SEGURIDAD LABORAL Y EPI EN LA INDUSTRIA ALIMENTARIA 16 como EPI para la industria alimentaria en España y esta fue la respuesta: Comomodelo de lenguaje AI, no tengo acceso a información en tiempo real ni a datos de precios actualizados. Los precios de los guantes como EPI en la industria alimentaria pueden variar según diferentes factores, como la marca, el material, la calidad y la cantidad de compra. Para obtener los mejores precios de guantes como EPI en la industria alimentaria en España, te recomendaría seguir estos pasos: • Investigación en línea: realiza búsquedas en línea en sitios web de proveedores de equipos de protección individual y distribuidores especializados en productos de seguridad laboral. Compara los precios y las ofertas disponibles en diferentes plataformas. • Contacta aproveedores: ponte encontacto con proveedores y distribuidores de equipos deprotección individual en tuárea. Solicita cotizaciones y compara los precios ofrecidos por diferentes proveedores. Pregunta si ofrecen descuentos por compras a granel o si tienen promociones especiales. • Negociación: si planeas hacer compras a gran escala, puedes intentar negociar precios con los proveedores. Explícales tus necesidades y la cantidad que estás dispuesto a adquirir para ver si pueden ofrecerte mejores precios o condiciones comerciales favorables. • Asociaciones ogrupos decompra: considera unirte a asociaciones o grupos de compra en la industria alimentaria. A veces, estas organizaciones tienen acuerdos con proveedores que pueden ofrecer preciosmás competitivos a sus miembros. Recuerda que, además del precio, es importante tener en cuenta la calidad y el cumplimiento de las normas de los guantes. Asegúrate de que los guantes seleccionados cumplan con las regulaciones y normativas aplicables en la industria alimentaria para garantizar la seguridad y la protección adecuada de los trabajadores. En esta conversación con el chatbot de inteligencia artificial ChatGTP sobre seguridad y salud en la industria de los alimentos y bebidas se pueden juzgar unas respuestas generalmente correctas, perode alcancemuy limitado y sin cuantificar. Cuando se insiste en concreción, se esquivan datos en la respuesta, o se recurre a datos globales. Todo ello expresado con claridad y corrección ortográfica y sintáctica para ofrecer solamente una información panorámica, en algún caso con cierto sesgo. Siempre hay recomendaciones o apelaciones finales que hay que tener en cuenta bajo criterios de responsabilidad eficacia y cumplimiento normativo. Cuando se plantean cuestiones técnicas, hay que tener mucho cuidado, como hemos visto en el caso de la norma EN 374. La IA utiliza algoritmos y modelos matemáticos para procesar grandes cantidades de datos y tomar decisiones basadas en patrones y reglas establecidas a través del aprendizaje automático, a partir de datos sin ser programada específicamente para hacerlo. Los datos son el combustible necesario de la IA, y si no hay buenos datos, los chaboat y sus múltiples aplicaciones sirven de poco e incluso pueden generar graves perjuicios y riesgos, no debemos que el axioma GIGO, ‘garbage in, garbage out- si entra basura sale basura’, siempre se cumple. Por ello, es prioritario afrontar el reto de formación y de creación de talento, para una industria de datos, bajo las premisas de alta calidad y fiabilidad y el adecuado entrenamiento, para con inteligencia humana controlar inteligencia artificial. REFERENCIAS • Argote, I. (2021). Seguridad y salud en el trabajo en la industria alimentaria: principales riesgos laborales y su prevención. Gaceta de la Protección Laboral 107, 2021/1. • Comisión Europea (2021). Propuesta de Reglamento por el que se establecen normas armonizadas en materia de inteligencia artificial (Ley de Inteligencia Artificial) y se modifican determinados actos legislativos de la Unión. COM/2021/206 final. https://eur-lex.europa.eu/legal-content/ES/TXT/?uri=CELEX:52021PC0206 • EU OSHSA (2023). AI-based software to increase fact checking’s speed, scale and impact (ID14). https://osha.europa.eu/es/publications/ai-based-software-increase-fact-checkings-speed-scale-andimpact-id14 • EU OSHA (2023). Artificial intelligence-based system for productinspection in manufacturing (ID3). https://osha.europa.eu/es/publications/artificial-intelligence-based-system-product-inspectionmanufacturing-id3 • EU OSHA (2022). Artificial intelligence for workermanagement: prevention measures. https://osha.europa.eu/es/publications/artificialintelligence-worker-management-prevention-measures • Future of Live Institute (2023). Pause Giant AI Experiments: An Open Letter. https://futureoflife.org/wp-content/uploads/2023/05/FLI_Pause-Giant-AI-Experiments_An-Open-Letter.pdf • LeCun, Y., Bengio, Y., Hinton, G. (2015). Deep Learning. Nature, vol. 521, pp. 436—444, 2015. • Stanford University (2023). The aAI index report. Measuring trends in Artificial Intelligence. https://aiindex.stanford.edu/report/ • MathWorks. Red neuronal convolucional AlexNet. https:// es.mathworks.com/help/deeplearning/ref/alexnet.html • Vaswani, A. at als. (2017). Attention is All You Need. 31st Conference on Neural Information Processing Systems (NIPS 2017).
RkJQdWJsaXNoZXIy Njg1MjYx