En un caso ficticio, una médica de familia atiende a 22 personas en un día de consulta externa. A las ocho de la noche, después de acostar a sus hijos, abre la historia clínica electrónica en casa y todavía tiene once notas por cerrar. A la semana siguiente, el servicio ofrece un escriba de inteligencia artificial (IA): con el consentimiento del paciente, el celular graba la conversación y, al final de la consulta, un borrador de nota aparece listo para revisión. En la primera semana cierra las notas en el consultorio. En la segunda, firma una nota en la que el paciente que dijo "no bebo" aparece como alguien que "ahora bebe".

Ese contraste resume el debate sobre los llamados escribas ambiente. Los primeros ensayos aleatorizados sugieren ganancias modestas en el tiempo de documentación y señales de menos agotamiento, mientras que los estudios sobre la calidad de las notas muestran omisiones y cambios de sentido que solo la lectura atenta del médico logra detectar (Lukac et al., 2025).

Este texto recorre lo que se sabe sobre la carga de documentación, lo que los ensayos y los estudios antes y después muestran sobre burnout y tiempo, qué errores trae la nota generada y cómo revisar el borrador antes de firmar.

Puntos principales

• En un ensayo aleatorizado con 238 médicos ambulatorios, una de las dos herramientas probadas redujo el tiempo en la nota en 9,5 por ciento respecto al control, y la otra no mostró diferencia significativa (Lukac et al., 2025).
• En un ensayo pragmático con 66 profesionales, el escriba redujo la puntuación de agotamiento en el trabajo, mientras que la mejora de la realización profesional no alcanzó el umbral de significancia definido por los autores (Afshar et al., 2025).
• En un estudio antes y después en seis sistemas de salud, la proporción de clínicos con burnout cayó de 51,9 a 38,8 por ciento en 30 días, sin grupo control (Olson et al., 2025).
• En una evaluación con lecturas simuladas de consultas, 31 de 44 notas generadas (70 por ciento) tenían al menos un error, y la omisión fue el tipo más común (Biro et al., 2025).
• Los autores del ensayo aleatorizado concluyen que las imprecisiones ocasionales exigen vigilancia continua (Lukac et al., 2025).

• Por qué la documentación pesa tanto
• Cómo funciona el escriba ambiente
• Qué muestran los ensayos aleatorizados
• Estudios observacionales
• Qué errores trae la nota generada
• Por qué y cómo revisar la nota
• Consentimiento del paciente
• Cómo NEXO ayuda a entrenar ese razonamiento
• Preguntas frecuentes
• Take-home messages

Por qué la documentación pesa tanto

La Organización Mundial de la Salud (OMS) describe el burn-out, en la CIE-11, como un síndrome resultante de estrés crónico en el lugar de trabajo que no se ha gestionado con éxito (OMS, 2019). El síndrome tiene tres dimensiones: sensación de agotamiento o falta de energía, mayor distancia mental del trabajo o sentimientos de negativismo y cinismo hacia él, y reducción de la eficacia profesional.

La OMS deja claro que el burn-out se clasifica como fenómeno ocupacional y no como condición médica, en el capítulo de factores que influyen en el estado de salud o el contacto con servicios de salud (OMS, 2019). El término se refiere solo al contexto del trabajo y no debe aplicarse a otras áreas de la vida. Esa definición ayuda a separar el burnout de otras formas de sufrimiento, como la discutida en lesión moral, el sufrimiento que no es burnout, y de cuadros que comienzan incluso en el pregrado, tratados en burnout en la facultad de medicina.

Cuánto tiempo ocupa la historia clínica

Uno de los estudios más citados sobre el tema usó los registros de eventos de la historia clínica electrónica de 142 médicos de familia de un sistema de salud del sur de Wisconsin, a lo largo de tres años (Arndt et al., 2017). En una jornada laboral de 11,4 horas, esos médicos pasaron 355 minutos, cerca de 5,9 horas, en la historia clínica: 269 minutos durante el horario de atención y 86 minutos fuera de él.

Las tareas burocráticas y administrativas, como documentación, pedidos, facturación y elección del código CIE-10, ocuparon 157 minutos, el equivalente a 44,2 por ciento del tiempo en la historia clínica (Arndt et al., 2017). La bandeja de mensajes consumió otros 85 minutos, o 23,7 por ciento (Arndt et al., 2017). Ese retrato viene de un único sistema estadounidense, pero sirve como punto de partida para entender el peso del registro.

El peso de las alertas y las notificaciones tiene efectos propios, discutidos en fatiga de alertas. La documentación nocturna también se suma al cansancio acumulado, tema de fatiga de decisión en el turno.

Cómo funciona el escriba ambiente

El escriba ambiente es un programa que capta el audio de la consulta, en general mediante una aplicación en el celular o en la computadora, transcribe la conversación y usa un modelo de lenguaje para producir un borrador de nota clínica. El médico revisa, edita y firma. En los estudios discutidos aquí, las herramientas se integraron a la historia clínica electrónica y se usaron en consultas ambulatorias (Lukac et al., 2025; Afshar et al., 2025).

La idea es devolver la atención del médico al paciente. En lugar de escribir durante la consulta, conversa, y el registro llega después. Es una propuesta parecida a la de dejar que el paciente termine su discurso de apertura, discutida en la agenda del paciente, solo que aplicada a la documentación.

Lo que la nota generada no reemplaza

La responsabilidad de la nota sigue siendo de quien firma. En el estudio de Stanford, el borrador traía una sección de atestación en la que el clínico registraba que había revisado la nota (Shah et al., 2025). La organización del razonamiento, con datos subjetivos, hallazgos, evaluación y conducta, sigue las mismas reglas de una nota escrita a mano, y conviene repasar cómo organizar el razonamiento clínico en la historia clínica antes de delegar la primera versión a un programa.

Lo que muestran los ensayos aleatorizados

El ensayo de dos escribas en la UCLA

Lukac y colaboradores aleatorizaron a 238 médicos ambulatorios de catorce especialidades de una institución académica estadounidense para usar una de dos herramientas comerciales, DAX Copilot o Nabla, o para continuar sin escriba, entre noviembre de 2024 y enero de 2025 (Lukac et al., 2025). Se incluyeron solo consultas en inglés.

El desenlace primario fue el cambio en el tiempo en la nota, comparando el segundo mes del estudio con los seis meses anteriores. Con Nabla, la caída fue de 9,5 por ciento respecto al control, con significancia estadística (Lukac et al., 2025). Con DAX, la caída de 1,7 por ciento no fue significativa (Lukac et al., 2025). En términos absolutos, el tiempo medio en la nota cayó unos 41 segundos en el grupo Nabla, de 4 minutos y 30 segundos a 3 minutos y 49 segundos, frente a 18 segundos en el grupo control.

El uso real quedó lejos del total de consultas. DAX se usó en 33,5 por ciento de 24.696 consultas y Nabla en 29,5 por ciento de 23.653 (Lukac et al., 2025). Cerca de 15 por ciento de los médicos aleatorizados a un escriba nunca llegaron a usarlo (Lukac et al., 2025).

Los desenlaces secundarios, como carga cognitiva, agotamiento en el trabajo y la puntuación Mini-Z de bienestar, mejoraron de forma modesta en los dos grupos de escriba, pero los autores no hicieron prueba de hipótesis para ellos y dicen que esos hallazgos necesitan confirmación en ensayos más grandes y multicéntricos (Lukac et al., 2025). La probabilidad de burnout medida por un ítem único fue menor en los grupos de escriba, con intervalos de confianza que incluían la ausencia de efecto.

El ensayo escalonado en Wisconsin

Afshar y colaboradores realizaron un ensayo pragmático de 24 semanas, con aleatorización individual por etapas, en consultorios ambulatorios de UW Health en dos estados estadounidenses (Afshar et al., 2025). Participaron 66 profesionales, entre médicos y profesionales de práctica avanzada, con la herramienta Abridge. De las 71.487 notas del período, 27.092 (38 por ciento) se generaron con el escriba (Afshar et al., 2025).

En los dos desenlaces primarios, la puntuación de agotamiento en el trabajo y desvinculación interpersonal cayó 0,44 puntos con el escriba, con significancia estadística (Afshar et al., 2025). La realización profesional subió 0,14 puntos, y los autores describen ese aumento como no significativo, a pesar del valor de P de 0,04.

El tiempo en las notas cayó 0,36 hora por día (Afshar et al., 2025). El trabajo fuera del horario cayó 0,50 hora por día, pero ese resultado fue sensible a la exclusión de valores extremos y perdió significancia cuando se retiraron el 3 por ciento de observaciones más altas (Afshar et al., 2025). El estudio fue abierto, con un grupo de adoptantes iniciales más joven, mayoritariamente blanco y femenino, y casi la mitad en medicina de familia, y no recolectó desenlaces reportados por los pacientes.

Estudios observacionales

Los estudios antes y después, sin grupo control, muestran cambios mayores, pero también conllevan más riesgos de sesgo. Responden si quien usó la herramienta se sintió mejor, y no si la herramienta causó la mejora.

Seis sistemas de salud

Olson y colaboradores evaluaron el uso de la herramienta Abridge en seis sistemas de salud estadounidenses, entre febrero y octubre de 2024 (Olson et al., 2025). De los 451 clínicos inscritos, 272 respondieron a los cuestionarios antes y después, y 263 clínicos ambulatorios entraron en el análisis.

Entre los 186 que respondieron a las preguntas de burnout, la proporción con burnout cayó de 51,9 a 38,8 por ciento después de 30 días de uso (Olson et al., 2025). El burnout grave, en un análisis hecho después, cayó de 18,4 a 12,2 por ciento (Olson et al., 2025). La carga cognitiva cayó, la atención centrada en el paciente subió de 6,51 a 8,56 en una escala de 10 puntos, y la puntuación de documentación fuera del horario, en la misma escala de 10 puntos, cayó de 4,95 a 4,05 (Olson et al., 2025). La disposición para encajar pacientes urgentes subió de 6,21 a 6,72, pero el número de pacientes que los clínicos aceptarían añadir no cambió.

Los autores recuerdan que los desenlaces secundarios son exploratorios, sin corrección por comparaciones múltiples. Los datos provinieron de una muestra de conveniencia, sin grupo control, con cuestionarios no anónimos y posible autoselección (Olson et al., 2025).

Stanford

Shah y colaboradores siguieron a 48 médicos que usaron el DAX Copilot en Stanford entre octubre de 2023 y enero de 2024 (Shah et al., 2025). La carga de tareas cayó de 68,98 a 44,56 puntos en una escala de 0 a 100, y la puntuación de burnout cayó de 7,47 a 5,53 en una escala de 0 a 10 (Shah et al., 2025).

La mediana de tiempo ahorrado, según los propios médicos, fue de 20 minutos por medio turno de atención, pero la variación fue grande: de 90 minutos ahorrados a 90 minutos añadidos (Shah et al., 2025). La muestra pequeña, formada por médicos interesados, y la tarjeta de regalo ofrecida a los participantes limitan la generalización.

Sutter Health

Stults y colaboradores evaluaron un piloto con 100 clínicos en California, con 57 pares de cuestionarios (Stults et al., 2025). El burnout pasó de 42,1 a 35,1 por ciento, sin significancia estadística (Stults et al., 2025). El tiempo en las notas por consulta cayó de 6,2 a 5,3 minutos. La satisfacción mejoró para el 85,8 por ciento de los profesionales de atención primaria, frente al 36,4 por ciento en las subespecialidades clínicas y el 50,0 por ciento en las quirúrgicas (Stults et al., 2025).

Comparación de los estudios

Estudio	Diseño y lugar	Participantes	Burnout o bienestar	Tiempo de documentación
Lukac et al., 2025	Ensayo aleatorizado, una institución académica	238 médicos	Mejoras modestas, sin prueba de hipótesis	Caída de 9,5 por ciento con una herramienta (Lukac et al., 2025); sin diferencia con la otra
Afshar et al., 2025	Ensayo aleatorizado por pasos, dos estados	66 profesionales	Agotamiento menor; realización sin significancia	0,36 hora por día menos en las notas
Olson et al., 2025	Antes y después, seis sistemas	263 clínicos	Burnout de 51,9 a 38,8 por ciento (Olson et al., 2025)	Puntuación de documentación fuera del horario de 4,95 a 4,05, en una escala de 10 puntos
Shah et al., 2025	Antes y después, una institución	48 médicos	Puntuación de burnout de 7,47 a 5,53	Mediana de 20 minutos por medio turno, reportada
Stults et al., 2025	Piloto antes y después, una organización	100 clínicos	Burnout de 42,1 a 35,1 por ciento, sin significancia (Stults et al., 2025)	De 6,2 a 5,3 minutos por consulta
Pearlman et al., 2025	Cohorte retrospectiva, una institución	125 usuarios y 478 no usuarios	Fuera del alcance	15,9 por ciento menos en las notas (Pearlman et al., 2025)

Fuentes: los estudios citados en cada fila, leídos en el texto completo.

Tiempo en la historia clínica y productividad

Pearlman y colaboradores compararon 125 usuarios de un escriba con 478 no usuarios equilibrados por características, en un sistema académico, entre julio y septiembre de 2024 (Pearlman et al., 2025). En el análisis ponderado, el tiempo total en la historia clínica por consulta fue 8,5 por ciento menor, cerca de 2,4 minutos, y el tiempo en las notas fue 15,9 por ciento menor, cerca de 1,8 minuto (Pearlman et al., 2025). El tiempo fuera del horario, la duración de las consultas y el volumen de atenciones no cambiaron.

En la UCSF, Holmgren y colaboradores analizaron 1.565 médicos, de los cuales 698 adoptaron el escriba (Holmgren et al., 2026). Los adoptantes tuvieron un aumento de 0,04 unidad de valor relativo por atención y de 0,80 atención por semana, sin diferencia en las glosas (Holmgren et al., 2026). Los propios autores dicen que es preciso verificar si el aumento refleja más servicios prestados, una elección más precisa del código de la CIE-10 o una elección inflada del código de la CIE-10.

Lo que los números de tiempo esconden

En el ensayo de la UCLA, las métricas de la historia clínica no incluían el tiempo de edición hecho dentro de la plataforma del proveedor, lo que puede sobreestimar el ahorro (Lukac et al., 2025). Es decir, parte del tiempo de revisión puede simplemente haber cambiado de lugar. Las ganancias medias, de segundos a pocos minutos por nota, son reales, pero están lejos de resolver por sí solas la carga descrita por Arndt y colaboradores.

Qué errores trae la nota generada

Lo que los médicos relataron en el ensayo

En el ensayo de la UCLA, los médicos relataron imprecisiones clínicamente relevantes con una frecuencia descrita como ocasional, con nota media de 2,7 y 2,8 en una escala de 1 a 5 (Lukac et al., 2025). Los ejemplos incluyeron omisiones, errores de estructura y cambio de pronombres, la historia de los padres atribuida al paciente y contenido inventado. En un ejemplo citado por los autores, "not drinking alcohol" se convirtió en "now drinking alcohol" en la nota (Lukac et al., 2025).

Se registró un evento adverso leve: un consejo extenso al paciente quedó fuera de la nota (Lukac et al., 2025). En la evaluación de usabilidad, la afirmación de que las notas eran al menos tan buenas como las del propio médico recibió una evaluación neutra.

La prueba con consultas simuladas

Biro y colaboradores leyeron en voz alta 11 guiones de consultas ambulatorias reales y generaron 44 borradores con dos productos comerciales (Biro et al., 2025). Encontraron 127 errores, con una media de 2,9 por nota, y 31 de las 44 notas (70 por ciento) tenían al menos un error (Biro et al., 2025). La omisión fue el error más frecuente, seguida de texto irrelevante o fuera de lugar, añadidos e información errónea, y el patrón varió entre los productos.

Los autores llaman la atención sobre un punto práctico: la omisión es el error más difícil de detectar, porque el médico necesita recordar lo que se dijo, lo que resulta más difícil cuando la revisión ocurre después de varias consultas (Biro et al., 2025). El estudio usó simulación y pocas consultas, y los autores piden pruebas independientes.

Lo que los clínicos corrigen

Guo y colaboradores analizaron 200 consultas en la UCI Health con borradores de dos proveedores (Guo et al., 2026). Las ediciones más comunes involucraron pedidos de exámenes y derivaciones (40,0 por ciento), síntomas (30,3 por ciento), medicamentos (27,3 por ciento) y descripción de diagnósticos (25,9 por ciento) (Guo et al., 2026). Entre los temas de las ediciones estaban corregir discrepancias factuales y explicitar el grado de certeza diagnóstica.

En el otro extremo, el ensayo de Afshar midió la calidad de notas no editadas con un modelo de lenguaje actuando como evaluador y encontró lenguaje estigmatizante en menos de 1 por ciento de las notas (Afshar et al., 2025). Esa evaluación automática es útil para monitorear, pero no sustituye la lectura de quien estaba en la sala.

Por qué y cómo revisar la nota

Un error de registro puede convertirse en un error de cuidado. Una medicación ausente, un antecedente atribuido a la persona equivocada o una negación invertida pueden guiar la próxima consulta en la dirección equivocada, y la discusión más amplia sobre cómo ocurre esto está en error diagnóstico y el informe Improving Diagnosis. Cuando el error llega al paciente, el médico que firmó también sufre, tema de segunda víctima: el médico después del error.

Los estudios sugieren algunos puntos de atención en la revisión:

• Busque lo que falta, y no solo lo que está mal, porque la omisión fue el error más común y el más difícil de notar (Biro et al., 2025).
• Revise negaciones y atribuciones, como "niega", "no usa" y antecedentes familiares, que aparecieron intercambiados en el ensayo de UCLA (Lukac et al., 2025).
• Revise medicamentos, pedidos y diagnósticos, las áreas más editadas por los clínicos (Guo et al., 2026).
• Verifique el grado de certeza: una hipótesis discutida no debe aparecer como diagnóstico confirmado (Guo et al., 2026).
• Revise justo después de la consulta, mientras la memoria de la conversación aún está fresca (Biro et al., 2025).

La revisión como parte del razonamiento

Los propios autores del ensayo aleatorizado concluyen que las imprecisiones ocasionales exigen vigilancia continua (Lukac et al., 2025). Guo y colaboradores recomiendan rutinas de revisión sólidas y consistentes (Guo et al., 2026). Leer la nota es también un momento de comprobar si la evaluación refleja el razonamiento hecho, y el debate más amplio sobre la IA en ese papel está en uso de inteligencia artificial en el razonamiento clínico.

Consentimiento del paciente

En un centro académico de Nueva York, Lawrence y colaboradores estudiaron el consentimiento para el escriba con 18 clínicos y 103 pacientes (Lawrence et al., 2025). La mayoría de los pacientes, 74,8 por ciento, se declaró cómoda con la herramienta (Lawrence et al., 2025). Cuando recibían solo información básica, 81,6 por ciento consentía, pero la proporción cayó a 55,3 por ciento cuando se detallaban los recursos de IA, el almacenamiento de los datos y la participación de empresas (Lawrence et al., 2025).

La muestra fue pequeña, restringida a participantes que hablaban inglés y con alta escolaridad. Aun así, el hallazgo muestra que el consentimiento cambia según lo que se explica, y que explicar con claridad forma parte del uso de la herramienta.

Volviendo al caso

La médica del caso ficticio ganó algo de tiempo, como sugieren los ensayos, pero la nota con "ahora bebe" muestra el otro lado. El cambio de una palabra cambió el sentido de un antecedente, exactamente el tipo de error descrito en el ensayo de UCLA (Lukac et al., 2025). La conducta práctica es revisar cada borrador justo después de la consulta, con atención a negaciones, medicamentos y a lo que puede haber quedado fuera.

Cómo NEXO ayuda a entrenar ese razonamiento

En NEXO, el caso del día es ficticio, con presentación clínica real y hasta seis pistas progresivas, y usted propone el diagnóstico buscando el código en la CIE-10. Revisar una nota generada por IA exige el mismo ejercicio: comparar cada dato registrado con la historia real, notar la pista que faltó y comprobar si la hipótesis escrita es la que usted sostendría, como en el entrenamiento del diagnóstico diferencial con pistas.

Los límites de uso del juego están descritos en la página de economía de NEXO. Si usted investiga enseñanza de razonamiento clínico, la página para Researcher explica cómo entrar en contacto. Los profesionales que escriben o revisan casos encuentran información en Curator y en Creators, y las instituciones pueden conocer la propuesta en la página para alianzas. Buscar el código correcto en la CIE-10 completa ese entrenamiento.

Preguntas frecuentes

¿El escriba de IA reduce el burnout?

Los estudios antes y después muestran una caída del burnout autorreferido, como de 51,9 a 38,8 por ciento en seis sistemas de salud, pero sin grupo control (Olson et al., 2025). En el ensayo aleatorizado escalonado, el agotamiento en el trabajo cayó, mientras que la realización profesional no tuvo cambio significativo (Afshar et al., 2025). Las evidencias apuntan a un beneficio, pero aún provienen de estudios cortos y con adoptantes interesados.

¿Cuánto tiempo ahorra el escriba?

Poco por nota. En el ensayo de UCLA, la caída significativa en el tiempo en la nota fue de 9,5 por ciento con una de las herramientas (Lukac et al., 2025). En la cohorte de Pearlman, el tiempo en las notas fue cerca de 1,8 minuto menor por consulta (Pearlman et al., 2025).

¿Se puede firmar la nota generada sin leerla?

Los datos lo desaconsejan. En consultas simuladas, el 70 por ciento de las notas tenía al menos un error (Biro et al., 2025), y el ensayo aleatorizado registró imprecisiones clínicamente relevantes ocasionales (Lukac et al., 2025).

¿Qué error es más difícil de percibir?

La omisión. Biro y colaboradores observaron que exige que el médico recuerde lo que se dijo en la consulta, lo que resulta más difícil cuando la revisión se hace horas después (Biro et al., 2025).

¿Es necesario pedir consentimiento al paciente?

Los servicios estudiados pidieron consentimiento, y la aceptación dependió de cuánto se explicó: 81,6 por ciento con información básica y 55,3 por ciento con información detallada (Lawrence et al., 2025).

Mensajes para llevar

• Trate el burnout como fenómeno ocupacional, con agotamiento, distanciamiento y menor eficacia, como define la OMS (OMS, 2019).
• Espere ganancias modestas de tiempo: en el ensayo aleatorizado, la única reducción significativa fue del 9,5 por ciento en el tiempo en la nota (Lukac et al., 2025).
• Lea los resultados de burnout con cautela, porque las mayores mejoras provinieron de estudios sin grupo control (Olson et al., 2025; Shah et al., 2025).
• Revise cada nota justo después de la consulta, buscando sobre todo lo que quedó fuera (Biro et al., 2025).
• Confirme negaciones, medicamentos, pedidos y grado de certeza diagnóstica, las áreas más sujetas a error y edición (Lukac et al., 2025; Guo et al., 2026).
• Explique al paciente cómo funciona la grabación, porque el consentimiento cambia con el nivel de detalle (Lawrence et al., 2025).

Referencias

1. World Health Organization. Burn-out an "occupational phenomenon": International Classification of Diseases. 28 de mayo de 2019. [Texto completo](https://www.who.int/news/item/28-05-2019-burn-out-an-occupational-phenomenon-international-classification-of-diseases).
2. Arndt BG, Beasley JW, Watkinson MD, Temte JL, Tuan WJ, Sinsky CA, Gilchrist VJ. Tethered to the EHR: primary care physician workload assessment using EHR event log data and time-motion observations. Ann Fam Med. 2017;15(5):419-26. [PubMed](https://pubmed.ncbi.nlm.nih.gov/28893811/).
3. Lukac PJ, Turner W, Vangala S, et al. Ambient AI scribes in clinical practice: a randomized trial. NEJM AI. 2025;2(12). [PubMed](https://pubmed.ncbi.nlm.nih.gov/41497288/).
4. Afshar M, Baumann MR, Resnik F, et al. A pragmatic randomized controlled trial of ambient artificial intelligence to improve health practitioner well-being. NEJM AI. 2025;2(12). [PubMed](https://pubmed.ncbi.nlm.nih.gov/41625485/).
5. Olson KD, Meeker D, Troup M, et al. Use of ambient AI scribes to reduce administrative burden and professional burnout. JAMA Netw Open. 2025;8(10):e2534976. [PubMed](https://pubmed.ncbi.nlm.nih.gov/41037268/).
6. Shah SJ, Devon-Sand A, Ma SP, et al. Ambient AI scribes: physician burnout and perspectives on usability and documentation burden. J Am Med Inform Assoc. 2025;32(2):375-80. [PubMed](https://pubmed.ncbi.nlm.nih.gov/39657021/).
7. Stults CD, Deng S, Martinez MC, et al. Evaluation of an ambient artificial intelligence documentation platform for clinicians. JAMA Netw Open. 2025;8(5):e258614. [PubMed](https://pubmed.ncbi.nlm.nih.gov/40314951/).
8. Pearlman K, Wan W, Shah S, Laiteerapong N. Use of an AI scribe and EHR efficiency. JAMA Netw Open. 2025;8(10):e2537000. [PubMed](https://pubmed.ncbi.nlm.nih.gov/41071550/).
9. Holmgren AJ, et al. Ambient AI scribes and physician financial productivity. JAMA Netw Open. 2026;9(1):e2553233. [PubMed](https://pubmed.ncbi.nlm.nih.gov/41511775/).
10. Biro J, Handley JL, Cobb NK, et al. Accuracy and safety of AI-enabled scribe technology: instrument validation study. J Med Internet Res. 2025;27:e64993. [PubMed](https://pubmed.ncbi.nlm.nih.gov/39869899/).
11. Guo Y, Hu D, Yang Z, et al. What do clinicians edit in ambient AI-drafted clinical documentation? J Am Med Inform Assoc. 2026;33(8):1457-65. [PubMed](https://pubmed.ncbi.nlm.nih.gov/42118974/).
12. Lawrence K, Kuram VS, Levine DL, et al. Informed consent for ambient documentation using generative AI in ambulatory care. JAMA Netw Open. 2025;8(7):e2522400. [PubMed](https://pubmed.ncbi.nlm.nih.gov/40694347/).