Cómo los agentes de IA podrían transformar los beneficios de salud para empleadores, para bien o para mal

El informe anual de la Business Group on Health lanza una advertencia contundente: los empleadores estadounidenses enfrentan otro aumento de dos dígitos en las primas de seguro médico, con proyecciones de un alza del 8-10% en 2025. Detrás de las cifras se esconde una crisis más silenciosa: el aumento de primas y la complejidad administrativa amenazan con profundizar las inequidades en el lugar de trabajo. Aquí es donde entran los agentes de IA, que ahora se prueban para personalizar beneficios, agilizar el procesamiento de reclamos e incluso detectar signos de agotamiento o enfermedades crónicas antes de que aparezcan los síntomas.

En Pearson, el reciente acuerdo por plataformas de beneficios inaccesibles para trabajadores con discapacidad visual subraya una verdad incómoda: la tecnología, cuando se implementa mal, puede convertirse en una barrera en lugar de un igualador. La advertencia de la EEOC —"la accesibilidad no puede ser un despuésthought"— destaca cómo los sistemas de IA, si no se construyen con inclusión en mente, corren el riesgo de perpetuar viejas desigualdades bajo la apariencia de progreso.

Pero la IA también podría ser la herramienta que finalmente rompa este ciclo. Startups como Spring Health y Headspace Health están probando plataformas de salud mental impulsadas por IA que utilizan procesamiento de lenguaje natural para identificar patrones en las comunicaciones de los empleados o el uso de beneficios, sugiriendo intervenciones antes de que surjan crisis. Mientras tanto, las aseguradoras experimentan con modelos de riesgo basados en IA que podrían personalizar primas según datos de estilo de vida, aunque los críticos advierten que esto podría penalizar a trabajadores con condiciones crónicas.

La tensión es palpable. La IA ofrece la tentadora promesa de reducir la curva de costos mientras mejora el bienestar de los trabajadores. Sin embargo, sin salvaguardas, corre el riesgo de crear un sistema de dos velocidades: uno donde empleadores con recursos tecnológicos desplieguen herramientas sofisticadas para optimizar gastos, y otro donde trabajadores con menos recursos queden atrapados en sistemas obsoletos y poco eficientes. El caso de Pearson es una advertencia —que debería obligar a los empleadores a preguntarse no solo cómo la IA puede reducir costos, sino quién queda excluido en el proceso.

Para los trabajadores, el mensaje es claro: la IA llegará a su paquete de beneficios, les guste o no. La pregunta es si los empleadores la diseñarán pensando en sus necesidades o la tratarán como otro mecanismo de reducción de costos en un sistema que ya está bajo una presión insostenible.

Foto: Martin Sanchez / Unsplash (https://unsplash.com/@martinsanchez)