Title

Arquitetura auditável de inteligência artificial generativa para apoio à decisão em segurança industrial

Auditable generative artificial intelligence architecture for decision support in industrial safety

Authorship

GONÇALVES, RODRIGO DE JESUS FERREIRA

GONÇALVES, RODRIGO DE JESUS FERREIRA

I am this author

DOI

10.5151/2594-5335-44308

Downloads

Abstract

Este trabalho apresenta a MAXIA, uma arquitetura multiagente e auditável de inteligência artificial generativa para apoio à decisão em Saúde, Segurança e Meio Ambiente (SSMA) industrial. A metodologia combina descrição arquitetural, avaliação técnica pré-piloto e piloto operacional em andamento. O corpus técnico inclui 1.453 páginas de procedimentos operacionais de obra de quatro clientes em atividades de alto-forno, coqueria, montagem e manutenção de andaimes; 234 registros de acidentes entre 2022 e 2026, incluindo ASA, ASAM e acidentes com afastamento; e 1.873 desvios de severidade 3 e 4, registrados entre 2024 e 2026 no Sudeste. Os dados passam por normalização documental, parametrização de campos e anonimização conforme LGPD, com revisão por equipe de 5 a 10 especialistas de SSMA antes da entrada na base. Na avaliação pré-piloto, com 80 perguntas, a MAXIA alcançou 88% de respostas corretas com fonte verificável, 89% de acerto quantitativo e 94% de reconhecimento de ausência de evidência suficiente. Os resultados indicam viabilidade técnica como camada auditável, embora o impacto operacional dependa da consolidação do piloto.

This paper presents MAXIA, a multi-agent and auditable generative artificial intelligence architecture for decision support in industrial Occupational Health, Safety and Environment (OHSE). The method combines architectural description, a pre-pilot technical evaluation and an ongoing operational pilot. The technical corpus includes 1,453 pages of construction-site operational procedures from four clients in blast furnace, coke plant, assembly and scaffold maintenance activities; 234 accident records from 2022 to 2026, including ASA, ASAM and lost-time accidents; and 1,873 deviations with severity levels 3 and 4, recorded from 2024 to 2026 in Southeast Brazil. Data are processed through document normalization, field parametrization and anonymization under LGPD, with review by 5 to 10 OHSE specialists before database ingestion. In an 80-question pre-pilot benchmark, MAXIA achieved 88% correct answers with verifiable sources, 89% quantitative accuracy and 94% recognition of insufficient evidence. Results indicate technical feasibility as an auditable layer, while operational impact remains dependent on pilot consolidation.

Keywords

Inteligência artificial, Segurança industrial, Recuperação aumentada por geração, Rastreabilidade

Artificial intelligence, Industrial safety, Retrieval-augmented generation, Traceability