El Estado de la IA en la Industria de EHS - Q4 2025

La IA en el Entorno, la Salud y la Seguridad (EHS) ha superado la fase de “teatro de innovación”. En 2025, se convirtió en un producto, se integró y es cada vez más medible. El cambio más importante no es que la IA exista en el software de EHS, sino dónde aparece en los flujos de trabajo del día a día: entrada de incidentes, auditorías, acciones correctivas, formación, revisiones de riesgos y observaciones en primera línea.

Investigamos la industria en profundidad y desarrollamos el mapa de la industria del Q4 2025 que rastrea 20 plataformas de EHS establecidas además de 9 proveedores de IA especializados. Nuestro análisis muestra un patrón claro: las plataformas convencionales están compitiendo por integrar la IA en flujos de trabajo centrales,

mientras que los especialistas empujan los límites en inteligencia visual, análisis de movimiento y riesgo predictivo. La base de clientes de las principales plataformas en este momento se inclina primero hacia América del Norte (14 de 20 la listan como su geografía principal), seguida por Europa y una presencia menor en otras regiones. La industria pesada domina los casos de uso en “su territorio”, especialmente en fabricación industrial y operaciones adyacentes a la energía, donde el volumen de incidentes, la complejidad del peligro y la carga regulatoria hacen que la automatización y la predicción valgan la pena.

A continuación se presentan las tendencias más importantes que están definiendo lo que “IA en EHS” significa en este momento, con ejemplos de los tipos de productos que se están introduciendo en todo el ecosistema.

Actualización del mercado y ecosistema: qué cambió en 2025

A través de la cobertura de analistas y hojas de ruta de proveedores, la IA es ahora una expectativa predeterminada en las conversaciones de compra de EHS. El mercado se ha dividido en dos vías:

1. IA integrada en flujos de trabajo en plataformas de EHS
   Estas son características de IA que residen dentro de gestión de incidentes, auditorías, seguimiento de acciones y módulos de cumplimiento. La propuesta de valor es rapidez y consistencia: menos clics, narrativas más claras, mejor categorización y cierre más rápido.

2. Sistemas de IA especializados que se integran
   Estos incluyen análisis de seguridad basados en cámaras, evaluación de movimiento y ergonomía en 3D, y motores de riesgo predictivo que ingieren datos operativos. Normalmente se integran nuevamente en el “sistema de registro” en lugar de reemplazarlo.

Prácticamente, la adopción dependerá de la confianza, la explicabilidad y si los modelos generalizan más allá de la plataforma y los segmentos de industria en los que fueron entrenados.

Tendencia 1: Los copilotos y asistentes de IA se integran en el flujo de trabajo

El patrón de producto de IA más común en el mapa es el copiloto: un asistente de lenguaje natural integrado en las pantallas de EHS.

En la lista de capacidades de IA rastreadas, aproximadamente 28% se posicionan explícitamente como copilotos o asistentes. El patrón funcional es consistente:

• Entrada de datos automatizada a partir de narrativas desordenadas, notas de voz o breves entradas de campo

• Resumir incidentes y redacción de “qué sucedió”

• Clasificaciones sugeridas como tipo de evento, categoría de peligro, factores contribuyentes

• Acciones correctivas borrador mapeadas a marcos de control comunes

• Preguntas y respuestas en lenguaje natural sobre políticas, procedimientos y bases de conocimiento internas (a menudo implementadas con recuperación sobre documentos, a veces llamadas RAG)

Las mejores versiones se sienten como un “usuario avanzado en una caja”. Las versiones más débiles se sienten como una ventana de chat unida a un formulario. El diferenciador es si el asistente puede tomar acciones reales en el flujo de trabajo, no solo generar texto.

Tendencia 2: La visión por computadora y el análisis de movimiento se expanden de PPE a prevención

La inteligencia visual es la segunda gran categoría de producto. En la muestra, aproximadamente 17% hacen referencia explícita a visión por computadora o reconocimiento de peligros basado en imágenes, y otro 14% hacen referencia a captura de movimiento o análisis de movimiento en 3D.

Estas soluciones se están posicionando para:

• Cumplimiento de PPE y detección de actos inseguros (cascos, gafas, zonas restringidas)

• Riesgo de proximidad y línea de fuego (personas, vehículos, puntos de pellizco)

• Detección de casi incidentes a través de reconocimiento de patrones en flujos de video

• Análisis de tensión ergonómica utilizando captura de movimiento en 3D y análisis de movimiento, a menudo enmarcado como prevención proactiva de MSD

Aquí es donde la IA de EHS se vuelve “en tiempo real” operativamente, pero también introduce las dificultades no técnicas más difíciles: expectativas de privacidad, relaciones laborales, ubicación de cámaras, gestión de falsos positivos y la necesidad de una gobernanza clara sobre cómo se utilizan las alertas.

Tendencia 3: La automatización de documentos y cumplimiento pasa de “búsqueda” a “acción estructurada”

Otro tema claro es convertir entradas de cumplimiento no estructuradas en trabajo estructurado y auditable. Aproximadamente 10% de las capacidades rastreadas mencionan explícitamente la extracción de NLP o inteligencia regulatoria.

Las formas de producto comunes incluyen:

• Extracción de Hojas de Datos de Seguridad (SDS) en campos estandarizados y controles de exposición

• Mapeo automatizado de requisitos a acciones, tareas y propietarios

• Monitoreo de cambios regulatorios traducido en impactos en programas internos

• Análisis de permisos y procedimientos para reducir la carga de revisión manual

La mayor victoria aquí no es un resumen de documento más atractivo. Es reducir el tiempo entre “existe un requisito” y “se implementa y rastrea un control”.

Tendencia 4: El riesgo predictivo y la prevención de SIF se vuelven más específicos

La analítica predictiva ya no se comercializa como “puntaje de riesgo” genérico. Se está volviendo más específica, con términos como precursores de SIF, posibles conocimientos de SIF y efectividad del control.

En el conjunto rastreado, aproximadamente 24% hacen referencia explícitamente a riesgo predictivo, SIF o analíticas de riesgo. Los sistemas más creíbles comparten algunas características:

• Combinan señales rezagadas (incidentes) con indicadores adelantados (observaciones, horas de exposición, estado del equipo, tipo de trabajo, riesgo de ubicación, estado del control).

• Exponen conductores detrás del puntaje para que un líder de EHS pueda actuar, no solo mirar un número.

• Producen una salida de flujo de trabajo: revisiones priorizadas, auditorías dirigidas, recomendaciones de control o disparadores de escalada.

Aquí es donde el escepticismo es más saludable. La predicción que no se puede explicar no se pondrá en operación. Y la predicción que solo funciona dentro de un conjunto de datos cerrado puede tener dificultades para generalizar a través de sitios, geografías y tipos de trabajo.

Tendencia 5: La formación y la inteligencia de sostenibilidad comienzan a converger con la IA de EHS

Aunque menos común en la instantánea de hojas de cálculo, dos áreas adyacentes están ganando impulso:

• Inteligencia de formación que recomienda contenido, se adapta a roles y apoya la consolidación del conocimiento en función de los patrones de riesgo observados

• Analíticas de sostenibilidad y riesgo empresarial que conectan el rendimiento de EHS con resultados operacionales y de ESG más amplios

La dirección interesante es la convergencia: usar señales de riesgo operacional para impulsar el aprendizaje dirigido, y utilizar los datos de ejecución de EHS para mejorar la credibilidad del reporte de sostenibilidad.

¿Dónde encaja Haven Safety AI?

Para abordar una brecha persistente en cómo se aplica la IA a investigaciones de incidentes específicamente, Haven Safety AI fue diseñado para centrarse menos en resúmenes genéricos y más en la calidad, consistencia y defendibilidad de la investigación.

En su núcleo, es un gráfico de conocimiento específico de la industria EHS sin precedentes que conecta peligros, fuentes de energía, tareas, controles, factores causales y resultados, de modo que el sistema pueda razonar en la misma estructura que utilizan los investigadores en lugar de tratar cada narrativa como texto libre. Haven también utiliza razonamiento multimodal para sintetizar evidencia a través de formatos como declaraciones de testigos, notas de incidentes, fotos, documentos y otras señales disponibles, luego reconciliar lo que se sabe, lo que falta y lo que entra en conflicto.

El resultado es un apoyo para el investigador que está orientado a conclusiones en las que puede respaldarse: cronologías de eventos más claras, un análisis causal más disciplinado y acciones correctivas que se relacionan con brechas de control en lugar de recomendaciones genéricas. Igualmente importante, el diseño enfatiza la trazabilidad para que las salidas puedan ser vinculadas a la evidencia subyacente y revisadas por humanos antes de que se finalice cualquier cosa, lo cual es crítico en investigaciones de EHS de alta consecuencia.

Lo que esto significa para los líderes de EHS en 2026

Si está evaluando la IA en EHS, la mejor pregunta no es “¿tiene IA?”. Es “¿qué trabajo repetitivo y de alta fricción eliminará esto, y qué decisiones mejorará?”

Una lista de verificación de evaluación práctica:

• Ajuste del flujo de trabajo: ¿Reduce los pasos en la aceptación de incidentes, auditorías, acciones y formación, o añade otra interfaz de usuario?

• Preparación de datos: ¿Tiene una taxonomía consistente, narrativas decentes y datos limpios de cierre de acciones?

• Explicabilidad: ¿Puede el sistema mostrar por qué clasificó, sugirió o predijo algo?

• Gobernanza: ¿Quién puede usarlo, qué datos puede acceder y cómo se pueden y no se pueden utilizar las salidas (especialmente para análisis de visión).

• Métricas de resultados: Tiempo para enviar incidentes, tiempo para cerrar acciones, tasa de finalización de auditorías, reducción en eventos repetidos, cambios en tasas de precursores de SIF.

La conclusión

Para resumir 2025, la IA es un tema candente como se esperaba, con estas tendencias dominando la discusión:

• Copilotos y asistentes de IA

• Visión por computadora y análisis de movimiento

• Automatización de documentos y cumplimiento

• Riesgo predictivo y prevención de SIF

• Inteligencia de formación y sostenibilidad

La siguiente fase es la parte difícil: pasar de demostraciones impresionantes a mejoras medibles en prevención, calidad de ejecución y ciclos de aprendizaje. Los ganadores serán las soluciones que hagan que los equipos de seguridad sean más rápidos, más consistentes y más proactivos, sin añadir ruido ni erosionar la confianza.