Seguridad laboral con visión IA — anticipar el casi-accidente antes de que sea accidente.
La planta tiene zonas restringidas, cruces compartidos y máquinas con perímetro de riesgo. El sistema clásico lo gestiona con cartel, formación y memoria — y eso falla justo cuando importa. iLEAN Edge ve los casi-accidentes en tiempo real y avisa en el segundo cero. Los datos se agregan por zona, no por persona. La persona firma; el sistema anticipa.
El accidente que se ve venir — y nadie tenía cómo registrarlo.
Toda planta industrial tiene zonas de riesgo conocidas — el cruce de pasillos compartido peatón-carretilla, el perímetro de la prensa, la jaula del robot, la zona de carga. El sistema clásico de prevención hace lo que puede:
- Cartel y formación — eficaces cuando la atención no se relaja, frágiles cuando el día está cargado.
- Mando intermedio que recuerda — el jefe de turno que avisa por enésima vez en la jornada, hasta que se cansa.
- Investigación tras el accidente — informe meticuloso de lo que pasó, cuando ya pasó.
- Casi-accidentes sin registrar — todos los días hay coincidencias que «no fueron por poco», pero como no llegaron a accidente, no se documentan. Y son justo la señal que avisa del accidente que sí va a ocurrir el mes que viene.
La prevención moderna sabe desde hace décadas que los casi-accidentes son la mina de oro de la mejora continua. Pero capturarlos sistemáticamente, sin depender de que el operario los apunte después de un susto, era hasta hace nada imposible. La cosa acaba de cambiar.
iLEAN no añade un nuevo CCTV — añade un par de ojos que entienden lo que ven y avisan a tiempo.
El problema de la seguridad no es falta de cámaras: la mayoría de plantas tiene CCTV. El problema es que las cámaras graban, no entienden — y se ven después, si se ven. iLEAN actúa como la masilla entre el ojo que mira y el aviso que llega al operario. Ver la arquitectura IRIS completa →.
Edge mira el cruce y entiende lo que ve. Si la trayectoria de la carretilla y la del peatón van a coincidir, el semáforo se pone ámbar — antes del incidente.
Las piezas iLEAN aplicadas a la seguridad laboral:
- Edge con CNN en zonas críticas — perímetros de máquina, cruces, accesos a área restringida, zonas de carga. Inferencia en milisegundos. Reconoce personas, vehículos, posturas, trayectorias y proximidades de riesgo.
- Aviso local en el segundo cero — luz ámbar, semáforo en el cruce, voz suave por pinganillo al operario afectado. El aviso es a tiempo de evitar — no después de la foto del informe.
- Agente de prevención agregada — los casi-accidentes se agregan por zona, momento del día y patrón, no por persona. El responsable de prevención ve dónde está el riesgo estructural (un cruce con visibilidad mala, una hora del día con más cansancio) y actúa sobre el sitio. El operario nunca aparece nominalmente en informes de seguridad — esa es la línea roja.
- Evidencia ISO 45001 — registro objetivo y continuo de casi-accidentes que el SST clásico depende de que alguien apunte. El auditor lo valora — porque demuestra que la planta no espera al accidente para actuar.
- Funciona sin red — si cae la conectividad, Edge sigue mirando y avisando. Lo crítico no depende del WiFi.
Ver gestión de EPI con visión → Ver cross-training polivalencia →
Cartel + CCTV grabador vs. seguridad con visión IA iLEAN
| Aspecto | Cartel + CCTV + investigación posterior | Con iLEAN Edge en zona crítica |
|---|---|---|
| Tipo de respuesta | Reactiva, tras el incidente | Anticipada, en el segundo cero |
| Captura de casi-accidentes | Solo los que alguien apunta | Todos, agregados por zona |
| Tratamiento de los datos | Vídeo nominativo | Patrones por zona, no por persona |
| Soporte a ISO 45001 | Memoria selectiva | Evidencia continua y objetiva |
| Tiempo de respuesta del sistema | Días (revisión de grabación) | Milisegundos |
| Resiliencia ante caída de red | Depende del NVR central | Edge sigue operando local |
Estimación de impacto para tu planta — a validar con tus números.
Bloque marcado como estimación a validar. Lo planteamos para que el comité tenga un orden de magnitud; lo refinamos en el diagnóstico.
- Planta con 2-6 zonas críticas (cruces, perímetros, área restringida), 60-200 operarios, al menos un casi-accidente apuntado al mes. Primer valor (primera zona con Edge activo y casi-accidentes agregados) en pocas semanas.
- Payback orientativo entre 4 y 9 meses. La palanca dura es brutal: un accidente grave evitado vale mucho más que el sistema completo de la planta. Pero el ROI estructural está en la mejora continua del SST con datos reales, no en memoria selectiva.
- Reducción esperada de incidentes y casi-accidentes en zonas instrumentadas ≥ 30% respecto a la línea base — siempre conservador.
- Evidencia continua para ISO 45001, sin esfuerzo manual del responsable de prevención.
El dato de fondo y la duda razonable
«¿Y si el sistema se equivoca y avisa cuando no hay riesgo?» — la fiabilidad de la IA en tareas ancladas (reconocer una trayectoria definida, una postura definida, una proximidad definida) es muy distinta de la fiabilidad en generación libre. En tareas ancladas a la fuente, los mejores modelos bajaron el error por debajo del 1,5% [1]. Una alerta falsa es mucho menos problemática que la alerta que no llegó — y la persona sigue al mando: el agente avisa, el supervisor de prevención decide cambios estructurales, el operario corrige la trayectoria.
[1] Paper OpenAI «Why Language Models Hallucinate», 2025 — sobre fiabilidad de la IA en tareas ancladas.
Lo que se pregunta sobre seguridad laboral con visión IA
¿Qué cubre exactamente «seguridad laboral con visión IA»?
Tres escenarios principales: (1) invasión de área restringida — un operario o un vehículo entra a una zona delimitada (perímetro de una prensa, jaula de robot, zona de carga) cuando no debe; (2) casi-accidentes (near miss) — gestos, trayectorias o coincidencias que no acabaron en accidente esta vez, pero que están a un segundo de hacerlo (peatón cerca de carretilla en marcha, mano cerca de zona móvil de máquina); (3) contacto vehículo-peatón en pasillos compartidos. iLEAN Edge ve esos patrones en tiempo real y dispara aviso local — luz, voz, semáforo — antes de que la cosa pase.
¿En qué se diferencia esto de las cámaras de seguridad que ya tenemos?
Las cámaras tradicionales graban — alguien las verá después, si alguien las mira. Edge infiere en tiempo real con redes neuronales convolucionales (CNN) entrenadas para reconocer trayectorias, posturas y proximidades de riesgo. La respuesta es local y en milisegundos: el aviso llega al operario en el momento, no a un disco duro para el día que haya un incidente. Y no hay nadie mirando un monitor: el Edge mira y avisa; el responsable de prevención recibe luego patrones agregados, no vídeo de cada persona.
¿Los casi-accidentes detectados se usan para sancionar a operarios?
No. Esa es la línea roja del modelo IRIS: el sistema está diseñado para potenciar a las personas, no para fiscalizarlas. Los casi-accidentes se agregan por zona, momento del día y patrón — no por persona. El responsable de prevención ve dónde está el riesgo (un cruce mal diseñado, una visibilidad limitada por una columna, una hora del día con más cansancio) y actúa sobre el sitio, no sobre el individuo. La capacidad de detectar casi-accidentes es uno de los hallazgos más valiosos de la prevención moderna — y por primera vez es asequible capturarlos todos, no solo los que alguien recuerda apuntar.
¿Cómo se relaciona con ISO 45001 y con la responsabilidad del empleador?
ISO 45001 exige procesos sistemáticos de identificación de peligros, evaluación de riesgos y mejora continua. Una de las palancas más difíciles del estándar es documentar los casi-accidentes, porque los humanos los olvidan o los normalizan. Edge proporciona registro objetivo y agregado, que alimenta los procesos del SST con evidencia continua en lugar de con memoria selectiva. Es el tipo de capacidad que el auditor valora — porque demuestra que la planta no espera al accidente para actuar.
¿Funciona si la planta es vieja y los pasillos no están bien señalizados?
Sí. De hecho es donde más se nota. Edge no necesita una planta nueva ni un layout perfecto: necesita ver. El modelo se entrena con las zonas reales (su iluminación, sus ángulos, sus marcas en el suelo si las hay) y aprende a reconocer los patrones de riesgo de esa planta concreta. En plantas viejas con pasillos compartidos y zonas mal delimitadas, el sistema de visión IA suele ser la forma más realista de cerrar el gap de seguridad sin obras pesadas — porque la obra real (rediseñar el cruce, colocar barreras) viene después de saber dónde están los casi-accidentes.
Cuéntanos tu caso y te pasamos en 48h el ROI estimado de tu seguridad laboral con visión IA.
Trabajamos sobre las zonas críticas reales de tu planta y tu accidentalidad documentada. Diagnóstico sin compromiso.
Pedir ROI estimado en 48h Ver lean manufacturing