferencia de este corte: 88,0% en español y 79,1% en inglés.

G5 corresponde a un corte distinto de la tabla general G3: no debe agregarse ni compararse directamente con ella. La composición exacta de configuraciones de G5 no está especificada en los agregados disponibles.

99%

La mejor exactitud del panel

75%

La peor exactitud del panel

4

Familias de afirmaciones calificadas en el estudio

Una institución puede aparecer frecuentemente y ser descrita con errores; otra puede aparecer poco y tener alta exactitud. Las tasas usan bases diferentes: preguntas abiertas para menciones y afirmaciones verificables calificadas para exactitud.

Respuestas con al menos un error de hecho

Un hospital que dejó de operar en 2018 se incluyó como control. La columna derecha usa 1.568 respuestas por configuración. Las barras de error usan solo respuestas calificadas (N indicado junto al modelo); «Crít.» muestra la tasa de errores críticos sobre esa misma base.

Las configuraciones conservaron información desactualizada sobre el estado operativo del hospital de control. El hallazgo corresponde a las respuestas de los modelos. Revisar la vigencia de los datos institucionales es pertinente, pero este estudio no probó qué cambios en las fuentes corregirían las respuestas.

Los dos hospitales encabezan las ocho líneas de servicio, aunque el orden del resto varía por especialidad. Estos puntajes describen representación en IA; no evalúan resultados clínicos ni calidad de cada servicio.

1. 01

   Revisar la información institucional verificable

   Acreditación, estado operativo, ubicación y propiedad son las cuatro familias evaluadas. Mantener información oficial clara y vigente permite contrastar lo que publican las instituciones con lo que responden los modelos.

2. 02

   Distinguir reconocimiento de mención espontánea

   UNIBE y San Rafael tienen puntajes de detalle de 87,6 y 85,3 sobre 100, pero aparecen en menos del 6% de las preguntas abiertas. Esta diferencia orienta qué revisar; no cuantifica un resultado comercial recuperable.

3. 03

   Revisar cada idioma con su propia base

   El corte G5 muestra diferencias de exactitud entre español e inglés. Conviene contrastar ambos idiomas y sus denominadores. El estudio no identifica a los usuarios reales ni atribuye un idioma a un tipo de paciente.

Dos dimensiones de visibilidad

Son indicadores con unidades distintas. Su resta no representa puntos porcentuales recuperables. Los hospitales pueden actualizar sus fuentes; el efecto en los modelos debe medirse de nuevo y no está garantizado por este estudio.

El banco contiene 162 ítems activos en español e inglés. Cada configuración produjo 1.568 respuestas, para un total de 14.112. Se incluyeron consultas abiertas, escenarios de paciente, preguntas por nombre, comparaciones directas y verificación de datos.

Las configuraciones con acceso a la web deciden cuándo buscar. La clasificación principal usa ese grupo. Las consultas se realizaron a los modelos bajo el protocolo del estudio y no reproducen literalmente las aplicaciones de consumo.

Un modelo juez, Claude Sonnet 5, codificó las respuestas con un esquema fijo. Las afirmaciones se contrastaron contra fichas de referencia hospitalarias. El índice combina tres pilares.

Los intervalos al 90% provienen de 1.000 remuestreos bootstrap. Reflejan variación de muestreo, no toda la incertidumbre del modelo juez. La estabilidad de una posición no implica exactitud clínica ni certeza absoluta.

Presencia se construye con las primeras cuatro. Posicionamiento, con la especificidad, la exactitud de los datos y el inverso de la tasa de error. Reputación, con el tono, el récord cara a cara y con cuánta fuerza se recomienda al hospital. Los pesos completos están en la nota metodológica que acompaña este informe.

Cualquier cifra que se cite de este informe debería llevarlas consigo.

1. 01

   Modelos, no las apps que usa el paciente

   Las consultas llegan a los modelos de base. Los productos de consumo agregan búsqueda, personalización y barandas específicas de salud que los modelos crudos no aplican.

2. 02

   Buscar es decisión del modelo

   Las configuraciones con acceso a la web pueden buscar pero deciden cuándo. Son uniformemente capaces de buscar, no uniformemente buscadoras.

3. 03

   Los intervalos son más angostos que la verdad

   Reflejan solo la variación de muestreo. Volver a leer respuestas idénticas coincide en el 72% a 76% de las afirmaciones individuales, así que la exactitud y las tasas de error cargan más incertidumbre de la que sugieren sus intervalos. Las diferencias pequeñas entre hospitales en esas dos medidas no deberían tratarse como reales.

4. 04

   Cuatro familias de afirmaciones dentro de este protocolo

   Se contrastaron acreditación, estado operativo, ubicación y propiedad. Cerca del 42% de las afirmaciones, sobre precio, servicios o resultados, quedó fuera de la verificación por el alcance de las fichas de referencia.

5. 05

   Las parejas cara a cara las escogió un analista

   Se escogieron diez parejas para enfrentar a cada hospital contra rivales cercanos. Ese récord carga el 30% del pilar de Reputación sobre una cantidad comparativamente pequeña de comparaciones.

6. 06

   Una configuración corrió sobre una herramienta de desarrollo

   La configuración de Anthropic con acceso a la web corrió a través de una herramienta de línea de comandos para desarrolladores y no de una API de tipo consumo, y parte de sus respuestas cargan el encuadre de esa herramienta. Los registros afectados están marcados en los datos de base.

7. 07

   Esto es una fotografía, no una tendencia

   Las versiones de los modelos, los índices de búsqueda y la presencia web de los hospitales cambian. Estos resultados describen una sola ventana de medición y hay que volver a medirlos para que se conviertan en tendencia.

8. 08

   No es una medida de calidad clínica

   Un puntaje alto significa que un asistente habla bien de un hospital. No significa que ese hospital sea clínicamente mejor que otro.

Las respuestas crudas, las codificaciones estructuradas y las afirmaciones calificadas se conservan completas. Los hashes de abajo fijan los insumos que generaron esta ola, así que cualquier número de este informe se puede recalcular desde el corpus del que salió.

Hash del banco de preguntas

4e13a5c3d380e906

Hash del universo de hospitales

6b3222290b0cc3c5

Versión del pipeline

2.1.0

Respuestas analizadas

14.112

Esquema de codificación

Un solo modelo juez, una versión de prompt

Ventana de medición

16 y 17 de agosto de 2026