알림 목록

Área de análisis:  ciudad metropolitana de Ulsan

Áreas principales:  Complejo Industrial Nacional Mipo-Onsan, Nam-gu, Dong-gu, Buk-gu, Ulju-gun

Agenda: Niveles de predicción, difusión y protección de datos laborales, de seguridad y de salud.

Tipo de período de tiempo óptimo: Riesgo de bloqueo de datos posterior a un accidente

Fecha de referencia: 28/08/2026

Versión: Regional AX Golden Time Intelligence v3.2
 

En 2025, el número de accidentes mortales investigados a nivel nacional fue de 605, un aumento de 16 respecto al año anterior, con 158 fallecimientos en el sector manufacturero. Si bien el número de muertes en la industria manufacturera disminuyó en 17, el número de accidentes aumentó en 4, lo que indica que la magnitud de las muertes y la frecuencia de ocurrencia siguieron direcciones diferentes. No se dispone de datos públicos que vinculen los riesgos por industria, tamaño de la empresa, contratistas principales/subcontratistas y proceso en Ulsan en tiempo real. Si la seguridad se evalúa únicamente en función del número total de fallecimientos durante el período 2026-2028, las señales de alerta sobre el aumento de riesgos en el proceso solo se identificarán después de que ocurra un accidente.  El punto de partida de Industrial Safety AX no es la digitalización de las estadísticas de accidentes, sino la disponibilidad de datos previos a los accidentes.

Ulsan obtuvo 6.600 millones de wones en fondos estatales para un proyecto de respuesta a olas de calor basado en IA y macrodatos para 2026, y estableció un centro de control integrado para complejos industriales ecológicos inteligentes. Si bien la gestión de la seguridad ha pasado de patrullas e informes a un sistema basado en sensores, información espacial y datos predictivos, el alcance de la integración —que incluye la exposición de los trabajadores, los riesgos de los procesos y la información de salud en los sitios industriales— no se ha divulgado. Si la IA para desastres urbanos y los datos de seguridad laboral permanecen separados durante los próximos dos o tres años, no podrá predecir los riesgos complejos asociados con olas de calor, productos químicos, objetos pesados ​​y espacios confinados. Aunque  la IA de seguridad de Ulsan ha entrado en la fase del entorno urbano, aún no ha alcanzado la etapa de integración en el lugar de trabajo.

En 2025, los lugares de trabajo con menos de 50 empleados representaron 351 de los accidentes mortales totales, o aproximadamente el 58% del total, mientras que los lugares de trabajo con menos de 5 empleados registraron 174 muertes, un aumento del 14,5% con respecto al año anterior. Aunque la estructura es tal que los riesgos de seguridad industrial se concentran en sitios de pequeña escala —donde el personal de gestión y las inversiones en instalaciones son más débiles— que en lugares de trabajo de gran escala, la tasa de adopción de equipos de seguridad con IA por tamaño de empresa entre los subcontratistas en Ulsan no se ha verificado. Si la difusión de la seguridad inteligente centrada en las grandes corporaciones continúa de 2026 a 2028, los riesgos se trasladarán al extremo inferior de la cadena de suministro en lugar de eliminarse.  La mayor brecha en la AX de Seguridad Industrial no es el nivel de tecnología, sino la disparidad en el acceso según el tamaño de la empresa.

La Agencia Coreana de Seguridad y Salud Ocupacional (KOSHA) proporciona equipos de seguridad inteligentes, que incluyen reconocimiento de vídeo mediante IA, sistemas inteligentes para evitar colisiones con grúas, alertas de proximidad para carretillas elevadoras y detección de colapsos y desplazamientos. Si bien la tecnología de seguridad ha evolucionado desde equipos de protección y señales hasta la detección en tiempo real, las alertas y las paradas automáticas, no se divulgan datos sobre el número de centros de trabajo instalados en Ulsan, las tasas de falsas alarmas, las tasas de reducción de accidentes ni las tasas de funcionamiento continuo de los equipos. Si el número de instalaciones aumenta en dos o tres años sin que se hayan comprobado efectos en la reducción de riesgos, el equipo se convierte simplemente en un registro de compra, en lugar de una medida del rendimiento en materia de seguridad.  La tecnología de seguridad inteligente se ha comercializado, pero su rendimiento en la práctica en Ulsan aún no se ha confirmado.

La gestión tradicional de la seguridad agregaba retrospectivamente accidentes, cuasi accidentes, listas de verificación y resultados de exámenes médicos. Si bien la seguridad basada en IA está estructurada para combinar la ubicación del trabajador, la vibración del equipo, la concentración de gases, la temperatura, la secuencia de trabajo y los accidentes anteriores en tiempo real, los estándares de datos y el alcance del análisis conjunto para el Complejo Industrial de Ulsan aún no se han confirmado. Si los datos para el período 2026-2028 se limitan a los equipos de cada empresa, los mismos tipos de accidentes se repetirán en otros lugares de trabajo.  La unidad de competencia en seguridad industrial ha cambiado del equipo individual a la velocidad de aprendizaje de riesgos de toda la cadena de suministro.

A diferencia de los accidentes, los problemas de salud ocupacional se manifiestan como enfermedades tras la acumulación prolongada de efectos derivados del ruido, el polvo, las sustancias químicas peligrosas, los movimientos repetitivos y el trabajo por turnos. Si bien existen datos sobre exámenes médicos y accidentes laborales aprobados, no se divulgan datos regionales que vinculen la exposición diaria con cambios individuales en la salud a largo plazo. Si en los próximos dos o tres años se produce una reestructuración empresarial y una mayor movilidad laboral, el historial de exposición se dispersará entre múltiples centros de trabajo, lo que dificultará el seguimiento de las relaciones causales.  La deficiencia en la evaluación de la salud ocupacional no reside en la tecnología de diagnóstico, sino en el historial de exposición que persiste más allá del traslado de los trabajadores entre centros de trabajo.

Los casos de accidentes graves en la industria naval, según la Agencia Coreana de Seguridad y Salud Ocupacional, revelan una acumulación de riesgos recurrentes, como andamios, cargas pesadas, rotura de cuerdas, caídas y colisiones. Dado que la producción naval consta de bloqueo, soldadura, pintura y ensamblaje, así como de trabajo cooperativo en múltiples etapas, los riesgos se presentan en los límites del proceso; sin embargo, no se ha identificado un sistema de divulgación pública que integre la ubicación, los permisos de trabajo y el estado del equipo de los contratistas principales y subcontratistas. A medida que aumentan los volúmenes de pedidos y el despliegue de mano de obra extranjera durante dos o tres años, las brechas de información entre turnos de trabajo incrementan la probabilidad de accidentes.  La brecha AX en la seguridad de la construcción naval no radica en la falta de conocimiento sobre los tipos de riesgo, sino en la incapacidad de controlar las operaciones simultáneas en tiempo real.

La Agencia Coreana de Seguridad y Salud Ocupacional analizó la exposición a factores peligrosos y los riesgos de cáncer ocupacional entre los trabajadores de soldadura, pintura y producción en la industria naval. Si bien las evaluaciones de riesgos se han ampliado más allá de los accidentes para incluir enfermedades a largo plazo, no existe una cohorte pública disponible que vincule la exposición acumulada por función laboral de los astilleros de Ulsan con sus resultados de salud después de la jubilación. Incluso si la automatización del trabajo continúa hasta 2028, las enfermedades entre quienes tuvieron exposiciones previas aparecerán más adelante.  El programa AX de la industria naval no puede eliminar de inmediato la deuda de salud derivada de exposiciones pasadas, incluso si reduce los accidentes actuales.

Los complejos petroquímicos manejan sustancias inflamables y tóxicas, instalaciones de alta presión y temperatura, y procesos continuos. Si bien los riesgos surgen de una combinación de degradación de equipos, desviaciones de procesos y programas de mantenimiento, más que del comportamiento de un solo trabajador, no se divulga el nivel de intercambio de datos de riesgo sobre tuberías y servicios auxiliares entre las empresas. Si los ciclos de mantenimiento y la composición de la fuerza laboral cambian debido a recortes de producción y reorganización de las instalaciones entre 2026 y 2028, la capacidad predictiva de los modelos entrenados con datos de operación normal podría disminuir.  El riesgo para Petrochemical Safety AX radica no solo en la ausencia de un modelo, sino también en el hecho de que el propio entorno de aprendizaje cambia debido a la reestructuración.

Si bien la exposición química se gestiona mediante mediciones ambientales en el lugar de trabajo y exámenes médicos especiales, las fluctuaciones de concentración entre los ciclos de medición y la exposición acumulada de los trabajadores subcontratados se registran solo de forma limitada. La vinculación de los datos de los sensores de proceso con los datos de salud mejora la capacidad predictiva, pero genera lagunas en cuanto a la información personal, la discriminación laboral y la propiedad de los datos. Si el análisis se amplía durante dos o tres años sin normas sobre derechos laborales, existe un alto riesgo de que las predicciones de salud se utilicen para la selección de trabajadores en lugar de para la mejora del trabajo. La  tecnología Occupational Health AX es técnicamente factible, pero no se considera una tecnología protegida sin derechos laborales sobre los datos.

En las fábricas de automóviles, robots, cintas transportadoras, prensas, carretillas elevadoras y operarios trabajan en el mismo espacio de producción. Si bien los equipos de seguridad inteligentes detectan riesgos de aproximación, colisión y atrapamiento en tiempo real, no está claro si los equipos de los proveedores y las empresas de logística están conectados al mismo nivel. Si en los próximos dos o tres años solo se moderniza el interior de la fábrica de vehículos terminados, los riesgos se trasladan a las secciones de carga y descarga de piezas, mantenimiento subcontratado y logística.  El nivel de integración de la seguridad automotriz (AX) es menor en los límites de la cadena de suministro que dentro de la fábrica.

La expansión de la electrificación y la producción de baterías añade riesgos de alto voltaje, fugas térmicas, sustancias químicas y mantenimiento. Si bien la estructura industrial está pasando de los riesgos mecánicos asociados a los motores de combustión interna a riesgos complejos que involucran electricidad, productos químicos y software, no se ha revelado hasta qué punto el sistema de clasificación de accidentes y cuasi accidentes en la planta de Ulsan refleja este cambio. Aprender únicamente de los tipos de accidentes pasados ​​hasta 2028 no permitirá predecir los accidentes de baja frecuencia y alto riesgo en los nuevos procesos.  El Future Vehicle Safety AX es sólido frente a los riesgos históricos con abundantes datos, pero vulnerable a los nuevos riesgos con datos limitados.

Ulsan ha puesto en marcha un proyecto para recopilar y predecir olas de calor localizadas mediante inteligencia artificial y macrodatos. Si bien ha aumentado el potencial para subdividir la información sobre olas de calor, desde las temperaturas urbanas promedio hasta los microclimas específicos de cada lugar de trabajo, aún no se ha confirmado hasta qué punto se relaciona con la intensidad laboral, el equipo de protección, los turnos y las condiciones subyacentes de los trabajadores. Si los riesgos climáticos aumentan en un periodo de dos a tres años, las disparidades en los daños a la salud en diferentes procesos se amplían incluso a la misma temperatura.  El proyecto Heatwave AX de Ulsan se encuentra actualmente en la fase de predicción ambiental y no en la de evaluación de riesgos específicos para cada trabajador.

La industria naval está aumentando su mano de obra extranjera, mientras que el sector manufacturero en su conjunto experimenta un envejecimiento de su personal cualificado. Si bien los idiomas, la experiencia y las condiciones de salud necesarias para comprender la información sobre riesgos se han diversificado, no se divulgan las alertas multilingües en tiempo real ni las tasas de aplicación de los distintos niveles de riesgo. Si los cambios en la estructura de la fuerza laboral entre 2026 y 2028 superan la capacitación en seguridad y los sistemas de alerta, las advertencias no se traducirán en acciones, incluso si se implementa la tecnología.  En comparación con los cambios en la composición de la fuerza laboral, la personalización y la multilingüización de la información de seguridad en Ulsan aún no se han confirmado.

El reconocimiento de vídeo y el seguimiento de ubicación mediante IA detectan la entrada en zonas peligrosas y la falta de uso de equipos de protección. Si bien esto mejora la visibilidad de la gestión de la seguridad, no existen estándares regionales comunes sobre si los datos de movimiento, velocidad y comportamiento de los trabajadores se reutilizan para evaluaciones de productividad o medidas disciplinarias. Si los datos de seguridad se utilizan para fines distintos a los previstos durante dos o tres años, los trabajadores optan por evitar los sensores y no informan, lo que conlleva una disminución de la calidad de los datos.  La IA de seguridad, donde la vigilancia y la protección no están separadas, socava el rendimiento predictivo debido a la falta de confianza.

Si bien los modelos de IA aprenden de datos de accidentes pasados ​​y de operación normal, los accidentes industriales ocurren con poca frecuencia e implican combinaciones de situaciones complejas. Debido a la escasez de datos de accidentes, verificar las falsas alarmas y las detecciones omitidas es difícil; sin embargo, no se divulgan los indicadores de rendimiento de cada modelo en la planta de Ulsan. Para 2028, si la precisión de las alarmas es baja, la planta ignorará las alarmas repetidas y desactivará la función de parada automática.  Los criterios de evaluación para la IA de seguridad no son el estado de la instalación, sino la tasa de detecciones omitidas y la confiabilidad de la planta.

Ulsan cuenta con el Centro de Control Integrado del Complejo Industrial Verde Inteligente, pronóstico de olas de calor mediante IA, una organización dedicada a la seguridad industrial y sistemas de seguridad inteligentes de grandes corporaciones. Si bien se confirma la preparación a nivel de la ciudad, los complejos industriales y las grandes empresas, no se divulgan los niveles de equipamiento, datos y personal especializado en las empresas asociadas y los pequeños centros de trabajo. Si no se evalúa la preparación en la base de la cadena de suministro durante dos o tres años, el desempeño de las grandes corporaciones sobreestima el promedio regional.  El nivel de preparación de Ulsan en materia de seguridad AX se considera "avanzado" para las grandes empresas y "desigual" para el ecosistema industrial.

En 2025, aproximadamente el 58 % de los accidentes mortales a nivel nacional ocurrieron en lugares de trabajo con menos de 50 empleados. Si bien el foco de riesgo reside en los pequeños centros de trabajo, el funcionamiento de equipos de seguridad con IA requiere inversión, comunicación, mantenimiento y capacidad de análisis de datos. No se ha verificado la tasa de operación sostenida de las pequeñas empresas en Ulsan. Si solo se dispone de subsidios iniciales entre 2026 y 2028, la brecha de seguridad se ampliará nuevamente cuando surjan los costos de reemplazo de equipos y suscripción.  Se considera que el nivel de preparación de los pequeños centros de trabajo es menor en la operación sostenida que en la instalación.

El reconocimiento de vídeo mediante IA, las grúas inteligentes, la detección de aproximación de carretillas elevadoras y los sensores de colapso/desplazamiento se han incluido entre los elementos de soporte comercial. Si bien se han extendido diversos tipos de tecnología, no se divulgan las tasas de instalación ni los efectos en la reducción de accidentes por industria y proceso en Ulsan. Si la distribución de equipos individuales continúa solo durante dos o tres años, no se pueden predecir los accidentes de proceso que involucren la combinación de múltiples riesgos.  Los equipos de seguridad inteligentes se han extendido al mercado de productos, pero actualmente se encuentran en una fase de difusión parcial en todo el proceso de Ulsan.

El Centro de Control Integrado del Complejo Industrial Verde Inteligente sentó las bases para la interconexión de información espacial 3D, control y servicios para 2025. Si bien la visibilidad a nivel del complejo industrial ha mejorado, aún no se ha confirmado la interconexión en tiempo real con los permisos de trabajo internos, los sensores de los equipos y la información sobre riesgos laborales. Si para 2028 se separan los datos de control externo y los datos de procesos internos, la identificación de la ubicación tras un accidente será más rápida, pero la intervención previa al accidente será limitada.  El control del complejo industrial se ha expandido, pero la conexión de los datos predictivos de seguridad sigue siendo incompleta.

Las grandes corporaciones cuentan con sus propias organizaciones de seguridad, sensores, salas de control y capacidad para invertir en instalaciones. Incluso cuando los subcontratistas trabajan en las instalaciones del contratista principal, los datos por afiliación, proceso y equipo pueden estar separados, y no se divulga la frecuencia de las operaciones de datos compartidos. Si los datos de seguridad entre el contratista principal y los subcontratistas no se vinculan durante dos o tres años, se omiten simultáneamente la responsabilidad y el riesgo con respecto a los límites del proceso.  El sistema de evaluación de riesgos de seguridad del contratista principal se ha implementado, pero el sistema de evaluación de riesgos conjunto entre el contratista principal y los subcontratistas aún no se ha confirmado.

La proporción de accidentes mortales en centros de trabajo con menos de 50 empleados ha superado la mitad. Si bien los grupos de alto riesgo no coinciden con los grupos con capacidad de inversión en tecnología, el desempeño de Ulsan en soporte, instalación y mantenimiento según el tamaño de la empresa no se ha verificado. Si esta brecha persiste hasta 2028, el riesgo general de accidentes en la región seguirá estando en la parte inferior de la cadena de suministro, a pesar de los avances en tecnología de seguridad.  Se estima que el nivel de difusión entre las empresas asociadas es significativamente menor que el de las grandes corporaciones.

La salud ocupacional gestiona los factores de riesgo y las enfermedades mediante mediciones del entorno laboral, exámenes médicos especiales e investigaciones epidemiológicas. Si bien se han recopilado datos institucionales, aún no se ha identificado un sistema a nivel de Ulsan que vincule la exposición individual, la movilidad laboral y los resultados de salud a largo plazo. Si la rotación de puestos de trabajo, las jubilaciones y la presencia de trabajadores extranjeros aumentan en un período de dos a tres años, la discontinuidad en el historial de exposición se acentúa aún más.  Los chequeos médicos se han generalizado, pero los datos de exposición acumulada a lo largo de la vida siguen estando fragmentados.

Las investigaciones en la industria naval analizaron el riesgo de enfermedades profesionales mediante la vinculación de matrices de exposición laboral con datos de registro de cáncer, seguro de desempleo y exámenes médicos. Si bien la metodología de investigación existe, no se ha verificado hasta qué punto se transmite a los trabajadores en el lugar de trabajo en forma de alertas de riesgo individuales y ajustes laborales. Si la investigación y el entorno laboral se separan para 2028, los riesgos de enfermedad se limitarán a estadísticas colectivas.  Aunque existe la capacidad para analizar la salud ocupacional, la implementación de la prevención en tiempo real aún se encuentra en una fase inicial.

Entre 2026 y 2028, Ulsan experimentará simultáneamente un aumento en los pedidos de construcción naval, la electrificación del sector automotriz, la reestructuración petroquímica, los riesgos climáticos y la expansión de la mano de obra extranjera. Si bien la carga de trabajo, los procesos, las instalaciones y la composición de la fuerza laboral cambiarán a la vez, no se ha revelado el ciclo de actualización de los modelos basados ​​en datos históricos para reflejar estas nuevas condiciones. Si el cambio supera el aprendizaje, la precisión de la IA de seguridad disminuye durante el período de transición más crítico.  El riesgo que afecta a Ulsan Safety AX, y que requiere una mayor atención al tiempo, no reside en el retraso en la adopción de la tecnología, sino en el retraso en las actualizaciones de los modelos con respecto a los cambios en la estructura industrial.

Las enfermedades profesionales implican un desfase de varios años entre la exposición y el diagnóstico. Si las instalaciones y las estructuras laborales cambian en los próximos dos o tres años, la información sobre la exposición de los trabajadores actuales puede fragmentarse debido al cierre de centros de trabajo y los cambios de empleo. En consecuencia, resulta difícil identificar la causa y atribuir responsabilidades, incluso si la enfermedad se manifiesta posteriormente.  El periodo actual, en medio de la reestructuración de las industrias petroquímica y naval, representa la última oportunidad para preservar los historiales de salud ocupacional.

Los accidentes graves se desarrollan en una estructura donde los datos se acumulan solo después de que se hayan producido pérdidas de vidas y salud. Incluso si los modelos se mejoran tras un accidente, las pérdidas ya sufridas no se pueden recuperar, y la memoria in situ se debilita debido a la sustitución de trabajadores en el mismo proceso. Si no se acumulan datos de incidentes evitables y alertas durante dos o tres años, la IA continúa utilizando datos sobre fallecimientos y lesiones como material de entrenamiento.  La irreversibilidad de la seguridad industrial radica en que se incurre en costes irrecuperables en el momento en que se generan los datos de fallos.

Si los datos de salud están fragmentados por empresa, resulta difícil recuperar información sobre exposiciones pasadas cuando un trabajador cambia de empleo o se jubila. A medida que avanzan las reestructuraciones empresariales y el cierre de empresas asociadas, los registros del entorno laboral y de las partes responsables pueden desaparecer. Si los historiales a largo plazo no se vinculan para 2028, la probabilidad de determinar la causalidad de las enfermedades profesionales se verá reducida de forma permanente.  La discontinuidad de los datos de salud laboral constituye un riesgo irreversible que menoscaba, a la vez, los daños a la salud y el derecho a indemnización.

Criterio de evaluación: Para que se establezca el AX de Trabajo, Seguridad y Salud de Ulsan, no se debe depender del suministro de equipos, sino de la tasa de detección de incidentes menores, el tiempo de respuesta de las alarmas, la tasa de conexión con los socios, la tasa de seguimiento de la exposición acumulada y la reducción de accidentes, que deben verificarse simultáneamente antes de 2028.

Se trata de una etapa, y se considera que el sistema predictivo que vincula la exposición de los trabajadores a lo largo de su vida, los procesos del contratista principal/subcontratista y los resultados de salud está incompleto.

Si bien la seguridad inteligente se está implementando en las grandes corporaciones, no hay pruebas de que se haya extendido al mismo nivel a los subcontratistas, los pequeños centros de trabajo y los trabajadores extranjeros, donde se concentran los riesgos.

Labor AX debe ser un sistema que determine los riesgos antes de que ocurran accidentes y la exposición a enfermedades, en lugar de un sistema que supervise a los trabajadores con mayor precisión. Actualmente, Ulsan cuenta con tecnología de detección, pero aún no ha logrado la verificación simultánea de la predicción, la difusión y los derechos.

Evaluación del momento oportuno: Adopción de medidas de seguridad inteligentes + Riesgo de integración predictiva entre trabajo y salud

Fuentes de evidencia

• Ministerio de Empleo y Trabajo, Situación de los accidentes mortales sujetos a investigación en 2025
• Ministerio de Empleo y Trabajo, Situación de los accidentes laborales en 2025
• Agencia Coreana de Seguridad y Salud Ocupacional, Estadísticas de Accidentes Graves
• Agencia Coreana de Seguridad y Salud Ocupacional, casos de accidentes graves en la industria de la construcción naval.
• La Agencia Coreana de Seguridad y Salud Ocupacional analiza los factores de riesgo y las enfermedades profesionales en la industria de la construcción naval.
• La Agencia Coreana de Seguridad y Salud Ocupacional apoya los equipos de seguridad inteligentes.
• Agencia Coreana de Seguridad y Salud Ocupacional: Casos prácticos de IA y tecnología inteligente de seguridad industrial.
• Respuesta a la ola de calor basada en IA y macrodatos en la ciudad metropolitana de Ulsan
• Centro de Control Integrado del Complejo Industrial Verde Inteligente de la Ciudad Metropolitana de Ulsan

Análisis estructural: la IA en seguridad industrial llega demasiado tarde a medida que aprende de los accidentes.

El rendimiento de la IA aplicada a la fabricación general mejora a medida que aumenta la cantidad de datos sobre volumen de producción, defectos y mantenimiento. Si bien los modelos de IA para la seguridad industrial pueden volverse más sofisticados a medida que crece el número de accidentes de los que aprender, la generación de esos datos conlleva un aumento de lesiones y muertes. Se trata de un campo singular donde la acumulación de datos y los resultados sociales no evolucionan en la misma dirección.

Cuanto menos frecuentes son los accidentes, más difícil resulta el aprendizaje estadístico, pero mayor es la correlación con la seguridad. Por el contrario, los lugares propensos a accidentes son favorables para el entrenamiento de modelos, pero representan sitios donde la prevención ya ha fallado. Por lo tanto, si la IA para la seguridad industrial se diseña en torno a datos de accidentes, surge una paradoja: las fábricas más seguras carecen de datos de entrenamiento suficientes, mientras que las más peligrosas solo muestran una mayor capacidad predictiva una vez que se han acumulado los daños.

Los datos que modifican esta estructura no son las muertes ni las lesiones, sino las desviaciones en los equipos, la superposición de tareas, las advertencias ignoradas, el desprendimiento de equipos de protección, los incidentes evitados y la exposición a factores peligrosos. Sin embargo, estos datos se encuentran dispersos dentro de la empresa y se superponen con la información de vigilancia de los trabajadores. Si bien el valor preventivo aumenta cuanto antes se recopilen, antes de un accidente, también aumenta el riesgo de vulneración de derechos.

Por lo tanto, el punto de inflexión estructural de Ulsan Labor AX no reside en la precisión de la IA en sí.  El éxito de Industrial Safety AX depende de que se garanticen simultáneamente los datos para identificar riesgos sin causar lesiones a los trabajadores y la confianza en que dichos datos se utilicen exclusivamente para la protección de los mismos.