El reconocimiento de peligros en los sitios de construcción es crucial para garantizar la seguridad de los trabajadores. Los métodos tradicionales dependen en gran medida de evaluaciones de expertos, inspecciones en el lugar y listas de verificación, lo que puede ser un proceso que consume tiempo y es susceptible a errores humanos. La integración de Modelos de Lenguaje Grande (LLMs) multimodales, como los sistemas basados en GPT, ofrece una oportunidad prometedora para superar estas limitaciones. Por lo tanto, este estudio evalúa la efectividad de GPT-4o en el reconocimiento de peligros laborales a partir de entradas de imágenes, con un enfoque específico en los sitios de construcción. Los resultados indican que el modelo puede servir como una herramienta valiosa de apoyo a la decisión para los profesionales de la seguridad al proporcionar información escalable y en tiempo real. Sin embargo, el estudio también destaca limitaciones clave, incluida la dependencia del modelo en características visuales generales en lugar de conocimientos de seguridad específicos del dominio, y la necesidad continua de supervisión humana. Además, las preocupaciones éticas, incluido el sesgo en las evaluaciones de peligros generadas por IA, la privacidad de los datos y el riesgo de depender en exceso de la IA, deben ser gestionadas cuidadosamente para garantizar que estas herramientas contribuyan de manera responsable y efectiva a las estrategias proactivas de gestión de riesgos.