Dos tercios de los médicos estadounidenses ya utilizan OpenEvidence, un chatbot de inteligencia artificial que responde en segundos sobre síntomas, interacciones farmacológicas y guías clínicas. Los estudiantes de Medicina y los residentes también han incorporado esta herramienta, pero en una etapa formativa en la que aún no han construido un juicio clínico propio. Los autores, Simar Bajaj y Joseph Sakran, advierten de que el riesgo no es solo la pérdida de habilidad ("deskilling"), sino algo más profundo: el "never-skilling", es decir, que algunos médicos jamás lleguen a desarrollar un razonamiento clínico autónomo.
El artículo explica que la dificultad de elaborar un diagnóstico, con sus errores y dudas, es parte esencial del aprendizaje médico como sistema de aprendizaje progresivo. Cuando un residente pide a la IA una lista casi perfecta de diagnósticos antes de intentarlo por sí mismo, la actuación puede ocultar exactamente la deficiencia que la formación está diseñada para detectar. Un estudio reciente publicado en Nature Medicine señala además que herramientas como OpenEvidence, basadas en la literatura médica más reciente, pueden ser menos fiables de lo que aparentan e incluso menos precisas que chatbots de uso general.
Los autores proponen medidas estructurales: priorizar el razonamiento antes de consultar la IA, exigir un "análisis previo a la IA" en cada caso, así como practicar periódicamente con casos sin herramientas de inteligencia artificial para evaluar la deriva competencial. Tomando como referencia la aviación, donde la formación incluye ejercicios manuales obligatorios, defienden que la Medicina necesita una disciplina similar y que la IA debería usarse como tutora tras un intento independiente, no como atajo que sustituya el juicio clínico.