Inteligência Artificial na SST: aplicações e cuidados

A inteligência artificial (IA) já pode auxiliar atividades de Segurança e Saúde no Trabalho (SST), desde a análise de imagens e registros de inspeção até a organização de informações usadas na gestão de riscos. Entretanto, uma ferramenta capaz de detectar padrões não garante, por si só, que um acidente será previsto ou evitado.

Para empresas, Técnicos e Engenheiros de Segurança do Trabalho e gestores, a questão central não é simplesmente adotar a tecnologia mais moderna. É verificar se a solução melhora o reconhecimento dos perigos, fortalece as medidas preventivas e produz resultados que possam ser avaliados, sem criar riscos adicionais relacionados à privacidade, à confiabilidade ou à dependência excessiva de sistemas automatizados.

Neste artigo, você verá as principais aplicações da inteligência artificial na SST, suas limitações, os cuidados legais envolvidos e um roteiro prático para avaliar a implementação dessas ferramentas.

1. O que a inteligência artificial pode fazer pela Segurança do Trabalho?

Inteligência artificial é uma denominação ampla para sistemas computacionais que executam tarefas como reconhecimento de padrões, classificação de informações, processamento de linguagem e geração de respostas. Dependendo da tecnologia utilizada, o sistema pode analisar imagens, identificar anomalias em dados ou auxiliar na organização de documentos.

Na SST, essas capacidades podem apoiar o trabalho preventivo, mas é importante distinguir quatro funções:

• Detecção: identifica uma condição observável, como a presença de uma pessoa em determinada área de uma imagem.
• Classificação: atribui uma categoria a uma ocorrência, por exemplo, classificando um registro de inspeção como relacionado a máquinas, ergonomia ou circulação.
• Estimativa de risco: utiliza dados e critérios definidos para estimar a possibilidade de determinado evento ou condição.
• Prevenção: envolve medidas concretas capazes de eliminar perigos ou reduzir riscos, como proteções físicas, segregação de áreas, procedimentos, manutenção e organização do trabalho.

Essas funções não são equivalentes. Um sistema pode detectar uma situação sem compreender todo o contexto operacional. Da mesma forma, uma estimativa estatística não constitui garantia de que um evento ocorrerá ou deixará de ocorrer.

O valor da tecnologia deve ser medido pela sua contribuição para a prevenção efetiva, e não apenas pelo volume de dados processados ou pela quantidade de alertas emitidos.

2. Visão computacional: análise de imagens para identificar condições de risco

A visão computacional permite que sistemas analisem imagens e vídeos para reconhecer objetos, movimentos ou situações previamente definidas. Quando integrada a câmeras existentes ou a equipamentos específicos, pode auxiliar inspeções em ambientes industriais, centros logísticos e canteiros de obras.

2.1. Exemplos de aplicação

• Equipamentos de proteção individual: sinalização de possíveis situações de ausência de capacete, colete ou outro item visualmente identificável, conforme os critérios configurados.
• Circulação de pessoas e máquinas: identificação de possíveis aproximações entre trabalhadores, veículos e equipamentos móveis.
• Áreas restritas: alerta sobre a presença de pessoas em zonas previamente delimitadas, quando o sistema consegue reconhecer adequadamente a área e a situação.
• Organização do ambiente: identificação de possíveis obstruções em corredores, acessos e rotas de circulação.

Essas aplicações dependem da qualidade das imagens, do posicionamento das câmeras, da iluminação, dos obstáculos, dos parâmetros de detecção e da validação do sistema nas condições reais de trabalho. Capacetes de cores diferentes, sombras, poeira, reflexos, equipamentos parcialmente encobertos e mudanças no layout podem afetar o desempenho.

2.2. Por que um alerta não comprova uma infração?

Considere um sistema que sinalize a ausência de capacete em uma área de produção. O trabalhador pode estar sem o equipamento, mas também pode haver falha de identificação, imagem encoberta ou uma condição operacional que exija análise contextual. O alerta deve ser tratado como informação a verificar, não como prova automática de descumprimento.

Dois erros precisam ser monitorados:

• Falso positivo: o sistema aponta uma condição de risco que não estava presente.
• Falso negativo: o sistema deixa de identificar uma condição de risco que realmente existia.

Em situações críticas, um falso negativo pode gerar uma falsa sensação de segurança. Por isso, a tecnologia não deve substituir inspeções, dispositivos de proteção, procedimentos operacionais ou medidas de engenharia exigidas para o controle do risco.

Na gestão de máquinas, por exemplo, um sistema de análise de vídeo não deve ser tratado automaticamente como dispositivo de segurança apto a comandar a máquina ou substituir proteções e sistemas de segurança. A adequação deve ser avaliada conforme a aplicação e os requisitos pertinentes da NR-12 — Segurança no Trabalho em Máquinas e Equipamentos.

3. Análise de dados e modelos preditivos: o que é possível antecipar?

Modelos estatísticos e técnicas de aprendizado de máquina podem analisar registros de inspeções, ocorrências, quase-acidentes, manutenção, turnos, condições ambientais e outros dados pertinentes. O objetivo é identificar padrões que mereçam investigação ou intervenção preventiva.

Imagine uma empresa que registra repetidamente falhas de comunicação entre operadores e motoristas em determinada área de carga e descarga. Ao cruzar os registros com horários, fluxo de veículos e condições de circulação, uma ferramenta analítica pode indicar períodos ou locais que mereçam inspeção prioritária.

Esse resultado pode orientar uma avaliação presencial e a revisão de controles, como segregação entre pedestres e veículos, sinalização, organização do tráfego, iluminação e procedimentos de movimentação.

3.1. Um modelo não prevê o futuro com certeza

O resultado depende da qualidade e da representatividade dos dados, da definição do evento que se deseja analisar e da estabilidade das condições operacionais. Se os registros forem incompletos, inconsistentes ou concentrados em determinados setores, o modelo poderá reproduzir essas limitações.

Há também um problema importante: a ausência de acidentes registrados não significa necessariamente que a atividade seja segura. Pode haver subnotificação, falhas no registro de quase-acidentes ou controles insuficientes que ainda não resultaram em lesões.

Por essa razão, indicadores históricos devem ser analisados em conjunto com informações sobre exposição, condições de trabalho, inspeções, participação dos trabalhadores e efetividade das medidas preventivas.

3.2. Como usar uma análise preditiva na prática

1. Defina a pergunta preventiva que a empresa pretende responder.
2. Verifique se os dados disponíveis são confiáveis, pertinentes e suficientemente representativos.
3. Identifique quais variáveis podem influenciar o resultado e quais limitações existem.
4. Compare os alertas do sistema com inspeções e avaliações realizadas por pessoas qualificadas.
5. Implemente medidas preventivas compatíveis com os perigos identificados.
6. Acompanhe os resultados e revise o modelo quando houver mudanças de processo, equipamento ou condições de trabalho.

O sistema deve apoiar a priorização de ações, não determinar sozinho que uma atividade é segura ou que uma pessoa é responsável por um evento.

4. Dispositivos vestíveis e Internet das Coisas (IoT)

Dispositivos conectados podem coletar informações ambientais ou operacionais e transmiti-las para sistemas de monitoramento. Conforme a aplicação, sensores podem acompanhar temperatura, localização de equipamentos, condições de funcionamento ou outros parâmetros definidos no projeto.

Em SST, essas soluções podem contribuir para:

• monitorar condições ambientais relevantes para a exposição ocupacional;
• identificar anomalias no funcionamento de equipamentos;
• apoiar a localização de trabalhadores em operações específicas, quando necessária e devidamente justificada;
• emitir alertas com base em limites operacionais previamente definidos.

É necessário distinguir a medição de um parâmetro da avaliação completa do risco. Um sensor de temperatura, por exemplo, não substitui automaticamente uma avaliação adequada da exposição ao calor. A interpretação depende do ambiente, da atividade, da intensidade do esforço, das condições de aclimatização e dos critérios técnicos aplicáveis.

Da mesma forma, relógios e sensores que estimam fadiga, estresse ou sinais fisiológicos não devem ser tratados como instrumentos infalíveis para diagnosticar condições de saúde ou decidir, isoladamente, sobre a aptidão de um trabalhador.

4.1. Cuidados na implantação

• Verifique a finalidade de cada sensor e a adequação da tecnologia à variável que será monitorada.
• Confirme os procedimentos de calibração, manutenção e tratamento de falhas, quando aplicáveis.
• Defina quem recebe os alertas, qual ação deve ser tomada e como a resposta será registrada.
• Estabeleça alternativas para falhas de conectividade, bateria ou transmissão de dados.
• Avalie os impactos do monitoramento sobre a privacidade, a autonomia e as condições de trabalho.

Uma solução conectada só tem utilidade preventiva quando existe um processo confiável para interpretar as informações e agir sobre elas.

5. Realidade virtual e treinamento em SST

A realidade virtual pode criar ambientes simulados nos quais os participantes praticam reconhecimento de perigos, tomada de decisão e resposta a cenários de emergência. Essa abordagem pode complementar atividades educativas, principalmente quando a simulação ajuda a visualizar situações difíceis de reproduzir em sala de treinamento.

Um cenário virtual pode, por exemplo, apresentar uma sequência de decisões em uma área industrial, uma situação de circulação de máquinas ou a identificação de perigos antes de uma tarefa. O instrutor pode avaliar as escolhas do participante e discutir as consequências de cada alternativa.

Entretanto, a simulação precisa ter objetivos pedagógicos definidos, conteúdo tecnicamente correto e avaliação de aprendizagem. Uma experiência visualmente realista não comprova, por si só, que o trabalhador desenvolveu competência para executar uma atividade perigosa em condições reais.

5.1. A simulação substitui os treinamentos obrigatórios?

Não se deve presumir essa substituição. A modalidade de capacitação precisa respeitar a norma aplicável, os requisitos de conteúdo, carga horária, avaliação e demais condições estabelecidas para cada atividade.

Esse cuidado é especialmente relevante para o trabalho em altura. Em setembro de 2026, o Ministério do Trabalho e Emprego divulgou alterações na NR-35 decorrentes da Portaria MTE nº 1.259/2026, incluindo exigências de treinamento presencial e regras de adequação para treinamentos anteriormente realizados em modalidade híbrida. A empresa deve consultar a NR-35 vigente e as alterações aplicáveis antes de definir o formato da capacitação.

Para espaços confinados, também devem ser observados os requisitos próprios da NR-33. A realidade virtual pode ser um recurso complementar, desde que sua utilização não contrarie as exigências normativas aplicáveis.

6. Inteligência artificial no GRO e no PGR

A inteligência artificial pode apoiar a organização e a análise de informações utilizadas na gestão de riscos ocupacionais. Ferramentas de processamento de linguagem podem, por exemplo, classificar relatos de inspeção, localizar registros, resumir documentos ou apontar inconsistências que mereçam revisão.

Essas funções podem reduzir tarefas repetitivas, mas não tornam automaticamente correto o resultado produzido. Um sistema generativo pode apresentar informações incorretas, confundir versões de documentos, omitir exceções ou produzir referências normativas inexistentes.

6.1. Exemplos de apoio documental

• Inspeções: organizar achados por tipo de perigo, área e prioridade para posterior validação.
• Plano de ação: auxiliar na consolidação de responsáveis, prazos, evidências e situação das medidas.
• Documentos: localizar divergências entre registros e indicar pontos que precisam de conferência.
• Dados de SST: apoiar a análise de tendências, desde que os conceitos e critérios de cálculo sejam definidos e verificados.
• eSocial: auxiliar na organização de informações e na identificação de possíveis inconsistências antes do envio, sem substituir a conferência dos dados e das regras aplicáveis.

6.2. A IA não substitui o gerenciamento de riscos

A NR-1 estabelece diretrizes para o Gerenciamento de Riscos Ocupacionais (GRO), cuja implementação deve ser formalizada por meio do Programa de Gerenciamento de Riscos (PGR), observados os requisitos e as exceções previstos na regulamentação.

A tecnologia pode contribuir para a identificação de perigos, a avaliação de riscos, o acompanhamento das medidas preventivas e a organização de evidências. Não substitui, porém, a análise das condições reais de trabalho, a participação dos trabalhadores, a definição de medidas adequadas nem a responsabilidade da organização pelo cumprimento das exigências aplicáveis.

Também não é correto afirmar que a IA, por si só, atualiza o PGR ou garante conformidade com as Normas Regulamentadoras. Alterações em processos, equipamentos, instalações ou organização do trabalho devem ser avaliadas conforme os procedimentos de gerenciamento de riscos aplicáveis, com validação das informações e das decisões tomadas.

7. LGPD e governança: o cuidado com os dados dos trabalhadores

O uso de câmeras, sensores, biometria ou sistemas que associam informações a trabalhadores pode envolver tratamento de dados pessoais. Quando houver dados de saúde ou dados biométricos vinculados a uma pessoa, é necessário observar as regras específicas da Lei Geral de Proteção de Dados Pessoais (LGPD) relativas a dados pessoais sensíveis.

A aplicação da LGPD depende das características concretas do tratamento. Nem toda imagem é automaticamente um dado pessoal sensível, mas imagens identificáveis podem constituir dados pessoais. Da mesma forma, informações fisiológicas ou biométricas exigem análise cuidadosa conforme sua natureza, finalidade e possibilidade de associação a uma pessoa.

A empresa deve avaliar, entre outros aspectos, a finalidade do tratamento, a base legal adequada, a necessidade e proporcionalidade da coleta, a transparência, a segurança das informações, os acessos autorizados e o período de retenção. A existência de uma finalidade relacionada à segurança não elimina essas obrigações.

7.1. Perguntas que devem anteceder o monitoramento

• Qual risco ocupacional ou necessidade operacional justifica a coleta?
• É possível alcançar a mesma finalidade coletando menos dados ou usando uma alternativa menos invasiva?
• Os trabalhadores foram informados de forma clara sobre a finalidade e o funcionamento do sistema?
• Quem poderá acessar os dados e em quais circunstâncias?
• Por quanto tempo as informações serão mantidas e como ocorrerá seu descarte?
• Como serão tratadas falhas, acessos indevidos e decisões incorretas produzidas pelo sistema?
• Os dados poderão ser utilizados para finalidades diferentes daquelas que justificaram sua coleta?

As respostas devem ser documentadas de acordo com o risco e a complexidade do tratamento. Quando pertinente, a organização deve envolver as áreas jurídica, de proteção de dados, tecnologia da informação, recursos humanos e SST.

A referência legal é a Lei nº 13.709/2018 — Lei Geral de Proteção de Dados Pessoais, especialmente os dispositivos relativos a conceitos, princípios, dados pessoais sensíveis e bases legais. A definição da base legal e das medidas necessárias depende da operação concreta e não deve ser feita apenas com base em uma justificativa genérica de segurança.

8. Exemplo prático: implantação de visão computacional em uma obra

Cenário hipotético: uma empresa de construção civil identifica, durante inspeções, situações recorrentes de proximidade entre pedestres e equipamentos móveis em uma área de movimentação de materiais. A gestão considera utilizar câmeras com análise automatizada para gerar alertas.

Uma implantação responsável não começa pela compra do software. Começa pela avaliação do risco e pela análise das medidas preventivas necessárias.

1. Diagnóstico: verificar como ocorre a circulação, quais são os pontos de conflito e quais condições favorecem a aproximação perigosa.
2. Controles prioritários: avaliar alternativas como segregação física, definição de rotas, barreiras, sinalização, organização do fluxo e procedimentos operacionais.
3. Objetivo da tecnologia: definir se o sistema será usado para identificar situações específicas que não sejam suficientemente cobertas pelos controles existentes.
4. Teste controlado: verificar o funcionamento em diferentes horários, condições de iluminação, ângulos de visão e configurações do canteiro.
5. Validação humana: comparar os alertas com observações e registros de campo, identificando falsos positivos e situações não detectadas.
6. Resposta aos alertas: estabelecer responsáveis, prazos e ações, incluindo a interrupção da atividade quando as condições assim exigirem.
7. Reavaliação: acompanhar os resultados e revisar a solução sempre que houver mudanças no processo ou desempenho insatisfatório.

Esse exemplo ilustra uma abordagem de gestão; não representa um caso real nem comprova a eficácia de uma ferramenta específica. O resultado depende da avaliação técnica, das condições do local e da qualidade dos controles implementados.

9. Como avaliar se a tecnologia está funcionando?

A empresa precisa estabelecer critérios de avaliação antes da implantação. Medir apenas o número de alertas pode levar a conclusões equivocadas: um aumento pode indicar piora das condições, maior capacidade de detecção ou excesso de falsos positivos.

Conforme a finalidade da solução, podem ser acompanhados os seguintes indicadores:

• Qualidade da detecção: proporção de alertas confirmados e situações relevantes que não foram identificadas.
• Tempo de resposta: intervalo entre o alerta, a verificação e a adoção da medida prevista.
• Conclusão das ações: proporção de medidas preventivas concluídas dentro do prazo estabelecido.
• Recorrência: frequência com que a mesma condição de risco volta a ocorrer após a intervenção.
• Disponibilidade: períodos de funcionamento, falhas técnicas e tempo necessário para restabelecer a operação.
• Qualidade dos registros: consistência e rastreabilidade das informações usadas na avaliação.
• Impactos sobre os trabalhadores: dúvidas, dificuldades de uso, percepção de vigilância excessiva e possíveis efeitos indesejados.

Os indicadores precisam ser interpretados em conjunto. Uma redução de ocorrências registradas, isoladamente, não demonstra que o risco foi reduzido: é necessário considerar exposição, qualidade dos registros, mudanças de processo e efetividade dos controles.

10. Checklist para profissionais de SST antes de contratar uma solução de IA

Antes de aprovar uma ferramenta, utilize as perguntas a seguir como ponto de partida para a análise técnica e organizacional.

• O problema preventivo que se pretende resolver está claramente definido?
• Os perigos e riscos foram avaliados antes da escolha da tecnologia?
• Foram consideradas medidas preventivas convencionais e alternativas menos complexas?
• O fornecedor explicou as limitações, as condições de uso e os requisitos de manutenção?
• Existe procedimento para validar alertas e tratar erros do sistema?
• Há responsável definido para interpretar as informações e tomar providências?
• A solução foi testada nas condições reais em que será utilizada?
• O tratamento de dados pessoais foi avaliado conforme a LGPD?
• Foram definidos controles de acesso, retenção, segurança e descarte das informações?
• Há indicadores para avaliar desempenho e efetividade preventiva?
• O procedimento prevê o que fazer quando a tecnologia falhar?
• As obrigações legais, os treinamentos exigidos e as responsabilidades profissionais foram preservados?

Se várias respostas forem negativas, a organização deve resolver essas lacunas antes de confiar na ferramenta para decisões relevantes de SST.

11. Erros que podem comprometer a implantação

• Comprar tecnologia sem diagnóstico: escolher uma ferramenta antes de definir o risco pode gerar custo sem benefício preventivo demonstrável.
• Tratar alertas como decisões finais: a ausência de validação pode resultar em punições indevidas, falhas de resposta ou falsa sensação de segurança.
• Ignorar a qualidade dos dados: registros incompletos podem distorcer análises e estimativas.
• Usar monitoramento como substituto de prevenção: observar uma condição perigosa não elimina sua causa nem substitui controles adequados.
• Desconsiderar a privacidade: coletar mais dados do que o necessário ou reutilizá-los para finalidades incompatíveis pode gerar riscos jurídicos e de confiança.
• Confundir automação com conformidade: utilizar IA em documentos ou treinamentos não comprova, isoladamente, o atendimento às NRs.
• Não revisar o sistema: mudanças de layout, processos, equipamentos e condições ambientais podem reduzir a confiabilidade da solução.

12. Perguntas frequentes sobre inteligência artificial na SST

A inteligência artificial pode prever acidentes de trabalho?

Ela pode identificar padrões e estimar probabilidades com base em dados e modelos específicos. Isso pode apoiar a priorização de inspeções e medidas preventivas, mas não garante a previsão de um acidente individual nem sua prevenção.

A IA pode substituir o Técnico ou o Engenheiro de Segurança do Trabalho?

Não se deve tratar a IA como substituta automática do profissional. Ela pode auxiliar tarefas de análise e organização, mas a avaliação das condições reais, a interpretação técnica, as decisões dentro das competências profissionais e as responsabilidades legalmente atribuídas continuam sendo relevantes.

O uso de câmeras inteligentes é permitido no ambiente de trabalho?

A resposta depende da finalidade, da forma de utilização, dos dados tratados e das circunstâncias concretas. O monitoramento deve ser avaliado à luz da LGPD e das demais regras aplicáveis, com atenção à necessidade, à transparência, à proporcionalidade e à segurança dos dados.

A realidade virtual pode substituir qualquer treinamento obrigatório?

Não. A modalidade de capacitação deve atender à norma aplicável e às exigências específicas da atividade. Simulações virtuais podem ser complementares, mas não se deve presumir que substituem etapas presenciais ou outros requisitos obrigatórios.

O uso de IA garante que o PGR esteja atualizado?

Não. Uma ferramenta pode ajudar a organizar informações e apontar mudanças, mas a atualização do gerenciamento de riscos depende da avaliação das condições de trabalho, da análise dos perigos e riscos e da adoção das medidas preventivas pertinentes.

Conclusão: tecnologia deve fortalecer a prevenção, não substituí-la

A inteligência artificial amplia as possibilidades de análise de dados, monitoramento de condições e organização de informações em Segurança e Saúde no Trabalho. Seu valor, contudo, não está na automação por si só, mas na capacidade de contribuir para decisões melhores e medidas preventivas efetivas.

Para utilizar essas ferramentas com responsabilidade, as organizações precisam definir objetivos, verificar a qualidade dos dados, validar os resultados, proteger as informações pessoais e manter a participação dos profissionais e trabalhadores envolvidos.

A pergunta decisiva não é se uma empresa utiliza inteligência artificial. É se a solução escolhida ajuda a controlar os riscos de maneira demonstrável, respeita os requisitos aplicáveis e continua confiável nas condições reais de trabalho.

Para reflexão: na sua experiência profissional, qual aplicação da inteligência artificial tem maior potencial para melhorar a prevenção: análise de imagens, monitoramento ambiental, análise de dados ou apoio à gestão do PGR? E quais controles você considera indispensáveis para evitar que a tecnologia produza uma falsa sensação de segurança?

Fontes oficiais e referências

• Ministério do Trabalho e Emprego — NR-1: Disposições Gerais e Gerenciamento de Riscos Ocupacionais. Referência para GRO, PGR e gerenciamento de riscos ocupacionais.
• Ministério do Trabalho e Emprego — NR-12: Segurança no Trabalho em Máquinas e Equipamentos. Referência para análise de medidas e sistemas de segurança de máquinas.
• Ministério do Trabalho e Emprego — NR-17: Ergonomia. Referência para adaptação das condições de trabalho às características psicofisiológicas dos trabalhadores.
• Ministério do Trabalho e Emprego — NR-18: Segurança e Saúde no Trabalho na Indústria da Construção. Referência setorial para atividades de construção.
• Ministério do Trabalho e Emprego — NR-33: Segurança e Saúde nos Trabalhos em Espaços Confinados. Referência para requisitos aplicáveis a espaços confinados.
• Ministério do Trabalho e Emprego — NR-35: Trabalho em Altura. Referência para requisitos de trabalho em altura e capacitação aplicável.
• Ministério do Trabalho e Emprego — Alterações de 2026 na NR-35. Informação oficial sobre mudanças divulgadas em setembro de 2026 relativas a treinamentos e escadas fixas verticais.
• Presidência da República — Lei nº 13.709/2018: Lei Geral de Proteção de Dados Pessoais. Referência legal para tratamento de dados pessoais e dados pessoais sensíveis.

Nota editorial: este conteúdo tem finalidade informativa e técnica. A aplicação de normas deve considerar seus textos vigentes, alterações posteriores, o contexto de cada atividade e as competências profissionais legalmente estabelecidas. O artigo não substitui avaliação técnica específica nem orientação jurídica individualizada.