Análisis de ergonomía con IA: detecta dolor de espalda en video

24/09/2026

Una reunión tensa entre cifras y dolor

Fue un martes por la tarde de abril, en la sala de juntas del tercer piso de una gran planta de procesamiento de alimentos en el norte de Hanói. El ambiente era pesado. El jefe del departamento de Seguridad y Salud Ocupacional (OSH) tamborileaba un bolígrafo sobre la mesa, con un tono ligeramente cortante mientras confrontaba al Director de Producción. El problema no eran rasguños menores ni accidentes graves, sino el aumento en los casos de dolor crónico de espalda en el área de empaque. OSH argumentaba que debían cambiar el flujo de trabajo, agregar sillas de soporte e implementar descansos más frecuentes. El Director de Producción negó con la cabeza, descartándolo como un asunto de conciencia individual, y afirmaba que alterar la línea de producción reduciría la productividad y duplicaría los costos operativos. Ambas partes tenían puntos válidos, pero ambas carecían de un elemento crucial: evidencia visual.

Nos invitaron a esa reunión como consultores independientes. Al mirar a mi alrededor, vi a trabajadores jóvenes encorvados sobre bandejas de productos durante horas. Fue entonces cuando propuse una alternativa: en lugar de debatir basándonos en intuiciones o informes en papel, dejemos que la computadora observe su trabajo. Usaríamos Visión por Computador para analizar la ergonomía directamente desde los videos de vigilancia de seguridad existentes. No era necesario instalar sensores costosos ni que los trabajadores llevaran dispositivos voluminosos. Solo necesitábamos datos de imagen y un modelo de IA entrenado para entender el cuerpo humano. Este fue el primer paso para transformar fotogramas estáticos en alertas dinámicas sobre riesgos de lesiones.

Lo que todos dicen vs. la realidad en la planta

A menudo se dice que la seguridad en el trabajo es responsabilidad del trabajador. Aunque técnicamente es cierto, la realidad en fábricas de Vietnam, Tailandia e incluso en cadenas de distribución multinacionales como Masan o TTN, con las que hemos colaborado, cuenta una historia diferente. Los trabajadores suelen cumplir con las regulaciones cuando hay supervisores presentes, pero cuando nadie los observa, eligen la postura más cómoda para ellos, aunque les dañe la columna a largo plazo. Se encorvan porque estar erguidos les cansa el cuello. Torsionan el cuerpo porque sus brazos no alcanzan. Este es el instinto de supervivencia del cuerpo, pero es el enemigo de la salud a largo plazo.

El punto clave que los sistemas antiguos suelen pasar por alto es la continuidad. Las evaluaciones ergonómicas tradicionales suelen ser estacionales, realizadas una vez al año. Sin embargo, una mala postura no causa dolor de inmediato; se acumula a lo largo de turnos y semanas. La Visión por Computador aborda esto proporcionando observación continua. Probamos esto en un área de empaque de fideos instantáneos. En lugar de solo monitorear la velocidad de las manos, nuestro modelo de IA se enfocó en el ángulo de inclinación lumbar, la curvatura de la espalda baja y la postura del cuello. La salida no fue un número absoluto, sino un índice de riesgo relativo en tiempo real. Esto permitió al equipo de OSH intervenir en el momento adecuado con la persona correcta, en lugar de esperar a que un empleado pidiera licencia por enfermedad debido a dolor crónico de espalda.

Cómo funciona y qué medimos

El proceso de implementación no es tan complejo como muchos piensan, pero requiere una preparación meticulosa de datos. No usamos datos genéricos de internet. Recolectamos cientos de horas de video de las cámaras de seguridad en sitio, después de lo cual el equipo técnico de AIVISION, junto con los expertos en ergonomía de la fábrica, etiquetan las posturas: seguras, neutras y de alto riesgo. Este proceso toma aproximadamente dos semanas, pero forma la base para que la IA aprenda el "lenguaje" específico de esa fábrica. Dado que cada instalación tiene diferentes dimensiones espaciales, ubicaciones de cámaras y flujos de trabajo, el modelo debe ajustarse individualmente. Aplicamos con éxito este método para un socio en la industria de lubricantes en el sur, donde las operaciones de tapado de botellas requieren una fuerza significativa en la muñeca. El modelo de IA aprendió que no solo el ángulo del brazo es importante, sino que incluso las vibraciones menores causadas por una aplicación desigual de la fuerza son indicadores de riesgo de lesiones recurrentes.

Una vez que el modelo está operativo, lo que medimos no es "el número de personas lesionadas" (ya que ese es el resultado de muchos factores), sino "el tiempo de exposición al riesgo". Descubrimos que aproximadamente un tercio de los turnos de trabajo contienen períodos cortos pero de alta intensidad de mala postura, que a menudo ocurren al final de un turno o cuando se producen errores técnicos menores en la línea. Estos períodos se habían pasado por alto completamente en los informes periódicos. Con estos datos, la dirección puede tomar decisiones basadas en hechos: en lugar de exigir a los trabajadores que trabajen más rápido, pueden ajustar las alturas de las estaciones de trabajo o reorganizar la ubicación de los materiales. Los resultados son cualitativos pero claros: menos quejas, un entorno de trabajo más cómodo y una sensación de ser cuidados por la gerencia. No prometemos eliminar las lesiones por completo, pero nos comprometemos a reducir significativamente los riesgos innecesarios.

Lecciones y el resultado de esa reunión

¿Qué cambiaría si pudiera volver a esa primera reunión? Declararía claramente que la tecnología no reemplaza a los humanos; ayuda a los humanos a ver lo que el ojo desnudo pasa por alto. También enfatizaría que invertir en ergonomía con IA no es un gasto, sino una póliza de seguro para la salud del equipo. La resistencia inicial del lado de la producción es comprensible, pero se disipa cuando ven que la productividad no disminuye, e incluso puede aumentar ligeramente porque los trabajadores ya no son interrumpidos por el dolor sordo. Empresas como Gene Solutions y otras grandes corporaciones también están reconociendo que los datos del personal no están solo en los registros de nómina, sino en cómo los empleados se paran, se sientan y se mueven.

Volviendo al escenario inicial, el resultado de esa reunión no fue una victoria decisiva para OSH o Producción, sino un compromiso inteligente. Acordaron instalar dos cámaras adicionales dedicadas con mejores ángulos, y desplegamos el sistema de análisis de video dentro de un mes. Seis meses después, el jefe de OSH regresó a esa sala de juntas, ya no tamborileando su bolígrafo sobre la mesa. Presentó un informe conciso que mostraba una reducción del 20% en las licencias por enfermedad debido al dolor de espalda en el área piloto. El Director de Producción asintió, dijo poco, pero ya había comenzado a aplicar un modelo de análisis similar al área de empaque de botellas. Esta historia no termina con un problema resuelto; comienza con una nueva cultura: una donde la seguridad en el trabajo no es solo un mandato, sino algo que se ve, se mide y se valora. Ese es el verdadero valor de aplicar la Visión por Computador a la ergonomía: transformar el dolor silencioso en datos accionables.

Esta serie proviene de proyectos que realmente se entregaron. Más información en el blog de AIVISION, detalles sobre reconocimiento facial y el resto de nuestras soluciones, o contáctenos.