La Seguridad Social tira de la IA para cazar bajas laborales dudosas

Para la Seguridad Social, su enfermedad importa. Pero en el algoritmo que prioriza las inspecciones, su provincia pesa más. Desde 2018 un sistema de inteligencia artificial revisa cada día miles de bajas laborales para estimar qué expedientes tienen más probabilidades de terminar en alta médica. No la concede ni sustituye al facultativo, pero sí ordena la agenda administrativa: decide a quién citar antes y a quién después. Y en esa jerarquía previa, la variable territorial tiene un peso estadístico tres veces superior al del diagnóstico concreto, según los documentos técnicos obtenidos por este periódico. El modelo asigna a cada expediente una puntuación de entre 0 y 1. Ese número expresa la probabilidad de que el trabajador esté en condiciones de reincorporarse en la siguiente revisión. Antes de que ningún inspector examine el caso, el sistema ya ha hecho su cálculo. En esa ecuación intervienen la edad, el sexo, el historial de bajas o el tipo de proceso, pero el código postal figura entre los factores con mayor influencia. Eso significa, por ejemplo, que Marta, administrativa de 47 años con una hernia discal, puede no estar en la misma posición que Javier, operario de su misma edad y con la misma lesión. Si Marta vive en una provincia donde históricamente las bajas se resuelven con mayor rapidez, su expediente tendrá más opciones de ser citado antes. Javier, con idéntico diagnóstico pero residente en un territorio donde los procesos suelen prolongarse, podría quedar más atrás en la lista. No es una valoración clínica individual, sino una estimación estadística basada en patrones del pasado. Más allá del diseño técnico, los datos de rendimiento ofrecen otra lectura. En el primer semestre de 2025 el 35,48% de los trabajadores citados tras la criba del algoritmo terminó recibiendo el alta médica. Cuando la selección de expedientes la realizaron manualmente los inspectores, el porcentaje fue mayor: un 41,48%. Es decir, incluso revisando un volumen mayor de casos y sin apoyo automatizado, la priorización individual logró identificar una proporción superior de expedientes que finalmente concluyeron en alta. Parte de la diferencia puede atribuirse a la distinta naturaleza operativa de ambos sistemas: el algoritmo convoca revisiones masivas, mientras que los inspectores suelen centrarse en procesos donde los indicios de alta ya son evidentes. Aun así, el contraste introduce una paradoja: la herramienta diseñada para optimizar la priorización no mejora el rendimiento del criterio humano. El dato anual completo no ha sido facilitado a este periódico al cierre de la edición, pese a varias solicitudes. La Seguridad Social sostiene que el sistema no reemplaza la valoración clínica, sino que funciona como una herramienta organizativa para gestionar el aumento sostenido de los procesos de incapacidad temporal desde 2017. En ese periodo, el volumen de bajas casi se ha duplicado. El modelo se implantó en 2018 con el objetivo declarado de optimizar las agendas de inspección, como adelantó una investigación de Lighthouse Reports y El Confidencial. Los documentos internos del Instituto Nacional de la Seguridad Social (INSS) permiten reconstruir su funcionamiento. No se trata de una inteligencia artificial genérica, sino de un modelo estadístico concreto, basado en la técnica conocida como XGBoost. En términos simples, analiza miles de bajas anteriores y aprende de sus patrones para estimar probabilidades futuras. A partir de esa comparación genera una puntuación que orienta la programación de las inspecciones. Para entrenarse, el sistema cruza los partes médicos remitidos por los servicios públicos de salud y las mutuas (Inca) con las valoraciones registradas por los inspectores en la aplicación Atrium. Con esa información crea variables estadísticas -como la duración media de procesos similares o el historial de recaídas- que le permiten afinar la predicción. El Ejecutivo sostiene que el sistema trabaja con variables estadísticas y no con datos identificativos directos, y que el médico inspector no conoce la puntuación asignada al expediente para evitar que influya en su decisión clínica. Gasto bajo presión En su fase de validación interna, el modelo registró una tasa de error del 15,4%; es decir, falla en uno de cada seis casos. A pesar de ello, el sistema no se actualiza desde noviembre de 2020, según consta en la documentación facilitada a este periódico por el departamento encabezado por Elma Saiz. Desde entonces, sigue operativo sin revisiones, pese a los cambios introducidos en el mercado laboral y en la duración media de los procesos tras la pandemia. "No es necesario actualizar ni los modelos ni los datos de entrada", defienden en el Ejecutivo. Tampoco consideran necesaria una auditoría externa, al alegar que existe un "seguimiento continuo". La implantación del modelo coincidió con un fuerte aumento de la incapacidad temporal. Según la Autoridad Independiente de Responsabilidad Fiscal (Airef), el gasto público en bajas médicas con cargo a la Seguridad Social ha crecido un 60% desde 2017, hasta alcanzar los 16.500 millones de euros en 2024. Solo el coste directo de estas prestaciones equivale ya a cerca del 1,8% del PIB. Cada día, una media de 1,6 millones de trabajadores no acude a su puesto por enfermedad, accidente o incapacidad temporal (IT). Desde 2019 las ausencias por IT se han incrementado casi un 40%, en un contexto de cifras históricas de empleo pero de crecimiento más moderado de las horas efectivamente trabajadas. La Airef ha advertido de "limitaciones claras" en los sistemas de información y supervisión, derivadas de que las bajas las concede el sistema sanitario mientras que el coste lo asume el INSS. Entre sus recomendaciones figura reforzar el control temprano y emplear herramientas automatizadas que detecten desviaciones respecto a las duraciones médicas óptimas. En ese escenario de presión presupuestaria y saturación administrativa se encuadra el uso de sistemas predictivos como el que hoy ordena las inspecciones médicas en España. El algoritmo no decide el alta, pero sí quién es revisado antes. Y en ese filtro previo, el territorio pesa más que el diagnóstico.