Qué es la inteligencia artificial aplicada a SST
En prevención, un sistema de IA puede clasificar imágenes, detectar anomalías, estimar probabilidades, extraer información de textos o generar recomendaciones. Puede integrarse con sensores, cámaras, registros de mantenimiento, evaluaciones o comunicaciones de incidentes. El resultado es una inferencia: depende de los datos, del modelo, del umbral elegido y del contexto de uso.
La finalidad preventiva debe definirse antes de seleccionar la tecnología. No es lo mismo alertar sobre una entrada a zona restringida que puntuar el comportamiento de una persona o decidir su asignación de trabajo. Cuanto mayor sea el efecto sobre derechos, condiciones laborales o seguridad, mayores deben ser la evidencia, la supervisión y las garantías.
Aplicaciones posibles
Entre los usos posibles se encuentran:
- detectar presencia en zonas peligrosas o ausencia de una protección;
- identificar patrones anómalos en equipos para orientar mantenimiento;
- priorizar documentos o comunicaciones para revisión técnica;
- apoyar análisis ergonómicos o de exposición cuando el método esté validado;
- localizar tendencias en incidentes y medidas pendientes;
- adaptar materiales formativos o facilitar acceso a información;
- asistir la planificación sin sustituir la decisión responsable.
La utilidad depende de que el problema admita ese tratamiento y de que la salida conduzca a una acción efectiva. Una alerta que llega tarde, produce demasiados falsos positivos o no tiene responsable puede crear ruido y falsa confianza. La IA tampoco compensa sensores deficientes, datos sesgados o una evaluación de riesgos incompleta.
Diferencias con automatización y analítica convencional
La automatización ejecuta una regla o secuencia predefinida, como enviar un aviso cuando vence una revisión. La analítica convencional resume o compara datos mediante reglas y modelos conocidos. La IA engloba sistemas que infieren cómo generar predicciones, contenidos, recomendaciones o decisiones con distintos niveles de autonomía. En la práctica pueden combinarse.
No toda función avanzada necesita IA. Si una regla sencilla resuelve el problema de manera fiable, comprensible y menos intrusiva, suele ser preferible. Tampoco todo sistema etiquetado comercialmente como IA cumple la misma función ni presenta el mismo riesgo. La evaluación debe atender al uso previsto, los datos, las personas afectadas y la consecuencia del error, no al nombre del producto.
Beneficios y riesgos preventivos
La OIT señala que la automatización y la monitorización inteligente pueden reducir exposiciones peligrosas y apoyar mejores condiciones, mientras que EU-OSHA advierte de efectos potenciales sobre autonomía, carga de trabajo y riesgos psicosociales. Los beneficios más claros aparecen cuando la tecnología elimina exposición, mejora una barrera técnica o ayuda a detectar una situación que de otro modo pasaría inadvertida.
Los riesgos incluyen falsos negativos, alarmas excesivas, sesgo, pérdida de contexto, dependencia, uso secundario de datos, vigilancia desproporcionada, intensificación del trabajo y desplazamiento de responsabilidad hacia el sistema o la persona observada. Una precisión media elevada no basta: hay que analizar los errores críticos por tarea y colectivo, incluida la posibilidad de que el sistema funcione peor con determinadas condiciones o personas.
Cómo implantarla con garantías
Un proyecto responsable puede seguir estas fases:
- Definir el peligro y el resultado preventivo esperado.
- Comprobar si existen medidas no tecnológicas más eficaces o menos intrusivas.
- Consultar a trabajadores, representantes, prevención, protección de datos y seguridad informática.
- Determinar requisitos legales, finalidad, datos necesarios y límites de uso.
- Validar con datos representativos y métricas ligadas al riesgo, incluidos falsos negativos.
- Realizar una prueba controlada sin retirar barreras existentes.
- Establecer supervisión humana, respuesta ante alertas y mecanismo de impugnación.
- Documentar versiones, cambios, incidencias y decisiones.
- Vigilar efectos técnicos, organizativos y psicosociales y retirar el sistema si no aporta valor seguro.
La empresa mantiene su deber de prevención aunque utilice un proveedor externo.
Participación, transparencia y supervisión humana
Las personas afectadas deben saber qué sistema se usa, con qué finalidad, qué datos trata, qué significa su salida y quién decide. La supervisión humana no consiste en aceptar la recomendación de forma automática: quien revisa necesita competencia, tiempo, autoridad y acceso a información suficiente para cuestionarla. También debe conocer el sesgo de automatización, es decir, la tendencia a confiar en exceso en una salida informática.
La consulta previa es especialmente importante si la IA modifica organización, ritmo, asignación o evaluación del trabajo. El artículo 33 de la Ley 31/1995 incluye la consulta sobre la introducción de nuevas tecnologías cuando pueda afectar a la seguridad y salud. La participación ayuda a detectar usos reales, efectos no previstos y alternativas menos intrusivas.
Ejemplo práctico
Una planta estudia un sistema que analiza vibraciones para advertir degradación de un equipo. Antes de implantarlo, confirma que la máquina conserva resguardos, mantenimiento reglado y parada segura. Se validan las alertas con personal de mantenimiento y se fija que ninguna salida autoriza trabajar sobre el equipo energizado.
Durante el piloto se comparan avisos con inspecciones independientes, se registran falsos negativos y se define quién responde. Una actualización del modelo requiere nueva validación. Si el sistema avisa, activa una revisión; si no avisa, no elimina controles programados. Este diseño usa la IA como señal adicional y mantiene barreras técnicas, procedimientos y decisión humana.
Marco normativo en la Unión Europea y España
La Ley 31/1995 sigue siendo la base: obliga a evaluar riesgos, adaptar la prevención a los cambios y consultar la introducción de tecnologías con efectos en seguridad y salud. El Reglamento (UE) 2024/1689 de IA es aplicable con un calendario escalonado y prohíbe determinados usos. Su versión consolidada de julio de 2026 aplaza al 2 de diciembre de 2027 la aplicación de las principales obligaciones para sistemas clasificados como de alto riesgo por el artículo 6.2 y el anexo III, donde figuran ciertas aplicaciones de empleo y gestión de trabajadores. Entre esas obligaciones se prevé informar a representantes y personas afectadas antes de utilizar un sistema de alto riesgo en el trabajo.
Si se tratan datos personales, se aplica el RGPD: licitud, transparencia, minimización, seguridad, evaluación de impacto cuando proceda y garantías frente a decisiones exclusivamente automatizadas con efectos jurídicos o similares. La clasificación concreta requiere análisis del caso; una herramienta preventiva no es automáticamente de alto riesgo por llamarse IA.
