← Volver al archivo
SAFEIA Sentinel Article

IA en investigaciones de incidentes: cómo analizar causas sin perder criterio profesional

Latinoamérica · 2026-08-18

Ilustración editorial de SAFEIA sobre IA en investigaciones de incidentes: cómo analizar causas sin perder criterio profesional, Latinoamérica
Imagen editorial de SAFEIA para explicar IA en investigación de incidentes SST con enfoque de cumplimiento, evidencia e IA.

Artículo práctico para usar IA en la investigación de incidentes SST con criterio profesional, enfoque sistémico, anonimización de datos sensibles y verificación humana, alineado con ISO 45001, ISO 31000 y referencias OIT.

Resumen ejecutivo

La IA ya puede acelerar tareas útiles en una investigación de incidentes SST: ordenar relatos, agrupar hallazgos, detectar patrones repetidos y redactar borradores de conclusiones. Pero no puede sustituir el juicio profesional, porque la investigación sigue exigiendo contexto operativo, verificación de evidencias y decisiones preventivas trazables. Las fuentes revisadas coinciden en que el objetivo no es culpar, sino identificar causas subyacentes y aplicar controles para evitar recurrencias. (osha.gov)

En la práctica, la mejor combinación es simple: usar IA para acelerar el análisis preliminar y reservar al equipo SST la validación de hechos, la interpretación de factores humanos y organizacionales, la priorización de medidas y la revisión de la evaluación de riesgos. Ese enfoque es coherente con ISO 45001, con la lógica de gestión del riesgo de ISO 31000 y con la orientación de la OIT sobre investigación y reporte de incidentes y enfermedades. (iso.org)

Una recomendación útil, derivada de estas fuentes, es tratar la IA como un asistente de documentación y triage analítico, no como autoridad final. Si el caso involucra datos sensibles, fotos identificables, antecedentes médicos o información personal, la práctica correcta es anonimizar o usar herramientas internas aprobadas antes de consultar a un modelo general. Esa cautela es consistente con el enfoque de gobernanza y uso responsable de IA promovido por la OMS. (who.int)

Enlaces relacionados

FAQ

¿La IA puede determinar la causa raíz de un incidente por sí sola?

No. Puede ayudar a ordenar información y sugerir hipótesis, pero la causa raíz debe validarse con evidencia, contexto y criterio profesional. Las guías revisadas insisten en un enfoque sistémico y en ir más allá de la causa inmediata. (osha.gov)

¿Qué tipo de datos sí conviene usar con IA?

Descripciones anonimizadas del evento, secuencias de trabajo, hallazgos de inspección, controles existentes, matrices de riesgo y acciones correctivas no sensibles. Si hay nombres, datos de salud, fotografías identificables o documentos internos confidenciales, deben anonimizarse o procesarse en entornos aprobados. Está es una recomendación práctica derivada de los principios de gobernanza y uso responsable de IA. (who.int)

¿La investigación debe centrarse solo en actos inseguros?

No. Las fuentes consultadas remarcan que culpar a una persona suele ocultar causas del sistema: diseño del trabajo, supervisión, capacitación, mantenimiento, comunicación, carga de trabajo o fallas de barrera. (osha.gov)

¿Qué marcos sirven como referencia?

ISO 45001 para el sistema de gestión SST, ISO 31000 para la lógica de riesgo y mejora, y las guías de la OIT para investigar, reportar y traducir hallazgos en prevención. (iso.org)

¿Qué hace que una investigación sea útil para prevención?

Que termine en acciones verificables, responsables, plazos y revisión posterior de la evaluación de riesgos y controles. Eso aparece de forma recurrente en INSST, OSHA, OIT y Canada.ca. (insst.es)

CTA SAFEIA

Analizar incidentes con IA sin perder control profesional con SAFEIA.

Si tu equipo quiere acelerar el análisis de incidentes, anonimizar evidencia y dejar trazabilidad en las acciones correctivas, SAFEIA puede ayudarte a estructurar el caso, ordenar hallazgos y mantener el criterio técnico donde importa: la decisión final.

Ejercicios prácticos con IA

Ejercicio 1: Resumen inicial de incidente con anonimización

Objetivo: convertir un relato caótico de incidente en un resumen claro, neutral y utilizable para investigación.

Prompt:

> Actúa como analista SST. Resume este incidente en 8-10 líneas, separando hechos observados, hipótesis y datos faltantes. No nombres personas ni incluyas datos médicos. Si detectas información sensible, reemplázala por etiquetas como [Trabajador], [Supervisor], [Turno] y [Área]. Al final, enumera 5 preguntas de investigación.

Datos necesarios: relato del incidente, hora, área, tarea, condición del entorno, equipo involucrado, secuencia básica del evento.

Resultado esperado: un resumen limpio, una lista de vacíos de información y preguntas para entrevistas o revisión documental.

Verificación humana: revisar que la secuencia no invente hechos, que la cronología sea correcta y que no falten barreras críticas.

Riesgo si se usa mal: convertir hipótesis en hechos o exponer datos personales en una herramienta pública.

Ejercicio 2: Árbol de causas preliminar a partir de hallazgos

Objetivo: transformar notas sueltas de investigación en una hipótesis de causas múltiples.

Prompt:

> Con base en estos hallazgos anonimizados, construye un árbol de causas preliminar con causa inmediata, causas básicas y factores organizacionales. No concluyas culpa individual. Indica dónde faltan evidencias y qué confirmarías con entrevista, inspección o registros.

Datos necesarios: hallazgos de inspección, secuencia del evento, fotos descritas en texto, procedimiento aplicable, registros de capacitación, mantenimiento o permisos de trabajo.

Resultado esperado: mapa de causas probable, con puntos de validación y controles potenciales.

Verificación humana: contrastar cada relación causal con evidencia real y descartar saltos lógicos.

Riesgo si se usa mal: sobreatribuir la causa a una sola acción humana y omitir fallas del sistema.

Ejercicio 3: Priorización de acciones correctivas

Objetivo: ordenar acciones por impacto preventivo, esfuerzo y trazabilidad.

Prompt:

> Toma esta lista de acciones correctivas y clasifícala en: contención inmediata, corrección de causa básica, control de ingeniería, control administrativo y verificación de eficacia. Señala cuáles dependen de aprobación interna y cuáles pueden implementarse de inmediato. No uses nombres ni datos sensibles.

Datos necesarios: lista de acciones propuestas, matriz de riesgo, recursos disponibles, responsables funcionales, fechas objetivo.

Resultado esperado: tabla priorizada con acciones de corto, medio y largo plazo.

Verificación humana: validar factibilidad, jerarquía de controles y compatibilidad con el sistema SST.

Riesgo si se usa mal: priorizar acciones cosméticas y dejar sin resolver la causa estructural.

Fuentes oficiales y regionales consultadas