Escalar equipos en una organización sanitaria suele interpretarse como una respuesta racional a una presión real. Aumenta la demanda asistencial, crecen las líneas de producto, aparecen nuevas integraciones con laboratorios, aseguradoras o sistemas hospitalarios, y la reacción inmediata consiste en añadir capacidad de entrega. El problema aparece cuando la capacidad de coordinar decisiones crece más despacio que la capacidad de producir cambios. En ese punto, la organización incorpora más manos al sistema, pero también multiplica los puntos de fricción, las divergencias semánticas y las rutas por las que un dato clínico puede perder contexto.
Ese desajuste no se percibe al principio. Durante una fase inicial, más squads generan una sensación visible de progreso: más roadmaps en marcha, más funcionalidades liberadas, más stakeholders atendidos. La pérdida de coherencia tarda más en emerger porque sus efectos son acumulativos. Primero aparecen pequeñas diferencias en definiciones de negocio. Después, reglas clínicas que se implementan de forma distinta según el producto. Más adelante, cada integración externa incorpora sus propias excepciones y nadie puede afirmar con seguridad qué versión de una verdad operativa sigue vigente. La organización sigue produciendo software, pero entiende cada vez menos el sistema que está construyendo.
En HealthTech, esa pérdida de legibilidad tiene un coste más alto que en otros sectores. El dato no cumple solo una función analítica o transaccional. También sostiene decisiones clínicas, operaciones sensibles, trazabilidad regulatoria y capacidad de auditoría. Si una organización crece sin reforzar sus mecanismos de coordinación y gobierno del dato, el riesgo no se limita a la ineficiencia interna. Afecta a la calidad asistencial, a la confianza operativa y a la capacidad de demostrar por qué un sistema tomó una decisión concreta en un momento determinado.
La complejidad crece en las interacciones, no en el organigrama
El error de base consiste en pensar la escala como una cuestión de tamaño. Se cuentan personas, equipos, productos o países, y se asume que la complejidad aumenta de forma proporcional. Lo que crece de manera mucho más agresiva son las interacciones. Cada nuevo squad necesita coordinarse con arquitectura, seguridad, datos, compliance, operaciones, producto y con otros equipos que comparten flujos clínicos o entidades maestras. Cada nuevo producto añade dependencias lógicas, aunque su código resida en otro repositorio y responda a otro responsable.
La consecuencia práctica es que una organización puede duplicar su plantilla sin duplicar su capacidad de aprendizaje colectivo. Si las decisiones se distribuyen sin un marco común, lo que aumenta es la producción de soluciones locales. Cada equipo resuelve bien su tramo del problema porque sus incentivos están cerca del entregable, del plazo y del stakeholder que tiene delante. La deuda que emerge no siempre es técnica. Muchas veces es semántica, operativa y de gobernanza. El sistema sigue funcionando, pero empieza a comportarse como un conjunto de interpretaciones parciales.
En salud, esas interpretaciones se vuelven peligrosas cuando atraviesan conceptos que deberían permanecer estables. Un episodio clínico, un consentimiento informado, una cita, un profesional sanitario, una cobertura, una identidad de paciente o el estado de una prescripción no pueden redefinirse libremente en cada dominio adyacente. Cuando eso ocurre, la organización no pierde solo consistencia de datos. Pierde la capacidad de razonar con precisión sobre sus propios procesos.
La autonomía sin mecanismos de alineamiento produce divergencia estructural
La mayoría de organizaciones tecnológicas maduras empujan hacia equipos autónomos por una razón legítima. La autonomía reduce cuellos de botella, acerca las decisiones al contexto y acelera la ejecución. Ese principio funciona mientras el coste de una decisión local permanece dentro del perímetro del equipo. En plataformas de comercio o medios digitales, muchas decisiones pueden aislarse con relativa facilidad. En entornos sanitarios, una decisión local suele viajar más lejos de lo previsto porque el dato atraviesa procesos asistenciales, administrativos, regulatorios y financieros.
Si un squad modifica la lógica de alta de pacientes para mejorar la conversión en onboarding, esa decisión afecta a identidad, deduplicación, interoperabilidad y trazabilidad. Si otro ajusta una taxonomía clínica para simplificar una vista operativa, esa simplificación puede romper correspondencias analíticas o reglas de facturación. Cada equipo optimiza una parte del sistema con buena intención. El conjunto deriva hacia una arquitectura organizativa donde nadie controla del todo las consecuencias de segundo orden.
La autonomía necesita contrapesos. No como capa burocrática, sino como infraestructura de decisión. Un modelo de datos compartido, una política explícita sobre ownership de entidades críticas, un proceso claro para introducir excepciones, estándares de interoperabilidad, revisiones de arquitectura orientadas a impacto sistémico y foros donde producto, ingeniería, clínica y compliance resuelvan ambigüedades antes de que lleguen a producción. Sin esos mecanismos, la autonomía se convierte en una fábrica eficiente de inconsistencias.
El gobierno del dato falla cuando aparece demasiado tarde
Muchas organizaciones tratan la gobernanza como una función de control posterior. Primero se construye, después se corrige, y más adelante se documenta. Ese orden ya resulta costoso en cualquier industria. En sanidad crea un problema estructural porque el significado de los datos se define durante el diseño del flujo, no en una revisión posterior. Cuando el gobierno entra al final, encuentra decisiones ya encapsuladas en interfaces, contratos de integración, modelos analíticos y hábitos operativos.
Corregir esas decisiones cuesta mucho más que tomarlas bien desde el principio. No solo por refactorización técnica. También porque cada cambio amenaza compromisos adquiridos con negocio, operaciones o partners externos. La organización empieza entonces a convivir con excepciones permanentes. Se documentan mapeos, se añaden capas de transformación, se aceptan campos duplicados con significado distinto y se construyen pipelines para reconciliar datos que nunca debieron separarse. El sistema gana complejidad defensiva porque perdió coherencia en etapas anteriores.
Ese patrón revela una confusión frecuente. Se asume que gobierno del dato equivale a catálogo, calidad o reporting. En realidad, su función más importante en organizaciones de producto consiste en reducir ambigüedad decisional. Define quién puede cambiar qué, bajo qué criterios, con qué impacto esperado y con qué trazabilidad. Cuando esa disciplina no existe, la empresa no escala sobre una base común. Escala sobre una colección de acuerdos locales que nadie puede auditar con facilidad.
Los incentivos diarios empujan hacia soluciones locales
Las inconsistencias sistémicas rara vez surgen por falta de talento. Suelen aparecer porque los incentivos cercanos pesan más que los costes diferidos. Un equipo recibe presión por entregar una funcionalidad clínica antes de una fecha comprometida. Otro necesita integrar un partner comercial con rapidez. Un tercero debe responder a una incidencia operativa que afecta a una unidad de negocio concreta. En cada caso, la decisión racional a corto plazo consiste en resolver el problema dentro del perímetro disponible.
La organización suele reforzar ese comportamiento. Mide velocidad de entrega, cumplimiento de roadmap, throughput de incidencias o adopción funcional, pero no observa con la misma intensidad la erosión del modelo compartido. Los equipos aprenden entonces qué se recompensa realmente. Aprenden que introducir una excepción tiene un coste difuso, mientras que retrasar una entrega tiene un coste inmediato y visible. El resultado surge de una estructura de incentivos que premia optimizaciones parciales.
En sistemas sanitarios, esas optimizaciones parciales generan efectos desiguales. El área que entrega una mejora visible recibe reconocimiento. El área que absorbe el coste de reconciliar, auditar o sostener integridad semántica opera fuera del foco principal. Con el tiempo, la organización crea una asimetría peligrosa: las decisiones se descentralizan, pero la carga de gestionar sus consecuencias se concentra en unos pocos equipos de plataforma, datos o arquitectura. Esa concentración termina saturando la capacidad de coordinación que precisamente se quería evitar como cuello de botella.
La trazabilidad se degrada antes de que fallen los indicadores principales
Una organización puede seguir creciendo en ingresos, usuarios o volumen de operaciones mientras su sistema pierde trazabilidad. Esa divergencia confunde a muchos líderes porque los indicadores de negocio no reflejan de inmediato la degradación interna. Las alarmas aparecen antes en síntomas laterales: auditorías más lentas, dificultad para reconstruir el historial de una decisión, tiempos crecientes para analizar incidencias, métricas contradictorias entre áreas y discusiones repetidas sobre el significado de un mismo dato.
La trazabilidad importa porque convierte un sistema complejo en algo explicable. Permite saber qué cambió, por qué cambió, quién autorizó el cambio y qué entidades quedaron afectadas. En un entorno sanitario, esa capacidad sostiene cumplimiento normativo, seguridad operativa y confianza institucional. Cuando una organización no puede reconstruir con precisión la evolución de un flujo clínico o administrativo, deja de controlar su plataforma en un sentido profundo, aunque sus aplicaciones sigan desplegando código cada semana.
La degradación de trazabilidad también ralentiza el aprendizaje. Si una incidencia tarda días en investigarse porque el dato cruza demasiadas manos, modelos y transformaciones opacas, cada error cuesta más y enseña menos. El sistema se vuelve caro de comprender. Y cuando comprender cuesta demasiado, las decisiones se vuelven conservadoras o arbitrarias. Ambas opciones reducen la capacidad de adaptación.
Más capas de proceso no corrigen un sistema mal acoplado
La reacción habitual ante el desorden de escala consiste en añadir control formal. Aparecen nuevos comités, aprobaciones extra, documentos obligatorios y circuitos de validación que intentan compensar la falta de coherencia. Esa respuesta contiene una intuición válida, porque el problema requiere coordinación explícita. El problema surge cuando la coordinación se diseña como supervisión administrativa en lugar de diseñarse como arquitectura organizativa.
Si cada cambio relevante necesita pasar por más capas, los equipos reducen velocidad sin aumentar claridad. Se desplaza el coste del sistema desde la inconsistencia hacia la fricción operativa. Los squads aprenden a trocear decisiones para evitar revisión, a presentar cambios como casos especiales o a retrasar discusiones estructurales que bloquean objetivos trimestrales. El proceso adicional reduce síntomas visibles durante un tiempo, pero no corrige la causa. La ambigüedad permanece dentro del modelo y reaparece en la siguiente dependencia.
La coordinación eficaz en este contexto exige definir interfaces organizativas igual que se definen interfaces técnicas. Qué decisiones son locales, cuáles son compartidas, qué artefactos deben permanecer estables, qué criterios activan revisión transversal y qué grupos tienen autoridad real para resolver conflictos semánticos. Cuando esas fronteras se entienden, la organización no necesita controlar cada movimiento. Necesita asegurar que las decisiones de alto impacto se tomen en el lugar correcto y con la información adecuada.
La arquitectura del sistema y la arquitectura de la organización evolucionan juntas
Los problemas de coordinación no se resuelven solo con rediseño organizativo, ni solo con refactorización técnica. En plataformas sanitarias, ambas dimensiones forman un único sistema adaptativo. Equipos separados que comparten entidades críticas tenderán a generar acoplamientos, aunque el organigrama los presente como dominios independientes. Un repositorio bien modularizado no compensa una distribución difusa de ownership. Y una estructura clara de responsabilidades no soporta durante mucho tiempo una base de datos que permite cualquier interpretación del dato.
Por eso, cada decisión de escala debería examinar dos preguntas simultáneas. La primera es cuántos equipos adicionales puede absorber el sistema sin perder coherencia. La segunda es qué mecanismos técnicos y de gobierno deben existir antes de añadir esos equipos. Si la organización responde solo a la primera, termina expandiendo capacidad de cambio sobre una base semántica inestable.
Ese punto suele marcar la diferencia entre crecimiento sostenible y crecimiento entrópico. El primero aumenta capacidad de entrega mientras reduce ambigüedad en componentes críticos. El segundo aumenta actividad visible mientras desplaza complejidad hacia integraciones, datos y coordinación transversal. Desde fuera, ambos pueden parecer similares durante un tiempo. Desde dentro, sus trayectorias son opuestas.
La madurez real aparece cuando la organización puede limitar sus propias excepciones
Las organizaciones sanitarias no pueden eliminar toda excepción. La realidad clínica, regulatoria y operativa siempre introduce casos especiales. La cuestión relevante consiste en quién tiene la capacidad de absorberlos sin romper el sistema. Una empresa madura es la que decide conscientemente dónde alojarlos, cómo aislarlos y qué coste acepta a cambio.
Esa madurez se reconoce en señales concretas. Las entidades sensibles tienen ownership claro. Las definiciones críticas no cambian por presión local. Los flujos de decisión incorporan perspectiva clínica, operativa y técnica antes de fijar contratos duraderos. Las plataformas internas reducen variabilidad donde la variabilidad destruye trazabilidad. Los equipos saben cuándo pueden decidir solos y cuándo una decisión exige coordinación ampliada. El dato conserva significado a través del tiempo, aunque el producto evolucione rápido.
Contratar más talento, abrir más líneas de producto o crear más squads puede ser una decisión correcta. Su efecto depende de si la organización también aumenta su capacidad de conservar coherencia bajo presión. En HealthTech, esa capacidad determina algo más profundo que la eficiencia del delivery. Determina si el sistema seguirá siendo comprensible cuando tenga que justificar una decisión clínica, responder a una auditoría o integrar una nueva capa de complejidad sin comprometer la anterior. Ahí se ve si la escala amplió las capacidades de la organización o solo amplió su entropía.