Un estudio publicado en Safety Science analiza cómo la inteligencia artificial y los modelos de lenguaje pueden apoyar la gestión de la seguridad laboral mediante el análisis automático de informes de accidentes, incidentes y situaciones de riesgo.
Los investigadores desarrollaron AN-HF-classifier-V1, un modelo basado en FinBERT y entrenado para clasificar textos de seguridad conforme al enfoque de factores humanos (Human Factors). El sistema organiza los factores que contribuyen a los incidentes en cuatro grandes niveles: factores individuales, características del trabajo, factores de grupo o equipo y factores organizativos.
Los resultados muestran un potencial relevante. En dos conjuntos de datos evaluados mediante clasificación previa de especialistas, el modelo alcanzó una precisión del 72,3 % y del 81,6 %, respectivamente, superando en esas pruebas a otros métodos utilizados como referencia.
Sin embargo, una de las principales conclusiones del estudio es especialmente importante para las empresas: la inteligencia artificial no puede compensar unos datos de seguridad deficientes. Muchos registros analizados eran breves, incompletos y describían principalmente qué había sucedido, pero aportaban poca información sobre las condiciones organizativas, del equipo o del entorno que contribuyeron al incidente.
Principales aportaciones
1. La IA puede ayudar a analizar grandes volúmenes de información preventiva.
Las organizaciones acumulan miles de observaciones, accidentes, incidentes y near misses en formato textual. El estudio muestra que los modelos de lenguaje pueden ayudar a realizar una primera clasificación de esta información y facilitar posteriormente el análisis de los especialistas.
2. El análisis debe ir más allá del “error humano”.
El trabajo utiliza un enfoque sistémico que diferencia entre factores individuales, condiciones del trabajo, funcionamiento de los equipos y elementos organizativos. Los autores advierten de que en muchas investigaciones todavía se identifica el “error humano” como causa raíz cuando debería ser, en realidad, el punto de partida para profundizar en las condiciones que hicieron posible ese error.
3. La calidad del dato importa más que acumular información.
El estudio señala que los sistemas de notificación deberían recoger mejor los factores que contribuyen a los sucesos. Los autores concluyen que, para utilizar adecuadamente la IA en seguridad laboral, la calidad de la información puede ser más importante que su cantidad.
4. La IA debe complementar, no sustituir, al especialista.
El contexto de un accidente puede ser difícil de interpretar automáticamente. Los autores destacan que la responsabilidad, la supervisión y el juicio final deben permanecer en las personas expertas y que los resultados de la IA deben interpretarse junto con el conocimiento profesional.
5. Hay implicaciones éticas y de protección de datos.
Los informes de accidentes pueden contener información personal o sensible. El estudio advierte del riesgo de que herramientas concebidas para aprender de los incidentes terminen utilizándose para vigilancia, evaluación del comportamiento o decisiones disciplinarias, lo que podría además deteriorar la confianza y reducir la notificación de incidentes.
Una conclusión especialmente interesante para prevención
El trabajo deja una idea muy útil para la gestión preventiva: antes de preguntarnos qué puede hacer la IA con nuestros datos de seguridad, debemos preguntarnos si esos datos describen adecuadamente por qué ocurren los accidentes.
La inteligencia artificial puede acelerar el análisis de miles de registros, pero si los informes solo recogen el resultado del accidente y no las condiciones de trabajo, organización, comunicación, liderazgo o coordinación que contribuyeron a él, el análisis seguirá siendo incompleto.
Los propios autores concluyen que mejorar la investigación y el registro de incidentes beneficia a la gestión de la seguridad con independencia de que posteriormente se utilice o no inteligencia artificial.
Autores: Tiikkaja, M., Kannisto, H., Nurmi, A., Puro, V., Heikkilä, T., Kivimäki, I., Asikainen, I., & Teperi, A.-M. (2027). Using AI to support safety management – Analysing occupational safety data using machine learning within the framework of human factors. Safety Science, 205, 107434. https://doi.org/10.1016/j.ssci.2026.107434
