Do videomonitoramento ao ecossistema de segurança com IA: como transformar dados de SST em prevenção de incidentes

A implementação de ferramentas digitais em Saúde e Segurança no Trabalho (SST) frequentemente se limita à instalação de câmeras de vídeo e ao registro básico de incidentes. No entanto, o verdadeiro potencial dos dados é revelado ao transitar do simples registro de infrações para um ecossistema proativo. Em sua apresentação, Alexander Bondarenko, Diretor de SST da SSGPO (integrante da ERG), detalha a experiência de transformar soluções digitais fragmentadas em um ecossistema unificado de IA, que permitiu à empresa atingir marcas históricas de operação sem acidentes fatais.

Evolução do controle: de drones a conteúdos educativos

Historicamente, a empresa registrava uma média de cinco acidentes fatais por ano. O ponto de virada foi a implementação de práticas globais adaptadas e uma digitalização em larga escala. Um dos primeiros passos, realizado ainda em 2016, foi o uso de drones para o monitoramento de trabalhos de alto risco. Na prática, essa ferramenta provou sua importância crítica: em 2021, o piloto de um drone percebeu a tempo dois trabalhadores descansando na sombra sob uma bancada onde eram realizadas operações. O ruído das hélices fez com que saíssem da zona de perigo apenas 12 segundos antes do desabamento da massa rochosa.

Hoje, o controle técnico abrange mais de 1.800 câmeras fixas e cerca de 500 câmeras corporais. O enorme volume de dados de vídeo não fica estagnado nos servidores, mas é convertido em material educativo. Mensalmente, a equipe de SST edita vídeos curtos que demonstram tanto erros quanto exemplos de execução segura das tarefas. Esse conteúdo é exibido em 200 painéis de TV nas salas de instrução e emissão de ordens de serviço antes do início de cada turno, promovendo um processo contínuo de microaprendizagem.

Inteligência artificial na gestão comportamental

O palestrante dá destaque especial à avaliação da comunicação entre gestores e trabalhadores. A empresa implementou um sistema de análise automática de reuniões diárias de segurança (Diálogo Diário de Segurança - DDS) e diálogos comportamentais. Os encarregados gravam suas orientações em gravadores de voz e, em seguida, os algoritmos avaliam a qualidade da conversa de acordo com uma metodologia aprovada.

Graças às ferramentas de automação, o gestor recebe um feedback estruturado em apenas 45 segundos: o sistema destaca os pontos fortes do diálogo e as áreas que necessitam de melhoria. Os dados são sincronizados com painéis de controle (dashboards), gerando uma visão unificada de todas as unidades.

Para preparar os novos encarregados para a realização de auditorias, foi desenvolvido um simulador eletrônico de coaching. Nesse sistema, a inteligência artificial simula diferentes perfis de funcionários — desde o colaborador cooperativo até o resistente ou fatalista. O desafio do encarregado é conduzir a conversa de modo a levar o interlocutor virtual à conscientização sobre os riscos.

Avaliação abrangente da fadiga de motoristas

Uma das ameaças ocultas na operação continua sendo a fadiga dos funcionários, impossível de detectar por bafômetros convencionais. Para solucionar esse problema, a equipe desenvolveu um módulo de hardware e software (PAM 60).

O sistema avalia o tempo de reação do indivíduo utilizando um volante e pedais de simulação, emitindo sinais ao longo de um minuto. Simultaneamente, uma câmera 4K com iluminação em anel de LED realiza a pupilometria — medindo a velocidade de contração e recuperação da pupila em resposta à luz, além de identificar a vermelhidão ocular. O grande diferencial do sistema é a dispensa de padrões genéricos. O módulo acumula estatísticas individuais de cada colaborador e compara os indicadores atuais com seu histórico de referência. Caso a reação e os parâmetros pupilares apresentem desvios da norma, o funcionário não é punido, mas sim realocado para tarefas auxiliares na oficina, eliminando o risco de acidentes na rota de operação.

Ferramentas locais de IA e proteção de dados

A adoção de modelos generativos frequentemente envolve riscos de vazamento de informações confidenciais. Para evitar essa vulnerabilidade, a empresa apostou em aplicativos offline autônomos executados no navegador e em modelos de linguagem locais. Isso permite automatizar análises complexas de forma segura:

• Investigação de incidentes: o sistema analisa depoimentos em áudio e documentos do processo, elabora automaticamente a árvore de causas, monta o diagrama de gravata borboleta e prepara apresentações.
• Avaliação de conhecimentos: um sistema multiagente realiza exames orais sobre requisitos normativos, fazendo perguntas por voz e avaliando a precisão das respostas dos colaboradores em porcentagem.
• Elaboração de procedimentos: com base nas fichas de processos preenchidas, os agentes geram procedimentos operacionais completos em estrita conformidade com as diretrizes metodológicas.

O que você aprenderá nesta apresentação:

• Como estruturar um fluxo contínuo de produção de vídeos educativos a partir de gravações de câmeras corporais?
• Como automatizar a avaliação da qualidade dos diálogos comportamentais de segurança utilizando redes neurais?
• Como aplicar a pupilometria e testes de reação para o controle personalizado da fadiga de motoristas?
• Como utilizar simuladores de IA no treinamento de gestores para conversas complexas com a equipe?
• Como implantar ferramentas locais de IA para investigação de incidentes sem riscos de vazamento de dados?