Lo que el INRS ya observa sobre el terreno
El instituto parte de un principio de prevención que todo responsable de QHSE conoce bien, «tener en cuenta el estado de evolución de la técnica», y constata que resulta cada vez más difícil de cumplir a medida que se acelera el ritmo de las innovaciones. Ya se han identificado tres familias de usos de la IA lo suficientemente maduras como para ser seguidas de cerca por los responsables de prevención.
Explotación de datos de accidentabilidad
Las herramientas de procesamiento automático del lenguaje permiten ahora aprovechar datos que hasta hace poco eran difíciles de valorar: partes de accidentes laborales, bases de datos de experiencias previas, registros de fallos de maquinaria, encuestas de QSE. Los datos ya recopilados en un sistema QHSE (no conformidades, cuasi accidentes, acciones correctivas) se convierten así en un activo real de prevención, siempre que estén centralizados y estructurados en lugar de dispersos en hojas de cálculo y formularios en papel.
Vigilancia conectada de entornos y trabajadores
Cámaras de detección de situaciones peligrosas, EPI conectados que miden la frecuencia cardíaca o las posiciones articulares: estos dispositivos pueden reducir la siniestralidad, especialmente en colectivos con poca formación en normas de seguridad, como trabajadores temporales o nuevas incorporaciones. El INRS es categórico en un punto que a menudo se olvida en las empresas: estas herramientas no son sistemas de seguridad y no eximen en absoluto de realizar el proceso de evaluación de riesgos, lo cual sigue siendo una obligación documentada.
Robótica avanzada: teleoperación y colaboración hombre-robot
El tercer uso estudiado se refiere a la teleoperación y la robótica colaborativa, que permiten alejar al operador de tareas peligrosas o cargas pesadas. El INRS advierte sobre una posible descalificación de los operadores y una pérdida de sentido en el trabajo si la integración de estas herramientas no va acompañada de una reflexión colectiva previa, lo que remite directamente a la evaluación de impacto que todo proyecto de automatización debería integrar desde el inicio.
El verdadero riesgo es el punto ciego documental
El INRS describe una trampa que denomina «efecto de complacencia»: la aparente facilidad de uso de las soluciones de IA puede llevar a los actores a considerar únicamente los riesgos identificados por la máquina, en detrimento de una evaluación regular de los riesgos organizativos que escapan a cualquier monitoreo tecnológico. Una herramienta inteligente que transmite seguridad puede, paradójicamente, reducir la vigilancia documental en el momento en que resulta más necesaria.
El instituto recuerda también que los accidentes laborales ocurren a menudo durante situaciones atípicas (averías, operaciones de mantenimiento, situaciones degradadas), que rara vez están bien representadas en los datos de entrenamiento de los sistemas de IA. Por tanto, cuantas más herramientas de IA introduzca una empresa en sus entornos de trabajo, más necesitará un sistema QHSE capaz de registrar lo que la máquina no ve: las desviaciones, las situaciones degradadas y los ajustes humanos realizados fuera de los casos previstos.
Lo que esto implica para su DUERP y su plan de acción
Tres recomendaciones del INRS se traducen directamente en prácticas QHSE que deben formalizarse desde ahora, incluso antes de que la Ley de IA imponga sus propios plazos de transparencia.
Documentar cada introducción de una herramienta de IA como una modificación de las condiciones de trabajo
El INRS recomienda formar a los agentes de prevención (empleadores, representantes del personal, técnicos de prevención) para que comprendan el funcionamiento de estas herramientas, sus limitaciones y el marco normativo que las regula. En la práctica, esto comienza por registrar en el documento único cada introducción de una herramienta de IA que modifique la organización del trabajo, con el mismo rigor que un cambio de puesto o de proceso. Un DUERP centralizado, actualizado de forma continua en lugar de una vez al año, hace que este ejercicio sea viable en vez de convertirlo en una temida tarea anual.
Mantener la trazabilidad de lo que la IA no puede ver
Los conjuntos de datos de entrenamiento subrepresentan estructuralmente las situaciones atípicas. Por tanto, la vigilancia humana sigue siendo la mejor fuente de información sobre estos puntos ciegos. Un plan de acción QHSE que centralice los informes de campo, las no conformidades y las acciones correctivas complementa directamente los sistemas de detección automatizados mencionados por el INRS y constituye la prueba documentada que exigirá un auditor o un inspector en caso de incidente.
Anticiparse al marco normativo en lugar de sufrirlo
El INRS hace un llamamiento a promover los principios de salud y seguridad en el trabajo dentro de los organismos que elaboran las normas y reglamentos sobre la IA, especialmente la Ley de IA (AI Act). Para una empresa, esto supone disponer de una vigilancia normativa actualizada y de un sistema capaz de absorber rápidamente una nueva exigencia, como la de transparencia prevista por el artículo 50 de la Ley de IA a partir del 2 de agosto de 2026, sin tener que reescribir toda su documentación QHSE de forma urgente.
