Què és la intel·ligència artificial aplicada a SST
En prevenció, un sistema d’IA pot classificar imatges, detectar anomalies, estimar probabilitats, extreure informació de textos o generar recomanacions. Pot integrar-se amb sensors, càmeres, registres de manteniment, avaluacions o comunicacions d’incidents. El resultat és una inferència: depèn de les dades, del model, del llindar triat i del context d’ús.
La finalitat preventiva ha de definir-se abans de seleccionar la tecnologia. No és el mateix alertar sobre una entrada a zona restringida que puntuar el comportament d’una persona o decidir la seva assignació de treball. Com més gran sigui l’efecte sobre drets, condicions laborals o seguretat, majors han de ser l’evidència, la supervisió i les garanties.
La gestió algorítmica del treball pot modificar ritmes, autonomia i formes de supervisió. Han d’avaluar-se aquestes condicions d’ús, incloses les seves possibles relacions amb el tecnoestrès, a més de valorar les funcions preventives que ofereix la tecnologia.
Els agents d’intel·ligència artificial en SST permeten organitzar tasques amb dades i eines. La seva implantació ha d’incloure avaluació de riscos de l’ús d’IA i una supervisió humana que pugui comprovar i intervenir sobre resultats rellevants.
Aplicacions possibles
Entre els usos possibles es troben:
- detectar presència en zones perilloses o absència d’una protecció;
- identificar patrons anòmals en equips per a orientar manteniment;
- prioritzar documents o comunicacions per a revisió tècnica;
- secundar anàlisis ergonòmiques o d’exposició quan el mètode estigui validat;
- localitzar tendències en incidents i mesures pendents;
- adaptar materials formatius o facilitar accés a informació;
- assistir la planificació sense substituir la decisió responsable.
La utilitat depèn del fet que el problema admeti aquest tractament i que la sortida condueixi a una acció efectiva. Una alerta que arriba tard, produeix massa falsos positius o no té responsable pot crear soroll i falsa confiança. La IA tampoc compensa sensors deficients, dades esbiaixades o una avaluació de riscos incompleta.
Diferències amb automatització i analítica convencional
La automatització executa una regla o seqüència predefinida, com enviar un avís quan venç una revisió. La analítica convencional resumeix o compara dades mitjançant regles i models coneguts. La IA engloba sistemes que infereixen com generar prediccions, continguts, recomanacions o decisions amb diferents nivells d’autonomia. En la pràctica poden combinar-se.
No tota funció avançada necessita IA. Si una regla senzilla resol el problema de manera fiable, comprensible i menys intrusiva, sol ser preferible. Tampoc tot sistema etiquetat comercialment com a IA compleix la mateixa funció ni presenta el mateix risc. L’avaluació ha d’atendre l’ús previst, les dades, les persones afectades i la conseqüència de l’error, no al nom del producte.
Beneficis i riscos preventius
La OIT assenyala que l’automatització i el monitoratge intel·ligent poden reduir exposicions perilloses i secundar millors condicions, mentre que EU-OSHA adverteix d’efectes potencials sobre autonomia, càrrega de treball i riscos psicosocials. Els beneficis més clars apareixen quan la tecnologia elimina exposició, millora una barrera tècnica o ajuda a detectar una situació que d’una altra manera passaria inadvertida.
Els riscos inclouen falsos negatius, alarmes excessives, biaix, pèrdua de context, dependència, ús secundari de dades, vigilància desproporcionada, intensificació del treball i desplaçament de responsabilitat cap al sistema o la persona observada. Una precisió mitjana elevada no basta: cal analitzar els errors crítics per tasca i col·lectiu, inclosa la possibilitat que el sistema funcioni pitjor amb determinades condicions o persones.
Com implantar-la amb garanties
Un projecte responsable pot seguir aquestes fases:
- Definir el perill i el resultat preventiu esperat.
- Comprovar si existeixen mesures no tecnològiques més eficaces o menys intrusives.
- Consultar a treballadors, representants, prevenció, protecció de dades i seguretat informàtica.
- Determinar requisits legals, finalitat, dades necessàries i límits d’ús.
- Validar amb dades representatives i mètriques lligades al risc, inclosos falsos negatius.
- Realitzar una prova controlada sense retirar barreres existents.
- Establir supervisió humana, resposta davant alertes i mecanisme d’impugnació.
- Documentar versions, canvis, incidències i decisions.
- Vigilar efectes tècnics, organitzatius i psicosocials i retirar el sistema si no aporta valor segur.
L’empresa manté el seu deure de prevenció encara que utilitzi un proveïdor extern.
Participació, transparència i supervisió humana
Les persones afectades han de saber quin sistema s’usa, amb quina finalitat, quines dades tràfic, què significa la seva sortida i qui decideix. La supervisió humana no consisteix a acceptar la recomanació de manera automàtica: qui revisa necessita competència, temps, autoritat i accés a informació suficient per a qüestionar-la. També ha de conèixer el biaix d’automatització, és a dir, la tendència a confiar en excés en una sortida informàtica.
La consulta prèvia és especialment important si la IA modifica organització, ritme, assignació o avaluació del treball. L’article 33 de la Llei 31/1995 inclou la consulta sobre la introducció de noves tecnologies quan pugui afectar la seguretat i salut. La participació ajuda a detectar usos reals, efectes no previstos i alternatives menys intrusives.
Exemple pràctic
Una planta estudia un sistema que analitza vibracions per a advertir degradació d’un equip. Abans d’implantar-ho, confirma que la màquina conserva resguards, manteniment reglat i parada segura. Es validen les alertes amb personal de manteniment i es fixa que cap sortida autoritza treballar sobre l’equip energitzat.
Durant el pilot es comparen avisos amb inspeccions independents, es registren falsos negatius i es defineix qui respon. Una actualització del model requereix nova validació. Si el sistema avisa, activa una revisió; si no avisa, no elimina controls programats. Aquest disseny usa la IA com a senyal addicional i manté barreres tècniques, procediments i decisió humana.
Marc normatiu a la Unió Europea i Espanya
La Llei 31/1995 continua sent la base: obliga a avaluar riscos, adaptar la prevenció als canvis i consultar la introducció de tecnologies amb efectes en seguretat i salut. El Reglament (UE) 2024/1689 d’IA és aplicable amb un calendari escalonat i prohibeix determinats usos. La seva versió consolidada de juliol de 2026 ajorna al 2 de desembre de 2027 l’aplicació de les principals obligacions per a sistemes classificats com d’alt risc per l’article 6.2 i l’annex III, on figuren unes certes aplicacions d’ocupació i gestió de treballadors. Entre aquestes obligacions es preveu informar representants i persones afectades abans d’utilitzar un sistema d’alt risc en el treball.
Si es tracten dades personals, s’aplica el RGPD: licitud, transparència, minimització, seguretat, avaluació d’impacte quan escaigui i garanties enfront de decisions exclusivament automatitzades amb efectes jurídics o similars. La classificació concreta requereix anàlisi del cas; una eina preventiva no és automàticament d’alt risc per dir-se IA.
