La promesa de la detección de EPP con IA es sencilla: las cámaras ya están en las paredes, así que añadir un modelo que vigile los cascos y los chalecos de alta visibilidad convierte un hardware ya amortizado en un sistema de seguridad que nunca parpadea. Es una historia atractiva y, como la mayoría de las historias atractivas en la tecnología de almacenes, es cierta en sentido estricto y engañosa después de un mes de uso real.

El fenómeno es fácil de documentar. Según la Encuesta de Lesiones y Enfermedades Ocupacionales de la Oficina de Estadísticas Laborales correspondiente a 2024, el sector de almacenamiento y depósito registró 4.8 casos registrables por cada 100 trabajadores a tiempo completo, con 32 muertes, una tasa que situó al subsector en el noveno puesto más alto entre los medidos. Según la norma 29 CFR 1910.132(d) de la OSHA, el empleador debe primero evaluar los riesgos del lugar de trabajo y decidir qué protección requiere cada puesto, los cascos están cubiertos específicamente por la norma 1910.135, y el EPP se encuentra en la parte inferior de la jerarquía de controles, por debajo de los controles de ingeniería y administrativos, como última capa y no como primera. Un sistema que solo vigila el EPP cubre, por diseño, únicamente la última capa de la cadena de seguridad.

Qué ve realmente la detección de EPP con IA en un almacén

El mecanismo es menos misterioso de lo que sugiere el marketing. El sistema toma la señal de las cámaras ya instaladas, ejecuta un modelo de detección de objetos sobre cada fotograma para encontrar personas y luego el equipo que llevan —un casco en la cabeza, un chaleco de alta visibilidad en el torso— y genera una alerta cuando falta el elemento esperado. La mayoría ejecuta la inferencia localmente en un dispositivo perimetral, no en la nube. Una implementación de código abierto midió la canalización completa, incluida la detección de cascos, la detección de chalecos de alta visibilidad y el reconocimiento de identidad, en 113 milisegundos por fotograma en vídeo de 640 por 480, y clasificó correctamente las 63 muestras de prueba de cascos. Una pequeña prueba controlada, no una promesa de turno de noche.

La investigación publicada informa cifras aún más altas, y la brecha entre las cifras de investigación y las de los proveedores es en sí misma informativa. Un estudio con YOLOv11 informó una tasa máxima de detección de 98.6 por ciento en los entornos que probó, una cifra que el propio artículo presenta como preliminar, mientras que un estudio anterior basado en YOLOv3 informó una puntuación F1 de 0.96. La página del proveedor Sieora sitúa la precisión en el mundo real para el EPP común en aproximadamente 90 a 95 por ciento, y un caso de estudio del proveedor Tensorbot informa una precisión de 99.4 por ciento en un sitio de 40 acres, con 100 veces la cobertura de la inspección manual y una latencia de alerta inferior a un segundo. La precisión no es una propiedad fija del modelo. Varía con la escena: el ángulo de la cámara, la luz en la puerta del muelle, si el trabajador mira hacia el objetivo y si un chaleco está cubierto por una chaqueta o un casco está oculto tras una viga de estantería.

Dónde falla la detección de cascos en el suelo del almacén

Los falsos positivos llegan primero. Una gorra de béisbol blanca, una cabeza de pelo blanco o una luminaria brillante reflejada sobre la cabeza de un trabajador pueden interpretarse como un casco por un modelo que juzga un pequeño grupo de píxeles a distancia, mientras que un chaleco de alta visibilidad apagado por el polvo puede interpretarse como una chaqueta corriente bajo la luz amarillenta de un muelle de carga por la noche. El sistema de código abierto mencionado exige ocho fotogramas consecutivos de infracción antes de alertar, cambiando velocidad por fiabilidad, pero un peatón pasa frente a una cámara en dos o tres segundos.

Las detecciones omitidas siguen la forma ordinaria del trabajo en el almacén. Un conductor de carretilla elevadora sentado en la cabina tiene la mayor parte del torso oculta tras el volante y el cuerpo del vehículo, de modo que un chaleco perfectamente visible cuando el conductor está de pie se convierte en una forma parcial y ocluida cuando el conductor está trabajando. Un preparador que se inclina hacia el nivel más bajo de las estanterías tiene el casco oculto tras una viga horizontal, y un turno de noche en una zona mal iluminada degrada directamente el juicio del color, porque la detección de alta visibilidad depende en gran medida del color y el contraste. Los artículos prueban personas de pie, quietas, mirando a la cámara, con luz uniforme.

Hay una brecha más sutil que ninguna mejora en la tasa de detección cerrará: el sistema juzga la presencia, no el cumplimiento. Un casco llevado al revés, una correa de barbilla sin abrochar, un chaleco de alta visibilidad llevado abierto o unas gafas de seguridad subidas a la frente se registran todos como presentes, y el modelo los aprueba. Según la norma 1910.132, el EPP debe ajustarse, mantenerse y usarse según la formación recibida, de modo que presencia y cumplimiento son cosas diferentes, y la distancia entre ambas es el paso que una cámara no puede dar actualmente.

La aritmética de la fatiga por alertas es donde la detección de EPP con IA suele fracasar como herramienta de gestión, no como modelo. Considérese el siguiente ejemplo hipotético, con cifras supuestas utilizadas solo para ilustrar la escala: un almacén de 200 personas en el que cada trabajador pasa por una zona de detección cuatro veces al día produce 800 juicios al día, e incluso con una precisión real de 98 por ciento, eso deja 16 errores al día, o más de 300 en un mes. Un supervisor revisará cada alerta en la primera semana, hojeando los asuntos en la tercera semana y silenciará las notificaciones en la quinta.

Ubicación Detección en la práctica Qué hacer con ella
Puerta de entrada, de frente, buena luz Detección más fiable Instalar aquí primero
Muelle y pasillo, a contraluz, movimiento rápido Las falsas alarmas y los fallos aumentan Solo registrar durante dos semanas
Cabina de carretilla y niveles bajos de estantería Oclusión grave, juicio poco fiable No evaluar a personas aquí
Guantes, protección ocular, calzado de seguridad Objetivos pequeños, los modelos actuales tienen dificultades No pagar más todavía

El registro, no la captura: para qué sirven realmente las cámaras

Este es el juicio que va en contra del argumento de venta de la detección de EPP con IA. El valor más duradero de un sistema de detección de EPP puede no ser las infracciones que detecta en el momento, sino el registro que deja: qué pasillo, qué turno y qué tipo de infracción se repite, y si el patrón apunta a la formación, a la planificación de turnos o a la disposición de las rutas de tráfico. El caso de estudio de Tensorbot en su sitio de 40 acres informa 100 veces la cobertura de la inspección manual y alertas que llegan a un supervisor en menos de un segundo, y la afirmación de cobertura es plausible, pero el caso de estudio no dice si la tasa de lesiones disminuyó. La cobertura y la tasa de lesiones son dos cosas diferentes, y una cámara que lo ve todo y no cambia nada ha mejorado la observación, no la seguridad.

La privacidad debe resolverse antes de la instalación, no después de una queja. Las normas estatales difieren: la sección 632 del Código Penal de California exige el consentimiento de todas las partes para la grabación de audio, y los aseos y vestuarios están vedados a las cámaras, mientras que la ley de monitoreo electrónico de Nueva York de 2021 exige a los empleadores avisar por escrito de que existe monitoreo. Dos leyes de California firmadas el 2026-09-30, AB 1883 y AB 1331, entran en vigor el 2027-01-01: AB 1883 restringe el uso de la IA para inferir las emociones de los empleados, con una excepción para las herramientas de seguridad, y AB 1331 prohíbe el monitoreo dentro de los aseos, con sanciones de hasta 500 dólares por infracción. La detección de EPP en sí no está prohibida, pero un sistema que añade reconocimiento facial o análisis de emociones cambia de carácter por completo. Establezca primero tres reglas de política: solo zonas de trabajo, solo EPP, retención fija.

Si un almacén sigue adelante, el método de aceptación importa más que el proveedor. Ejecute el sistema en modo sombra durante dos semanas, registrando sin alertar, y júzguelo por tres cifras: la tasa de falsas alarmas, la tasa de detecciones omitidas y la tasa a la que los supervisores responden realmente a las alertas. Empiece solo por la puerta de entrada. Mantenga la regla como solo registro, no disciplina, hasta que las falsas alarmas caigan a un nivel con el que los supervisores puedan vivir, y ponga umbrales de aceptación y una cláusula de salida en el contrato, para que un sistema que no los cumpla pueda detenerse.

En los próximos dos a tres años, la detección de EPP probablemente pasará de si el equipo está presente a si se lleva correctamente, y de los cascos y chalecos de alta visibilidad a los guantes y la protección ocular. El EPP sigue siendo la última capa. La pregunta abierta a la que sigo volviendo es estrecha: cuando la tasa de detección suba otros dos puntos porcentuales y las falsas alarmas se reduzcan a la mitad, ¿seguirán los supervisores silenciando las notificaciones, o el hábito de ignorarlas sobrevivirá a la razón técnica para hacerlo? Los números pueden mejorar, y probablemente lo harán, pero si el hábito diario de las personas que reciben las alertas sigue el ritmo es algo que un punto de referencia aún no puede responder.

Por Dr. Chen, Investigador de la cadena de suministro Traducido del inglés. En caso de discrepancia, prevalece la versión en inglés.