El objetivo de esta investigación es analizar las características, la aplicabilidad y el aporte de la inteligencia artificial en la prevención de riesgos en construcción, en concordancia con la Ley 29783, el DS 011-2019-TR y el RNE G.050, e incorporando un enfoque de gestión ética alineado con IEEE 7000 2021 y con un sistema de gestión de IA conforme a ISO IEC 42001 2023. Los materiales y métodos fueron una revisión sistemática de literatura académica y documentos oficiales recientes, con extracción de métricas de desempeño e indicadores líderes, mapeo normativo, evaluación de transferibilidad al contexto peruano y una matriz transversal de ética, privacidad y sesgo que consideró minimización de datos, validación humana, explicabilidad y pruebas de sesgo por subgrupos. Los resultados indican que la inteligencia artificial produce impacto cuando se integra al sistema de gestión existente y se gobierna con indicadores líderes como tiempo a corrección, relación alerta a acción, cumplimiento de equipos de protección personal y registro de incidentes precursores, observándose aumentos sostenidos de cumplimiento, reducción de la latencia y descenso de dichos incidentes; destacan visión por computador para conductas y uso de equipos de protección, sensores portables para fatiga y estrés térmico, procesamiento de lenguaje natural para extraer lecciones de reportes, arquitecturas con procesamiento en el borde que disminuyen la latencia y vehículos aéreos no tripulados que amplían cobertura, con efectividad condicionada por calidad y representatividad de datos, calibración y control de deriva, capacidad organizacional e interoperabilidad en entornos multiempresa. Las conclusiones señalan que la inteligencia artificial es compatible con el marco peruano cuando su operación queda trazada en IPERC, análisis de trabajo seguro y permisos para trabajos de alto riesgo, con validación humana obligatoria, privacidad por diseño y gobierno de datos, y recomiendan una hoja de ruta con pilotos medibles, formación especializada, adopción escalonada orientada al retorno preventivo y guías técnicas que aseguren evidencia digital en auditorías.The objective of this study is to analyze the characteristics, applicability, and contribution of artificial intelligence to risk prevention in construction, in line with Peru’s Law 29783, DS 011-2019-TR, and the RNE G.050, and with an ethical management approach aligned to IEEE 7000 2021 and an AI management system consistent with ISO IEC 42001 2023. Materials and methods were a systematic review of recent scholarly literature and official documents, with extraction of performance metrics and leading indicators, regulatory mapping, assessment of transferability to the Peruvian context, and the development of a cross-cutting ethics, privacy, and bias matrix that considered data minimization, human validation, explainability, and subgroup bias testing. Results indicate that AI delivers impact when it is embedded in the existing safety management system and governed with leading indicators such as time to correction, alert to action ratio, compliance with personal protective equipment, and near-miss records, producing sustained gains in compliance, shorter response times, and fewer precursor incidents. The strongest effects are seen with computer vision for behaviors and PPE use, wearables for fatigue and heat stress, natural language processing to extract lessons from reports, edge processing that reduces latency, and UAVs that extend coverage, with effectiveness conditioned by data quality and representativeness, calibration and control of model drift, organizational response capacity, and interoperability in multiemployer settings. Conclusions state that AI is compatible with the Peruvian framework when its operation is traceable within IPERC, ATS, and PETAR, with mandatory human validation, privacy by design, and robust data governance, and they recommend a national roadmap with measurable pilots, specialized training, phased adoption oriented to preventive return, and technical guidance that secures digital evidence for audits.