Cómo formarse en inteligencia artificial siendo odontólogo: guía 2026

En los últimos dos años la inteligencia artificial entró a la odontología por todos lados: análisis de radiografías, asistentes que redactan la evolución, software que promete “diagnosticar”, y pacientes que llegan al sillón con una respuesta que les dio ChatGPT antes de pedir el turno.

Y mientras tanto, la formación profesional no acompañó. La mayoría de nosotros aprendimos sobre IA leyendo folletos comerciales, escuchando conferencias patrocinadas o probando un chatbot un rato. Sin vocabulario compartido, sin entender cómo funcionan estos sistemas por dentro, y sin haber pensado nunca en serio qué implica delegarle a una máquina una parte del razonamiento clínico.

El resultado son dos posturas igual de problemáticas: la del que le cree todo y la del que lo rechaza sin entenderlo. Las dos nacen del mismo lugar, que es no saber.

Por qué formarse dejó de ser opcional (y no es por moda)

No se trata de “estar al día”. Hay tres razones concretas, y ninguna tiene que ver con la novedad:

• Responsabilidad profesional. Si una herramienta participa de tu decisión clínica, el que firma seguís siendo vos. No podés hacerte cargo de algo cuyo funcionamiento —y cuyos límites— no entendés.
• Capacidad de compra. Te van a vender sistemas con métricas impresionantes. Sin criterio técnico, no tenés cómo distinguir un modelo serio de una demo bien producida.
• Datos de tus pacientes. Cada herramienta en la nube a la que le cargás una historia clínica es una decisión sobre información sensible de terceros. Esa decisión es tuya, la entiendas o no.

Qué necesitás entender realmente (no son las herramientas)

Acá está el malentendido más común: la gente busca un tutorial de cómo usar tal o cual aplicación. Pero las herramientas cambian cada seis meses. Lo que no cambia son los conceptos que te permiten evaluar cualquier herramienta, incluidas las que todavía no existen.

1. Cómo aprende un modelo (y por qué depende de sus datos)

Un modelo no “sabe” odontología: aprendió patrones de un conjunto de datos. Si ese conjunto se armó con radiografías de una población distinta a la tuya, con equipos distintos a los tuyos, el rendimiento en tu consultorio puede ser muy distinto al del paper. Entender esto te cambia las preguntas que hacés.

2. La diferencia entre detectar, diagnosticar y decidir

Se confunden todo el tiempo y tienen implicancias clínicas y legales completamente distintas. Un sistema que marca una zona sospechosa en una radiografía no está diagnosticando. Un sistema que sugiere una conducta no está decidiendo. La distinción no es semántica: define quién responde cuando algo sale mal.

3. Leer métricas sin dejarte impresionar

Cuando te presenten un sistema con un “99% de precisión”, la pregunta correcta no es cuánto acierta, sino sensibilidad, especificidad y valor predictivo positivo — y sobre qué población se midió. Un número alto puede significar muy poco: en una condición poco frecuente, un modelo puede tener una exactitud altísima y aun así equivocarse la mayoría de las veces que da una alerta positiva. Si el sistema no te muestra estos números, eso ya te dice algo.

4. Por qué una máquina puede equivocarse con absoluta seguridad

Los modelos generativos producen texto plausible, no verdadero. Pueden inventar una referencia bibliográfica completa, con autores y año, que no existe. A eso se le llama alucinación, y no es un bug que se vaya a arreglar del todo: es una consecuencia de cómo funcionan. Saber esto cambia por completo cómo usás un asistente para redactar o para consultar.

5. Qué pasa con la historia clínica de tu paciente

Bases de datos, servidores, cifrado, dónde viven los datos y quién puede leerlos. No hace falta que seas ingeniero, pero sí que sepas la diferencia entre una herramienta pública y una profesional, y qué tenés derecho a exigirle a cualquier sistema al que le confiés información sensible. Escribimos aparte sobre cómo proteger los datos de tus pacientes.

6. Ética y sesgos: las preguntas que la profesión no se está haciendo

Cómo se cuela un sesgo en un algoritmo y por qué puede reproducir inequidades en la atención. Qué significa el consentimiento informado cuando hay asistencia tecnológica de por medio. Y el límite —conceptual, no técnico— de lo que se le puede delegar a un sistema. Esta parte casi nunca aparece en la formación comercial, y es la que más te va a servir.

Cómo elegir un curso de IA en odontología

La oferta de cursos creció rápido y es muy despareja. Estas son las señales que miraría:

• Quién lo dicta. ¿Es alguien que ejerce y además construye estas herramientas, o alguien que las revende? Preguntá qué hizo, no qué sabe.
• Si te enseña a dudar. Un curso que solo muestra lo que la IA puede hacer te está vendiendo algo. Uno serio dedica tiempo a cómo falla.
• Si toca datos y ética. Si el programa no menciona protección de datos ni responsabilidad profesional, le falta la mitad.
• Qué certifica. Un certificado de formación continua está perfecto — siempre que diga que es eso, y no se disfrace de título con validez oficial.
• Si declara sus conflictos de interés. Si el docente tiene un producto en el mercado, tiene que decirlo antes de que se lo preguntes.

DentalCore Academy: por qué la armamos

Después de años trabajando en la intersección entre la clínica y la inteligencia artificial —entrenando modelos sobre imagenología odontológica, escribiendo un libro sobre el tema y desarrollando un sistema de apoyo a la decisión clínica— nos quedó claro que el problema no era la falta de tecnología. Era la falta de criterio para evaluarla.

Por eso creamos DentalCore Academy, el área de formación continua de DentalCore. La idea es simple: formación para tener criterio, no para estar al día. Los contenidos los dicta un odontólogo que además construye estas herramientas y sabe dónde fallan, la ética atraviesa todo el programa en lugar de ser un anexo, y cada certificado lleva un código único que cualquiera puede verificar.

El primer curso es Inteligencia artificial en odontología: seis encuentros en vivo que van desde cómo funciona realmente un modelo de aprendizaje profundo hasta qué significa delegarle una decisión clínica a una máquina. Fundamentos técnicos, evidencia científica, imagenología, protección de datos y bioética aplicada.

Y lo decimos de frente, porque es la misma exigencia que planteamos más arriba: en el curso se analizan herramientas reales del mercado, incluida una desarrollada por el propio docente, con el mismo criterio crítico que todas las demás. El curso no promociona ningún producto: enseña a evaluarlos.

Por dónde empezar esta semana

Si no querés esperar a inscribirte en nada, tres cosas concretas:

• Elegí una herramienta que ya uses y buscá su documentación técnica. Si no publica métricas ni límites, ya aprendiste algo.
• Probá un modelo generativo con un tema que domines a fondo. Vas a ver dónde inventa, y eso te calibra para cuando lo uses en algo que no dominás.
• Revisá qué firmaste con los servicios en la nube donde hoy viven los datos de tus pacientes.

Y si querés el recorrido completo y ordenado, ahí está la Academy. Mientras tanto, también escribimos sobre qué es la IA en odontología y cómo elegir el software adecuado y una guía práctica para empezar a usarla en el consultorio.