IA en PRL 2026: la revolución predictiva que transforma la prevención de riesgos laborales
IA en PRL 2026: la revolución predictiva que transforma la prevención de riesgos laborales
Cómo la inteligencia artificial se convierte en la aliada más poderosa del técnico preventivo, con datos verificados, marco normativo completo y perspectiva de género.
En el Día Mundial de la Seguridad y Salud en el Trabajo, la inteligencia artificial se consolida como la herramienta más transformadora del ámbito preventivo. No viene a reemplazar al técnico de PRL, sino a potenciar su capacidad de análisis, anticipación e intervención. Este artículo ofrece una visión técnica, normativa y con perspectiva de género de cómo la IA está redefiniendo la prevención en España y Europa.
El contexto: por qué la IA llega al corazón de la PRL
Según la Encuesta Nacional de Condiciones de Trabajo (ENCT) y los datos del Observatorio de las Condiciones de Trabajo del INSST, España registra anualmente miles de accidentes laborales con baja, muchos de ellos evitables mediante una identificación temprana de patrones de riesgo. La prevención reactiva tiene un límite estructural: actúa después del daño.
La EU-OSHA (Agencia Europea para la Seguridad y la Salud en el Trabajo) lleva años señalando en sus informes prospectivos que la digitalización y la IA representan tanto una oportunidad como un reto para la PRL: oportunidad de anticiparse a los riesgos con datos cuantificables; reto en cuanto a gobernanza, ética y protección de los trabajadores.
¿Qué está cambiando en la PRL gracias a la IA?
Las aplicaciones reales ya desplegadas en entornos industriales, logísticos y sanitarios pueden agruparse en cinco grandes ámbitos:
| Aplicación | Cómo funciona | Impacto |
|---|---|---|
| Análisis predictivo | Algoritmos que procesan datos históricos de accidentes, turnos, temperatura y condiciones ambientales para identificar patrones de riesgo antes de que se materialicen | Reducción siniestralidad 30–45% |
| Computer Vision | Visión artificial que detecta en tiempo real el uso incorrecto de EPIs, intrusiones en zonas peligrosas o posturas inadecuadas. Requiere EIPD y base jurídica explícita | Alertas inmediatas preventivas |
| Monitorización ambiental IoT + IA | Sensores inteligentes controlan calidad del aire, ruido, temperatura y exposición química en obra, minería o industria química | Detección anticipada de desviaciones |
| Evaluación ergonómica automatizada | Análisis de posturas forzadas y movimientos repetitivos para prevenir trastornos musculoesqueléticos (TME), diferenciados de los riesgos psicosociales | Reduce TME y absentismo |
| Formación adaptativa con IA | Planes formativos personalizados según perfil del trabajador, puesto e incidentes previos. Integra también riesgos psicosociales: estrés, burnout y acoso laboral | Mayor impacto formativo real |
Precisión terminológica importante
Los trastornos musculoesqueléticos (TME) son de naturaleza ergonómica y se abordan con análisis postural, carga física y diseño del puesto. Los riesgos psicosociales (estrés laboral, burnout, violencia, acoso) responden a factores organizativos y relacionales. Son categorías distintas en la metodología técnica PRL y deben tratarse con herramientas específicas diferentes.
Beneficios cuantificables: los datos con rigor
Antes de citar cifras, es necesario contextualizarlas. Muchos datos sobre IA en PRL proceden actualmente de proveedores tecnológicos con interés comercial. Como técnicos, debemos contrastar con fuentes institucionales:
La IA como aliada del técnico de PRL, no como sustituta
"Lejos de sustituir a los técnicos de PRL, la IA está llamada a ser su mejor aliada: les libera de tareas repetitivas, les ofrece datos más fiables para la toma de decisiones, y les permite centrar sus esfuerzos donde realmente se necesita la intervención humana."
En la práctica, las capacidades que la IA añade al trabajo del preventivo son:
Marco normativo: el Reglamento Europeo de IA y sus obligaciones concretas
El Reglamento (UE) 2024/1689 — AI Act entró en vigor el 2 de agosto de 2024 y establece un sistema de clasificación por riesgo con importantes implicaciones para la PRL. Su aplicación es escalonada, con plena efectividad para sistemas de alto riesgo a partir de agosto de 2026.
Sistemas de IA de alto riesgo en el ámbito laboral (Anexo III, punto 4)
El AI Act clasifica como alto riesgo los sistemas de IA utilizados en gestión y control de trabajadores, evaluación de desempeño, asignación de tareas y monitorización del comportamiento. Esto incluye los sistemas de Computer Vision para vigilancia de EPIs y muchas soluciones de análisis predictivo de accidentalidad con perfilado de trabajadores.
Las obligaciones específicas para sistemas de alto riesgo incluyen:
Protección de datos: el marco jurídico completo
Este es uno de los aspectos más críticos y más frecuentemente tratados de forma superficial. Los sistemas de IA en PRL generan y procesan datos especialmente sensibles. El marco jurídico aplicable es múltiple y exige rigor técnico-legal en su implementación.
1. Base jurídica para el tratamiento de datos de los trabajadores
El Art. 6 RGPD exige una base jurídica válida. En el contexto PRL, la más adecuada es generalmente el cumplimiento de una obligación legal (Art. 14 LPRL sobre vigilancia de las condiciones de trabajo), no el consentimiento del trabajador, cuya validez es cuestionable dado el desequilibrio de poder en la relación laboral. El interés legítimo puede complementar, pero requiere un test de ponderación documentado.
2. Datos biométricos y categorías especiales
Art. 9 RGPD — Categorías especiales de datos
El reconocimiento facial, el análisis de movimiento corporal y cualquier dato que permita identificar a una persona a partir de características físicas o fisiológicas constituyen datos biométricos, categorizados como especiales en el Art. 9 RGPD. Su tratamiento requiere, además de una base del Art. 6, una excepción explícita del Art. 9.2, siendo la más aplicable al entorno laboral el apartado (b): necesidad para cumplir obligaciones en materia de Derecho laboral y seguridad social, siempre que esté previsto en el Derecho nacional (en España, la LPRL y el ET).
Art. 9 RGPD — Categorías especiales de datos
El reconocimiento facial, el análisis de movimiento corporal y cualquier dato que permita identificar a una persona a partir de características físicas o fisiológicas constituyen datos biométricos, categorizados como especiales en el Art. 9 RGPD. Su tratamiento requiere, además de una base del Art. 6, una excepción explícita del Art. 9.2, siendo la más aplicable al entorno laboral el apartado (b): necesidad para cumplir obligaciones en materia de Derecho laboral y seguridad social, siempre que esté previsto en el Derecho nacional (en España, la LPRL y el ET).
3. Evaluación de Impacto en Protección de Datos (EIPD)
No solo los sistemas con reconocimiento facial requieren EIPD. El Art. 35 RGPD la exige cuando el tratamiento implica vigilancia sistemática, datos de categorías especiales o decisiones automatizadas a gran escala. En PRL, esto afecta a:
4. Derecho a no ser objeto de decisiones automatizadas
Art. 22 RGPD — Decisiones individuales automatizadas
Los trabajadores tienen derecho a no ser objeto de decisiones que produzcan efectos jurídicos o les afecten significativamente, basadas únicamente en tratamiento automatizado. En PRL, esto implica que un sistema de IA no puede, por sí solo, determinar sanciones, restricciones de acceso o medidas disciplinarias sin intervención humana cualificada. La supervisión del técnico preventivo no es opcional: es un imperativo legal.
Art. 22 RGPD — Decisiones individuales automatizadas
Los trabajadores tienen derecho a no ser objeto de decisiones que produzcan efectos jurídicos o les afecten significativamente, basadas únicamente en tratamiento automatizado. En PRL, esto implica que un sistema de IA no puede, por sí solo, determinar sanciones, restricciones de acceso o medidas disciplinarias sin intervención humana cualificada. La supervisión del técnico preventivo no es opcional: es un imperativo legal.
5. Obligación de consulta a la representación de los trabajadores
Antes de implantar cualquier sistema de IA de monitorización o vigilancia en el entorno laboral, la empresa tiene la obligación de consultar al comité de empresa o delegados de prevención, conforme a los Arts. 33 y 64 del Estatuto de los Trabajadores y el Art. 18 LPRL. Esta consulta no es meramente informativa: debe ser previa, con tiempo suficiente para que los representantes emitan opinión, y documentarse adecuadamente.
6. Referencia de autoridad: la AEPD
Guía AEPD sobre adecuación al RGPD de los sistemas de IA
La Agencia Española de Protección de Datos (AEPD) ha publicado guías específicas sobre el cumplimiento del RGPD en sistemas de IA, incluyendo consideraciones sobre transparencia algorítmica, minimización de datos y evaluaciones de impacto. Estas guías deben ser referencia obligada para cualquier DPO o responsable de tratamiento que implemente IA en PRL. Disponibles en aepd.es.
Guía AEPD sobre adecuación al RGPD de los sistemas de IA
La Agencia Española de Protección de Datos (AEPD) ha publicado guías específicas sobre el cumplimiento del RGPD en sistemas de IA, incluyendo consideraciones sobre transparencia algorítmica, minimización de datos y evaluaciones de impacto. Estas guías deben ser referencia obligada para cualquier DPO o responsable de tratamiento que implemente IA en PRL. Disponibles en aepd.es.
7. Sobre las sanciones: contexto necesario
Se cita frecuentemente la cifra de 819.780€ en referencia al RDL 5/2000 (LISOS). Es importante precisar que se trata de la sanción máxima en su grado máximo para infracciones muy graves en materia de PRL (Art. 40.2 LISOS). Las sanciones se gradúan en función de la culpabilidad, el daño producido, el número de trabajadores afectados y la reincidencia. La documentación automatizada y auditada que permite la IA contribuye precisamente a acreditar la diligencia debida y reduce significativamente el riesgo sancionador.
Perspectiva de género: los sesgos algorítmicos que nadie nombra
Este es un punto crítico que la mayoría de artículos sobre IA y PRL ignoran completamente. Los sistemas de inteligencia artificial no son neutrales: reflejan los datos con los que han sido entrenados. Y en el mundo laboral, esos datos están históricamente sesgados por razones de género.
Sesgo algorítmico de género en PRL: ejemplos documentados
1. EPIs y Computer Vision: Los equipos de protección individual han sido históricamente diseñados con medidas corporales masculinas como referencia. Los sistemas de visión artificial entrenados para detectar el uso correcto de EPIs pueden infradetectar su uso inadecuado en trabajadoras, al no haber sido entrenados con suficiente variabilidad de morfología femenina. El riesgo persiste, pero el sistema no lo registra.
2. Evaluación ergonómica: Los modelos de análisis postural suelen estar entrenados con datasets con predominancia masculina. En puestos feminizados (limpieza, cuidados, servicios, sector textil), los riesgos ergonómicos pueden infravalorarse porque los movimientos y cargas típicos de esos entornos tienen menor representación en los datos de entrenamiento.
3. Riesgos específicos invisibilizados: Los algoritmos predictivos de accidentalidad raramente incorporan variables vinculadas a embarazo, lactancia, ciclo menstrual o menopausia, factores con incidencia documentada en la exposición a determinados riesgos laborales (ergonómicos, químicos, psicosociales). El Art. 26 LPRL obliga a la evaluación de riesgos específica para trabajadoras embarazadas o en período de lactancia. Un sistema de IA que no incorpora estas variables incumple el espíritu de la norma.
Como expertos en PRL e igualdad, tenemos la responsabilidad de exigir a los proveedores tecnológicos que acrediten la composición de los datasets de entrenamiento, los resultados desagregados por sexo en las validaciones y la incorporación de las especificidades de género en los modelos. La perspectiva de género en la IA no es un añadido ideológico: es un requisito técnico para que el sistema funcione correctamente para toda la plantilla.
Marco normativo de referencia
Art. 26 LPRL · Ley Orgánica 3/2007 de Igualdad Efectiva · Plan de Igualdad de la empresa como instrumento para integrar la perspectiva de género en la evaluación de riesgos · Criterio Técnico ITSS sobre riesgos psicosociales con perspectiva de género
Conclusión: la PRL del futuro es predictiva, ética y con perspectiva de género
La inteligencia artificial transforma la prevención de riesgos laborales de forma estructural, no cosmética. Pero su implementación responsable exige un triple compromiso: técnico, para validar que los sistemas funcionan en condiciones reales; jurídico, para garantizar el cumplimiento del RGPD, el AI Act y la LPRL; y ético, para asegurar que la tecnología no reproduce ni amplifica desigualdades de género preexistentes.
El técnico de PRL del siglo XXI no es simplemente un experto en riesgos físicos: es también un profesional capacitado para evaluar la calidad y la equidad de los datos, la transparencia de los algoritmos y los derechos de los trabajadores en la era digital. Ese perfil integrador es hoy más necesario que nunca.
Comentarios
Publicar un comentario