Predecir qué pacientes no vendrán a su cita: lo que la IA puede hacer (y lo que puedes hacer sin ella)

Sí se puede predecir qué pacientes no vendrán a su cita, y casi nunca hace falta IA para empezar. Cinco señales de tu agenda (antelación de la reserva, canal de origen, primera visita, si confirmó y si ya falló antes) bastan para puntuar cada cita en una hoja de cálculo y llamar primero a las de más riesgo.

Con esa puntuación decides también dónde tiene sentido una lista de espera, un overbooking muy prudente o pedir una señal. Aquí tienes la plantilla con fórmulas, qué hacer con cada nivel de riesgo y los límites, que los hay, sobre todo con datos de salud.

Por qué merece la pena anticiparse

Una ausencia es bastante más que un hueco. Es una hora de sillón o de cabina pagada, un profesional esperando, una primera visita que costó dinero en anuncios y, muchas veces, un paciente que no vuelve. Si quieres ponerle cifra, cruza tus ausencias con el coste por paciente de cada canal: el hueco vacío de una primera visita de implantes no cuesta lo mismo que el de una revisión.

La mayoría de clínicas tratan todas las citas igual: el mismo recordatorio automático a todo el mundo, el día antes. Es mejor que nada, pero reparte el esfuerzo al revés. El paciente de toda la vida que nunca falla recibe el mismo mensaje que la persona que reservó hace un mes desde un anuncio y no ha contestado a nada. La idea de predecir ausencias es muy simple: dedicar la llamada de recepción, que es cara y escasa, a las citas que más probablemente se van a caer.

Si todavía no tienes una secuencia de confirmación básica, empieza por ahí: tienes los mensajes en plantillas de recordatorio de cita por WhatsApp, las causas en por qué los pacientes faltan a su cita y más ideas en cómo aumentar la tasa de presentación a citas y, en versión corta, en el vídeo sobre los pacientes que reservan y no vienen. Este artículo es el paso siguiente.

Lo que te venden como «IA predictiva» y lo que hay detrás

Cada vez más proveedores ofrecen módulos que «predicen las ausencias con inteligencia artificial». Algunos funcionan bien. Otros son una regla sencilla con un nombre caro, o un modelo entrenado con datos de otros negocios que no se parecen a tu clínica.

Un modelo de predicción necesita historia: muchas citas pasadas, bien registradas, con su resultado (vino, no vino, anuló con tiempo, cambió). Una clínica con dos gabinetes y unas pocas ausencias al mes no tiene datos suficientes para que un modelo aprenda algo que no puedas ver tú en una tarde con la agenda delante. Y si las ausencias no se registran bien (citas borradas en vez de marcadas como «no vino», cambios que se apuntan como cita nueva), da igual lo sofisticado que sea el modelo.

Antes de pagar por una herramienta, pide al proveedor tres cosas: qué variables usa, cómo ha comprobado su acierto con datos de una clínica como la tuya y si puedes ver por qué marca a un paciente como riesgo alto. Si no sabe responder o te habla de «algoritmos propietarios» sin más, desconfía.

Las señales de riesgo que ya tienes en tu agenda

No todas pesan igual en todas las clínicas. Lo que sigue son las señales que revisamos primero en las clínicas con las que trabajamos. Tómalas como hipótesis y compruébalas con tus datos.

Días entre la reserva y la cita

Una cita reservada para pasado mañana se recuerda sola. Una reservada para dentro de cinco semanas compite con todo lo que le pase a esa persona en cinco semanas. Cuanto más lejos, más riesgo, sobre todo si el paciente no tiene relación previa con la clínica.

Canal de origen

No es lo mismo alguien que llama porque se lo recomendó su hermana que alguien que rellenó un formulario instantáneo con dos toques mientras veía vídeos. En muchas clínicas las citas que nacen de formularios de anuncios fallan más que las de recomendación o búsqueda directa, pero no lo asumas: míralo en tu agenda. Si cada cita tiene su origen bien registrado, este dato sale solo.

Primera visita

Un paciente nuevo no conoce a nadie en la clínica ni tiene un compromiso previo. Un paciente en mitad de un tratamiento tiene mucho más que perder si falla. Las primeras visitas suelen concentrar el riesgo.

No ha confirmado

Es la señal más clara y la más barata de obtener. Si envías un recordatorio con petición de confirmación y no hay respuesta en 24 horas, esa cita ya no está igual que las demás. Por eso conviene pedir confirmación activa («responde SÍ para confirmar») y no limitarse a informar.

Historial de ausencias y cambios

Quien ha fallado antes sin avisar tiene más probabilidad de volver a hacerlo. Quien ha cambiado la cita tres veces, también. Es el único dato que exige que la agenda registre bien los resultados.

Hay otras señales posibles (franja horaria, día de la semana, tiempo de desplazamiento), pero empieza por estas cinco. Más variables no significa más acierto si no tienes volumen para comprobarlas.

Plantilla: la puntuación en una hoja de cálculo

No necesitas programar. Exporta las citas de la semana siguiente desde tu software de gestión y pégalas en una hoja con estas columnas. Usa solo datos de agenda, sin tratamiento ni motivo de consulta: para esto no hacen falta.

Los puntos y los umbrales son un punto de partida, no una verdad. Si después de ocho semanas ves que el origen no cambia nada y los días de antelación lo cambian todo, reparte los puntos de otra manera. Es la misma lógica que usamos para puntuar leads: criterios que todo el equipo entiende y que se corrigen con resultados.

Qué hacer con cada nivel de riesgo

La puntuación solo sirve si cambia lo que hace recepción. En el Método C.I.T.A. esto es la A, Asistencia: recordatorios automáticos para todos y atención personal donde el riesgo lo justifica. Esta es la pauta que proponemos:

• Riesgo bajo: el recordatorio automático habitual. No gastes llamadas aquí.
• Riesgo medio: recordatorio con petición de confirmación y, si no responde, un segundo mensaje personal escrito por recepción, con nombre.
• Riesgo alto: llamada personal entre 48 y 72 horas antes. No para presionar, sino para comprobar que la cita le sigue viniendo bien y ofrecer cambiarla si no. Una cita que se mueve con tres días de margen se puede volver a ocupar; una ausencia sin aviso, no.

Si la llamada coincide con las horas en que recepción no da abasto, aquí puede ayudar automatizar la parte repetitiva, como contamos en recepcionista con IA para clínicas o, por escrito, con un asistente de WhatsApp que pida la confirmación. La llamada a los de riesgo alto, en cambio, funciona mejor si la hace una persona.

Overbooking prudente

Duplicar una cita en el mismo hueco es una apuesta. Si sale mal, tienes a un paciente esperando y una mala reseña en camino. Solo lo contemplamos con condiciones:

• En citas cortas que se pueden absorber (primeras visitas breves, revisiones), nunca en tratamientos largos ni en quirófano.
• Solo en franjas donde tu propio histórico muestra ausencias frecuentes y cuando hay al menos una cita de riesgo alto sin confirmar.
• Como máximo una cita extra por franja, y con el equipo avisado de cómo actuar si vienen todos.

Una alternativa más segura es la lista de espera: pacientes que quieren adelantar su cita y aceptan que les llames con poca antelación. Cuando un riesgo alto anula, llamas a la lista.

Pedir una señal

Para tratamientos largos o caros, o para pacientes que ya han fallado varias veces, pedir un pago a cuenta al reservar suele reducir la tentación de no venir. Funciona si la política está escrita, se comunica al reservar, es igual para todos los pacientes en la misma situación y explica qué pasa si se anula con tiempo. Lo que no recomendamos es pedir señal solo a quien la hoja marca como riesgo alto sin una regla clara: es difícil de explicar y puede resultar discriminatorio. Cómo plantearla está en la señal para reservar cita, y para consultas de cirugía, en ausencias en la consulta de cirugía estética.

Cómo montarlo en cuatro semanas

1. Semana 1: limpia la agenda. Asegúrate de que las ausencias se marcan como «no vino» y no se borran, y de que cada cita nueva tiene origen. Sin esto no hay predicción posible.
2. Semana 1: activa la confirmación activa. Recordatorio con «responde SÍ para confirmar» a 48 horas.
3. Semana 2: monta la hoja. Copia la plantilla, exporta las citas de la semana siguiente y calcula los niveles.
4. Semanas 2 a 4: aplica las acciones por nivel y registra en la columna K qué se hizo con cada cita de riesgo medio y alto.
5. Cada viernes: rellena el resultado. Vino, no vino, anuló, cambió.
6. Al cabo de ocho semanas: revisa el acierto. Calcula el porcentaje de ausencias por nivel. Si «Alto» no falla claramente más que «Bajo», la puntuación no está separando y hay que ajustarla.

Lleva el porcentaje de ausencias a tu cuadro de mando semanal, separado por origen. Te dirá también qué campañas traen citas que luego no se presentan. Y a quien no vino, no lo des por perdido: en reactivar leads antiguos explicamos cómo recuperarlo.

Cuándo sí tiene sentido la IA

Cuando tienes volumen. Una clínica o un grupo con varias sedes, miles de citas al año bien registradas y un software de gestión que integra la predicción puede sacar partido a un modelo que combine más señales de las que maneja una hoja. Incluso entonces, la pregunta es la misma: ¿marca como riesgo alto a pacientes que de verdad fallan más? Pide verlo con tus datos durante un periodo de prueba, comparado con la hoja sencilla. Si el modelo no mejora claramente lo que ya hacías, no te está aportando nada.

Límites, sesgos y datos de salud

Puntuar a pacientes tiene riesgos que conviene tener presentes desde el principio:

• Profecía autocumplida. Si a los de riesgo alto les das peores huecos o los tratas con desconfianza, fallarán más. La puntuación decide a quién dedicar más atención, no a quién atender peor.
• Variables que discriminan. Edad, código postal, nacionalidad o idioma pueden parecer buenos predictores y esconder un sesgo. No los uses para puntuar.
• Decisiones automáticas. El Reglamento General de Protección de Datos limita las decisiones basadas únicamente en un tratamiento automatizado que afecten de forma significativa a una persona. Negar una cita o exigir una señal porque lo dice un algoritmo, sin intervención humana, es justo lo que hay que evitar.
• Datos de salud. El tipo de tratamiento o el motivo de la cita son datos de salud. Para predecir ausencias no hacen falta, así que déjalos fuera de la hoja y del modelo. Si usas una herramienta externa, contrato de encargado, datos dentro de la Unión Europea siempre que sea posible y sin entrenamiento para terceros.
• Transparencia. Informa en tu política de privacidad de que analizas el historial de citas para organizar recordatorios y llamadas.

La Agencia Española de Protección de Datos tiene una guía para adecuar al RGPD los tratamientos que incorporan inteligencia artificial que conviene leer antes de contratar cualquier herramienta. Y, como siempre con datos de pacientes, valida el montaje con tu delegado de protección de datos; ampliamos el contexto en protección de datos de los leads.

Si quieres que revisemos tu agenda y montemos contigo la puntuación de riesgo, pide una consulta: te decimos qué datos te faltan y por dónde empezar.

Preguntas frecuentes

¿Se puede predecir qué pacientes no vendrán a su cita?

Con cierta fiabilidad, sí. Las señales más útiles suelen ser los días entre la reserva y la cita, el canal de origen, si es primera visita, si ha confirmado y si ha fallado antes. Con ellas puedes puntuar cada cita en una hoja de cálculo y comprobar en unas semanas si los de riesgo alto fallan más.

¿Necesito inteligencia artificial para predecir ausencias?

No para empezar. Una puntuación sencilla en una hoja de cálculo resuelve la mayor parte en clínicas pequeñas y medianas. La IA tiene sentido con mucho volumen de citas bien registradas, y solo si demuestra con tus datos que acierta más que la hoja.

¿Qué hago con los pacientes de riesgo alto?

Llámales personalmente entre 48 y 72 horas antes para confirmar o cambiar la cita, ten una lista de espera para ocupar huecos y valora la señal en tratamientos largos con una política escrita e igual para todos. El overbooking, solo en citas cortas y con mucha prudencia.

¿Puedo usar datos de salud para predecir ausencias?

No hace falta y no lo recomendamos. El tratamiento o el motivo de consulta son datos de salud especialmente protegidos. Usa solo datos de agenda, evita variables como edad o código postal que introducen sesgos y no tomes decisiones sobre un paciente basadas solo en una puntuación automática.