, Raúl Aguilar Elena , Juan José Agún-González , Ana Delgado-García , Yenny Andrea Rozo Silva El reciclaje informal en Colombia es una actividad ambientalmente necesaria, desarrollada en condiciones de elevada vulnerabilidad social y sanitaria, con exposición crónica a riesgos biológicos y particulados y escaso acceso a vigilancia en salud laboral. En este contexto, la inteligencia artificial (IA) ofrece una oportunidad para identificar perfiles de riesgo ocultos en poblaciones sin datos etiquetados ni diagnósticos previos. Se realizó un estudio transversal en 179 recicladores informales de Bogotá, Tocancipá, Cajicá y Funza. Los síntomas respiratorios se evaluaron mediante el cuestionario ATS-DLD-78-A1 y la exposición y percepción del riesgo biológico mediante el cuestionario ERBIO. Los datos se procesaron en R y se analizaron mediante seis técnicas de clustering no supervisado (K-means, K-modes, jerárquico, DBSCAN, modelos de mezcla gaussiana y Fuzzy C-means), comparadas mediante métricas de validación interna. El algoritmo K-means mostró el mejor rendimiento global (índice de silueta = 0,639) e identificó tres clústeres: un grupo envejecido y altamente vulnerable con elevada prevalencia de síntomas respiratorios; un grupo joven con baja sintomatología; y un grupo intermedio, predominantemente femenino, con riesgo moderado. Otros métodos detectaron subgrupos extremos, pero con menor estabilidad e interpretabilidad. El clustering no supervisado, especialmente K-means, permite identificar perfiles diferenciados de riesgo respiratorio y orientar estrategias preventivas específicas. Integrada en la salud pública, la IA contribuye a la detección temprana del riesgo, la reducción de desigualdades y el avance hacia una prevención de precisión en salud laboral.