Saltar al contenido

La fragilidad de la civilización conectada

11 min de lectura · 2.495 palabras

Hay una pregunta incómoda detrás de cada uno de esos titulares que empiezan con «hospital atacado» y terminan con «servicios suspendidos»: ¿qué tan frágil es una civilización que depende de sistemas que la mayoría de sus habitantes no comprende? No es una pregunta retórica ni catastrofista. Es una pregunta de ingeniería, y tiene respuestas medibles.

La comodidad que nadie agradece

Nunca habíamos tenido tanta capacidad técnica acumulada. Hospitales digitalizados, comunicaciones instantáneas, dinero que se mueve como datos, redes eléctricas con sensores, almacenamiento remoto, decisiones automatizadas. La mayor parte del tiempo todo esto funciona tan bien que se vuelve invisible: nadie agradece a un servidor de historia clínica por haber respondido en 200 milisegundos.

Esa invisibilidad es exactamente el problema. Un sistema invisible no se examina. Cuando algo falla, la gente descubre de golpe cuántas cosas dependían de él.

En mayo de 2026, un proveedor alemán de facturación médica llamado Unimed sufrió un ataque del que se robaron datos de más de 100.000 pacientes asegurados en hospitales universitarios. En marzo del mismo año, el fabricante estadounidense de dispositivos médicos Stryker fue atacado, y el episodio mostró hasta dónde se difuminan las fronteras entre empresa, producto y servicio clínico. Ninguno de los dos casos fue una película. Fueron martes laborables en los que un área administrativa dejó de ser confiable.[1]

La tecnología nos hizo más eficientes. También creó formas nuevas de vulnerabilidad, y esas formas no crecen en proporción al daño inmediato sino a la profundidad de la dependencia.

351 ciberataques a hospitales en tres años

Dato verificado El Instituto Alemán de Asuntos Internacionales y de Seguridad (SWP) publicó el 24 de agosto de 2026 un análisis basado en el European Repository of Cyber Incidents (EuRepoC): entre 2022 y 2025 se registraron 351 ataques significativos contra instalaciones sanitarias en todo el mundo.[1][2]

El dato grueso impresiona, pero lo que enseña está en el desglose. Los autores agruparon los incidentes en seis categorías por su efecto real sobre la atención, no por su sofisticación técnica:

Grupo de ataques Qué persigue Efecto en la atención
Robo de datos (174 casos) Exfiltración de información de pacientes, a veces con ransomware Pérdida de confidencialidad y de confianza; en general no detiene la operación
Interrupción de servicios de IT (137 casos) Portales, comunicaciones, servicios web Fricción operativa; 45 casos con caídas de días
Interrupción de sistemas operativos HIS, radiología, laboratorio, esterilización, bancos de sangre 92 casos con caídas de semanas; impacto directo en la atención

Hay un detalle que cambia la intuición habitual sobre el ransomware. En el sector sanitario, la motivación no es tanto cifrar sino sacar: en 82 casos la meta fue la exfiltración de datos de pacientes, y en algunos fue el único objetivo. Los datos clínicos son más sensibles que los de otros sectores. Eso los vuelve un material de extorsión más eficaz.[1]

351 ataques significativos al sector sanitario · 2022–2025 174 robo de datos 137 interrupción De los 137 con interrupción operativa, la caída de sistemas duró: 45 92 casos con caída de días casos con caída de semanas Barras a escala: 1 caso = 1 px sobre una línea base común.
Distribución de los 351 ataques registrados por EuRepoC y analizados por el SWP. Las interrupciones operativas en salud duran más que en otros sectores: 92 de los 137 casos se midieron en semanas.

Un segundo dato, este de naturaleza regulatoria, explica por qué los ciberataques a hospitales dejaron de ser un asunto interno de cada institución. La Directiva NIS-2 y la Directiva CER, que rigen la infraestructura crítica europea, adoptan un enfoque de todos los peligros: no distinguen entre amenaza física, digital u operativa, porque en la práctica convergen.[1][5][6]

Hipótesis La concentración de proveedores es un multiplicador de riesgo: si cien hospitales usan el mismo servicio de facturación o de imagen, el atacante no necesita cien intrusiones. El informe lo sugiere al describir la interdependencia de la cadena de suministro; la magnitud exacta de ese efecto todavía no está cuantificada en la literatura disponible.

El hospital como cadena de sistemas

Un hospital moderno no usa «un sistema». Usa una cadena: el HIS que registra la atención, el RIS que ordena los estudios, el PACS que guarda y entrega las imágenes, el LIS del laboratorio, la historia clínica electrónica, la red interna, el almacenamiento, los equipos de diagnóstico conectados. Cada eslabón asume que el anterior existe.

Cuando esa cadena se rompe por un ciberataque a hospitales, no se rompe la medicina: se rompe la coordinación de la medicina. Y la coordinación es la mayor parte del trabajo real en un hospital grande.

Equipo de imagen RIS PACS HIS LIS Red interna Almacenamiento y autenticación Un solo eslabón caído degrada todos los demás.
Cadena típica de dependencia en un servicio de diagnóstico por imagen. Ninguno de estos componentes fue diseñado para operar aislado del resto.

De ahí sale un escenario que vale la pena tomar en serio, no como apocalipsis sino como ejercicio de diseño: un hospital pierde simultáneamente acceso a sus imágenes, a su historia clínica y a sus sistemas administrativos. ¿Qué procedimientos siguen? ¿Qué información está disponible localmente? ¿Cuánto tiempo puede sostenerse la operación sin los sistemas centrales?

Lo habitual es que esas tres preguntas tengan respuesta en un documento de contingencia que nadie ha ejecutado a las tres de la mañana. Ahí está la diferencia sustancial: entre tener un plan y saber ejecutarlo bajo presión.

El orden de degradación es bastante predecible y casi nunca está escrito. Primero desaparece el acceso: la consulta de imágenes previas, los informes de estudios anteriores, las listas de trabajo del día. Después se degrada la coordinación: el servicio de imágenes ya no puede avisar al solicitante que un estudio está listo, y el informe se comunica por teléfono o se imprime. Finalmente se degrada la trazabilidad: la atención se hace, pero queda registrada en papel o en hojas de cálculo que alguien tendrá que reconciliar después con el sistema central.

Ese tercer paso es el más subestimado. En una caída de días, el costo no es la atención que se prestó en modo manual: es la reconstrucción posterior del registro, que consume más tiempo del que duró la caída y ocurre cuando el personal ya está agotado. En las interrupciones medidas en semanas, ese trabajo de reconciliación puede competir directamente con la atención de pacientes nuevos.

El campo médico ya empezó a discutir este problema desde su propio ángulo. Una revisión publicada en Clinical Radiology en 2026 enumera, entre las obligaciones del radiólogo, la responsabilidad profesional, la divulgación informada, la gobernanza de datos y el sesgo algorítmico. Propone además dos marcos prácticos, INFORMED y RECORDS, para que la adopción sea defendible mediante validación, supervisión humana, documentación y auditoría.[3] Es el mismo problema de siempre. Ahora con una capa más de dependencia.

Marco Aurelio: prepararse para lo que no se controla

Marco Aurelio escribió sus Meditaciones sin intención de publicarlas, como notas para sí mismo. Vuelve una y otra vez sobre dos ideas: que la mayoría de las cosas que nos alteran no dependen de nosotros, y que lo único realmente disponible es el juicio que hacemos sobre ellas.[7]

La traducción contemporánea no es resignación. Es diseño.

No podemos controlar todos los acontecimientos externos; podemos prepararnos para enfrentarlos. Un sistema que solo funciona cuando nada falla no está bien construido: está bien probado en condiciones favorables.

Lectura operativa de Marco Aurelio, Meditaciones

Reflexión personal Confundir estabilidad aparente con seguridad real es el error más caro de la ingeniería y también el más humano. Un sistema que lleva tres años sin caerse no es un sistema seguro. Es un sistema que lleva tres años sin ser probado por la adversidad.

Y de ahí sale la distinción que ordena todo lo demás:

Concepto Pregunta que responde Qué optimiza
Confiabilidad ¿Funciona bien cuando todo está en orden? Probabilidad de fallar poco
Resiliencia ¿Puede seguir prestando el servicio cuando algo falla? Tiempo y alcance de la recuperación

Un sistema confiable funciona correctamente. Un sistema resiliente sabe recuperarse cuando deja de funcionar. La mayoría de nuestras compras, nuestros contratos y nuestros indicadores premian la primera y dan por sentada la segunda.

Redundancia, fricción y automatización

Hasta aquí la historia parece simple: hay que construir sistemas resilientes. Pero la resiliencia no es gratuita y sus exigencias se contradicen entre sí.

Primera tensión. Redundancia significa duplicar. Más servidores, más redes, más personal entrenado. Y procedimientos en papel que alguien debe mantener vivos. Un hospital que quiere operar sin PACS durante una semana necesita poder leer estudios en un visor local, tener los informes previos impresos o en un equipo aislado, y tener personal que sepa hacerlo. Todo eso cuesta dinero que no produce ningún indicador visible mientras no ocurra la tragedia.

Segunda tensión. La seguridad y la disponibilidad tiran en direcciones opuestas. Cerrar accesos, segmentar redes y exigir doble factor reduce la superficie de ataque, y a la vez agrega fricción justo en el momento en que el clínico tiene prisa. Cuando esa fricción molesta demasiado, alguien la rodea: el atajo humano siempre existe, y suele ser el vector de entrada.

Tercera tensión, y la más incómoda. Automatizar más para reducir el error humano aumenta la dependencia de la automatización. Es el mismo patrón que la radiología está empezando a documentar. Una revisión de octubre de 2026 en Radiology: Artificial Intelligence describe dos riesgos simultáneos: el automation bias, la tendencia a seguir la sugerencia de un sistema sin escrutinio suficiente, y el deskilling, la erosión de la capacidad perceptual e interpretativa por desuso, que se revela sobre todo cuando la ayuda automática desaparece. Los autores señalan que una salida incorrecta de la IA degrada la precisión con independencia de la experiencia del lector y que el desempeño cae después de retirar la asistencia.[4]

Ahí está la contradicción del artículo entero: la herramienta que nos hace más capaces en condiciones normales puede dejarnos menos capaces cuando las condiciones dejan de ser normales, que es exactamente cuando la necesitamos.

Y aquí hay que ser honesto sobre los límites de lo que sabemos. La literatura describe el fenómeno, no su magnitud a largo plazo: los mismos autores del trabajo de Radiology: Artificial Intelligence advierten que ninguno de los dos riesgos ha sido estudiado longitudinalmente en radiología. Cualquier afirmación del tipo «la IA está atrofiando a los radiólogos» va por delante de la evidencia.

Seis preguntas para el lunes

La resiliencia se prueba con preguntas concretas, no con declaraciones de principios. Estas seis se pueden responder en una reunión de una hora y suelen dejar a la vista más de lo que se espera:

  1. ¿Cuánto tiempo aguanta la operación sin los sistemas centrales? Con una cifra, no con un adjetivo. Y con la fuente de esa cifra: la última prueba real, no la promesa del proveedor.
  2. ¿Qué información crítica existe también fuera del sistema central? Listas de pacientes activos, protocolos, informes recientes, resultados pendientes. Si la respuesta es «nada», el punto único de fallo ya está identificado.
  3. ¿Quién decide el degradado y con qué criterio? Pasar a modo manual implica decidir qué se atiende primero. Esa decisión no puede improvisarse por la noche.
  4. ¿Se probó alguna vez el procedimiento de contingencia? Un plan que nunca se ejecutó es una hipótesis, no un plan.
  5. ¿Qué proveedor, si cae, se lleva cuántos servicios? El mapa de concentración de proveedores es tan importante como el de servidores.
  6. ¿El personal sabe operar sin la herramienta? Y en el caso de la IA clínica: ¿alguien lee primero y compara después, o consulta primero y confirma después?

Ese último punto tiene una propuesta concreta en la literatura. El trabajo de Radiology: Artificial Intelligence plantea un modelo de triaje estratificado por confianza, en el que la confianza calibrada del sistema —no los hallazgos solos— decide si el caso va a una vía de baja, intermedia o alta confianza. La salida se retiene hasta la lectura independiente, se muestra con señales de incertidumbre y una lista de verificación, o se muestra con auditoría ciega aleatoria. Se sostiene en cuatro principios: mantener al radiólogo en el circuito de decisión, hacer visible la incertidumbre de la IA, introducir fricción cognitiva dirigida y gobernar la interacción humano-máquina como un sistema.[4]

Orden de trabajo Qué entrena Riesgo que deja abierto
Leo primero, comparo después Criterio propio y detección de errores del sistema Cuesta más tiempo por estudio
Consulto primero, confirmo después Velocidad y consistencia Sesgo de confirmación sobre la sugerencia
Acepto la salida automática Nada clínicamente relevante Error sin filtro y pérdida de habilidad por desuso

Ninguna de estas tres formas se distingue mirando la pantalla. Se distinguen mirando la conducta, y por eso casi nunca se auditan.

La pregunta que no tiene respuesta técnica

La paradoja de nuestra época es que somos a la vez la civilización más capaz y la más expuesta, y la infraestructura crítica que la sostiene se diseñó para el camino feliz. No por un exceso de tecnología, sino porque construimos capacidad sin construir recuperación. Optimizamos el camino feliz y dejamos el resto como «riesgo aceptado», una frase que en la práctica significa «riesgo no medido».

La verdadera fortaleza de un sistema no se demuestra cuando todo funciona, sino cuando algo deja de funcionar y todavía es capaz de sostener aquello para lo que fue construido.

Idea central del artículo

Queda una pregunta abierta, y no tiene respuesta técnica: si la resiliencia cuesta dinero que nadie ve y solo se agradece cuando el desastre no ocurre, ¿cómo se financia una virtud que consiste en que nada pase?

Si el tema te interesa, dos entradas van en la misma dirección: cómo se investiga un servidor que se apagó sin avisar y por qué un agente de IA no debería correr en la máquina principal. Las dos son, en el fondo, sobre lo mismo: asumir que algo va a fallar.

Fuentes

  1. Stiftung Wissenschaft und Politik (SWP). Cybersecurity in the Healthcare Sector, 24 de agosto de 2026. swp-berlin.org
  2. European Repository of Cyber Incidents (EuRepoC). Panel de incidentes. eurepoc.eu/dashboard
  3. Ganie IS, Ganie NS, Gibson J, Raniga S. Navigating the artificial intelligence (AI) revolution in radiology: a practical guide to medical-legal and ethical imperatives for the practising radiologist. Clinical Radiology. 2026;96:107254. doi:10.1016/j.crad.2026.107254
  4. Karunanayake N, Schefflein J, Zhao B, Schwartz LH. Automation Bias and Deskilling in Radiology AI: A Confidence-stratified Triage Model for Workflow Integration. Radiology: Artificial Intelligence. 2026;e260591. doi:10.1148/ryai.260591
  5. Directiva (UE) 2022/2555, NIS-2. eur-lex.europa.eu
  6. Directiva (UE) 2022/2557, CER. eur-lex.europa.eu
  7. Marco Aurelio. Meditaciones. gutenberg.org

¿Te sirvió esta entrada?

Puedes apoyar con una donación voluntaria. Sin publicidad, sin muros.

Donar con PayPal

También: más formas de apoyar

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.