An Empirical Study of Agent Skills for Healthcare: Practice, Gaps, and Governance

Resumen Técnico: Un Estudio Empírico de las Habilidades de Agentes para la Atención Sanitaria: Práctica, Brechas y Gobernanza

Enunciado del Problema
La automatización en el ámbito de la salud está intrínsecamente limitada por los procedimientos locales y las variaciones organizativas, lo que significa que las capacidades de los agentes rara vez se transfieren sin cambios entre diferentes entornos. Aunque los agentes de IA pueden combinar contexto, herramientas y razonamiento para apoyar los flujos de trabajo clínicos, sus comportamientos no pueden considerarse fijos. Existe la necesidad de un mecanismo para empaquetar procedimientos para su reutilización y adaptación sin reconstruir sistemas enteros. Las "habilidades de agente" —directorios autocontenidos que contienen procedimientos reutilizables— han surgido como una capa procedimental para abordar este problema. Sin embargo, el estado actual del ecosistema público de habilidades sanitarias, su alineación con las prioridades de investigación y su gobernanza en relación con el riesgo clínico permanecen en gran medida sin caracterizar.

Metodología
Los autores realizaron el primer análisis empírico de las habilidades de agentes sanitarios utilizando un corpus derivado de ClawHub, una de las plataformas públicas de habilidades de agentes más grandes.

• Recopilación de datos: A partir de una instantánea de 58.159 habilidades listadas públicamente (20 de abril de 2026), los autores identificaron 557 habilidades relacionadas con la atención sanitaria mediante un clasificador GPT-5-mini aplicado a los nombres de las habilidades y las descripciones de los desarrolladores. Las habilidades sanitarias se definieron como aquellas relacionadas con la prestación de atención clínica, las operaciones médicas o las ciencias de la vida, excluyendo el bienestar general o el asesoramiento sobre estilos de vida sin un marco clínico.
• Protocolo de anotación: Cada una de las 557 habilidades fue anotada a lo largo de diez dimensiones que cubrían función, contexto de despliegue, autonomía y seguridad. El proceso de anotación utilizó GPT-5.4 como clasificador escalable sobre los archivos completos SKILL.md (incluyendo nombre, descripción y cuerpo en Markdown). La taxonomía se refinó mediante inspección manual para reducir la ambigüedad en casos específicos de la atención sanitaria.
• Dimensiones analizadas: El estudio examinó el tamaño del artefacto, la autoría, la adopción, los usuarios previstos, el encuadre lingüístico/geográfico, la distribución funcional, la etapa del ciclo de vida sanitario, las modalidades de entrada, los niveles de autonomía, el impacto clínico, el riesgo técnico general y la presencia de declaraciones explícitas sobre límites de seguridad.

Resultados Clave
El análisis revela tres hallazgos principales sobre el estado actual de las habilidades de agentes sanitarios:

1. Divergencia entre Práctica e Investigación:

   • Enfoque: Las habilidades sanitarias públicas son predominantemente orientadas al paciente, concentrándose en la automatización de flujos de trabajo post-diagnóstico, el apoyo a la investigación y la monitorización de la salud personal. En contraste, la literatura de investigación sobre agentes sanitarios enfatiza fuertemente el razonamiento orientado al diagnóstico y al tratamiento.
   • Función: La automatización de flujos de trabajo es la categoría de habilidad más común (33,2 %), mientras que el diagnóstico es la categoría principal en los artículos de investigación (40,0 %), pero aparece solo en el 22,4 % de las habilidades.
   • Usuarios: La categoría de usuarios previstos más grande para las habilidades son los pacientes y consumidores generales (37,1 %), superando a los clínicos (20,3 %) y a los investigadores (22,4 %).

2. Cobertura Desigual del Ciclo de Vida Sanitario y de las Entradas:

   • Ciclo de vida: Las habilidades se concentran en Operaciones del Sistema (293 habilidades), particularmente en Investigación y Desarrollo (27,1 % del corpus), y en Monitorización y Rehabilitación del Paciente (33,0 % de las habilidades orientadas al paciente). Etapas críticas como el diagnóstico agudo y la planificación del tratamiento están subrepresentadas.
   • Entradas: Las habilidades favorecen entradas de propósito general compatibles con las interfaces estándar de los LLM. Los formularios estructurados (143 habilidades) y las conversaciones de texto (115 habilidades) son las modalidades principales. Las entradas clínicas especializadas son escasas: las imágenes médicas y las señales fisiológicas aparecen como entradas principales en menos del 2 % de las habilidades (9 cada una), y los datos genómicos solo en 13.

3. Desalineación entre el Riesgo Técnico y el Impacto Clínico:

   • Autonomía vs. Impacto: El ecosistema está dominado por habilidades de Nivel 3 (Ejecución Delegada) (244 en total), donde los agentes completan tareas digitales acotadas que pueden influir en las decisiones del usuario sin actuación en el mundo real. Sin embargo, existen habilidades de alta autonomía (Nivel 4/Nivel 5); notablemente, una habilidad de Nivel 5 actúa como un "guardián de emergencia" capaz de ejecutar acciones de rescate.
   • Evaluación de Riesgos: Los marcos generales de riesgo técnico clasifican la mayoría de las habilidades como "Seguras" o de "Riesgo Moderado". Sin embargo, esto no captura de manera fiable el riesgo clínico. Muchas habilidades con acceso limitado a herramientas aún producen resultados que influyen en el juicio clínico.
   • Brechas de Gobernanza: Solo 163 de las 557 habilidades incluyen declaraciones explícitas de límites o descargos de responsabilidad. La mayoría carece de definiciones claras del alcance, dejando a los agentes con criterios limitados para calificar sus resultados.

Significado y Afirmaciones
El artículo posiciona las habilidades sanitarias como una capa procedimental crítica que actualmente no es capturada adecuadamente por los puntos de referencia existentes o los marcos de riesgo.

• Brecha en la Evaluación: Los puntos de referencia actuales a menudo favorecen resultados computables (por ejemplo, precisión diagnóstica), mientras que las habilidades desplegables dependen de la adecuación al flujo de trabajo local y de las acciones posteriores, lo que las hace más difíciles de evaluar fuera de contextos de despliegue específicos.
• Implicaciones de Gobernanza: Los autores argumentan que la gobernanza de las habilidades debe separar el impacto clínico del riesgo de permiso técnico. Una habilidad puede ser técnicamente "segura" (sin ejecución destructiva de código) pero clínicamente consecuente (moldeando el juicio del paciente o del clínico).
• Dirección Futura: El estudio sugiere que, para que las habilidades de agentes maduren en el ámbito de la salud, el ecosistema requiere señales de calidad más claras (estado de validación, procedencia), declaraciones explícitas de límites y barreras más bajas para que los clínicos y expertos del dominio contribuyan con conocimiento procedimental, en lugar de depender exclusivamente de desarrolladores técnicamente activos.

Los autores concluyen que tratar las habilidades de agentes como artefactos concretos y revisables ofrece una superficie práctica para la evaluación y la gobernanza, distinta del comportamiento implícito de los pesos del modelo. Reconocen limitaciones, señalando que el corpus proviene de una sola plataforma en un único momento temporal y que las anotaciones infieren propiedades a partir de descripciones en lugar de observar el comportamiento de despliegue.