I+D+i de las herramientas de Inteligencia Artificial con aplicación en Prevención de Riesgos Laborales

clape Equation Chapter 1 Section 1 Trabajo Fin de Máster Máster en Ingeniería Industrial I+D+i de las herramientas de Inteligencia Artificial con aplicación en Prevención de Riesgos Laborales Autora: Claudia Peula Morillo Tutora: Prof. Dra. Ventura Pérez Mira Dpto. Ingeniería Química y Ambiental Cátedra de Prevención de Riesgos Laborales Escuela Técnica Superior de Ingeniería Universidad de Sevilla Sevilla, 2025 iii Trabajo Fin de Máster Máster en Ingeniería Industrial I+D+i de las herramientas de Inteligencia Artificial con aplicación en Prevención de Riesgos Laborales Autora: Claudia Peula Morillo Tutora: Prof. Dra. Ventura Pérez Mira Profesora asociada Dpto. de Ingeniería Química y Ambiental Cátedra de Prevención de Riesgos Laborales Escuela Técnica Superior de Ingeniería Universidad de Sevilla Sevilla, 2025 v Trabajo Fin de Máster: I+D+i de las herramientas de Inteligencia Artificial con aplicación en Prevención de Riesgos Laborales Autora: Claudia Peula Morillo Tutora: Prof. Dra. Ventura Pérez Mira El tribunal nombrado para juzgar el Proyecto arriba indicado, compuesto por los siguientes miembros: Presidente: Vocales: Secretario: Acuerdan otorgarle la calificación de: Sevilla, 2025 El Secretario del Tribunal vii A mi familia A mis maestros ix Agradecimientos A mi madre, por ayudarme a terminar “la carrerita”, como tú dices, y por apoyarme siempre. Con este trabajo pongo fin a una época muy dura para nosotras, pero que he podido completar gracias a ti. A mis compañeros, porque sin vosotros hubiese sido todo muchísimo más difícil. A mis amigos, por escucharme y aguantarme mientras me quejaba de los exámenes. A mi tutora, por ayudarme a hacerlo todo lo mejor posible durante este trabajo que me ha resultado tan bonito e interesante. A todos vosotros, muchas gracias. Claudia Peula Morillo Sevilla, 2025 ÍNDICE DE TABLAS Tabla 1: Parámetros de búsqueda 11 Tabla 2: Ventajas y reticencias generales de las nuevas tecnologías 29 Tabla 3: Análisis de los chatbots 31 Tabla 4: Análisis de los drones y cámaras de vigilancia 34 Tabla 5: Análiss de la gamificación 36 Tabla 6: Análisis de la Realidad Virtual 38 Tabla 7: Análisis de la Realidad Aumentada 39 Tabla 8: Análisis de los robots avanzados y cobots 41 Tabla 9: Análisis de los AIWM 44 Tabla 10: Análisis de los EPI inteligentes 47 iii ÍNDICE DE FIGURAS Figura 1: Lugares de trabajo por tipo de tecnología y una serie de riesgos psicosociales notificados (EU-OSHA, 2019) 2 Figura 2: Pirámide de riesgos (Carretero Juárez, 2021) 14 Figura 3: Viñeta-resumen de los riesgos de la digitalización para la SST (Marín González, 2023) 28 Figura 4: Detalle del funcionamiento de la Plataforma Neurona para la detección del uso de EPI (Vitality, 2021) 33 Figura 5: Problemas de productividad (EU-OSHA, 2019) 44 Figura 6: Smart Camera sin obstáculo (ibídem) 48 Figura 7: Smart Camera con obstáculo por proximidad (ibídem) 49 Figura 8: Smart Camera con detección de peatón (ibídem) 49 Figura 9: Ejemplo de uso Ergo-IA (ibídem) 51 Figura 10: Ejemplo de uso Ergo IA II (ibídem) 51 Figura 11: Comparativa mundial vs. europea del coste de los accidentes laborales (EU-OSHA, 2019) 56 Figura 12: Comparativa entre enfermedades vs. lesiones mortales profesionales (EU-OSHA, 2019) 57 Figura 13 : Principales causas de muerte en el trabajo en Europa (EU-OSHA, 2019) 57 Figura 14: Principales causas de muerte en el trabajo en España (EU-OSHA, 2019) 58 Figura 15 : Esquema de análisis coste-beneficio del proceso preventivo (EU-OSHA, 2019) 59 Figura 16: Gráfico coste-excelencia (INSST, 2024) 60 v GLOSARIO AIWM: Sistemas de gestión de las personas trabajadoras basadas en IA (Artificial Intelligence for Workers Management) AVAD: Años de Vida Ajustados por Discapacidad CESE: Comité Económico y Social Europeo EU-OSHA: Agencia Europea para la Seguridad y Salud en el Trabajo EPI: Equipo de Protección Individual IA: Inteligencia Artificial IoT: Internet de las Cosas (Internet of Things) IIoT: Internet de las Cosas Industrial LPRL: Ley de Prevención de Riesgos Laborales NLP: Procesamiento del Lenguaje Natural PRL: Prevención de Riesgos Laborales RA: Realidad Aumentada RPGD: Reglamento General de Protección de Datos RV: Realidad Virtual SST: Seguridad y Salud en el Trabajo TIC: Tecnologías de la Información y la Comunicación UE: Unión Europea 1 INTRODUCCIÓN En los últimos años, la digitalización del entorno laboral, gracias a la cuarta revolución industrial (Industria 4.0), y especialmente al procesamiento de datos, ha tenido un impacto muy relevante en materia preventiva (Marín Malo, 2023). La inteligencia artificial (IA) juega un papel clave en este proceso, ya que permite el análisis en tiempo real de grandes cantidades de datos procedentes de múltiples fuentes (sensores, dispositivos conectados, máquinas y entornos), proporcionando una visión integral y predictiva de los posibles riesgos a los que están expuestas las personas trabajadoras. La Industria 4.0 ha marcado un punto de inflexión en la forma en que se gestionan los procesos industriales. Esta nueva revolución industrial se basa en la convergencia de tecnologías avanzadas como la inteligencia artificial, el Internet de las Cosas (IoT), la automatización y el big data, que están transformando no solo la producción y la gestión operativa, sino también la forma en que se aborda la prevención de riesgos laborales (PRL). Concretamente, la IA está revolucionando el entorno laboral al impulsar innovaciones significativas gracias a la creciente disponibilidad de datos y macrodatos o big data, así como al uso de algoritmos para su procesamiento. Esto está generando transformaciones profundas en la manera de trabajar, ya que la IA se puede aplicar en diversas herramientas y sistemas para el trabajo asistido y el análisis de datos, facilitando la automatización de tareas cada vez más complejas, además de optimizar la toma de decisiones y la gestión automatizada o semiautomatizada en el ámbito laboral (EU-OSHA, 2021). Sus aplicaciones abarcan desde cobots (robots colaborativos), dispositivos ponibles o wearables, hasta chatbots (software diseñado para interactuar con las personas mediante conversaciones de texto o voz) en fábricas, almacenes y centros de atención al cliente, así como equipos de protección individual (EPI) inteligentes. También se emplea en procesos algorítmicos dentro de los recursos humanos, como el análisis de datos del personal y la gamificación (aplicación de elementos y mecánicas de juego a entornos no lúdicos para aumentar la motivación y el compromiso de los usuarios (ibídem). Uno de los principales aportes de la IA en el ámbito de la PRL es su capacidad para mejorar la seguridad y salud predictiva. A través de sistemas avanzados de machine learning, la IA puede identificar patrones de comportamiento o condiciones laborales que podrían derivar en accidentes, permitiendo actuar antes de que estos ocurran. Además, estas tecnologías permiten una monitorización continua del entorno de trabajo, garantizando que se cumplan las condiciones óptimas de seguridad en todo momento, y ofreciendo alertas inmediatas ante cualquier anomalía o situación de riesgo. La incorporación de la inteligencia artificial también permite optimizar la gestión documental y "La inteligencia artificial es la nueva electricidad. Así como la electricidad transformó casi todo lo que hacemos, también lo hará la IA". -Andrew Ng- Introducción 2 los procesos de auditoría en PRL. Gracias a sistemas automatizados, es posible realizar inspecciones más rápidas y precisas, asegurando el cumplimiento de las normativas de seguridad y facilitando la toma de decisiones informadas por parte de los responsables de PRL. Si bien la IA abre nuevas oportunidades, también plantea desafíos en materia de seguridad y salud en el trabajo (SST), así como en su gestión y regulación. Gran parte del debate en torno a la IA se centra en su impacto en el empleo y la cantidad de puestos de trabajo que podrían verse afectados (EU-OSHA, 2021). No obstante, aunque el impacto de la IA en la PRL es innegable, su implementación también presenta desafíos importantes que requieren atención. Las implicaciones éticas y legales del uso de la inteligencia artificial en la toma de decisiones automatizadas, así como la necesidad de garantizar la privacidad de los datos y la fiabilidad de los sistemas, son aspectos que deben ser abordados cuidadosamente para evitar dependencias excesivas o problemas de seguridad derivados de fallos técnicos o decisiones autónomas mal calibradas. En el siguiente gráfico se pueden observar cuáles son los principales factores de riesgos psicosociales asociados a las distintas condiciones de trabajo: Figura 1: Lugares de trabajo por tipo de tecnología y una serie de riesgos psicosociales notificados (EUOSHA, 2019) 3 3 I+D+i de las herramientas de Inteligencia Artificial con aplicación en Prevención de Riesgos Laborales El gráfico muestra la relación entre el uso de diferentes tecnologías digitales en los lugares de trabajo y la incidencia de ciertos factores de riesgo que tienen la potencialidad de generar riesgos psicosociales en la Unión Europea en 2019, los cuales se representan mediante distintos colores. De izquierda a derecha, el primer factor de riesgo indica la preocupación ante un posible apremio de tiempo, el segundo representa problemas de comunicación o cooperación deficientes, el tercero muestra la inseguridad laboral, y el cuarto señala la presencia de jornadas de trabajo largas o irregulares. En todos los casos, la presencia de tecnología en el entorno laboral está asociada con un aumento en estos factores de riesgos psicosociales en comparación con los lugares donde estas herramientas no están presentes. Los sistemas que determinan el contenido o el ritmo de trabajo, así como aquellos que controlan el rendimiento del personal, son los que más influyen en el incremento de los factores citados. Las personas trabajadoras en estos entornos experimentan mayores niveles de presión de tiempo, inseguridad laboral y jornadas laborales irregulares. Del mismo modo, los dispositivos ponibles (wearables) y los sistemas de control de rendimiento afectan significativamente la comunicación y cooperación dentro del equipo de trabajo, lo que puede generar un ambiente laboral menos colaborativo. El uso de robots que interactúan con el personal también está relacionado con un aumento de los riesgos psicosociales, aunque en menor medida en comparación con otras tecnologías. A pesar de que los robots pueden mejorar la productividad, su presencia puede generar preocupaciones relacionadas con la estabilidad del empleo y el ritmo de trabajo. En conclusión, el gráfico refleja que la digitalización del trabajo, aunque ofrece beneficios en términos de eficiencia y automatización, también trae consigo desafíos importantes para el bienestar del personal. La creciente implementación de estas tecnologías resalta la necesidad de estrategias para mitigar sus efectos negativos y garantizar entornos laborales saludables y sostenibles. A lo largo de este trabajo se realiza un estudio en mayor profundidad de las consecuencias en la seguridad y salud de las personas trabajadoras que trae consigo la Industria 4.0, especialmente aquellas que disponen de alguna forma de IA para su funcionamiento. Además, se analizan otros aspectos relacionados como son el nuevo Reglamento Europeo de IA, que establece los derechos y obligaciones de las personas usuarias de la misma, así como enmarca los límites en cuanto al control datos personales se refiere. También se analizan las ventajas que derivan de la introducción de la IA en el trabajo, tales como medidas de prevención que mejoran las condiciones laborales, con la finalidad de comprobar si este nuevo planteamiento de implantación de medidas preventivas basadas en aplicación de la IA en el trabajo es rentable tanto para la empresa como para su personal. 1.1 Definición y orígenes de la inteligencia artificial La IA trata sobre la simulación de procesos de inteligencia humana por parte de sistemas informáticos. Estos procesos incluyen el aprendizaje (la adquisición de información y reglas para su uso), el razonamiento (el uso de reglas para llegar a conclusiones aproximadas o definitivas) y la autocorrección (Russell y Norvig, 2020). La European Agency for Safety and Health at Work (EU-OSHA), o Agencia Europea para la Seguridad y la Salud en el Trabajo, introdujo la siguiente clasificación con respecto a las formas de control que pueden introducir estos dispositivos inteligentes, las cuales son (Llorens Espadas, 2023):  tecnologías basadas en audio  aquellas que utilizan bioseñales Justificación, objetivos y alcance 10 1. Analizar la nueva legislación europea en materia de IA (IA Act), con la finalidad de comprobar sus beneficios y carencias para la protección y seguridad de las personas. 2. Analizar las ventajas y reticencias de la implementación de IA en PRL: Identificar los beneficios específicos y las dificultades que la IA puede acarrear en este ámbito. 3. Evaluar las tecnologías actuales de IA en PRL, analizando herramientas y sistemas aplicados, así como los pros y contras de cada una. También se proponen medidas para prevenir los riesgos a los que estas tecnologías puedan dar lugar. 4. Estudiar la viabilidad económica sobre la aplicación de las nuevas tecnologías que evidencie si son rentables económicamente. 2.3 Alcance Este estudio se ha centrado en el análisis de viabilidad de la integración de la IA en PRL. El estudio tiene un enfoque principalmente europeo, ya que se ha analizado la normativa vigente en la Unión Europea, la Ley de IA (Reglamento UE) 2024/1689. En cuanto al resto de continentes, se propone como continuidad al presente trabajo la posibilidad de realizar un estudio detallado para cada uno de ellos en función de su legislatura vigente. 3 METODOLOGÍA Para la realización de este trabajo se ha llevado a cabo una búsqueda bibliográfica avanzada. Sin embargo, la estrategia de búsqueda ha sido ligeramente distinta para cada objetivo parcial, según la finalidad de cada uno de ellos. Así pues, se remarcan a continuación los buscadores usados, palabras clave, idiomas y los parámetros tenidos en cuenta para seleccionar o desechar los artículos o documentos encontrados. Tabla 1: Parámetros de búsqueda Buscadores Scopus, Google académico, Vinci, Dialnet, Web of Science Palabras clave según objetivo Objetivo 1: Ley, IA, UE, PRL Objetivo 2: Ventajas, reticencias, IA, PRL, riesgo, seguridad, salud Objetivo 3: Ventajas, reticencias, IA, PRL, riesgo, seguridad, salud Objetivo 4: Economía, IA, trabajo, PRL Idioma Español, inglés Criterios de inclusión Acceso abierto al texto completo Contenido suficiente para entender el estudio Publicaciones recientes Mayor prestigio y fiabilidad de la fuente con revisión por pares Criterios de exclusión Información redundante Menor prestigio y fiabilidad de la fuente con revisión por pares Escasa información en cuanto a PRL Como resultado del proceso de búsqueda bibliográfica, se identificaron 77 artículos, libros y otros documentos relacionados con la temática del trabajo. De entre ellos, se seleccionaron los 45 más relevantes, los cuales han sido citados en el apartado de bibliografía por considerarse los más adecuados para cumplir con los objetivos planteados. Cabe destacar que, si bien existe una amplia disponibilidad de fuentes sobre los primeros objetivos del estudio (como la Ley de Inteligencia Artificial, las nuevas tecnologías, y sus respectivas ventajas y reticencias), gran parte de la bibliografía revisada presentaba un contenido redundante. Es decir, que el contenido en la mayoría de estas fuentes era el mismo o muy similar. Por este motivo, se ha realizado una selección crítica de los aspectos más interesantes y útiles de cada fuente, de manera que en el presente trabajo se ofrece una recopilación sintética y completa que ofrece la información más relevante. En lo que respecta al último objetivo, orientado a analizar la relación entre el uso de la IA en el ámbito de la PRL y sus beneficios económicos directos, se ha encontrado una cantidad significativamente menor de publicaciones. Por tanto, la búsqueda bibliográfica en este caso se ha centrado Metodología 12 principalmente en estudios que evalúan el beneficio económico que supone la integración de la inteligencia artificial en general, a fin de extraer conclusiones aplicables al uso de la PRL en este contexto. 4 RESULTADOS 4.1 Análisis de la normativa europea vigente en materia de inteligencia artificial El Reglamento Europeo para la Inteligencia Artificial, también conocido como la Ley de Inteligencia Artificial o AI Act (Reglamento (UE) 2024/1689, 2024), es una propuesta legislativa de la Comisión Europea para regular el uso de la inteligencia artificial en la Unión Europea. Su objetivo es garantizar que los sistemas de IA se desarrollen y utilicen de manera que respeten los derechos fundamentales y los valores de la UE, fomentando la innovación y la adopción segura de estas tecnologías. Respecto a la creación de una IA confiable, la Comisión ha impulsado tres iniciativas jurídicas: en primer lugar, la creación de un marco legislativo europeo, con el que se aporte seguridad jurídica a las personas desarrolladoras, implementadoras y usuarias de IA, estableciendo unos requisitos y obligaciones específicos. En segundo lugar, se establece un marco jurídico común a nivel europeo para la responsabilidad civil derivada de los daños ocasionados por el uso de la IA, el cual está cubierto por la Directiva sobre responsabilidad en materia de IA. Este marco busca armonizar las normativas y garantizar que existan mecanismos claros y efectivos para reclamar compensaciones en caso de que la IA cause daños. Por último, la Comisión plantea la necesidad de adaptar este nuevo marco a la normativa relativa sobre seguridad del producto, de manera que se propone un nuevo Reglamento junto con el de responsabilidad para productos defectuosos. En adición, los objetivos principales marcados por la comisión son los siguientes:  Asegurar que los sistemas de IA disponibles en el mercado de la UE sean seguros y cumplan con la normativa vigente en derechos fundamentales y valores de la Unión.  Proporcionar seguridad jurídica que promueva la inversión y la innovación en IA.  Fortalecer la gobernanza y garantizar la efectiva aplicación de la legislación actual en derechos fundamentales y requisitos de seguridad para los sistemas de IA.  Impulsar un mercado único para el uso legal, seguro y confiable de las aplicaciones de IA, evitando la fragmentación del mercado. Para alcanzar estos objetivos, la propuesta se fundamenta en un enfoque regulador horizontal, equilibrado y proporcional, que se limita a los requisitos mínimos necesarios para abordar los riesgos y desafíos asociados a la IA, sin restringir ni dificultar de manera indebida el desarrollo tecnológico ni aumentar de forma excesiva el coste de comercialización de soluciones basadas en IA. Es importante señalar que esta normativa se adopta en forma de Reglamento, no de Directiva, lo que significa que tiene fuerza legal vinculante para todos los Estados miembros desde el momento de su entrada en vigor, sin necesidad de ser transpuesta a las legislaciones nacionales. Además, el Reglamento establece, en su artículo 2, que se aplicará a todas las personas proveedoras que comercialicen o pongan en servicio sistemas de IA en la Unión Europea, independientemente de si dichas personas tienen o no su sede en el territorio de la Unión (Goñi Erro, 2024). A continuación, se analizarán los puntos más fundamentales de esta Ley que delimitan la integración de la IA en el trabajo, así como los derechos y responsabilidades de las personas trabajadoras cuyo Resultados 14 entorno se ha visto afectado por la inclusión de uno o varios sistemas de inteligencia artificial. 4.1.1 Clasificación de los sistemas de inteligencia artificial La IA Act clasifica los sistemas de Inteligencia Artificial en cuatro categorías de riesgo, basándose en el nivel de peligro que presentan para la seguridad, los derechos fundamentales y los valores de los ciudadanos de la Unión Europea. Estas categorías van desde riesgo mínimo hasta riesgo inaceptable, teniendo cada una de ellas diferentes niveles de regulación y requisitos. A continuación, se detallan estas categorías. Figura 2: Pirámide de riesgos (Carretero Juárez, 2021) 4.1.1.1 Riesgo inaceptable En primer lugar, se prohíben determinadas prácticas de manipulación, explotación y control social que violan los valores fundamentales de la UE, tales como el respeto a la dignidad humana, la libertad, la igualdad, la democracia y el Estado de Derecho, así como el principio de no discriminación, la protección de datos y la privacidad. Además, se prohíbe la introducción o el uso de sistemas destinados a explotar las vulnerabilidades de grupos de personas debido a su edad o discapacidad, cuando estas prácticas puedan causarles daños físicos o psicológicos. También se restringe el uso de la IA para evaluar o clasificar a personas en función de su comportamiento social o características personales, reales o predichas, de manera que la puntuación resultante pueda generar un trato perjudicial o desfavorable hacia determinadas personas o grupos, siendo dicho trato injustificado y desproporcionado respecto a su comportamiento social o la gravedad del mismo. De igual modo, se prohíbe el uso de sistemas de identificación biométrica remota en tiempo real en espacios públicos, salvo en casos de necesidad extrema para salvaguardar un interés público esencial que prevalezca sobre los riesgos asociados, debiendo mediar autorización expresa de una autoridad judicial o administrativa independiente de un Estado miembro de la Unión. En el contexto laboral, la potencial relevancia de las conductas prohibidas quedaría reducida a las dos primeras prácticas, ya que las dos últimas corresponden a actos 15 15 I+D+i de las herramientas de Inteligencia Artificial con aplicación en Prevención de Riesgos Laborales realizados por autoridades públicas. No obstante, es posible que en el entorno empresarial se recurra también a estas prácticas de control social, manipulación o identificación biométrica de su personal. En relación a esto, el Comité Europeo de Protección de Datos aboga por la prohibición de todos los sistemas de IA para el reconocimiento biométrico automatizado, a excepción de aquellos que se usan con fines relacionados con la salud o para fines de autenticación relacionados con la seguridad (Goñi Sein, 2023). A continuación, se muestran algunos ejemplos de sistemas de IA con riesgo inaceptable:  Sistemas de puntuación social utilizados por gobiernos para evaluar y clasificar a las personas en función de su comportamiento social, situación económica o características personales. Este tipo de sistemas puede conducir a la discriminación y a la violación de derechos fundamentales.  Manipulación subliminal de las personas a través de la IA, que podría influir en sus comportamientos de manera que afecte negativamente a su capacidad de tomar decisiones informadas.  Sistemas de vigilancia masiva sin supervisión adecuada, como el uso indiscriminado de reconocimiento facial en espacios públicos sin una base legal sólida y sin garantías para la protección de los derechos de los ciudadanos. 4.1.1.2 Riesgo alto Esta categoría incluye sistemas de IA que tienen un impacto significativo en la vida de las personas y que podrían afectar derechos fundamentales, como la privacidad, la no discriminación, la salud o la seguridad. Debido a la sensibilidad de estos sistemas, están sujetos a requisitos estrictos y a una supervisión rigurosa. La calificación se alto riesgo se aplica a dos subcategorías de sistemas de IA:  Los sistemas destinados a ser utilizados como componentes de seguridad de productos ya cubiertos por determinada legislación de la UE en materia de seguridad y salud, si deben someterse a una evaluación de conformidad realizada por un organismo independiente.  Los sistemas de IA autónomos o independientes de otros productos específicos, que pueden tener las siguientes áreas de uso: identificación biométrica remota de personas, gestión y funcionamiento de infraestructuras críticas, educación y formación profesional, empleo y gestión de personas trabajadoras, acceso y disfrute de servicios públicos o privados, aplicación de la ley, gestión de la migración, asilo y control fronterizo y administración de justicia. En cuanto a su aplicación al trabajo, se limita principalmente a dos ámbitos: identificación biométrica de las personas (en lo no considerado como prohibido) y empleo y gestión de las personas trabajadoras. Dentro de este último, se distinguen los siguientes supuestos:  Sistemas destinados a la contratación de personas físicas, en particular para analizar, filtrar y evaluar a los candidatos.  La IA destinada a emplearse en la toma de decisiones relacionadas con la promoción o finalización de relaciones contractuales de carácter laboral, la asignación de tareas basadas en comportamientos individuales o características personales, así como en el seguimiento y evaluación del desempeño y comportamiento de las personas dentro de estas relaciones. Resultados 16 Por tanto, la calificación de alto riesgo se reserva para los sistemas de IA que se utilizan para “la contratación y selección de personal, para la toma de decisiones relativas a la promoción y la rescisión de contratos, y para la asignación de tareas y el seguimiento o la evaluación de personas en relaciones contractuales de índole laboral” (Reglamento (UE) 2024/1689, 2024). Es relevante destacar que la inclusión de los sistemas de IA destinados al control, seguimiento y evaluación de personas trabajadoras en la lista de "alto riesgo" implica una especie de presunción de legalidad respecto a su uso. Como advierte el Comité Económico y Social Europeo (CESE), “puede llevar a la legitimación, normalización e integración de un gran número de prácticas de IA que todavía reciben muchas críticas y cuyos beneficios sociales son cuestionables o inexistentes.” Además, es probable que esto también genere un problema de interferencia, ya que la implementación de estos sistemas podría entrar en conflicto con la normativa de protección de datos y la legislación laboral. Esto podría dar lugar a tensiones con la regulación de los derechos digitales de las personas trabajadoras y con los derechos laborales establecidos por la legislación nacional y los convenios colectivos. Cabe recordar que la Agencia Española de Protección de Datos sancionó a Mercadona con una multa de 3,15 millones de euros por infringir el RGPD al utilizar un sistema de reconocimiento facial en algunas de sus tiendas para evitar la entrada de personas condenadas con una orden de alejamiento por delitos cometidos contra sus personas trabajadoras o bienes (Goñi Sein, 2023). Algunos ejemplos de sistemas de alto riesgo son:  Sistemas de IA en infraestructuras críticas, como el transporte o la energía, donde una falla podría poner en riesgo la seguridad de multitud de personas.  IA utilizada en la educación, como los sistemas que determinan el acceso a la educación o que evalúan a los estudiantes, ya que pueden tener un impacto duradero en sus vidas.  IA en el empleo y la contratación, donde las decisiones automatizadas podrían afectar las oportunidades laborales y generar discriminación sobre los candidatos a un mismo puesto.  Sistemas de diagnóstico médico basados en IA, que pueden influir en decisiones críticas de tratamiento.  IA en la justicia y la aplicación de la ley, donde las decisiones automatizadas pueden afectar la libertad y los derechos legales de las personas. 4.1.1.3 Riesgo limitado Los sistemas de IA en esta categoría presentan riesgos moderados o limitados para los usuarios. Aunque no se consideran peligrosos, se les imponen ciertos requisitos de transparencia para garantizar que los usuarios estén informados de que están interactuando con un sistema de IA. Son los sistemas destinados a interactuar con personas físicas y los sistemas de reconocimiento de emociones, o sistemas de manipulación de imágenes y sonidos y que puedan inducir a una persona a creer que son verdaderos o auténticos (ultrafalsificación). Para estos sistemas, la ley establece únicamente una exigencia de transparencia, es decir, se limita a imponer a los proveedores la obligación de informar de la existencia de un sistema de IA, en caso de que no sea evidente (Goñi Sein, 2023). Ejemplo de algunos sistemas de IA de riesgo limitado son los siguientes: 17 17 I+D+i de las herramientas de Inteligencia Artificial con aplicación en Prevención de Riesgos Laborales  Chatbots o asistentes virtuales donde es necesario que las personas usuarias sepan que están interactuando con una IA y no con un ser humano.  Sistemas de recomendación de contenidos, como las sugerencias de productos en plataformas de comercio electrónico o de películas en servicios de streaming.  Sistemas de creación de imágenes, video o sonido que puedan imitar el estilo de una persona o artista en concreto. 4.1.1.4 Riesgo mínimo Esta categoría incluye sistemas de IA que presentan riesgos muy bajos o nulos para la seguridad o los derechos fundamentales. No están sujetos a requisitos regulatorios específicos bajo la Ley de IA, lo que permite una adopción más libre y sin restricciones. Se estima que la mayoría de los sistemas de IA utilizados actualmente en la UE se encuadran dentro de esta categoría. No obstante, únicamente sugiere que las personas proveedoras opten, de manera voluntaria, por aplicar los requisitos propios de una IA confiable y se adhieran a códigos de conducta voluntarios que cumplan con los criterios establecidos para una IA de alto riesgo (Goñi Sein, 2023). Ejemplo de estos sistemas son:  Filtros de spam en correos electrónicos, que ayudan a clasificar mensajes no deseados sin afectar de manera significativa la vida o los derechos de los usuarios.  Sistemas de recomendación de música o películas que sugieren contenido basándose en las preferencias del usuario.  Juegos de IA y asistentes de productividad que no tienen un impacto crítico en la seguridad o los derechos fundamentales. 4.1.2 La persona responsable de la empresa como usuario de inteligencia artificial El art. 3 del reglamento define al usuario como “toda persona física o jurídica, autoridad pública, agencia u organismo de otra índole que utilice el sistema de IA bajo su propia autoridad, salvo cuando su uso se enmarque en una actividad personal de carácter no profesional” (Rodríguez Sanz de Galdeano, 2023). Por tanto, la persona empleadora que utiliza el sistema de IA como medio de producción, es considerado un usuario de IA. Así, el artículo 34 obliga a arbitrar medidas de vigilancia humana de los sistemas de alto riesgo durante su funcionamiento. Por tanto, en el caso de la utilización de estos sistemas en el ámbito laboral, será la persona responsable de la empresa la encargada de garantizar esta vigilancia humana, de acuerdo con las medidas establecidas por el proveedor De igual forma, la persona responsable de la empresa es la encargada de observar las obligaciones recogidas en el art. 29, en el cual se incluyen: “ asegurarse que los datos de entrada son pertinentes para la finalidad prevista, vigilar el funcionamiento del sistema e informar de posibles incidentes, interrumpir si fuera necesario su funcionamiento, informar a las autoridades en caso necesario, conservar los archivos de registro que se generan automáticamente, y utilizar la información facilitada para cumplir la obligación de evaluación de impacto relativa a la protección de datos” (ibídem). 4.1.3 Requisitos obligatorios de los sistemas de alto riesgo La nueva Ley de IA obliga la persona proveedora a cumplir con una serie de requisitos, así como a someter a los sistemas de IA a una evaluación de conformidad antes de su entrada en el mercado (arts. Resultados 18 9 y 30 a 51). Así pues, la persona proveedora debe llevar a cabo la evaluación de conformidad bajo su responsabilidad. Esta evaluación está basada en verificaciones de control interno, para lo que se requiere una autoevaluación. No obstante, hay excepciones, como los sistemas de identificación biométrica remota, que requerirán de una evaluación de conformidad realizada por un tercero. De esta forma, la evaluación de conformidad permitirá a las personas proveedoras demostrar el cumplimiento de los requisitos obligatorios, siendo estos los que a continuación se nombran. El primer requisito obligatorio se refiere al establecimiento de un sistema de gestión de riesgos y mantenimiento durante todo el ciclo de vida del producto, en este caso, el sistema de IA. Esto requiere de varias actuaciones, a saber: identificar y analizar los riesgos conocidos y previsibles, evaluar los riesgos y adoptar medidas oportunas de eliminación de riesgos, reducción de riesgos asociados a la utilización del sistema y comprobar que funcionan de un modo adecuado a su finalidad prevista (art. 9). El segundo requisito está relacionado con los datos y la gobernanza de datos. Esto hace referencia a los sistemas que implican el entrenamiento de modelos de datos, debiendo desarrollarse cumpliendo determinados criterios de calidad de datos, de forma que “el entrenamiento, la validación y las pruebas sean pertinentes y representativos, carezcan de errores y estén completos” (art. 10). Los requisitos restantes se relacionan con la documentación técnica (deben contar con una documentación técnica previa a su entrada en el mercado, que demuestre el cumplimiento de los requisitos necesarios) (art. 11), el mantenimiento de registro automático de eventos, la transparencia y suministros de información a los usuarios, la vigilancia humana y la previsión, solidez y ciberseguridad. En definitiva, la persona proveedora debe diseñar las tecnologías conforme a los estándares de la Ley de IA y debe demostrar el cumplimiento de los requisitos establecidos. Además, antes de comercializar un sistema de IA de alto riesgo, debe registrarlo en una base de datos de la UE que sea de acceso público (Goñi Sein, 2023). 4.1.4 La IA de alto riesgo y gestión de riesgos de seguridad y salud en el trabajo Si bien es cierto, como se ha marcado en el punto anterior, que la persona proveedora debe actuar conforme a una serie de requisitos específicos en el caso de los sistemas de alto riesgo, es el mismo reglamento el que define estos sistemas como “aquellos sistemas de IA que tengan consecuencias perjudiciales importantes para la salud, la seguridad y los derechos fundamentales de las personas de la Unión, y dicha limitación reduce al mínimo cualquier posible restricción del comercio internacional, si la hubiera”. Por tanto, no cualquier sistema de IA de alto riesgo está sujeto a los requisitos del reglamento, sino que es necesario que el impacto o las consecuencias adversas del sistema sean significativas. Es decir, que se adopta una idea donde el objetivo de seguridad y salud queda por debajo de las consideraciones económicas, tales como no imponer restricciones innecesarias al comercio y comprometer el desarrollo del mercado. Quedarán, por tanto, excluidos de estas restricciones la mayoría de sistemas de alto riesgo, ya sea porque la magnitud de las consecuencias negativas para la salud no supere las consecuencias negativas para la economía, o porque el desarrollo de estas consecuencias para la salud sea gradual, como ocurre en el caso de cualquier patología psicosocial, como el tecnoestrés. Así pues, la evaluación de riesgos potenciales para la seguridad y salud de las personas trabajadoras debe quedar a cargo de la persona empleadora, siendo mucho más meticulosa e intensa que la realizada por la persona proveedora. Tanto en el caso de los sistemas de alto riesgo, como en los de riesgo 19 19 I+D+i de las herramientas de Inteligencia Artificial con aplicación en Prevención de Riesgos Laborales limitado o mínimo, la persona empleadora debe hacer su propia evaluación de riesgos laborales, teniendo en cuenta el entorno y la finalidad específica para la que se va a usar el sistema de IA, con la finalidad de identificar los riesgos añadidos y eliminar o reducir el riesgo adaptando los métodos de trabajo. Según el propio Reglamento de IA, en el art. 9.2, quedan registrados una serie de pasos para facilitar a la persona empleadora la identificación de riesgos en el trabajo, los cuales son: 1) Identificación de riesgos asociados a la inteligencia artificial La definición de qué se considera exactamente un riesgo alto, así como el concepto de “perjuicio importante”, no es cosa trivial. Ocurre, además, en el caso de los sistemas de IA, que pueden tener muchos ámbitos de aplicación (IA de uso general) o que puedan ir embebidos en otro sistema mayor, tales como los cobots o los drones. Por tanto, no existe una clasificación clara de riesgos de la IA para una taxonomía concreta. 2) Evaluación de riesgos Una vez identificados los riesgos, es necesario evaluar todos los riesgos asociados al uso correcto del sistema, así como a los riesgos que pueda ocasionar un uso indebido razonablemente previsible. Por lo general, la evaluación de riegos se realiza en función de tres factores: grado de exposición al peligro, probabilidad de ocurrencia del evento peligroso y posibilidad de evitar o limitar el daño. 3) Medidas de gestión de riesgos Antes de aplicar medidas correctoras, es necesario determinar si el riesgo alto identificado y evaluado excede el riesgo tolerable. En este sentido, “cabe destacar que las medidas de gestión de riesgos se descartan cuando se trata de riesgos residuales asociados a cada peligro” (Goñi Sein, 2023). Sin embargo, si las medidas evaluadas exceden el riesgo tolerable, se deben llevar a cabo las medidas de gestión de riesgos más adecuadas de entre las recogidas en el art. 9.4 del reglamento, las cuales son:  Eliminar o reducir los riegos en la medida de lo posible  En relación con los riesgos que no puedan eliminarse, implantar, cuando proceda, unas medidas de mitigación y control apropiadas.  Proporcionar la información oportuna conforme a su finalidad prevista, el nivel de precisión, solidez y ciberseguridad, cualquier circunstancia conocida o previsible relacionada con el uso del sistema, su función en relación a las personas con las que se pretenda utilizar el sistema y, cuando proceda, especificaciones relativas a los datos de entrada o cualquier otra información pertinente. 4.1.5 Transparencia algorítmica La IA Act contiene varias propuestas para el caso de los sistemas de alto riesgo en los que se vean comprometidos los datos personales del usuario. Como se recoge en el art. 13, se establece como requisito obligatorio que tales sistemas garanticen un nivel de transparencia adecuado para que tanto el usuario como el proveedor cumplan con sus respectivas obligaciones. Así, las personas proveedoras del sistema de IA de alto riesgo deben facilitar una información “concisa, completa, correcta y clara que sea pertinente, accesible y comprensible por los usuarios” Resultados 26 es. Pero puede suceder que, por ejemplo, la persona esté en una posición distinta a todas las imágenes con la que se ha entrenado la IA, pudiendo ocurrir que esta no reconozca a la persona en esa postura en concreto, dando lugar al consiguiente fallo en el sistema y posible accidente. Esto puede extrapolarse a todos los tipos de IA, pudiendo esta no reconocer los riesgos que debería o no generar la información necesaria, pues carece del entrenamiento adecuado. 4.2.2.2 La deshumanización del trabajo La deshumanización del trabajo es un proceso en el cual las condiciones laborales, la estructura organizativa y las dinámicas de producción, despojan a las personas trabajadoras de su individualidad, dignidad, y humanidad. En este contexto, el personal es tratado como simples recursos o herramientas, en lugar de seres humanos con necesidades, derechos, y aspiraciones. Uno de los factores que más contribuyen a la deshumanización es la mecanización del proceso productivo, especializando a cada persona trabajadora en un único ámbito u obligándolo a realizar tareas repetitivas. Esto se incrementa cuando se le imponen unos objetivos fijos de producción en un determinado tiempo, tratando al personal como a una máquina. En adición a esto, el realizar tareas repetitivas de forma autónoma hace que la persona trabajadora desconecte por completo de su entorno, tanto de sus compañeros como de sí misma y del proceso productivo en general. Todos estos inconvenientes se unen por completo en el caso de los cobots, aunque se profundizará en esto más adelante. En cualquier caso, la deshumanización promueve el individualismo entre el personal y genera una sensación de inseguridad laboral, ya que la falta de interacción entre las personas dificulta la defensa de las condiciones laborales, los derechos de las personas trabajadoras y la formación de sindicatos, si fuera necesario. De igual modo, la introducción de robots y la automatización del trabajo pueden causar estrés debido a la incertidumbre del personal, al no saber si serán reemplazados en algún momento por estos (Marín Malo, 2023). 4.2.2.3 Carencias de la normativa Como se ha visto en apartado 4.1, donde se exponen los principales puntos de la IA Act en relación a la SST, existen una serie de apartados que dejan mucho que desear en cuanto a lo que a la seguridad de la persona trabajadora se refiere. En primer lugar, se ha visto que no todos los sistemas de alto riesgo están sometidos a las restricciones correspondientes, si la suma de los efectos negativos para la SST es menor que para el correcto desarrollo de la economía. Se dejaba en este punto claro que la ley proponía que fuera la persona responsable de la empresa la encargada de desarrollar la evaluación de riesgos, en función de los concretos fines para los que tuviera lugar el sistema de IA en cuestión. Ahora bien, esta evaluación de riesgos corre el peligro de ser realizada como un mero “papeleo” a rellenar por la persona responsable de la empresa, simplemente para cumplir con las medidas establecidas y sin prestar especial atención al detalle. Así pues, esta evaluación debería ser llevada a cabo por una persona especializada y de forma externa a la empresa. De esta forma, la persona responsable de realizar esta evaluación estudiaría primero la empresa y la finalidad que la nueva herramienta de IA tendría en ella, y extendería un informe completo, correcto y detallado de los posibles riesgos relacionados tanto con su correcto uso como con las posibles negligencias a las que podría dar lugar, para dar a las personas trabajadoras, los usuarios finales, toda la información posible. En segundo lugar, se ha visto también que el concepto de usuario reconocido por esta ley se 27 27 I+D+i de las herramientas de Inteligencia Artificial con aplicación en Prevención de Riesgos Laborales queda bastante corto siendo, en el caso de las empresas, la persona responsable de la empresa que compra el sistema el reconocido como usuario, y no así las personas trabajadoras, que serán quienes verdaderamente estén en contacto directo con este sistema. Así pues, en lo que concierne a la transparencia algorítmica, la ley obliga únicamente a informar a la persona responsable de la empresa del funcionamiento de la IA, y no obligando a esta a informar a su personal trabajador del mismo (excepto en el caso de los sistemas que utilizan datos biométricos). De la misma forma, el reglamento tampoco aborda dos mecanismos clave para garantizar los derechos fundamentales de transparencia, los cuales son el derecho a una explicación de las decisiones individuales automatizadas y la posibilidad de impugnar legalmente los resultados, sin que haya llegado a suceder un accidente o daño perjudicial para la seguridad y salud de la persona trabajadora, en cuyo caso sí se pueden solicitar los datos pertinentes. Por último, cabe recordar que los avances científicos caminan siempre mucho más rápido que la justicia, llegando a estar muchos de estos avances ya integrados en las empresas, sin un marco jurídico que respalde la seguridad y los derechos fundamentales de la persona trabajadora. 4.2.2.4 Nuevos riesgos mecánicos, ergonómicos y psicosociales Si bien la robotización del entorno laboral ha reducido, en general, los riesgos a los que estaban sometidas las personas trabajadoras, también ha introducido nuevos riesgos vinculados a la manipulación del propio robot, ya sea por mantenimiento o simplemente por proximidad al mismo. Algunos de estos riesgos pueden ser: impacto o colisión causados por el equipo, atrapamientos, choques eléctricos, proyección de materiales en el proceso, exposición a vibraciones, a radiación, el ruido o la presencia de productos peligrosos en el entorno. Además, deben tenerse en cuenta los riesgos ergonómicos debidos a las posturas llevadas a cabo para realizar tareas sobre el robot, tales como el mantenimiento o la reparación de este. Es decir, el riesgo no desaparece, pero sí disminuye la probabilidad del mismo aunque, por otra parte, este riesgo aumentará en las cercanías del robot (Marín Malo, 2023). Pero no solo se deben tener en cuenta los riesgos mecánicos debidos exclusivamente al trabajo con material pesado. Las malas posturas debidas al trabajo sedentario pueden dar lugar a riesgos ergonómicos y trastornos musculoesqueléticos. Además, la fatiga visual provocada por mirar a una pantalla durante muchas horas seguidas puede dar lugar también a dolores de cabeza y migrañas. En resumen, la introducción de las nuevas tecnologías en el trabajo, si bien disminuye los antiguos riesgos a los que se encontraban sometidos las personas trabajadoras, ha introducido otros nuevos riesgos, principalmente de carácter psicosocial, pero también mecánicos. Así lo reconoce la EU-OSHA, dejándolo ilustrado en la siguiente viñeta: Resultados 28 Figura 3: Viñeta-resumen de los riesgos de la digitalización para la SST (Marín González, 2023) 4.2.2.5 Resistencia al cambio del personal Es reconocido por la antropología el hecho de que, siempre que se habla de cualquier tipo de avance (ya sea tecnológico o de otro tipo), existe una inercia de las personas a seguir con lo establecido, una resistencia al cambio que dificulta la fácil adopción de cualquier nueva situación, por ventajosa que esta sea. Es decir, cualquier situación, si es aún desconocida y, por tanto, inexperimentada, genera una sensación de desconfianza y rechazo automático en las personas, que prefieren la seguridad de lo conocido. Supone, por ende, un reto para las empresas ganar la confianza de la persona trabajadora en cuanto a los cambios se refiere. No solo por la confianza en sí misma, sino por la sensación de malestar que se puede generar en un ambiente de trabajo si se están continuamente introduciendo novedades que supongan un reto de aprendizaje para la persona trabajadora, no 29 29 I+D+i de las herramientas de Inteligencia Artificial con aplicación en Prevención de Riesgos Laborales dejando a esta el tiempo suficiente para adaptarse a las anteriores. Además, existirá siempre la brecha generacional, corriendo el riesgo de que el personal más veterano, por ser más difícilmente adaptable al cambio, sea despedido o rechazado al no poder adaptarse adecuadamente a los nuevos requisitos de la empresa, o siendo directamente sustituidos por una máquina. En definitiva, y como era de prever, las nuevas herramientas introducirán nuevos retos para la SST que, en algunos casos, sustituirán a los anteriores y, en otros, serán simplemente una adición a los ya existentes. A continuación, se incluyen en la siguiente tabla una comparación de las principales ventajas e inconvenientes hasta ahora analizados. Tabla 2: Ventajas y reticencias generales de las nuevas tecnologías VENTAJAS RETICENCIAS Previsión de riesgos antes de que ocurran Nuevos riesgos psicosociales (deshumanización, tecnoestrés) Menor número de accidentes laborales Riesgos mecánicos Disminución de riesgos ergonómicos Carencias en la normativa en cuanto a la protección de la persona trabajadora Nuevas facilidades en algunos puestos de trabajo Resistencia al cambio y brecha generacional Mejor formación a las personas trabajadoras en PRL Información sesgada Mejora de la gestión de empresas automatizada Mejora de las condiciones de seguridad en el trabajo En definitiva, parece ser que la balanza se ve inclinada a favor de las ventajas que estas nuevas herramientas pueden introducir en el campo de la prevención de riesgos laborales. No obstante, en el siguiente apartado se estudiarán todas estas nuevas técnicas, una por una, con la finalidad de profundizar aún más en ellas, y concluir si este cambio resulta o no conveniente. 30 4.3 Análisis de nuevas tecnologías con uso de inteligencia artificial en prevención de riesgos laborales En la actualidad, la IA está cada vez más integrada en los sistemas de PRL. Principalmente, gracias al uso de tecnologías avanzadas como el aprendizaje profundo (deep learning) y la robótica colaborativa. Estas tecnologías no solo ayudan en la identificación y mitigación de riesgos, sino que también automatizan tareas peligrosas, reduciendo la exposición de las personas trabajadoras a situaciones de riesgo. Tal es el caso de los robots equipados con IA, que se utilizan para realizar inspecciones en lugares de difícil acceso o peligrosos para las personas. 4.3.1 Nuevas tecnologías En este apartado se describen en profundidad cada una de las tecnologías que actualmente ofrece la IA y que son fácilmente aplicables o adaptables a la seguridad y salud laboral. 4.3.1.1 Chatbots Un chatbot es un software, también conocido como agente conversacional, diseñado para simular una conversación entre dos personas, ya sea a través de texto o voz. Utiliza técnicas de Procesamiento del Lenguaje Natural (NLP) para interpretar los mensajes de la persona usuaria y proporcionar respuestas adecuadas, además de realizar acciones que se ajusten al contexto de la conversación. Los chatbots siguen un conjunto de reglas y algoritmos que permiten transformar la interacción entre la persona usuaria y la máquina en un diálogo fluido y coherente (Domínguez Coronado, 2023). Existe una gran variedad de usos para este tipo de tecnologías, lo que implica que exista una gran cantidad de tipos de chatbots. Sin embargo, la mayoría comparten la misma base.  Basados en Pattern Mathing: “El Pattern Matching es una técnica que se encarga de buscar coincidencias entre los datos ofrecidos y patrones previamente definidos”. Por ende, esta técnica sirve para generar respuestas adecuadas a las preguntas generadas por la persona usuaria en base a los tipos de coincidencia, como enunciados simples, lenguaje natural o semántica (ibídem).  Basados en Machine Learning Además de su uso únicamente como software, como es el caso de ChatGPT, estos chatbots también pueden venir acompañados de un hardware, como ocurre con algunos robots. De hecho, muchos de los cobots, de los que ya se ha hablado con anterioridad, incluyen estos chats de voz para poder comunicarse con las personas trabajadoras. La información se introduce en el sistema a través de "prompts". Los prompts son textos que se proporcionan al modelo para obtener una respuesta o generar una salida, los cuales funcionan como instrucciones o estímulos que orientan al modelo sobre el tipo de respuesta esperada o la tarea que debe realizar. Pueden variar desde una simple pregunta o frase hasta directrices más detalladas, según lo que se desee lograr con la respuesta del modelo. Por ejemplo, un prompt podría ser una consulta como “¿Cuál es la capital de Francia?”, una petición creativa como “Escribe un poema sobre el otoño”, o una tarea específica como “Resume el siguiente párrafo”. La efectividad y precisión de la respuesta generada por el modelo de IA depende en gran medida de la formulación del prompt. Un buen prompt debe ser claro, directo y, cuando sea necesario, incluir detalles o contexto que faciliten la comprensión del modelo y la 31 31 I+D+i de las herramientas de Inteligencia Artificial con aplicación en Prevención de Riesgos Laborales generación de una respuesta adecuada. No obstante, es importante tener en cuenta que esta herramienta está basada en patrones y datos previos, por lo que siempre se debe revisar y validar la información obtenida, considerando que puede estar desactualizada o incluso ser incorrecta. No debe sustituir el asesoramiento ni el juicio de un profesional. Además, como ocurre con cualquier interacción en línea, es relevante recordar que las conversaciones pueden ser registradas y almacenadas temporalmente, por lo que se debe evitar compartir información personal o confidencial (UGT Cataluña, 2024). Volviendo a los chatbots de texto escrito, pueden ser de gran utilidad para el personal responsable de SST, pudiendo agilizar su trabajo, haciéndolo mejor y más eficiente. Por ejemplo, puede ayudar a redactar escritos y hacer advertencias sobre seguridad y salud a las personas trabajadoras. También puede ayudar en la investigación de causas de accidente, dando una mayor y más profunda visión que la que una única persona sea capaz de conseguir por sí sola (Ruiz, 2023). Como desventaja, se debe tener en cuenta que no siempre se debe confiar por completo en estos chatbots, necesitando siempre de una supervisión humana para confirmar que el trabajo que se le ha pedido hacer está, en efecto, correctamente ejecutado. Por supuesto, al tratarse de un elemento que siempre va a venir con un software que le acompañe, incluirá también las reticencias asociadas al mismo, como es el caso de la fatiga visual, en el caso de las pantallas visuales, o la deshumanización y aislamiento en el trabajo, en el caso de los cobots. También existe el temor a ser reemplazado por estos bots que imitan la forma de trabajar de un ser humano (UGT Cataluña, 2024). No obstante, debe tenerse en cuenta que esta es una herramienta que ayuda a la persona trabajadora a lograr sus objetivos con mayor rapidez haciéndole, por tanto, mejorar su productividad y eficiencia generales. Para mitigar al máximo estas reticencias o nuevos riesgos que introducen los chatbots, es fundamental proporcionar formación continua para que el personal se adapte a las nuevas tecnologías y desarrollen habilidades complementarias al uso de bots. Además, se debe ofrecer apoyo psicológico y recursos para gestionar el estrés y la ansiedad, incluyendo programas de bienestar y asesoramiento. El diseño ergonómico de las estaciones de trabajo también es clave para reducir la fatiga visual y los problemas relacionados con la ergonomía. Por otro lado, para contrarrestar el posible aislamiento, es importante fomentar la interacción y colaboración entre el personal. Así mismo, la implementación de estrategias de gestión del cambio efectivas involucrando a las personas trabajadoras en el proceso de integración de bots ayudará a las personas trabajadoras a comprender cómo esta tecnología puede mejorar su labor y no solo representar una amenaza. Finalmente, es esencial comunicar de manera clara cómo la implementación de bots está alineada con la seguridad laboral y el crecimiento profesional de las personas trabajadoras (ibídem). En resumen, se presentan sus principales características en la siguiente tabla: Tabla 3: Análisis de los chatbots VENTAJAS RETICENCIAS MEDIDAS DE PREVENCIÓN Mayor rapidez Necesidad de supervisión humana Controles y revisiones periódicos Incremento de la eficiencia Fatiga visual Mejora de la ergonomía Deshumanización Apoyo psicológico Resultados 32 4.3.1.2 Drones para inspección y cámaras de vigilancia Un dron es un vehículo aéreo no tripulado (VANT), también conocido como UAV por sus siglas en inglés (Unmanned Aerial Vehicle), que puede ser controlado de forma remota o programado para volar de manera autónoma utilizando software integrado, sensores, y sistemas de navegación. Los drones pueden variar en tamaño, forma y funcionalidad, siendo esta última desde dispositivos aplicados con fines comerciales, como militares y de investigación. Los usos más comunes de los drones son: filmación de imágenes y vídeos aéreos, cartografía, emergencias, logística, seguridad, comunicación, procesos, laborales y lúdico. Entrando más en detalle, algunos de los principales usos que se les puede dar a los drones en materia de seguridad, son tales como la supervisión de estructuras, acceso a zonas de difícil acceso, acceso a zonas de trabajo en condiciones insalubres, transporte de equipos sanitarios y de rescate, emergencias, obras de construcción, trabajos en altura, riesgos eléctricos en alta tensión, etc. (Díaz Santos, 2015). En el ámbito de la prevención de riesgos laborales, los drones han demostrado ser una herramienta poderosa para mejorar la seguridad en el trabajo, reducir los riesgos asociados a las tareas peligrosas y aumentar la eficiencia en la identificación y mitigación de riesgos potenciales. Las aplicaciones de drones en PRL son diversas y abarcan múltiples actividades:  Inspección en entornos peligrosos o Acceso a zonas de difícil acceso: Los drones pueden acceder a lugares donde sería peligroso o imposible para los seres humanos ingresar, como espacios confinados, techos altos o áreas contaminadas. Esto minimiza la exposición de las personas trabajadoras a riesgos como caídas, exposición a sustancias tóxicas o accidentes. o Inspección de plantas industriales: En industrias como la petroquímica, los drones se utilizan para inspeccionar tanques, chimeneas y tuberías, detectando posibles fugas, corrosión o daños estructurales sin necesidad de que las personas trabajadoras se expongan a estos entornos peligrosos.  Monitoreo en tiempo real o Supervisión de obras y trabajos en altura: Los drones permiten monitorear en tiempo real los trabajos en altura o en obras de construcción, asegurando que se sigan los procedimientos de seguridad y se utilicen los equipos de protección adecuados. o Vigilancia de zonas de trabajo: También pueden patrullar áreas de trabajo extensas, proporcionando una vista panorámica que ayuda a detectar posibles riesgos, como maquinaria defectuosa, zonas de riesgo o condiciones peligrosas.  Evaluación de riesgos o Identificación de peligros: Con el uso de drones equipados con cámaras de alta resolución y sensores, es posible identificar riesgos potenciales en el entorno laboral antes de que se conviertan en incidentes, como grietas en estructuras, acumulación de materiales peligrosos o condiciones inseguras. o Modelado y simulación de riesgos: Los datos recopilados por drones pueden ser utilizados para crear modelos digitales de los entornos de trabajo, facilitando la simulación y evaluación de escenarios de riesgo y permitiendo a las personas responsables de PRL diseñar medidas preventivas más efectivas.  Formación y concienciación 33 33 I+D+i de las herramientas de Inteligencia Artificial con aplicación en Prevención de Riesgos Laborales o Capacitación en entornos virtuales: Los drones pueden capturar imágenes y videos detallados de entornos laborales que luego se utilizan en simulaciones y programas de capacitación en realidad virtual. Esto permite a las personas trabajadoras familiarizarse con los riesgos específicos de su entorno de trabajo y aprender a evitarlos sin exponerse a peligros reales. o Evaluación post-accidente: Después de un incidente, los drones pueden ser utilizados para documentar la escena de manera segura, permitiendo un análisis detallado de las causas y la implementación de medidas correctivas sin comprometer la seguridad de los investigadores. En el caso de los drones equipados con visión artificial, pueden detectar todas estas anomalías mencionadas con la ayuda de los sistemas de detección avanzada, ya sea gracias a las cámaras o los sensores con los que están equipados estos drones. Además, pueden emitir una alerta a las personas trabajadoras sometidas a riesgo incluso antes de que ocurra el accidente. Un ejemplo de esto es la Plataforma Neurona, un sistema de videovigilancia que es capaz de detectar riesgos tales como la falta de EPI por parte de las personas trabajadoras, comunicando una alerta inmediata al recurso preventivo o a la persona que corresponda. En la siguiente imagen puede verse un breve ejemplo sobre cómo funciona este sistema: Figura 4: Detalle del funcionamiento de la Plataforma Neurona para la detección del uso de EPI (Vitality, 2021) En definitiva, una de las mayores ventajas del uso de drones y cámaras de videovigilancia en PRL es la capacidad de realizar tareas peligrosas sin exponer a las personas trabajadoras a riesgos directos. También conllevan grandes ventajas en cuanto a inspección y monitoreo, ya que pueden completar inspecciones y recopilar datos en una fracción del tiempo que tomaría utilizando métodos tradicionales, lo que permite una respuesta más rápida a los riesgos identificados. Por último, la capacidad de obtener y analizar datos en tiempo real permite una toma de decisiones más informada y una gestión proactiva de los riesgos. En cuanto a las reticencias para la seguridad y salud de las personas, los drones y las cámaras de vigilancia presentan como principal inconveniente la intrusión en la privacidad a las personas, estando estas continuamente sometidas a la exposición en vídeo y a la captura de imágenes mientras trabajan, o incluso mientras descansan, si este descanso tiene lugar en el espacio de trabajo del dron. En cuanto a los riesgos para la seguridad física, puede ocurrir que estos dejen de funcionar normalmente durante el vuelo, pudiendo resultar en el consiguiente Resultados 34 daño por choque contra la persona trabajadora u otra máquina (UGT Cataluña, 2024). En adición, existe también (y más aún en los algoritmos que funcionan con sistemas de detección visual) la posibilidad de que fallen y den alerta cuando no haya motivo, y viceversa. La prevención de riesgos laborales asociados al uso de drones y cámaras de vigilancia debe basarse en la creación de protocolos de comprobación periódica para garantizar el correcto funcionamiento de los dispositivos y sistemas informáticos, así como en el desarrollo y comunicación de políticas claras sobre la recopilación, uso y almacenamiento de datos, especificando su finalidad y contribución a la seguridad laboral. Es fundamental obtener el consentimiento informado de las personas trabajadoras para el uso de sus imágenes, asegurar canales de comunicación abiertos para resolver dudas o preocupaciones, y proteger la privacidad mediante controles de acceso estrictos, técnicas de encriptación y anonimización, y medidas de seguridad informática robustas que incluyan cortafuegos, antivirus y protocolos de protección adecuados (UGT Cataluña, 2024). En definitiva, las principales ventajas y reticencias del uso de drones para PRL, así como las medidas de prevención a tener en cuenta para mitigar estas últimas, son las siguientes: Tabla 4: Análisis de los drones y cámaras de vigilancia VENTAJAS RETICENCIAS MEDIDAS DE PREVENCIÓN Inspección en entornos peligrosos Continuo control sobre las personas trabajadoras Protección de datos Monitoreo en tiempo real Riesgo de choque Casco y otros EPI que puedan resultar necesarios Evaluación de riesgo en lugares de difícil acceso Mal funcionamiento Controles y revisiones periódicos Evaluación post-accidente 4.3.1.3 Gamificación La gamificación es el uso de elementos y técnicas propias del diseño de juegos en contextos no lúdicos con el objetivo de motivar y aumentar la participación de las personas, mejorar su compromiso y fomentar comportamientos deseados. Entre estos elementos se incluyen puntos, niveles, logros, clasificaciones, recompensas y desafíos, que transforman actividades cotidianas en experiencias más atractivas e interactivas (Deterding et al., 2011). En la industria, la gamificación ha encontrado aplicaciones en áreas tan diversas como el marketing, la formación de personal, la mejora de la productividad y la innovación. Al aplicar principios de juego a procesos laborales, las empresas buscan mejorar la motivación, la retención de conocimientos y la cultura corporativa (Werbach y Hunter, 2012). Por otro lado, la gamificación también ha demostrado ser una herramienta efectiva en el campo de la Prevención de Riesgos Laborales. Al convertir la seguridad y la salud en el 35 35 I+D+i de las herramientas de Inteligencia Artificial con aplicación en Prevención de Riesgos Laborales trabajo en una experiencia interactiva y atractiva, las empresas pueden mejorar la adherencia a las normas de seguridad, aumentar la conciencia sobre los riesgos laborales, y fomentar una cultura de seguridad más sólida (Ferreira y Silva, 2018). Los ámbitos en los que puede aplicarse la gamificación son los siguientes:  Programas de concienciación: Las empresas pueden desarrollar juegos o aplicaciones móviles que enseñen al personal sobre los peligros en el lugar de trabajo, los equipos de protección individual y las prácticas seguras. Estos programas pueden incluir cuestionarios interactivos, escenarios simulados y recompensas por completar los módulos de seguridad.  Campañas de seguridad: Al introducir desafíos y competencias entre el personal para seguir las normas de seguridad, las empresas pueden hacer que la adherencia a las políticas de PRL sea más atractiva y motivadora.  Simulaciones de riesgos laborales: Las simulaciones gamificadas permiten al personal experimentar situaciones de riesgo en un entorno seguro y controlado. Por ejemplo, una persona puede aprender a reaccionar ante un incendio simulado o practicar el uso correcto de un equipo de protección en un entorno virtual.  Evaluaciones gamificadas: Después de la formación, el alumnado puede participar en evaluaciones gamificadas que refuercen los conocimientos adquiridos y proporcionen retroalimentación inmediata sobre su desempeño.  Recompensas por buenas prácticas: Las empresas pueden utilizar la gamificación para recompensar al personal que demuestre un comportamiento seguro, como el uso adecuado de equipos de protección, la identificación de peligros o la participación en ejercicios de seguridad. Estas recompensas pueden incluir puntos, reconocimientos públicos o incentivos tangibles.  Seguimiento de la seguridad en tiempo real: Al gamificar el seguimiento de la seguridad, el personal puede recibir retroalimentación en tiempo real sobre su desempeño en cuanto a la seguridad en el trabajo, lo que les ayuda a corregir comportamientos riesgosos de inmediato.  Competencias y desafíos de seguridad: Las competencias gamificadas entre equipos o departamentos pueden fomentar una cultura de seguridad al motivar al personal a mejorar continuamente sus prácticas de seguridad y a colaborar para superar desafíos comunes.  Tableros de seguridad: Los tableros de seguridad gamificados que muestran las métricas de seguridad de cada departamento o equipo pueden aumentar la transparencia y la responsabilidad, promoviendo un ambiente donde la seguridad es una prioridad compartida.  Aprendizaje personalizado: Al tratarse de un sistema de puntos y niveles, puede darse el caso de que una persona no pueda pasar a la siguiente “fase” (o tema educacional) sin antes haber superado los objetivos del anterior. De esta forma, cada estudiante podrá hacer mayor hincapié en las tareas que le resulten más duras o difíciles, hasta lograr cumplir los objetivos de aprendizaje. Teniendo en cuenta todo esto, se puede llegar a la conclusión de que la gamificación puede utilizarse prácticamente en cualquier ámbito de la PRL, consiguiendo de esta forma un mayor compromiso del personal, fomentando por una competencia sana entre ellos, y motivándolos de esta forma a una mejora continua. Por otro lado, si bien las ventajas que presenta la gamificación son múltiples, ya que puede Resultados 42 4.3.1.6 Software de gestión (AIWM) La gestión de las personas trabajadoras basada en la IA o Artificial Inteligence for Workers Managament (AIWM) se refiere a un sistema que recopila y analiza datos en tiempo real sobre el entorno laboral, el personal, sus tareas y las herramientas digitales que utilizan. Estos datos se procesan mediante algoritmos de inteligencia artificial para tomar decisiones automatizadas o semiautomatizadas, o bien para proporcionar información relevante a las personas gestoras sobre la administración del personal trabajador. Entre los principales motivos de las empresas para implementar sistemas de AIWM se encuentra el incremento de la eficiencia y la productividad, gracias a la reducción de costes en la organización debido a la automatización de las tareas y su administración, la implementación de sistemas más sofisticados de toma de decisiones o de aporte de recomendaciones, y la mejora de la acción preventiva de la empresa, así como la mejora en el bienestar de las personas trabajadoras, ya que se espera que su aplicación traiga consigo un descenso de los daños físicos y psicológicos que puedan conllevar para el personal y, por tanto, desciendan también los índices de siniestralidad de la empresa. Estas plataformas podrían incorporar a su diseño y programación la normativa técnica específica de cada actividad, sirviendo así a la planificación preventiva, tanto en las fases de evaluación e identificación de riesgos como en la planificación y ejecución de las actividades preventivas (Llorens Espadas, 2023). No obstante, los algoritmos no solo pueden hacer más eficiente la gestión de la empresa, sino también la prevención de riesgos laborales, permitiendo mejores evaluaciones, mejores métodos de prevención y mejores fórmulas de evaluación de los riesgos. Es decir, no se está hablando solamente de mejorar la productividad gracias a un algoritmo, sino de utilizar el algoritmo para garantizar la protección de todas las personas trabajadoras. A su vez, los algoritmos también pueden ayudar a la Inspección de trabajo a controlar que se están cumpliendo todos los deberes en materia de prevención de riesgos laborales. En Europa ya se han implementado varios proyectos con resultados positivos en este ámbito. Un ejemplo destacado es el desarrollado por la Autoridad Noruega de la Inspección de Trabajo, que creó una herramienta para ayudar a los inspectores a seleccionar empresas según el riesgo de incumplimiento. Este algoritmo clasificaba a las empresas en cuatro grupos basados en su probabilidad de incumplimiento: bajo, medio, alto y muy alto. Esta información era visible para los inspectores en su interfaz interna, lo que les permitía estar informados sobre la probabilidad de incumplimiento de una empresa específica. El algoritmo se construyó en base a la información existente recopilada por la autoridad de inspección, disponible de inspecciones anteriores. Además, se alimentaba de los datos que los inspectores recogían mientras utilizaban la herramienta, ajustándose automáticamente según el feedback proporcionado por los inspectores sobre la precisión de sus predicciones (Todolí Signes, 2019). Es decir, la principal ventaja que presentan los AIWM es el hecho de hacer de puente entre los datos captados por los equipos inteligentes y la persona, haciendo posible la comunicación de los primeros a los segundos, y viceversa, para prever y anticiparse a los posibles peligros y riesgos para la SST. Además, el big data con el que trabajan estos equipos también facilita el seguimiento del cumplimiento de la normativa y la demostración de pruebas en caso de fallo o accidente. No obstante, un mal uso de esta tecnología puede dar también lugar a nuevos peligros desde la perspectiva de PRL. La EU-OSHA ha alertado de la posibilidad de que un uso incontrolado de estos sistemas acabe generando una intensificación del trabajo, de forma que la búsqueda de una maximización de la productividad y un incremento en la velocidad de trabajo acabe 43 43 I+D+i de las herramientas de Inteligencia Artificial con aplicación en Prevención de Riesgos Laborales minimizando los tiempos de descanso o tiempos de baja productividad y, en consecuencia, la salud de las personas (EU-OSHA, 2020). Igualmente, el continuo control de los de los sistemas de AIWM a los tiempos de trabajo de las personas puede reducir la capacidad de autogestión de estas, pudiendo incluso propiciar la descualificación de sus habilidades (Llorens Espadas, 2023). Esto puede generar grandes niveles de estrés y la consiguiente deshumanización de la persona trabajadora, al verse tratada simplemente como una máquina que debe alcanzar unos objetivos al cabo del día. También esto puede llevar a que las personas trabajadoras, bajo la presión de mantener un determinado nivel de productividad, acaben adoptando de manera inconsciente movimientos repetitivos y posturas poco ergonómicas debido a la prisa. Tal como señala la EU-OSHA, los riesgos psicosociales pueden, eventualmente, derivar en riesgos físicos y ergonómicos. Todos estos conceptos ya mencionados se reúnen en uno nuevo llamado digital whip o látigo digital. Sus principales rasgos asociados son: incremento de la presión laboral, aumento de la carga mental, estrés y ansiedad, erosión de la confianza de las personas trabajadoras hacia la dirección, falta de autonomía y un decremento de la creatividad y motivación (UGT Cataluña, 2024). La prevención de riesgos laborales en los sistemas de Gestión de Personas trabajadoras basados en IA debe centrarse en garantizar la transparencia y la protección de los datos, mediante políticas claras sobre su recopilación, uso y almacenamiento, así como el consentimiento informado y canales de comunicación abiertos para atender cualquier preocupación. Es esencial aplicar estrictos controles de acceso, técnicas de encriptación y anonimización, y medidas de seguridad informática robustas, tanto físicas como digitales, para salvaguardar la privacidad de las personas empleadas. Además, resulta fundamental evaluar y corregir los algoritmos para eliminar sesgos, asegurando decisiones justas y equitativas, y adoptar un enfoque de "prevención a través del diseño" que priorice a las personas, manteniendo su participación activa y su control sobre los procesos. La implantación de estos sistemas debe ser consensuada entre la empresa y los representantes de las personas trabajadoras, con objetivos bien definidos y limitando el uso de los datos a esos fines específicos, evitando así riesgos para la seguridad y salud laboral. Todo ello debe complementarse con la supervisión humana y la definición de objetivos de rendimiento realistas que consideren la variabilidad y circunstancias imprevistas del entorno laboral (ibídem). Resultados 44 Figura 5: Problemas de productividad (EU-OSHA, 2019) En definitiva, los sistemas de gestión avanzada presentan múltiples ventajas si son bien usados, entendiendo el buen uso como el correcto enfoque para mejorar la seguridad y salud de las personas, no primando sobre esta la productividad y máximo rendimiento de la empresa. Tabla 9: Análisis de los AIWM VENTAJAS RETICENCIAS MEDIDAS DE PREVENCIÓN Puente entre los dispositivos físicos que captan los datos y las personas. Látigo digital Transparencia y protección de datos Recopilación de datos en caso de necesidad de pruebas Fatiga física y mental Control humano Riesgos ergonómicos Medidas estrictas de seguridad 4.3.1.7 Wearables y equipos de protección individual inteligentes La tecnología wearable (del inglés, vestible), se refiere a dispositivos electrónicos que pueden ser llevados puestos en el cuerpo, ya sea como accesorios, ropa o implantes. Ejemplos de esta tecnología son los relojes inteligentes, pulseras de actividad o gafas inteligentes, así como tejido y calzado inteligente. Así pues, cuando se habla de un EPI inteligente, se está hablando irremediablemente también de un dispositivo wearable. La adopción de EPI inteligentes en la industria está en expansión, impulsada por la necesidad 45 45 I+D+i de las herramientas de Inteligencia Artificial con aplicación en Prevención de Riesgos Laborales de mejorar la seguridad en entornos laborales peligrosos y de cumplir con normativas cada vez más estrictas. Estos dispositivos permiten a las empresas no solo proteger a su personal empleado, sino también recopilar datos valiosos que pueden utilizarse para prevenir accidentes y mejorar las condiciones de trabajo (Llorens Espadas, 2023). La conexión del EPI puede estar integrada en el diseño del equipo y estar homologada, o puede llevar una etiqueta NFC (pequeñas etiquetas que contienen un chip en su interior, que pueden comunicarse con otras iguales a través de una conexión inalámbrica a corta distancia) (UGT Cataluña, 2024). La Agencia Europea para la SST recoge una clasificación en la que diferencia entre los EPI inteligentes que funcionan con elementos electrónicos y los que no, subdividiendo a su vez los primeros en aquellos que no realizan recogida de datos (por ejemplo, una prenda de visibilidad inteligente que incorpora iluminación o un tejido inteligente y conductor que proporciona un calor con resistencia), aquellos que únicamente recogen datos no personales (datos sobre el estado de los EPI, bien para un posible análisis posterior o datos del entorno de quien los usa) y aquellos que sí recogen datos personales de la persona trabajadora (por ejemplo, datos biométricos, datos sobre localización y datos de detección de movimientos). Por otro lado, en el lado de los EPI inteligentes que no contienen elementos electrónicos, se encuentran los dispositivos con material mejorado que interactúa con el medio ambiente, pero sin recogida de datos (rodilleras con material de absorción de impactos o guantes que incorporan un tejido que cambia de color al entrar en contacto con una sustancia peligrosa) (Llorens Espadas, 2023). Los principales EPI que se usan hoy día en la industria son los siguientes:  Cascos con sensores integrados: Los cascos inteligentes pueden incluir sensores que monitorean la temperatura corporal, la frecuencia cardíaca y la exposición a gases tóxicos o radiaciones. Estos datos se envían en tiempo real a un centro de control, donde se puede supervisar el estado de las personas trabajadoras y tomar medidas preventivas en caso de anomalías.  Ropa inteligente: La ropa de trabajo inteligente puede estar equipada con sensores que detectan la postura, la fatiga muscular y los movimientos bruscos, alertando al personal trabajador y a la persona supervisora sobre posibles riesgos de lesiones, como la sobrecarga física o el agotamiento.  Auriculares y gafas de realidad aumentada: Los auriculares inteligentes permiten una comunicación fluida entre las personas trabajadoras y sus supervisores, incluso en entornos ruidosos. Las gafas de realidad aumentada pueden proyectar información relevante en el campo de visión de la persona usuaria, como instrucciones de seguridad o mapas de evacuación, mejorando la toma de decisiones en situaciones críticas.  Guantes inteligentes: Equipados con sensores de presión y temperatura, los guantes inteligentes pueden proporcionar retroalimentación háptica (es decir, transmitir información a través de sensaciones táctiles) para mejorar la manipulación de herramientas o materiales peligrosos y reducir el riesgo de accidentes.  Botas con sensores de ubicación y caída: Las botas inteligentes pueden incluir GPS y sensores de inclinación que detectan caídas o situaciones peligrosas, enviando alertas inmediatas en caso de que la persona trabajadora sufra un accidente. Además, estas botas pueden rastrear la ubicación del personal en grandes áreas industriales, facilitando las operaciones de rescate en caso de emergencias.  Monitores de gases y partículas en tiempo real: EPI como máscaras o detectores portátiles pueden monitorear la calidad del aire y la presencia de sustancias peligrosas en el entorno, alertando a la persona usuaria si los niveles exceden los límites seguros. Resultados 46  Chalecos con sensores de presencia: Los chalecos inteligentes pueden incluir sensores que registran cuándo y dónde se utilizan, garantizando que las personas trabajadoras llevan el equipo de protección adecuado en todo momento. Esto ayuda a las empresas a cumplir con las normativas de seguridad y a identificar patrones de comportamiento de riesgo.  Seguimiento de exposición a riesgos: Algunos EPI inteligentes están diseñados para rastrear la exposición acumulada de la persona trabajadora a ciertos riesgos, como el ruido o las sustancias químicas, permitiendo una gestión más proactiva de la salud ocupacional. También pueden reconocer la proximidad de una persona a una cierta zona de peligro, tomando las medidas necesarias para evitar el inminente daño, por ejemplo, alertando a la persona para que se aleje del riesgo y, en caso de no ser posible (si, por ejemplo, se encuentra atrapada), parando la máquina causante del potencial daño de forma automática.  Pulseras de medición de constantes vitales: Sirven para controlar los datos biométricos de la persona trabajadora para alertarla de golpes de calor, subidas de tensión o incluso infartos, antes de que se produzcan. Asimismo, los EPI inteligentes aseguran una evaluación continua del riesgo, ya que permiten una evaluación constante del entorno laboral y de las condiciones físicas de la persona trabajadora, facilitando una gestión dinámica del riesgo. Esto es particularmente útil en industrias donde las condiciones pueden cambiar rápidamente, como la minería, la construcción o la industria química. En adición, los datos históricos recopilados por los EPI pueden ser analizados para identificar patrones y predecir posibles incidentes, permitiendo a las empresas adoptar medidas preventivas antes de que ocurran accidentes. Por último, los EPI inteligentes aseguran el cumplimiento normativo mediante la automatización del registro de uso y el monitoreo del cumplimiento de las normativas de seguridad. Estos registros pueden ser utilizados en auditorías y para demostrar que las personas trabajadoras están utilizando el equipo de protección adecuado en todo momento. Además, en caso de un incidente, los EPI inteligentes pueden proporcionar un registro detallado de las condiciones antes, durante y después del evento, lo que facilita la investigación de accidentes y la implementación de mejoras (ibidem). Como apunta la EU-OSHA, “estas nuevas herramientas pueden prolongar el bienestar y la salud de las personas, lo cual podría reducir significativamente los costes de atención sanitaria”. Sin embargo, y principalmente en el caso de los wearables que toman datos biométricos, puede existir el rechazo por parte de las personas trabajadoras a dar sus datos personales. Por tanto, estos dispositivos deberán garantizar siempre el derecho a la intimidad y a la dignidad de la persona, así como al compromiso de mantener la confidencialidad en cuanto a toda la información relacionada con la salud de la persona trabajadora. No obstante, existe siempre el riesgo psicosocial al estrés producido por el continuo monitoreo y control sobre los datos personales de las personas, y una falsa sensación de seguridad, por confiar excesivamente en el buen funcionamiento de los equipos de protección (Llorens Espadas, 2023). La prevención de riesgos laborales asociados a los EPI inteligentes requiere establecer protocolos de comprobación periódica para asegurar el correcto funcionamiento de dispositivos, sensores y sistemas informáticos, junto con el desarrollo de políticas claras y transparentes sobre la recopilación, uso y almacenamiento de datos, explicando su finalidad y beneficios para la seguridad y el bienestar laboral. Además, es imprescindible obtener el consentimiento informado de las personas trabajadoras, garantizar canales de 47 47 I+D+i de las herramientas de Inteligencia Artificial con aplicación en Prevención de Riesgos Laborales comunicación abiertos para atender dudas o preocupaciones, y proteger la privacidad mediante controles de acceso estrictos, técnicas de encriptación y anonimización, y medidas de seguridad informática robustas que aseguren la integridad y protección de la información (UGT Cataluña, 2024). Se presenta en la siguiente tabla un resumen de las principales características observadas de los EPI inteligentes, las cuales son: Tabla 10: Análisis de los EPI inteligentes VENTAJAS RETICENCIAS MEDIDAS DE PREVENCIÓN Detección de peligros externos Tecnoestrés Comprobación periódica Detección temprana de irregularidades en la salud de las personas Exceso de confianza en el buen funcionamiento del EPI Control de datos Reducción de accidentes Continuo monitoreo y control de los datos de las personas Control de acceso estricto Disminución de costes en atención sanitaria Registros detallados en investigación post-accidente 4.3.2 Buenas prácticas en organizaciones A continuación, se observarán una serie de empresas que destacan por sus innovaciones en inteligencia artificial en el ámbito de PRL, las cuales las colocan a la cabeza de la vanguardia en el sector de la seguridad y salud. 4.3.2.1 Arcelor Mittal Distribution Arcelor Mittal es una multinacional dedicada a la fabricación y comercialización de acero industrial. En ella, el principal problema para la SST son todos aquellos riesgos relacionados con el uso de las carretillas elevadoras. Para darle solución, se han desarrollado carretillas automáticas con los siguientes recursos (Díaz, 2023):  Alarmas de cinturón de seguridad: todos los vehículos contarán con una alarma de seguridad que suena cada vez que el vehículo esté en funcionamiento y el cinturón no esté abrochado. También cuenta con un sistema anti-arranque.  Alarmas de freno de estacionamiento: Contarán también con una alarma visual o sonora que funcione cada vez que la persona conductora abandone el vehículo sin haber echado el freno de mano. También cuenta con un freno automático cuando el vehículo esté parado. Resultados 48  Smart Camera: Cámara trasera que permite a la persona conductora ver en todo momento lo que ocurre en los alrededores de la carretilla. El principal objetivo de esta cámara, y por el cual recibe el calificativo de “inteligente”, es porque cuenta con un sistema de detección de obstáculos y peatones, que alerta a la persona conductora mediante una señal sonora y luminosa de que existe un obstáculo en el camino. Además, estas carretillas cuentan con un sistema de deceleración en estos casos, para evitar los riesgos de colisión o atropello.  Puntos azules y líneas laterales rojas: las luces azules corresponden a unos puntos delante y detrás de la carretilla, y las luces rojas pueden ser laterales o circulares alrededor de la carretilla. De todos modos, lo que interesa en este trabajo es la Smart Camera, pues es el único de estos elementos que funciona con inteligencia artificial. Las siguientes imágenes muestran cómo reacciona la cámara cuando localiza un obstáculo en el camino: Figura 6: Smart Camera sin obstáculo (Díaz, 2023) 49 49 I+D+i de las herramientas de Inteligencia Artificial con aplicación en Prevención de Riesgos Laborales Figura 7: Smart Camera con obstáculo por proximidad (ibídem) Figura 8: Smart Camera con detección de peatón (ibídem) Como se puede observar en las figuras anteriores, la cámara tendrá dos modos de funcionamiento: sin obstáculos (funcionamiento normal, luz verde) y con obstáculos, ya sea por proximidad o por detección de un peatón, gracias a la IA (alarma sonora, luz roja). Cabe remarcar que esta IA es capaz de reconocer a los peatones en cualquier posición, ya sea de pie (de frente o de espaldas), sentados, agachados, etc. No obstante, no hay que olvidar que esta tan solo es una herramienta más que debe usarse en favor de la seguridad y salud de las personas trabajadoras. No, por tanto, se debe caer en el error de que la persona conductora de la carretilla deje todo el trabajo a la Smart Camera, sino que esta debe funcionar tan solo como un recurso extra que avise a la persona conductora en caso de que esta no haya detectado el obstáculo. Resultados 50 4.3.2.2 DS Smith DS Smith es una empresa dedicada a la fabricación y reciclaje de cartón. Concretamente, su planta de Lucena está dedicada a la fabricación de distintos tipos de cajas de cartón. En ella, el principal riesgo ocurre en la máquina de triturado, que se encuentra a un nivel inferior al de la persona empleada, quien debe tirar los restos de cartón a ella desde una cierta altura. Por tanto, existe el riesgo de caída a desnivel, ocurriendo que esta persona pierda el equilibrio y caiga, junto con los restos de cartón, a la cinta transportadora que lleva a la trituradora. La solución implantada en la fábrica ha sido la de incorporar unos dispositivos wearables, que deben llevar las personas trabajadoras en todo momento, y que detectan la proximidad entre la persona y la máquina si esta cae en la cinta. De esta forma se pararía, si fuese necesario, el funcionamiento de la cinta, con el fin de evitar el atrapamiento de la persona en la trituradora. Además, este dispositivo wearable es capaz de detectar las constantes vitales de la persona trabajadora, alertando a los sus compañeros de la caída de esta. De esta forma, pueden acudir al lugar del accidente lo antes posible, para a brindarle la ayuda necesaria a la persona accidentada. 4.3.2.3 Sider-Peru La Ergo-IA es una aplicación desarrollada por el IBV (Instituto de Biomecánica de Valencia) capaz de detectar los riesgos ergonómicos a los que está sometida una persona. De esta forma, facilita en gran medida el trabajo del personal ergónomo, ahorrándole hasta un 80% del tiempo destinado al análisis ergonómico (IBV, s.f.). La forma en la que funciona la aplicación es la siguiente: el personal ergónomo o la persona interesada debe subir un vídeo o imagen de la tarea en cuestión a realizar a una plataforma online destinada para ello. En unos minutos, la IA analizará las posturas tomadas por la persona trabajadora, y enviará un informe de resultados con la evaluación ergonómica detallada, reduciendo de esta forma el trabajo más arduo del personal ergónomo, facilitando tareas como la identificación de posturas y el conteo de movimientos. De nuevo, no debe tomarse esta IA como una forma de sustituir el trabajo de las personas trabajadoras ergónomas, sino de acompañarlas y facilitarles la tarea. Un ejemplo del buen funcionamiento de esta aplicación es SiderPeru, una empresa siderúrgica peruana que ha pasado de tener casi 2000 días de absentismo en 2019 (debido a lesiones y trastornos musculoesqueléticos), a lograr una disminución del absentismo del 48% en 2022 gracias al análisis de los riesgos ergonómicos realizados con Ergo-IA. Además, esto les ha permitido también obtener mayores ganancias, pues debían cubrir menos bajas laborales y litigios derivados de demandas por lesiones en la empresa. Por su parte, las personas trabajadoras se demostraban cada vez más cómodas en su puesto de trabajo, encontrándose más seguras en él, y sabiéndose menos proclives a contraer cualquier tipo de lesión. Las siguientes imágenes pueden servir de ejemplo para observar los resultados facilitados por la aplicación: 51 51 I+D+i de las herramientas de Inteligencia Artificial con aplicación en Prevención de Riesgos Laborales Figura 9: Ejemplo de uso Ergo-IA (IBV, s.f.) Figura 10: Ejemplo de uso Ergo IA II (ibídem) 4.3.2.4 Vodafone Vodafone es una empresa líder en telefonía y comunicaciones, que se encuentra presente en gran parte de Europa y parte de África. Concretamente, en España se realizan anualmente más de un millón de actuaciones sobre la red eléctrica, siendo 83.000 de ellas de riesgo alto, lo que hace necesario una actuación enfocada en el control de los trabajos de campo (Fernández, 2023). Esta empresa ha desarrollado un Auditor Virtual, una herramienta que, gracias al machine learning, es capaz de detectar más deficiencias en un mismo puesto de un trabajo que una persona real. Por ejemplo, de cada 1000 deficiencias, un agente de campo era capaz de registrar 36 de ellas (es decir, el 3,6%); sin embargo, este asistente virtual es capaz de reconocer 19 de cada 100 (un 19%) (ibídem). Por tanto, hace mucho más eficiente el trabajo de un auditor de campo, prediciendo mayor número de posibles accidentes. No obstante, y como ya se ha comentado anteriormente, esta herramienta no debe sustituir al Resultados 58 Figura 14: Principales causas de muerte en el trabajo en España (EU-OSHA, 2019) A la luz de los datos expuestos, queda patente que los accidentes laborales y las enfermedades profesionales generan un impacto multidimensional que afecta no solo al trabajador, sino también a la empresa y a la sociedad en su conjunto. Estos impactos no se limitan a los costes directos y cuantificables, sino que incluyen una amplia gama de consecuencias ocultas que deterioran la productividad, la imagen corporativa, la estabilidad financiera y la cohesión social. Aunque legalmente solo asumen una parte del impacto económico, las empresas enfrentan numerosos costes ocultos derivados de la pérdida de productividad, daños materiales, conflictos internos, deterioro de la imagen y sanciones legales. Estos gastos, muchas veces no contabilizados formalmente, pueden poner en riesgo su viabilidad. En este contexto, la inversión en prevención de riesgos laborales se presenta no como un gasto, sino como una decisión estratégica de alto rendimiento. Estudios de organismos internacionales como la EU-OSHA demuestran que cada euro invertido en salud y seguridad laboral puede generar entre 2,5 y 4,8 euros de retorno, lo cual pone de relieve su rentabilidad económica. Además, una gestión preventiva eficaz permite a las empresas evitar sanciones, reducir conflictos laborales, optimizar recursos y fortalecer su compromiso social. Por tanto, apostar por la PRL no solo mejora las condiciones de trabajo y la calidad de vida de las personas trabajadoras, sino que también refuerza la sostenibilidad y competitividad empresarial. En definitiva, la prevención no es solo una obligación legal o ética, sino una inversión inteligente y rentable para cualquier organización comprometida con su futuro. 4.4.1.4 Análisis coste-beneficio de la prevención El análisis coste-beneficio es una herramienta utilizada en múltiples ámbitos de la gestión económica, tanto en el sector empresarial como en organismos públicos y privados. Su objetivo es evaluar la rentabilidad de una inversión, ya sea planificada o realizada, en relación con los indicadores económicos que mejora. Además, facilita la comparación 59 59 I+D+i de las herramientas de Inteligencia Artificial con aplicación en Prevención de Riesgos Laborales entre distintas alternativas de inversión, permitiendo seleccionar la opción más eficiente desde un enfoque puramente económico. No obstante, es necesario remarcar que las inversiones preventivas son obligatorias para las empresas, y no opcionales, con la finalidad de eliminar o mitigar los riesgos a los que se ven sometidas las personas trabajadoras. Aun así, este estudio de coste-beneficio puede servir como herramienta pedagógica preventiva para las empresas. Existen diversos factores que influyen en el beneficio empresarial, algunos relacionados con circunstancias externas y otros vinculados a la calidad y eficiencia interna de la organización. Lo esencial es poder medir, aunque de forma aproximada, cómo una acción preventiva eficaz contribuye a mejorar la calidad general de la empresa y los beneficios obtenidos, sin importar su tipo. En otras palabras, se trata de evaluar el éxito del proyecto empresarial, identificando los posibles factores que puedan interferir con el logro de los objetivos establecidos (INSST, 2024). En la siguiente figura se muestra un esquema del análisis coste-beneficio de la acción preventiva. Figura 15 : Esquema de análisis coste-beneficio del proceso preventivo (EU-OSHA, 2019) Por otro lado, y en un contexto mucho más restrictivamente económico, se pueden observar los beneficios de la acción preventiva en el siguiente gráfico. Resultados 60 Figura 16: Gráfico coste-excelencia (INSST, 2024) Si el eje de coordenadas representa el nivel de excelencia de la prevención, y el de ordenadas los costes que generan los accidentes, se obtienen dos curvas:  La descendente indica que, a mayor sea el nivel de prevención alcanzado, menores serán los costes asociados por los accidentes.  La ascendente indica el que el mayor nivel de prevención alcanzado requiere de una gran inversión económica.  Si se suman ambas curvas, se obtiene la curva de costes totales, en cuyo mínimo se encuentra el punto óptimo. Sin embargo, si la actividad preventiva en la empresa se considera un valor estratégico enfocado en fomentar una cultura de prevención y excelencia, actuando como impulsor del cambio, el punto óptimo no será estático, sino que se desplazará gradualmente hacia la mejora continua. Es decir, se espera que, con el tiempo, se logren niveles más altos de excelencia en prevención a medida que los costes disminuyen. (ibídem) 4.4.2 Inteligencia artificial, automatización y trabajo. El efecto desplazamiento En el debate sobre el impacto de la automatización en el empleo, el efecto desplazamiento juega un papel importante. A medida que las tecnologías avanzan, muchas tareas que antes eran realizadas por personas pasan a ser ejecutadas por máquinas, lo que genera inquietudes sobre la posible reducción de oportunidades laborales. Sin embargo, este fenómeno no ocurre por sí solo, sino que está acompañado de una serie de fuerzas compensatorias que pueden mitigar, o incluso revertir, sus efectos. Entre ellas, destacan el aumento de la productividad, la acumulación de capital y la creación de nuevas tareas. En primer lugar, la sustitución del trabajo humano por máquinas más económicas genera un aumento de la productividad: a medida que el coste de las tareas automatizadas disminuye, la economía crece y se incrementa la demanda de empleo en aquellas tareas que no pueden ser automatizadas. 61 61 I+D+i de las herramientas de Inteligencia Artificial con aplicación en Prevención de Riesgos Laborales En segundo lugar, la acumulación de capital derivada del avance de la automatización (que a su vez incrementa la demanda de capital) también impulsa una mayor demanda de trabajo. En tercer lugar, la automatización no solo actúa en un margen extensivo (reemplazando tareas previamente realizadas por personas), sino también en un margen intensivo, aumentando la productividad de las máquinas ya automatizadas. Este fenómeno, conocido como "profundización en la automatización", genera un incremento en la productividad sin provocar un desplazamiento del trabajo, lo que a su vez favorece la demanda laboral. Si bien estas fuerzas compensatorias desempeñan un papel clave, suelen ser insuficientes para lograr un desarrollo equilibrado. Por ello, existe un mecanismo aún más poderoso que impulsa la demanda de trabajo y su participación en la renta nacional: la creación de nuevas tareas. Este proceso genera un efecto de reincorporación que equilibra directamente el impacto del efecto desplazamiento (Acemoglu y Restrepo, 2018). 4.4.2.1 Profundización en el efecto desplazamiento 1. Efecto de aumento de productividad: La automatización reduce el coste de producción de ciertas tareas, lo que incrementa la demanda de trabajo en aquellas que no pueden ser automatizadas. Además, este aumento de productividad genera mayores ingresos, impulsando la demanda de productos, incluidos aquellos que requieren poca o ninguna automatización. En consecuencia, la creciente demanda de empleo en otros sectores podría compensar el impacto negativo del efecto desplazamiento. Un ejemplo histórico de este fenómeno es la mecanización de la agricultura. Al reducir el precio de los alimentos, las personas consumidoras comenzaron a demandar bienes no agrícolas, lo que generó nuevas oportunidades laborales para muchas de las personas trabajadoras que habían sido reemplazadas por maquinaria en el sector agrario. 2. Acumulación de capital: La automatización incrementa la intensidad del proceso productivo, lo que conlleva una mayor demanda de capital y, a su vez, una mayor acumulación de este. A medida que el capital se acumula, la demanda de mano de obra también tiende a aumentar. 3. Mayor automatización: El efecto desplazamiento se produce cuando la automatización amplía el conjunto de tareas que pueden ser realizadas por el capital, es decir, cuando opera en su margen extensivo. No obstante, ¿qué ocurre si los avances tecnológicos mejoran la eficiencia del capital en tareas que ya han sido automatizadas? En este caso, no se generará un nuevo efecto desplazamiento, ya que la mano de obra había sido sustituida previamente en esas tareas. Según Acemoglu y Restrepo, la creación de nuevas tareas intensivas en mano de obra puede ser la fuerza compensatoria más poderosa frente a la rápida automatización. Sin la demanda de personal para los nuevos empleos en fábricas, ingeniería, supervisión, contabilidad y dirección en la segunda mitad del siglo XIX y gran parte del XX, habría sido imposible absorber a los millones de personas que dejaron el sector agrícola y otros ámbitos de alta intensidad laboral. Por tanto, así como la automatización genera un efecto desplazamiento, la creación de nuevas tareas actúa como un motor de reinserción laboral, contrarrestando los efectos negativos de la automatización en el empleo (ibídem). Resultados 62 4.4.2.2 El papel de la inteligencia artificial en el efecto desplazamiento Sin embargo, la inteligencia artificial plantea incertidumbre sobre si este equilibrio seguirá produciéndose. Parte del alarmismo actual proviene de la idea de que la IA tendrá un impacto en el empleo mucho más drástico que las anteriores revoluciones tecnológicas. No obstante, como señalan Acemoglu y Restrepo, el pasado está lleno de tecnologías de automatización que desplazaron al personal sin provocar necesariamente consecuencias desastrosas para el empleo. Además, no es tecnológicamente factible que la IA sustituya la mano de obra en todas (o casi todas) las tareas en las que actualmente se especializa. En la práctica, el desarrollo de la IA se ha orientado hacia aplicaciones especializadas en tareas bien definidas, como la predicción, la toma de decisiones, la logística y el reconocimiento de patrones. Si bien muchas ocupaciones incluyen estas funciones y podrían verse afectadas por la automatización, aún existen habilidades humanas difíciles de replicar, como el razonamiento complejo, el juicio, el aprendizaje por analogía, la resolución de problemas abstractos y la combinación de actividad física, empatía y comunicación (ibídem). 4.4.2.3 Desafíos y riesgos de la automatización en la economía A pesar de estas fuerzas compensatorias, la adaptación de la economía al rápido avance tecnológico puede ser un proceso lento y costoso. Un desafío significativo radica en los costes asociados a la reubicación del personal en nuevas tareas o sectores. Otro aspecto crítico es el posible desajuste entre la tecnología y las habilidades de las personas trabajadoras, es decir, la brecha entre los requisitos de las nuevas tecnologías y las competencias de la fuerza laboral. Asimismo, cabe considerar el riesgo de una automatización excesiva, que no solo puede generar ineficiencias, sino que también puede frenar el crecimiento de la productividad. Un enfoque exclusivo de la investigación y la comunidad empresarial en la automatización, en detrimento de otras tecnologías, como aquellas destinadas a la creación de nuevas tareas, puede limitar el crecimiento de la productividad al desaprovechar oportunidades valiosas en otros sectores (ibídem). 4.4.3 El beneficio económico de la inteligencia artificial Según un estudio de Harvard, en el que se encuesta a 3000 ejecutivos que trabajan con IA, se ha llegado a la conclusión de que el 30% de las primeras empresas en adoptar la inteligencia artificial (aquellas que la utilizan a gran escala o en áreas clave) afirman haber logrado un aumento en sus ingresos, aprovechando la tecnología para ganar cuota de mercado o expandir su oferta de productos y servicios. Además, estas empresas pioneras de la inteligencia artificial son 3,5 veces más propensas que el resto a afirmar que esperan incrementar sus márgenes de beneficios hasta cinco puntos más que sus competidoras del sector (Bughin et al., 2017). Aunque cabe cuestionar si existe correlación o causalidad, un análisis detallado reveló algunas evidencias de que la IA ya está contribuyendo directamente a la mejora de los beneficios, con un rendimiento de inversión en IA comparable al de otras tecnologías digitales asociadas, como el big data y la analítica avanzada (ibídem). 63 63 I+D+i de las herramientas de Inteligencia Artificial con aplicación en Prevención de Riesgos Laborales 5 DISCUSIÓN A lo largo de este trabajo se ha comprobado el hecho de que diversas personas autoras han reafirmado una misma idea: la introducción de la IA en el entorno laboral puede brindar numerosas oportunidades para mejorar la seguridad y salud de las personas, si bien estas mismas tecnologías pueden conllevar ciertas reticencias que es preciso solventar. En este sentido, a continuación, se presentará un análisis comparativo de distintas afirmaciones formuladas por varias personas autoras, con el objetivo de identificar puntos de convergencia o divergencia en torno a esta temática. En primer lugar, la formación de las personas trabajadoras en materia de prevención es cada vez más frecuentemente impartida de forma remota, al poder conectarse a través de plataformas que facilitan su aprendizaje. Según Marín Malo (2023), las plataformas de RV permiten al alumnado practicar primero de forma telemática, pudiendo exponerse a diversas situaciones de peligro de forma indirecta, posibilitando así adquirir habilidades para después poder enfrentarse a esta situación sin correr riesgos durante la propia formación. Esto concuerda con lo afirmado por UGT Cataluña (2024), al establecer que este tipo de plataformas, además de ayudar a mejorar el proceso de aprendizaje, “permiten hacer un seguimiento y evaluación del progreso del estudiante, sin someterlo a los riesgos directos de la operación y permitiendo identificar las áreas de mejora de manera eficiente.” En cuanto a los exoesqueletos, Araujo Monteiro (2022) afirma que estos facilitan la realización de trabajos físicamente exigentes, reduciendo el riesgo de trastornos musculoesqueléticos. Del mismo modo, según el INSST (2023), los exoesqueletos ayudan al personal a ejercer una fuerza aún mayor sobre el objeto en cuestión, de forma que el esfuerzo neto realizado por el trabajador sea mucho menor, reduciendo de esta forma en gran medida los trastornos musculoesqueléticos derivados del sobreesfuerzo. Con respecto a los robots, UGT Cataluña afirmaba en 2024 que algunas de las desventajas que presentan son el riesgo de atrapamiento, los riesgos ergonómicos a la hora de repararlos y la probabilidad de choque al entrar en su entorno de trabajo. En este sentido, concuerda con Marín Malo (2023), quien concluye que el riesgo no desaparece, pero sí disminuye la probabilidad de este, aunque aumentará en las cercanías del robot. Para apoyar esta idea, afirma que la robotización del entorno laboral ha introducido nuevos riesgos vinculados a la manipulación del propio robot, ya sea por mantenimiento o simplemente por proximidad al mismo. Además, deben tenerse en cuenta los riesgos ergonómicos debidos a las posturas llevadas a cabo para realizar tareas sobre el robot, tales como el mantenimiento o la reparación del mismo. Por último, con respecto a los AIWM, según afirmaba Llorens Espadas en 2023, el continuo control de estos sistemas a los tiempos de trabajo de las personas puede generar grandes niveles de estrés y la consiguiente deshumanización de la persona trabajadora. Del mismo modo, la EU-OSHA (2020) ha alertado de la posibilidad de que un uso incontrolado de estos sistemas acabe generando una intensificación del trabajo, de forma que la búsqueda de una maximización de la productividad y un incremento en la velocidad de trabajo acabe minimizando los tiempos de descanso y, en consecuencia, la salud de las personas. También esto puede llevar a que las personas trabajadoras, bajo la presión de mantener un determinado nivel de productividad, acaben adoptando de manera inconsciente movimientos repetitivos y posturas poco ergonómicas debido a la prisa. Es decir, los riesgos psicosociales pueden, eventualmente, derivar en riesgos físicos y ergonómicos. En definitiva, se ha podido comprobar que, pese a la diversidad de enfoques, existe una notable coincidencia entre distintas personas autoras respecto al impacto de la inteligencia artificial en la prevención de riesgos laborales. Todas coinciden en que su adecuada implantación puede suponer una Discusión 64 mejora significativa en la seguridad y salud de las personas trabajadoras, ya sea a través de herramientas como la formación mediante realidad virtual, el uso de exoesqueletos, los sistemas de gestión de la información, etc. Al mismo tiempo, también hay un consenso general en torno a la necesidad de abordar los posibles efectos negativos, como los nuevos riesgos ergonómicos o psicosociales que pueden derivarse de su uso. Esta confluencia de opiniones refuerza la idea de que el desarrollo tecnológico, si bien prometedor, debe ir acompañado de una reflexión crítica y de una implementación responsable que garantice su carácter verdaderamente preventivo. 65 6 CONCLUSIONES A lo largo de este trabajo se ha llevado a cabo un análisis detallado y exhaustivo del impacto que la inteligencia artificial puede tener en el ámbito de la prevención de riesgos laborales. Partiendo del objetivo inicial de identificar las aplicaciones actuales de la IA en PRL y sus principales consecuencias para la seguridad y salud de las personas trabajadoras, se ha podido constatar que, si bien estas tecnologías representan un gran potencial de avance y modernización, también introducen una serie de desafíos que no deben ser subestimados. En primer lugar, se ha realizado un análisis de la nueva Ley Europea de IA (Reglamento (UE) 2024/1689), para recalcar sus puntos fuertes y débiles, en cuanto a lo que la seguridad del personal se refiere. De ella, cabe destacar los siguientes puntos:  Clasificación de los sistemas en cuatro niveles de riesgo: inaceptable, alto, limitado y mínimo. La principal diferencia entre cada uno de ellos radica en el nivel de medidas predictivas a tomar por las empresas, siento el riesgo inaceptable aquel que no será aceptado en ninguna circunstancia, y el mínimo aquel que no requiere de ninguna medida, pasando por el alto y limitado, que requieren mayores medidas cuanto más riesgo supongan para las personas sometidas a tales sistemas.  También se recoge en esta ley que la mayoría de nuevos riesgos introducidos por estas tecnologías son psicológicos, como el estrés, el aislamiento social, el miedo a perder el puesto de trabajo o a ser recolocados en otro puesto, etc.  La persona empleadora deberá llevar a cabo los requisitos específicos establecidos por la normativa para proteger la seguridad y salud del personal en el caso de los sistemas de riesgo alto y, para todos los tipos de riesgo, deberá evaluar siempre el impacto frente a la protección de datos de las personas sometidas a los sistemas de IA. Por tanto, esto supone un gran avance en cuanto a la protección de las personas trabajadoras, tanto en el ámbito de la seguridad y salud como en su privacidad.  Tanto en el caso de los sistemas de alto riesgo, como en los de riesgo limitado o mínimo, la persona empleadora debe hacer su propia evaluación de riesgos laborales, teniendo en cuenta el entorno y la finalidad específica para la que se va a usar el sistema de IA. Para ayudarla a cumplir con esta tarea, la normativa establece tres puntos clave: identificación de los riesgos asociados a la IA, evaluación de riesgos y establecimiento medidas de gestión de dichos riesgos.  La IA Act establece que las personas proveedoras del sistema de IA de alto riesgo deben facilitar una información “concisa, completa, correcta y clara que sea pertinente, accesible y comprensible por los usuarios”. No obstante, la persona a la que se informa en este caso es a la responsable de la empresa, no a las personas trabajadoras, queienes serían las usuarias finales del sistema. Por tanto, recae en la ética de la persona responsable de la empresa facilitar “Lo que todos nosotros debemos hacer es garantizar que estemos empleando la IA de manera que beneficie a la humanidad, no que la perjudique.” - Tim Cook - Conclusiones 66 a su personal esta información.  De la misma forma, el reglamento tampoco aborda dos mecanismos clave para garantizar los derechos fundamentales de transparencia, los cuales son el derecho a una explicación de las decisiones individuales automatizadas y la posibilidad de impugnar legalmente los resultados.  En cuanto a la imputación y delimitación de responsabilidad en un caso de accidente donde se encuentra involucrado un sistema automatizado, es inevitable que resulte difícil demostrar quién o qué ha tenido la culpa. No obstante, la nueva ley sí que comprende un sistema de delimitación culpabilística en la que, mediante una serie de pruebas, se puede llegar a demostrar que el daño ha sido, efectivamente, causado exclusivamente por el sistema de IA.  Se establece también la creación de un Comité Europeo de Inteligencia Artificial que ayude a coordinar la aplicación de la ley entre los Estados miembros.  Se establecen multas por incumplimiento de hasta el 6% del volumen de negocios anual global de una empresa para las infracciones más graves.  Por último, cabe recordar que los avances científicos caminan siempre mucho más rápido que la justicia, llegando a estar muchos de estos avances ya integrados en las empresas, sin un marco jurídico que respalde la seguridad y los derechos fundamentales de la persona trabajadora. Por tanto, puede comprobarse que la nueva Ley Europea de Inteligencia Artificial, o IA Act, se encarga de proteger a las personas usuarias de los sistemas de IA tanto legalmente como a lo que a protección de datos o seguridad y salud se refiere. No obstante, también se han identificado carencias importantes, como la escasa atención a los riesgos psicosociales emergentes, la insuficiente exigencia de transparencia hacia las personas trabajadoras y el riesgo de que tecnologías potencialmente perjudiciales sean catalogadas como de riesgo bajo, evitando así evaluaciones más estrictas. Cabe destacar que este análisis legislativo ha puesto de manifiesto el hecho de que la rapidez con la que evoluciona la tecnología contrasta con la lentitud de la respuesta normativa. Posteriormente, se han investigado las ventajas y desventajas comunes a las principales tecnologías de IA aplicadas a la PRL, tales como chatbots, drones de inspección, gamificación, realidad virtual y aumentada, robots colaborativos (cobots), software de gestión (AIWM) y dispositivos wearables inteligentes. Además de los pros y contras propios de cada una de ellas, todas estas herramientas tienen en común las siguientes ventajas e inconvenientes principales:  Acceso a zonas de difícil alcance  Formación en PRL  Gestión de la prevención  Mejora de condiciones de SST  Información sesgada  Deshumanización  Carencias de la normativa  Nuevos riesgos  Resistencia al cambio de los empleados Por tanto, este trabajo subraya la necesidad de que la introducción de tecnologías de IA en los entornos laborales no se limite a una simple incorporación de innovaciones, sino que vaya acompañada de un enfoque preventivo integral, que contemple tanto los riesgos tradicionales como los emergentes. Algunas de estas medidas preventivas pueden ser la protección de datos, controles y revisiones 67 67 I+D+i de las herramientas de Inteligencia Artificial con aplicación en Prevención de Riesgos Laborales periódicos, apoyo psicológico, ejercicios oculares, mejora de la ergonomía y una correcta programación y mantenimiento preventivo. En relación con el impacto de la inteligencia artificial y la automatización en el empleo, se ha visto cómo el efecto desplazamiento describe la sustitución de tareas humanas por sistemas automatizados y su repercusión en el mercado laboral. Dentro de este contexto, existen diversas fuerzas compensatorias:  Aumento de productividad: Reduce costes y genera crecimiento económico, lo que puede aumentar la demanda de empleo en tareas no automatizables.  Acumulación de capital: La inversión en nuevas tecnologías impulsa una mayor demanda de trabajo.  Profundización de la automatización: Mejora tareas ya automatizadas sin generar más desplazamiento de empleo. Aunque estas fuerzas compensatorias desempeñan un papel clave, suelen ser insuficientes para lograr un desarrollo equilibrado. Debido a esto, existe un mecanismo que impulsa la demanda de trabajo y su participación en la renta nacional: la creación de nuevas tareas. Este proceso genera un efecto de reincorporación que equilibra directamente el impacto del efecto desplazamiento. Asimismo, se ha llevado a cabo un análisis económico que muestra que la inversión en PRL resulta rentable para las empresas a medio y largo plazo. Esta inversión ayuda a reducir gastos relacionados con accidentes de trabajo, bajas médicas y pérdidas de productividad. Por otro lado, aunque todavía no hay estudios que analicen de forma específica el impacto económico de la IA en PRL, la información disponible indica que las empresas que apuestan por la IA suelen crecer más y logran una ventaja competitiva importante. Por tanto, se puede concluir que la integración de IA en la estrategia de PRL no solo es una cuestión de responsabilidad y cumplimiento de la ley, sino también una decisión inteligente desde el punto de vista económico. Por último, se ha hecho un estudio de viabilidad económica en el que se ha comprobado que, si bien es cierto que existen muchos costes ocultos que dificultan el cálculo real, la inversión en PRL resulta, a largo plazo, en un retorno de inversión para la empresa, desembocando en que cada euro invertido en salud y seguridad laboral puede generar entre 2,5 y 4,8 euros de retorno, de forma que los costes totales que debe soportar esta son menores que los que recaerían sobre ella de no haber realizado esa inversión previa. Esta inversión ayuda a reducir gastos relacionados con accidentes de trabajo, bajas médicas y pérdidas de productividad. Por otro lado, aunque todavía no hay estudios que analicen de forma específica el impacto económico de la IA en PRL, la información disponible indica que las empresas que apuestan por la IA suelen crecer más y logran una ventaja competitiva importante. Por tanto, se puede concluir que la integración de IA en la estrategia de PRL no solo es una cuestión de responsabilidad y cumplimiento de la ley, sino también una decisión inteligente desde el punto de vista económico. No obstante, no se han podido encontrar estudios concretos sobre la ventaja económica que supone el uso de la IA en PRL ya que, al tratarse de un campo tan novedoso, no existen aún estudios suficientes que lo respalden. Sin embargo, sí se ha podido demostrar que resulta conveniente invertir tanto en PRL como en IA por separado, por lo que se puede concluir que, a falta de estudios concretos, debe resultar rentable la inversión en IA para mejorar las condiciones de seguridad y salud en las empresas. Por tanto, se ha cumplido el objetivo principal de este trabajo, el cual es realizar un análisis exhaustivo de las distintas aplicaciones de la IA en PRL, así como sus consecuencias más directas para la seguridad y salud de las personas trabajadoras, gracias a los cuatro objetivos parciales propuestos, cuyos resultados se acaban de detallar. Estos objetivos han servido como guía para estructurar el análisis, facilitando una visión global y coherente sobre el impacto actual y potencial de la IA en la gestión de la PRL, así como sobre los beneficios y retos que plantea su implementación en los distintos