El sistema SEWAbility: un marco de análisis de tareas basado en vídeo para comprender las demandas laborales específicas

Por qué esto importa para trabajadoras, trabajadores y empleadores

Muchas personas con problemas de salud quieren trabajar pero tienen dificultades para encontrar puestos que se adapten realmente a lo que sus cuerpos pueden soportar. Al mismo tiempo, las fábricas necesitan métodos fiables para entender qué exige físicamente cada puesto a las personas trabajadoras. Este estudio presenta SEWAbility, un nuevo sistema basado en vídeo que utiliza inteligencia artificial para leer imágenes de cámaras convencionales de fábrica y traducir el trabajo de costura en descripciones claras y medibles de cómo se mueve el cuerpo. El objetivo a largo plazo es ayudar a emparejar a las personas —especialmente a quienes tienen discapacidades— con trabajos que se ajusten mejor a sus capacidades de forma más segura y justa.

De las cámaras de fábrica a información útil sobre el trabajo

El análisis tradicional de puestos suele depender de expertos que observan a las personas trabajadoras, toman notas, organizan grupos focales y entrevistan a los responsables. Este proceso es lento, subjetivo y no lo suficientemente detallado para captar los movimientos y esfuerzos exactos que exige un puesto. En una fábrica de costura china, el equipo de investigación comprobó estas limitaciones de primera mano: las trabajadoras podían decir que cosían sábanas o uniformes escolares, pero no describir cada paso de forma clara y medible. Los profesionales de rehabilitación laboral podían señalar movimientos repetidos de brazos o flexiones, pero no disponían de cifras precisas sobre la velocidad o el rango de movimiento de las articulaciones. SEWAbility se creó para cerrar esta brecha convirtiendo vídeos cenitales del puesto de trabajo en datos de movimiento objetivos que puedan analizarse de forma consistente.

Descomponer el trabajo de costura en bloques más pequeños

SEWAbility se centra en cómo las trabajadoras de costura usan los brazos y la parte superior del cuerpo. Parte de vistas cenitales que protegen la privacidad al no mostrar los rostros. El sistema rastrea hombros, codos y muñecas fotograma a fotograma, y luego resume cómo se mueven estas articulaciones a lo largo del tiempo mediante 88 características de movimiento, como velocidad, dirección y rango de movimiento. Primero, el sistema agrupa los vídeos en tipos de tarea amplios —por ejemplo, confección de partes superiores, ropa de cama o prendas inferiores— basándose únicamente en los patrones de movimiento. En pruebas con 21 vídeos reales de fábrica, esta agrupación automática coincidió con el tipo de tarea en aproximadamente el 86 % de los casos, mostrando que distintos trabajos de costura dejan verdaderas “firmas” de movimiento diferenciadas en cámara.

Detectar ciclos repetidos y micro-movimientos repetidos

Una vez identificado el tipo de tarea, SEWAbility hace un acercamiento. Detecta ciclos de trabajo, como coser una sábana completa de principio a fin. En la costura, una pista clara es el momento en que la persona se inclina para retirar la tela terminada y coger una nueva pieza. Al seguir dónde aparece la mano cerca del borde de la mesa, el sistema marca el inicio y el fin de cada ciclo. Dentro de cada ciclo, segmenta el vídeo en muchos fragmentos cortos y solapados de un segundo y los agrupa para encontrar el patrón de movimiento más común. Un segundo paso más preciso utiliza los picos verticales del movimiento de la muñeca para dividir ese patrón dominante en elementos de trabajo muy pequeños: los movimientos repetidos básicos, como empujar la tela a través de la aguja.

Convertir el movimiento en cifras que describen las exigencias del puesto

Para estos elementos de trabajo repetidos, SEWAbility calcula detalladas características de “patrón de movimiento repetitivo”. Estas incluyen la distancia que recorre cada articulación, la velocidad a la que se mueve y cuánto cambian los ángulos del codo y del hombro. En un vídeo de confección de una prenda superior, el sistema identificó siete ciclos de trabajo claros y, solo en el primer ciclo, 18 elementos repetitivos estables que duraban poco más de un segundo cada uno. En ejemplos seleccionados mostró que los brazos de la trabajadora se movían mucho más en dirección horizontal que vertical, coincidiendo con lo que cabe esperar al deslizar la tela por una máquina de coser. Al escalar los movimientos en relación con la anchura de los hombros, estas características pueden interpretarse en centímetros y grados reales, lo que facilita su uso como puntos de referencia por parte de clínicos y especialistas en ergonomía.

Qué podría significar esto para un trabajo más justo y seguro

Aunque este estudio inicial se centró en una sola trabajadora de costura con una discapacidad física, el marco SEWAbility demuestra que técnicamente es posible construir perfiles ricos y específicos de tarea sobre cuán exigente es un puesto, usando solo vídeos del lugar de trabajo. A medida que se incorporen más personas trabajadoras y más tareas, estos perfiles de movimiento podrían respaldar recomendaciones laborales basadas en datos, ayudando a emparejar las capacidades físicas de las personas con las verdaderas exigencias de los puestos en fábrica. En comparación con el análisis de puestos tradicional, más subjetivo, SEWAbility ofrece una forma escalable de monitorizar el trabajo repetitivo durante largos periodos, allanando el camino hacia contrataciones más justas, mejores planes de rehabilitación profesional y un diseño del puesto de trabajo más informado.

Cita: Hu, H., Ding, Z., Fu, E.Y. et al. The SEWAbility system: a video-based job analysis framework for understanding task-specific job demands. Sci Rep 16, 10370 (2026). https://doi.org/10.1038/s41598-026-41536-w

Palabras clave: rehabilitación profesional, trabajo en fábricas de confección, análisis de movimiento basado en vídeo, exigencias laborales, ergonomía en el puesto de trabajo