Компас безопасности: как ИИ меняет ДНК охраны труда

Искусственный интеллект как новый инструмент специалиста по охране труда

Цифровизация процессов охраны труда переходит на новый уровень. Если раньше автоматизация ограничивалась переносом бумажной работы в Excel и специализированные программы, то сегодня на первый план выходят генеративные нейросети и системы на базе искусственного интеллекта (ИИ). В выступлении детально рассмотрен практический опыт применения ИИ-инструментов, которые помогают специалистам избавиться от рутины и высвободить время для аналитической работы и живого общения с сотрудниками.

Спикер разбирает, как генеративные модели (например, чат-боты) могут создавать контент, анализировать данные и даже писать код по текстовому запросу. Важно понимать, что ИИ — это не замена специалисту, а скорее «цифровой стажер», которого нужно обучать на конкретных примерах и корректировать при ошибках.

Кейс «Компас здоровья»: автоматизация контроля эпидемиологических рисков

Один из ключевых проектов, представленных в вебинаре, — система «Компас здоровья», разработанная для управления рисками при командировках сотрудников в разные страны. Ранее контроль вакцинации и информирование об эпидемиологической обстановке велись вручную, что требовало огромных ресурсов при увеличении количества поездок.

Что делает система:

• Анализирует данные в реальном времени: собирает информацию с сайтов ВОЗ и CDC Travel Health о вспышках заболеваний и рекомендациях.
• Категоризирует страны по уровню риска: от низкого (базовые гигиенические советы) до высокого (обязательная вакцинация и мониторинг симптомов после поездки).
• Персонализирует рекомендации: учитывает маршрут сотрудника и его историю вакцинации, выдавая конкретные указания перед вылетом.

Спикер показывает на примере, как прототип этой системы был собран всего за несколько часов с помощью low-code платформы Replit. Это позволило быстро протестировать идею, создать наглядное техническое задание и успешно защитить проект перед внутренней службой информационной безопасности для последующего переноса на защищенные серверы компании.

Low-code платформы и прогнозирование инцидентов

В выступлении также затронута тема использования платформ Replit и Bolt для создания интерактивных дашбордов и систем регистрации инцидентов без глубоких знаний программирования. Спикер демонстрирует, как с помощью правильно составленного промпта (запроса) можно за считанные минуты получить рабочий прототип приложения.

Такой подход позволяет:

• Визуализировать данные: создавать тепловые карты инцидентов, счетчики дней без травм и рейтинги безопасности.
• Автоматизировать категоризацию: бот может анализировать текстовое описание происшествия (например, «водитель заснул за рулем») и автоматически определять тип инцидента, тяжесть и причину (человеческий фактор).
• Улучшить взаимодействие с IT: наличие работающего прототипа многократно ускоряет процесс разработки полноценного продукта силами профильных специалистов.

Другие сценарии применения ИИ в охране труда

Помимо крупных проектов, спикер делится примерами повседневного использования ИИ для оптимизации рутинных задач:

• Оценка рисков: генерация карт оценки рисков по фотографиям рабочих мест с последующей доработкой специалистом.
• Расследование инцидентов: анализ протоколов ИИ-моделью для получения «третьего мнения» и выявления неочевидных факторов.
• Обучение и инструктажи: создание сценариев, инструкций и визуальных материалов, что значительно повышает вовлеченность сотрудников.
• Анализ обратной связи: суммаризация мнений сотрудников для разработки планов по повышению культуры безопасности.

Что вы узнаете из этого вебинара:

• Как начать использовать генеративные нейросети в повседневной работе специалиста по охране труда?
• Как с помощью low-code платформ за несколько часов создать прототип системы управления рисками?
• Каким образом автоматизировать сбор и анализ данных об эпидемиологической обстановке для командированных сотрудников?
• Как ИИ может помочь в категоризации инцидентов и составлении карт оценки рисков?
• Как правильно формулировать запросы (промпты) для получения качественного результата от нейросетей?