Lo que aprendimos de la "Construcción de una América lista para la IA: lugares de trabajo más seguros a través de tecnología más inteligente” Audiencia del Congreso

El 11 de febrero de 2026, el Subcomité de la Cámara sobre Protección de la Fuerza Laboral celebró una audiencia sobre “Construcción de una América lista para la IA: lugares de trabajo más seguros a través de tecnología más inteligente.” El mensaje fue consistente en la declaración inicial, el testimonio de los testigos y el comunicado de prensa del comité: la IA está pasando de ser un concepto interesante a un conjunto práctico de herramientas que pueden prevenir lesiones, no solo documentarlas después de que ocurran.

Pero la audiencia también dejó en claro otra cosa. La parte más difícil no es “obtener IA.” La parte difícil es hacer que la IA sea confiable dentro de los flujos de trabajo de seguridad reales: validar la efectividad, mantener a los humanos responsables, proteger la privacidad y usar datos para educar y prevenir, no para castigar.

Los testigos de la audiencia incluyeron líderes de MCAA, NAW y Samsara.

A continuación se presentan los aprendizajes más claros para los profesionales de EHS y seguridad.

Aprendizaje 1: La IA está trasladando la seguridad de informes reactivos a controles preventivos

El Subcomité enmarcó las herramientas de seguridad impulsadas por IA como un cambio de la gestión de seguridad basada en incidentes a un modelo preventivo y basado en datos, con ejemplos como dispositivos portátiles para el estrés por calor y análisis predictivos que identifican riesgos antes de que ocurra un accidente.

El testimonio de los testigos reforzó que esto ya está ocurriendo en el campo en diversas industrias. 

Lo que esto significa para los líderes de EHS: si su programa de seguridad aún se basa principalmente en indicadores rezagados, la adopción de IA no será una “actualización de herramientas.” Es un rediseño del flujo de trabajo. Su trabajo es transformar la detección en prevención, lo que significa definir qué sucede después de una alerta o incidente, quién lo revisa y cómo se convierte en un cambio en los controles. En Haven, nos referimos a esto como un cambio de "cerrar" incidentes a "entenderlos".

Aprendizaje 2: La IA de seguridad más efectiva es específica por tarea y por dominio, no genérica

Uno de los patrones más fuertes en los testimonios fue que el valor de seguridad proviene de casos de uso específicos y operativos:

• MCAA enfatizó que sus herramientas de IA estaban diseñadas específicamente para flujos de trabajo y estándares de mampostería, construidas sobre décadas de conocimiento de la industria, y diseñadas para funcionar en dispositivos utilizados en el campo.

• NAW enfatizó que los distribuidores mayoristas son usualmente implementadores, no desarrolladores, y describió categorías prácticas de uso: visión por computadora (IA desincorporada), gemelos digitales para mantenimiento predictivo (IA predictiva), dispositivos portátiles para orientación (IA centrada en el humano) y sistemas asistidos por automatización que reducen caminar, levantar y movimientos repetitivos.

• Samsara enfatizó la IA “basada en tareas, situacional, preventiva” en operaciones físicas, no herramientas de productividad generativa amplias.

Esto está en línea con cómo pensamos sobre la IA en flujos de trabajo de seguridad de alto riesgo en Haven: el objetivo no es la generación de texto genérico. El objetivo es la confianza operativa, la defensa y la ejecución en bucle cerrado dentro del sistema de seguridad. 

Lo que esto significa para los líderes de EHS: obtendrá más valor eligiendo uno o dos flujos de trabajo de alta consecuencia e implementando IA de manera integral dentro de ellos, en lugar de comprar una característica de IA general y esperar que “mejore la seguridad” en general.

Aprendizaje 3: La supervisión humana no es opcional y la IA no puede heredar la responsabilidad

La declaración inicial planteó la pregunta correcta: estas herramientas pueden ser invaluables, pero los empleadores deben mantener espacio para la supervisión humana y tener cuidado al delegar la responsabilidad última de la seguridad de los trabajadores a la IA. Sin embargo, si no está fundamentada en principios de seguridad y un marco ético, puede introducir riesgos físicos y psicológicos significativos en el lugar de trabajo.

En Haven, a menudo describimos la IA en seguridad como una palanca, no un reemplazo. Esa formulación es práctica: su equipo aún toma decisiones, pero la IA puede aumentar la velocidad, calidad y consistencia en los sitios.

Lo que esto significa para los líderes de EHS: trate la IA como una capa de soporte de decisiones. Mantenga a los humanos “en el circuito” con derechos de decisión explícitos, puertas de revisión y responsabilidad, especialmente cuando las acciones correctivas tengan compromisos operativos.

Aprendizaje 4: La confianza determina la adopción, y la confianza se construye a través de transparencia y salvaguardias de privacidad

La declaración inicial mencionó explícitamente la privacidad de los trabajadores y la comprensión de los interesados como centrales para la adopción y el éxito a largo plazo. La recolección de datos de seguridad puede fallar si los trabajadores temen represalias o disciplinarias por errores honestos o por alzar la voz. Los principios éticos de las organizaciones de seguridad se centraron en la confianza, la transparencia, la equidad y la privacidad.

Lo que esto significa para los líderes de EHS: si parece vigilancia, perderá la fuerza laboral. Si lo despliega de una manera que claramente se centra en la prevención, la orientación y las mejoras de ingeniería, la adopción se vuelve más fácil y los resultados mejoran.

Aprendizaje 5: La validación, la auditoría y el control de desviaciones son el trabajo real

El Subcomité preguntó directamente: ¿cómo se puede validar la efectividad de estas herramientas?

Los testigos señalaron estrategias prácticas que incluyen hacer que la IA sea comprensible para los usuarios, evaluaciones de sistemas colaborativos, transparencia que permita la auditoría, conceptos de certificación y construcción de una base de evidencia para implicaciones de seguridad.

Esto refleja una realidad que vemos en diversas organizaciones: construir pilotos de IA es fácil, la producción es difícil. La confianza requiere evaluación, auditorías y monitoreo continuo, no solo una demostración que se vea bien. (Consulte nuestro blog sobre Construcción vs. Compra de Herramientas de IA)

Lo que esto significa para los líderes de EHS: necesita criterios de aceptación, auditabilidad y propiedad de ciclo de vida desde el primer día, incluyendo cómo medirá los falsos positivos, detecciones perdidas y cambios en el rendimiento a lo largo del tiempo.

En conclusión

La enseñanza más importante de la audiencia no es que la IA está por venir. Es que la IA ya está aquí en formas prácticas y desplegables, y los líderes de EHS ahora tienen una ventana para dar forma a cómo se utilizará.

Si lidera el despliegue con prevención, transparencia y gobernanza, la IA puede ayudarlo a cerrar el circuito más rápido: detectar riesgos, corregirlos y verificar que el control funcione. Si lo despliega como vigilancia o como un atajo alrededor de la jerarquía de controles, erosionará la confianza y creará nuevos peligros.