Sesgos cognitivos en la evaluación de riesgos: cómo un asistente de IA ayuda a ver los peligros objetivamente

Hoy en día, en empresas de todo el país se aplican decenas de metodologías de evaluación de riesgos laborales. A simple vista son similares: identificación de peligros, evaluación de la probabilidad y gravedad de las consecuencias, y desarrollo de barreras y medidas para mitigar el riesgo. Sin embargo, a pesar de la aparente estandarización, en la práctica estos enfoques a menudo no logran predecir ni prevenir con precisión los accidentes.

¿Por qué ocurre esto? ¿Acaso no son desarrollados por especialistas experimentados que han pasado por cientos de investigaciones de accidentes?

La respuesta está en los sesgos cognitivos.

El cerebro humano, incluso el del experto más competente, funciona mediante esquemas simplificados. A lo largo de los años, el especialista desarrolla un «instinto profesional», pero junto con él, también un pensamiento estereotipado. Comienza a:

• subestimar los riesgos que «siempre se han controlado» (ilusión de control);
• atribuir la causa de un incidente a la «falta de atención» del trabajador, sin analizar las causas sistémicas (error fundamental de atribución);
• ignorar escenarios poco probables pero catastróficos (negación de los «cisnes negros»).

Como resultado, las metodologías formales de evaluación de riesgos se reducen a rellenar tablas mediante plantillas, en lugar de realizar un análisis profundo. Las instrucciones de HSE se sobrecargan de información general, a menudo redactada «para cubrirse las espaldas» y no para su uso real en el lugar de trabajo. Frases como «preste atención» no indican acciones concretas y, por lo tanto, no reducen el riesgo.

El experimento: ¿qué pasaría si eliminamos los prejuicios humanos?

Llevamos a cabo un experimento piloto: creamos un asistente de IA entrenado con un conjunto de datos que incluía:

• estadísticas de lesiones por profesión;
• resultados de investigaciones de accidentes;
• instrucciones vigentes de HSE y mapas tecnológicos;
• requisitos de documentos normativos.

El objetivo era analizar las instrucciones y compararlas con casos reales de lesiones.

Los resultados fueron sorprendentes:

1. Velocidad de análisis: cientos de páginas procesadas en minutos.
2. Ausencia de sesgos: la IA no «sabe» que en esa área «siempre se ha hecho así».
3. Comparación precisa: el sistema detectó discrepancias entre las acciones prescritas y las causas reales de los incidentes.
4. Recomendaciones: la IA sugirió formulaciones concretas y medibles; en lugar de «preste atención», propuso «abra el armario → apague el interruptor → cierre ambas puertas → fije el candado → coloque la llave en el casillero n.º 3».

Además, la IA identificó el «ruido informativo»: secciones de las instrucciones que no estaban relacionadas con la tarea específica del trabajador. Estos documentos, que superan las 100 páginas, no se leen, no se recuerdan y no se aplican; solo crean una ilusión de seguridad.

Conclusión: la tecnología no sustituye al ser humano, es una herramienta de objetividad

Los sesgos cognitivos son una característica objetiva del pensamiento humano. Pero ahora contamos con herramientas que ayudan a compensarlos. Los asistentes de IA modernos son accesibles, comprensibles y pueden trabajar en su propio idioma. No toman decisiones, pero proporcionan a las personas datos precisos para tomar mejores decisiones.

El uso de estas soluciones permite:

• centrarse en los riesgos reales, no en los imaginarios;
• redactar instrucciones que realmente funcionen;
• construir barreras basadas en hechos, no en costumbres.

La seguridad comienza con una visión honesta de la realidad. Y la tecnología nos ayuda a conseguirla.