Monitoreo de EPP con IA en planta: alertas que sí se atienden

05/10/2026

Imaginen un taller metalmecánico a primera hora de la tarde, con un calor que no da tregua. Un soldador se quita el casco para echarse aire, pensando “nomás un minuto”. Luego alguien le habla y se le olvida. Nadie rompe las reglas a propósito; la gente se cansa y tiene calor. Justo ahí es donde el monitoreo de EPP con IA se gana su lugar: no para cachar a nadie, sino para recordar en el momento correcto, antes de que “un minuto” se convierta en un accidente.

Ahora, lo más difícil de este problema no es la IA. Detectar una cabeza sin casco es algo que las máquinas hacen bastante bien. Lo difícil es que la alerta llegue a la persona correcta, en el momento correcto, y que esa persona de verdad se levante a atenderla en lugar de deslizar la notificación para que desaparezca.

Qué ve la IA en la planta

Con AIV Camera, la función de monitoreo de EPP detecta a personas sin casco o sin chaleco reflejante directamente en el área de producción, usando las cámaras IP que ya están instaladas. Se complementa con las alertas de intrusión por zona: ustedes dibujan una zona restringida sobre la imagen, por ejemplo alrededor de una prensa troqueladora o a lo largo del pasillo de montacargas, y el sistema avisa en cuanto alguien entra.

En aivcamera.com se publica una latencia de alerta de menos de un segundo y monitoreo 24/7. En seguridad industrial la rapidez sí importa: una alerta que llega cuando la persona ya se fue del área solo sirve para la estadística.

También conviene tener claro el alcance. La función de EPP se presenta para casco y chaleco reflejante. Guantes, lentes de seguridad y botas siguen necesitando el ojo del supervisor. Me parece un buen punto de partida: dos piezas grandes, muy visibles y ligadas a dos miedos que toda planta conoce bien, los objetos que caen y los montacargas que no ven a la gente.

Por qué se ignoran las alertas

Quien haya administrado un grupo de chat de alertas conoce el guion. La primera semana, cada mensaje recibe respuesta: “ya le avisé”. Para la tercera semana, los mensajes pasan sin que nadie los lea. Los trabajadores no dejaron de fallar; quienes reciben las alertas simplemente están saturados. Las causas suelen ser tres:

• Demasiado y demasiado pronto: todas las cámaras, todas las zonas, todos los turnos. El volumen de alertas rebasa lo que una persona puede atender.
• Sin un responsable claro: las alertas le llegan a una docena de personas, así que nadie siente que le toca.
• Alertas que no llevan a nada: las reciben y no saben qué hacer, más allá de poner una reacción.

Cómo diseñar alertas que sí se atiendan

Empiecen por las áreas de alto riesgo

No activen la detección de EPP en toda la planta desde el día uno. Elijan dos o tres áreas donde la falta de casco o chaleco sea realmente peligrosa: el andén de carga, los pasillos de montacargas, la zona bajo la grúa viajera. Dibujen zonas que correspondan a la realidad, en lugar de encerrar toda la imagen por prisa. Entre más precisa la zona, más confiable la alerta, y más probable que la gente la lea.

Un responsable por área

Antes de arrancar, acuerden quién vigila las alertas de cada área, por cuál de los tres canales (web, Telegram o Zalo) y qué hace al recibirlas. La rutina debe ser tan corta que se recuerde con leerla una vez: ver la alerta, ir a hablar con el trabajador cara a cara, anotar si hace falta. El supervisor de turno suele ser el indicado, porque ya está ahí mismo.

Recordar ahora, analizar después

Las alertas en tiempo real sirven para recordarle a la gente. Buscar patrones puede esperar a la reunión semanal de seguridad. El asistente de IA permite consultar los datos de las cámaras en lenguaje natural, algo como “¿Cuántas faltas de EPP hubo hoy en el taller A?”, y responde con gráficas e imágenes. La pregunta que más vale es “¿a qué hora se concentran las faltas?”. Si se disparan justo después de la comida, el problema quizá está en dónde se guardan los cascos y no en la actitud de la gente. Las funciones que lo acompañan, desde EPP y zonas restringidas hasta el asistente de IA, están en la página de AIV Camera; vale la pena revisarla antes de elegir el área piloto.

Datos para acompañar, no para castigar

Aquí tengo una postura bastante firme. Si las imágenes de las faltas se usan para descontar sueldo desde el arranque, los trabajadores van a aprender a esquivar las cámaras, no a ponerse el casco. Usen los datos para preguntar “¿por qué?”: los cascos son muy calientes, no hay chalecos de la talla correcta, el rack de cascos está hasta el fondo de la nave. Si corrigen la causa, las faltas suelen bajar solas y el supervisor deja de hacer el papel de villano.

Tampoco olviden los límites de la máquina. Ángulos tapados, personas demasiado lejos y poca luz en el turno de noche empeoran los resultados; en malas condiciones, hasta una gorra de tela puede dejar al sistema con dudas. Por eso cualquier decisión disciplinaria debe pasar por una persona que revise las imágenes y hable directamente con el trabajador. La IA se encarga de vigilar sin cansarse. El juicio se queda con las personas.