A inteligência artificial deixou de ser apenas uma promessa tecnológica para se tornar uma realidade cada vez mais presente na segurança e saúde ocupacional. Em diferentes setores industriais, sistemas inteligentes já são estudados para apoiar a análise de riscos, prever acidentes, identificar condições inseguras, monitorar ambientes de trabalho e auxiliar profissionais na tomada de decisão.
Mas, para inovar com responsabilidade, não basta aplicar uma nova tecnologia. É preciso compreender o que a ciência já produziu, quais métodos foram testados, quais resultados são consistentes e quais lacunas ainda permanecem abertas. É exatamente esse o papel de uma revisão da literatura: organizar o conhecimento existente para que novas soluções não sejam construídas no improviso, mas sobre uma base científica sólida.
A literatura recente sobre inteligência artificial aplicada à Occupational Health and Safety (OHS) evidencia um campo em rápida expansão. Estudos publicados entre 2025 e 2026 indicam forte concentração em modelos preditivos, machine learning, visão computacional, sensores, internet das coisas, wearables, gêmeos digitais, NLP, LLMs e sistemas explicáveis de apoio à decisão. Em termos práticos, isso significa que a IA já vem sendo explorada para reconhecer padrões em relatórios de acidentes, prever a severidade de ocorrências, detectar o uso de EPIs, identificar posturas ergonômicas inadequadas, monitorar a exposição a riscos ambientais e recomendar prioridades de prevenção.
Um dos avanços mais relevantes está nos modelos preditivos. A base em dados históricos de acidentes, inspeções, quase-acidentes, registros de não conformidades e relatórios técnicos, algoritmos conseguem identificar padrões que dificilmente seriam percebidos manualmente. Essas aplicações podem auxiliar empresas e profissionais a priorizar áreas, atividades ou condições com maior probabilidade de gerar eventos indesejados.
Contudo, é preciso cautela científica. Predizer risco não significa, automaticamente, reduzir acidentes. Muitos estudos demonstram bom desempenho computacional dos modelos, mas ainda há poucas evidências robustas de impacto causal direto na redução de lesões, adoecimentos ou fatalidades. Por isso, a contribuição mais segura da IA, neste momento, está em ampliar a capacidade de análise, antecipação e priorização, e não em prometer prevenção automática.
Outra linha forte é a visão computacional. Câmeras combinadas com algoritmos de IA já são testadas para identificar trabalhadores sem capacete, ausência de colete, proximidade perigosa entre pessoas e máquinas, quedas, movimentações inseguras e posturas corporais associadas a sobrecarga ergonômica. Essa tecnologia tem grande potencial em construção civil, logística, manufatura, mineração e petróleo. Ao mesmo tempo, ela exige atenção a temas como a privacidade, a vigilância excessiva, a aceitação dos trabalhadores e a governança do uso de imagens.
Também crescem as pesquisas em sensores, IoT e wearables. Dispositivos conectados podem coletar informações sobre temperatura, ruído, gases, vibração, localização, fadiga, postura e condições ambientais. Quando integrados a modelos de IA, esses dados permitem construir sistemas de monitoramento da segurança mais dinâmicos. No entanto, mais dados não significam, por si só, mais segurança. Sem critérios claros de decisão, responsabilidades definidas e resposta organizacional, os sensores podem apenas aumentar o volume de informação, sem transformar a prevenção.
A análise de textos também se tornou uma área estratégica. Grande parte do conhecimento em segurança do trabalho está registrada em linguagem natural: relatórios de acidentes, laudos, inspeções, recomendações técnicas, permissões de trabalho, normas e checklists. Técnicas de NLP e modelos de linguagem podem ajudar a classificar ocorrências, extrair causas, identificar padrões de risco e apoiar recomendações. Essa linha é especialmente promissora para atividades administrativas de segurança, mas requer cuidado com alucinações, generalizações indevidas e falta de rastreabilidade normativa.
Nesse ponto, surge uma conclusão central: a inteligência artificial não deve ser compreendida como substituta do profissional de segurança. O estado da arte aponta para uma direção mais madura: sistemas Human-in-the-Loop, nos quais a IA apoia a decisão humana, mas não elimina a responsabilidade técnica. Em áreas críticas, o profissional precisa compreender, validar, contestar e adaptar as recomendações geradas pelo sistema.
Por isso, a explicabilidade e a governança tornaram-se temas fundamentais. Um modelo de IA que recomenda uma ação de segurança sem apresentar evidências pode gerar desconfiança, dependência excessiva ou decisões inadequadas. Já um sistema explicável permite que o profissional entenda quais fatores influenciaram a recomendação, avalie sua pertinência e registre a decisão tomada. Em segurança do trabalho, explicar não é um detalhe técnico; é parte da própria confiabilidade do processo.
A literatura também reforça uma visão sistêmica da segurança. Como argumenta Leveson, segurança não pode ser reduzida à confiabilidade de componentes isolados. Ela emerge das interações entre tecnologia, organização, pessoas, processos, normas e decisões gerenciais. Portanto, a IA só produzirá valor real quando estiver integrada a sistemas sociotécnicos de gestão, com supervisão, rastreabilidade, aprendizagem organizacional e melhoria contínua.
Em síntese, o estado da arte indica que a IA já possui capacidade relevante para apoiar a segurança e saúde ocupacional. Ela pode ajudar a reconhecer padrões, antecipar cenários, organizar grandes volumes de dados, apoiar recomendações e fortalecer controles administrativos. Mas sua adoção deve ser feita com rigor, sem prometer automação total da segurança nem redução automática de acidentes.
O futuro da IA na segurança do trabalho não está apenas em algoritmos mais sofisticados. Está na construção de sistemas inteligentes, explicáveis, auditáveis e centrados no ser humano. Sistemas que ajudem profissionais a tomar decisões melhores, com mais evidência, mais rastreabilidade e mais responsabilidade.
Inovar em segurança do trabalho, portanto, não é substituir o julgamento humano pela máquina. É usar a inteligência artificial para ampliar a capacidade humana de compreender riscos, agir preventivamente e proteger vidas.
Referências essenciais
- EU-OSHA. Artificial intelligence for worker management: implications for occupational safety and health. Luxembourg: Publications Office of the European Union, 2022.
- JETHA, A. et al. Do occupational health and safety tools that utilize artificial intelligence have a measurable impact on worker injury or illness? Findings from a systematic review. Systematic Reviews, 2025.
- LEVESON, N. G. Engineering a Safer World: Systems Thinking Applied to Safety. Cambridge: MIT Press, 2011.
- RABBI, A. B. K.; JEELANI, I. AI integration in construction safety: current state, challenges, and future opportunities in text, vision, and audio based applications. Automation in Construction, 2024.
- VIVIAN, G. A.; BAUDER, R. A.; KHOSHGOFTAAR, T. M. A comprehensive survey on machine learning for workplace injury analysis. Journal of Big Data, 2025.
Gostou? Então compartilhe:
