Del videocontrol al ecosistema de seguridad con IA: cómo transformar los datos de SST en prevención de incidentes

La implementación de herramientas digitales en la seguridad y salud en el trabajo (SST) suele limitarse a la instalación de cámaras de video y al registro básico de incidentes. Sin embargo, el verdadero potencial de los datos se despliega al pasar de la simple detección de infracciones a un ecosistema proactivo. En su presentación, Aleksandr Bondarenko, Director de SST de SSGPO JSC (parte de ERG), detalla la experiencia de transformar soluciones digitales aisladas en un ecosistema unificado de IA, lo que permitió a la empresa alcanzar máximos históricos de trabajo sin accidentes fatales.

Evolución del control: de drones a contenido formativo

Históricamente, la empresa registraba un promedio de cinco accidentes mortales al año. El punto de inflexión fue la adopción de prácticas internacionales adaptadas y una digitalización a gran escala. Uno de los primeros pasos, implementado ya en 2016, fue el uso de drones para supervisar trabajos de alto riesgo. En la práctica, esta herramienta demostró su importancia crítica: en 2021, el piloto de un dron detectó a tiempo a dos trabajadores que descansaban a la sombra bajo un talud donde se realizaban operaciones. El ruido de las hélices los hizo abandonar la zona de peligro solo 12 segundos antes del colapso de la masa rocosa.

Hoy en día, el control técnico abarca más de 1800 cámaras fijas y unos 500 videoregistradores corporales. El enorme volumen de datos de video no queda acumulado como «peso muerto» en los servidores, sino que se convierte en material educativo. Cada mes, el departamento de SST edita videos cortos que muestran tanto errores como ejemplos de ejecución segura de tareas. Este contenido se transmite en 200 pantallas de televisión en las salas de asignación de órdenes de trabajo antes del inicio de cada turno, consolidando un proceso continuo de microaprendizaje.

Inteligencia artificial en la gestión del comportamiento

El ponente dedica especial atención a la evaluación de la comunicación entre supervisores y trabajadores. En la planta se ha desplegado un sistema de análisis automático de las charlas de seguridad de cinco minutos y de los diálogos conductuales. Los capataces graban sus sesiones de instrucción en una grabadora de voz y, posteriormente, los algoritmos evalúan la calidad de la conversación según una metodología aprobada.

Gracias a las herramientas de automatización, el supervisor recibe retroalimentación estructurada en solo 45 segundos: el sistema destaca los puntos fuertes del diálogo y las áreas de mejora. Los datos se sincronizan con paneles de control (dashboards), ofreciendo una visión unificada por departamentos.

Para preparar a los nuevos capataces en la realización de auditorías, se ha desarrollado un simulador de entrenamiento interactivo. En este sistema, la inteligencia artificial interpreta diversos perfiles de trabajadores: desde el colaborador receptivo hasta el resistente o fatalista. El objetivo del capataz es estructurar el diálogo para guiar al interlocutor virtual hacia la toma de conciencia sobre los riesgos.

Evaluación integral de la fatiga en conductores

Una de las amenazas ocultas en la industria sigue siendo la fatiga del personal, imposible de detectar con los alcoholímetros estándar. Para resolver este problema, el equipo desarrolló un módulo de software y hardware (PAM 60).

El sistema evalúa el tiempo de respuesta de la persona mediante un volante y pedales de juego, emitiendo señales durante un minuto. Simultáneamente, una cámara 4K con anillo LED realiza una pupilometría: mide la velocidad de constricción y recuperación de la pupila ante un estímulo luminoso, además de registrar el enrojecimiento ocular. La diferencia clave del sistema es el abandono de los estándares promediados. El módulo acumula estadísticas de cada empleado y compara los indicadores actuales con su línea base individual. Si la reacción y los parámetros pupilares se desvían de la norma, el trabajador no es sancionado, sino que se le asignan tareas auxiliares en el taller, eliminando el riesgo de accidentes de tránsito en ruta.

Herramientas locales de IA y protección de datos

La implementación de modelos generativos suele conllevar riesgos de fuga de información confidencial. Para evitarlo, la empresa apostó por programas autónomos offline basados en navegador y modelos de lenguaje locales. Esto permite automatizar de forma segura analíticas complejas:

• Investigación de incidentes: el sistema analiza entrevistas en audio y materiales del caso, construye automáticamente el árbol de causas, genera el diagrama Bow-Tie («pajarita») y elabora presentaciones.
• Evaluación de conocimientos: un sistema multiagente realiza exámenes orales sobre normativas, formulando preguntas mediante voz y evaluando el contenido de las respuestas de los empleados en porcentaje.
• Elaboración de procedimientos: a partir de fichas de procesos completadas, los agentes generan reglamentos tecnológicos completos en estricta conformidad con los requisitos metodológicos.

Lo que aprenderá en esta presentación:

• ¿Cómo estructurar una cadena de producción de videos formativos a partir de las grabaciones de cámaras corporales?
• ¿De qué manera automatizar la evaluación de calidad de los diálogos conductuales de seguridad mediante redes neuronales?
• ¿Cómo utilizar la pupilometría y los tests de reacción para un control personalizado de la fatiga en conductores?
• ¿Cómo aplicar simuladores de IA para capacitar a los supervisores en comunicaciones complejas con el personal?
• ¿Cómo desplegar herramientas autónomas de IA para la investigación de incidentes sin riesgo de fuga de datos?