Los asistentes de salud impulsados por inteligencia artificial ofrecen oportunidades prometedoras para mejorar la gestión de la salud entre los adultos mayores. Sin embargo, la adopción en el mundo real sigue siendo limitada, no solo debido a la vacilación individual, sino también por las interacciones complejas entre los usuarios, las plataformas y las políticas públicas. Este estudio investiga los mecanismos de comportamiento dinámico detrás de la adopción en poblaciones envejecidas utilizando un modelo de juego evolutivo tripartito. Basado en la dinámica de replicadores, el modelo simula los comportamientos estratégicos de los adultos mayores, las plataformas y el gobierno. Identifica estrategias evolutivamente estables, examina patrones de convergencia y evalúa la sensibilidad de los parámetros a través de un análisis de matriz jacobiana. Los resultados muestran que cuando los costos de adopción son altos, la confianza en la plataforma es baja y el apoyo gubernamental es limitado, el sistema tiende a converger hacia un equilibrio de baja adopción con mala calidad de servicio. En contraste, incentivos políticos suficientes, inversión en plataformas y confianza del usuario pueden desplazar el sistema hacia un estado de alta adopción. Los coeficientes de confianza y la intensidad de los incentivos son especialmente influyentes en la configuración de la dinámica del sistema. Este estudio propone un nuevo marco para entender la co-evolución de la confianza, la optimización del servicio y el apoyo institucional. Enfatiza la importancia de estrategias coordinadas de construcción de confianza e incentivos políticos en capas para promover un compromiso sostenible con las tecnologías de salud basadas en inteligencia artificial en sociedades envejecidas.