📄 medicine

Factors Influencing Clinical Nurses’ Intention to Use and Actual Use of Generative Artificial Intelligence in China: A Multicentre Cross-sectional Study

Este estudio transversal multicéntrico de 1.921 enfermeros clínicos en China revela que su intención de uso y la adopción real de la inteligencia artificial generativa están significativamente impulsadas por la utilidad percibida, la facilidad de uso, la influencia social y la confianza, mientras que se ven obstaculizadas por los riesgos percibidos, lo que destaca la necesidad de estrategias que mejoren el valor y aborden las preocupaciones de seguridad para facilitar la integración de la IA en la práctica de la enfermería.

Autores originales: Xiaoyan Gong, Lili Wu, Shan Li, Rongping Cha, Yijing Weng, Yeru Xia, Yunxia Shen, Jingbang Liu

Publicado 2026-06-25

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Xiaoyan Gong, Lili Wu, Shan Li, Rongping Cha, Yijing Weng, Yeru Xia, Yunxia Shen, Jingbang Liu

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina una unidad de hospital como una cocina con mucho movimiento. Durante años, los chefs (enfermeros/as) han estado cocinando con herramientas tradicionales. Ahora, ha llegado un nuevo asistente robótico súper inteligente (IA Generativa), que promete picar verduras, escribir recetas e incluso sugerir nuevos platos. Pero antes de que los chefs empiecen a usar este robot, tienen que decidir: ¿Es realmente útil? ¿Es fácil de usar? ¿Puedo confiar en que no quemará la comida? ¿Y se me permite siquiera usarlo?

Este estudio es como una encuesta gigante enviada a casi 2.000 chefs en hospitales chinos para responder exactamente a esas preguntas. Los investigadores querían saber qué hace que un enfermero diga "Sí, usaré esta IA" y qué es lo que realmente les impide usarla.

Aquí está lo que encontraron, desglosado en conceptos simples:

Los ingredientes principales para la adopción

Los investigadores utilizaron una receta popular para entender la nueva tecnología llamada UTAUT (Teoría Unificada de Aceptación y Uso de la Tecnología). Piensa en esto como una lista de verificación para saber si alguien probará un nuevo dispositivo. Añadieron algunos ingredientes extra específicos para la IA: Confianza y Riesgo.

Aquí están las cuatro cosas principales que hicieron que los enfermeros quisieran usar la IA:

El factor "¿Me ayuda?" (Expectativa de desempeño):
- La analogía: Si el robot puede picar cebollas en 2 segundos en lugar de 2 minutos, el chef está feliz.
- El hallazgo: Esta fue la mayor razón por la que los enfermeros quisieron usar la IA. Si creían que la herramienta realmente haría su trabajo más fácil o mejor, era mucho más probable que la probaran.
El factor "¿Es difícil de aprender?" (Expectativa de esfuerzo):
- La analogía: Si el robot tiene un control remoto complicado con 50 botones, el chef no lo tocará. Si solo tiene un botón de "Inicio", lo hará.
- El hallazgo: Los enfermeros querían saber que la herramienta era fácil de usar. Si se sentía simple e intuitiva, estaban más dispuestos a adoptarla.
El factor "¿Puedo confiar en ello?" (Confianza tecnológica):
- La analogía: ¿Dejarías que un robot cocine la comida de tu bebé si no estuvieras seguro de que no le añadirá veneno?
- El hallazgo: Los enfermeros necesitaban creer que la IA era fiable y segura. Si pensaban que la IA podía inventar hechos (alucinaciones) o dar consejos médicos erróneos, dudaban.
El factor "¿Qué piensan los demás?" (Influencia social):
- La analogía: Si el jefe de cocina y todo el personal de la cocina están hablando maravillas del nuevo robot, es más probable que tú también quieras probarlo.
- El hallazgo: Si los colegas y los directivos fomentaban el uso de la IA, los enfermeros tenían más probabilidades de seguir el ejemplo, aunque esto importaba menos que la utilidad o la facilidad de uso.

La "Señal de Pare"

Hubo un factor principal que actuó como un pedal de freno: Riesgo Percibido.

La analogía: Si el chef piensa que el robot podría filtrar datos, robar secretos o dañar a un paciente, no lo usará, sin importar lo rápido que sea.
El hallazgo: El miedo a los errores, las filtraciones de privacidad o los problemas éticos redujo significamente la intención de usar la IA.

El "Empuje" del Gerente de la Cocina

Incluso si un enfermero quería usar la IA, no podía hacerlo sin las herramientas adecuadas.

El hallazgo: Las Condiciones Facilitadoras (tener las computadoras, el internet y la capacitación adecuados) eran cruciales. Puedes tener la mejor receta, pero si no tienes una estufa, no puedes cocinar.

¿Quién la usa de forma diferente?

El estudio notó que diferentes grupos de enfermeros reaccionaban de manera distinta, como diferentes tipos de cocineros:

Hombres vs. Mujeres:
- Las mujeres parecían preocuparse más por si la herramienta era útil y por lo que pensaban sus colegas.
- Los hombres (aunque había menos en el estudio) parecían preocuparse más por si podían confiar en la máquina.
Jóvenes vs. Mayores:
- Los enfermeros más jóvenes (20–30 años) se veían impulsados por qué tan útil y fácil era la herramienta.
- Los enfermeros mayores (41+ años) eran mucho más sensibles al riesgo. A medida que envejecían, el miedo a cometer un error o a que la herramienta fuera insegura se convertía en una barrera mayor. Curiosamente, los enfermeros mayores confiaban menos en la tecnología que los más jóvenes.
Dispuestos vs. No dispuestos:
- Los enfermeros que ya estaban dispuestos a usar la IA respondían a todos los factores habituales (utilidad, facilidad, confianza).
- Los enfermeros que eran reacios o neutrales no parecían importarles la utilidad o la confianza en absoluto. Para ellos, lo único que importaba era si se les obligaba a usarla o si el sistema hacía que fuera imposible evitarla.

La Conclusión Final

El estudio concluye que, para que la IA se convierta en una parte regular de la rutina diaria de un enfermero, los hospitales deben hacer tres cosas:

Demostrar el valor: Probar que realmente ahorra tiempo y ayuda a los pacientes.
Generar confianza: Asegurarse de que la IA sea segura, fiable y explicable.
Gestionar el miedo: Abordar directamente las preocupaciones sobre la privacidad y los errores.

Los investigadores también señalaron que, debido a que solo encuestaron a los enfermeros una vez (una "instantánea" en el tiempo), no pueden decir con certeza que estos factores causan el uso, sino que están fuertemente vinculados a él. Sugieren que futuros estudios observen a los enfermeros durante un período más largo para ver cómo cambian estos sentimientos.

En resumen: Los enfermeros están listos para usar la IA, pero solo si es útil, fácil, segura y si sienten que su hospital los apoya mientras aprenden a usarla.

Resumen Técnico: Factores que influyen en la intención de uso y el uso real de la Inteligencia Artificial Generativa por parte de enfermeras clínicas en China

Planteamiento del problema
Si bien la inteligencia artificial generativa (IA Gen) posee un potencial transformador para la práctica de la enfermería —que abarca desde la automatización de la documentación hasta el apoyo a la decisión clínica—, la evidencia empírica con respecto a los factores específicos que impulsan su adopción entre las enfermeras clínicas sigue siendo limitada. La literatura existente suele abordar la adopción de la IA en contextos de atención médica generales o poblaciones mixtas, sin tener en cuenta las características profesionales únicas de las enfermeras, quienes constituyen el grupo más numeroso de profesionales de la salud. Además, la integración de la IA Gen introduce desafíos específicos, incluyendo riesgos de alucinaciones de información, sesgos y preocupaciones éticas, que pueden influir en la aceptación del usuario de manera diferente a las tecnologías tradicionales. Existe una necesidad crítica de comprender los determinantes tanto de la intención conductual como del comportamiento de uso real entre las enfermeras clínicas para facilitar una implementación exitosa.

Metodología
Este estudio empleó un diseño de encuesta transversal multicéntrica realizado en China entre julio y agosto de 2025.

Participantes: Se recolectaron un total de 1,921 respuestas válidas de enfermeras registradas en diversas instituciones de salud mediante un muestreo por conveniencia.
Marco Teórico: La investigación utilizó un modelo de la Teoría Unificada de Aceptación y Uso de Tecnología (UTAUT) extendida. Los constructos originales de la UTAUT (Expectativa de Desempeño, Expectativa de Esfuerzo, Influencia Social y Condiciones Facilitadoras) se aumentaron con la Confianza en la Tecnología y el Riesgo Percibido para reflejar mejor el contexto específico de la IA Gen en la enfermería.
Instrumento: Se desarrolló un cuestionario estructurado basado en instrumentos validados de la UTAUT y se refinó mediante una consulta Delphi de dos rondas con 15 expertos en enfermería. El instrumento midió siete dimensiones: Expectativa de Desempeño (PE), Expectativa de Esfuerzo (EE), Influencia Social (SI), Condiciones Facilitadoras (FC), Confianza en la Tecnología (TR), Riesgo Percibido (PR) e Intención Conductual (BI). El Comportamiento de Uso Real (UB) se midió a través de la frecuencia y el alcance del uso de la IA Gen reportados por el propio usuario.
Análisis: Los datos se analizaron mediante Modelado de Ecuaciones Estructurales (SEM) para probar las relaciones hipotetizadas. La confiabilidad y la validez se evaluaron mediante el alfa de Cronbach, la Confiabilidad Compuesta (CR), la Varianza Extraída Media (AVE) y el criterio de Fornell-Larcker. Se realizaron análisis multigrupo para examinar los efectos moderadores de género, edad y voluntariedad de uso.

Contribuciones Clave

Modelo UTAUT extendido para la IA Gen: El estudio integra la Confianza en la Tecnología y el Riesgo Percibido en el marco estándar de la UTAUT, proporcionando un modelo más matizado para comprender la adopción de la IA generativa específicamente dentro de la enfermería clínica.
Enfoque dual en la intención y el comportamiento: A diferencia de muchos estudios que se centran únicamente en la intención, esta investigación examina la trayectoria desde la intención conductual hacia el comportamiento de uso real, identificando las Condiciones Facilitadoras como un puente crítico.
Heterogeneidad demográfica: El estudio proporciona información granular sobre cómo los impulsores de la adopción varían según el género, la edad y la voluntariedad, desafiando la suposición de una aceptación tecnológica uniforme entre las enfermeras.

Resultados

Determinantes de la Intención Conductual:
- La Expectativa de Desempeño (PE) fue el predictor positivo más fuerte de la intención conductual ( $\beta = 0.302, p < 0.001$ ).
- La Expectativa de Esfuerzo (EE) ( $\beta = 0.235, p < 0.001$ ) y la Confianza en la Tecnología (TR) ( $\beta = 0.207, p < 0.001$ ) también mostraron asociaciones positivas significativas.
- La Influencia Social (SI) tuvo un efecto positivo menor pero significativo ( $\beta = 0.094, p = 0.004$ ).
- El Riesgo Percibido (PR) se asoció significativamente de forma negativa con la intención conductual ( $\beta = -0.134, p < 0.001$ ).
Determinantes del Comportamiento de Uso Real:
- La Intención Conductual (BI) fue el principal motor del uso real ( $\beta = 0.409, p < 0.001$ ).
- Las Condiciones Facilitadoras (FC) (por ejemplo, apoyo organizacional, recursos) también estuvieron significativamente asociadas con el uso real ( $\beta = 0.289, p < 0.001$ ), independientemente de la intención.
Efectos Moderadores:
- Género: Para las enfermeras, la PE, la EE, la SI y la TR fueron predictores significativos. Para los enfermeros, solo la EE y la TR fueron significativos; la PE y la SI no lo fueron. La confianza en la tecnología pareció ser más relevante para los hombres.
- Edad: El riesgo percibido se convirtió en un predictor negativo más significativo con el aumento de la edad. Por el contrario, la influencia de la Confianza en la Tecnología se debilitó entre las enfermeras de 41 años o más.
- Voluntariedad: En el grupo "dispuesto", todas las rutas hipotetizadas fueron significativas. En los grupos "neutral" e "no dispuesto", la mayoría de las variables antecedentes perdieron significancia estadística, lo que sugiere que la motivación intrínseca altera el mecanismo de adopción.

Significancia y Reivindicaciones
Los autores sostienen que la adopción de la IA Gen por parte de las enfermeras clínicas es un proceso multifacético impulsado principalmente por la utilidad percibida, la facilidad de uso y la confianza, mientras que es obstaculizado por los riesgos percibidos. El estudio postula que la integración exitosa requiere estrategias que vayan más allá de la simple capacitación; deben abordar activamente las preocupaciones de seguridad y construir la confianza institucional.

El artículo enfatiza que el apoyo organizacional (Condiciones Facilitadoras) es crucial para traducir la intención en la práctica real. Además, los autores afirman que un enfoque de "talla única" es insuficiente; las estrategias de implementación deben adaptarse a subgrupos específicos, como priorizar la gestión de riesgos para las enfermeras de mayor edad y mejorar la percepción de valor para las cohortes más jóvenes.

Limitaciones
Los autores reconocen modestamente varias limitaciones:

Causalidad: El diseño transversal impide realizar inferencias causales.
Muestreo: El uso de un muestreo por conveniencia puede introducir un sesgo de selección, representando potencialmente en exceso a las enfermeras con un interés previo en la IA.
Autoinforme: La dependencia de los datos de medidas autoinformadas puede introducir un sesgo de método común, a pesar de los esfuerzos de mitigación.
Generalización: El estudio se realizó dentro de un único contexto nacional (China), lo que puede limitar la aplicabilidad de los hallazgos a otros sistemas de salud.

El documento concluye haciendo un llamado a la investigación longitudinal para comprender mejor las relaciones causales y la evolución de la adopción de la IA a lo largo del tiempo.