Dari Pemantauan Video ke Ekosistem Keselamatan Berbasis AI: Cara Mengubah Data K3 menjadi Pencegahan Insiden

Penerapan perangkat digital dalam keselamatan dan kesehatan kerja (K3) sering kali terbatas pada pemasangan kamera pengawas dan pencatatan insiden dasar. Namun, potensi data yang sesungguhnya baru terungkap saat beralih dari sekadar pencatatan pelanggaran menuju ekosistem yang proaktif. Dalam paparannya, Aleksandr Bondarenko, Kepala K3 di JSC SSGPO (Iron Division) yang merupakan bagian dari ERG, mengulas secara mendalam pengalaman transformasi berbagai solusi digital yang terpisah menjadi satu ekosistem AI terpadu, yang memungkinkan perusahaan mencapai rekor tertinggi jam kerja tanpa kecelakaan fatal.

Evolusi Pengawasan: Dari Drone hingga Konten Pelatihan

Secara historis, perusahaan mengalami rata-rata lima kecelakaan kerja fatal per tahun. Titik baliknya adalah penerapan praktik terbaik dunia yang telah diadaptasi serta digitalisasi berskala besar. Salah satu langkah pertama yang diterapkan sejak tahun 2016 adalah penggunaan drone untuk mengawasi pekerjaan berisiko tinggi. Dalam praktiknya, alat ini membuktikan peran kritisnya: pada tahun 2021, seorang pilot drone tepat waktu menyadari keberadaan dua pekerja yang sedang beristirahat di tempat teduh di bawah lereng tambang tempat pekerjaan sedang berlangsung. Suara baling-baling drone membuat mereka meninggalkan zona berbahaya tersebut hanya 12 detik sebelum terjadinya longsoran batuan.

Saat ini, pemantauan teknis mencakup lebih dari 1.800 kamera statis dan sekitar 500 perekam video pribadi (bodycam). Volume data video yang sangat besar ini tidak hanya menumpuk tak terpakai di server, melainkan dikonversi menjadi materi pelatihan. Setiap bulan, tim K3 mengedit video pendek yang menunjukkan kesalahan sekaligus contoh pelaksanaan tugas yang aman. Konten ini ditayangkan pada 200 layar TV di ruang pembagian surat perintah kerja sebelum awal setiap sif, sehingga menciptakan proses pembelajaran mikro (microlearning) yang berkelanjutan.

Kecerdasan Buatan dalam Manajemen Perilaku

Pembicara memberikan perhatian khusus pada evaluasi komunikasi antara pengawas dan pekerja. Perusahaan telah menerapkan sistem analisis otomatis untuk pengarahan keselamatan singkat (safety talk) dan dialog keselamatan berbasis perilaku. Para pengawas merekam pengarahan mereka menggunakan perekam suara, lalu algoritma menilai kualitas percakapan tersebut berdasarkan metodologi yang telah disetujui.

Berkat perangkat otomatisasi, pengawas mendapatkan umpan balik terstruktur hanya dalam waktu 45 detik: sistem menyoroti keunggulan dialog dan area yang perlu ditingkatkan. Data ini disinkronkan dengan dasbor, membentuk gambaran terpadu di seluruh unit kerja.

Untuk melatih para pengawas muda dalam melakukan audit keselamatan, dikembangkan sebuah simulator pelatih elektronik khusus. Dalam sistem ini, kecerdasan buatan memerankan berbagai profil pekerja—mulai dari yang patuh hingga yang menentang atau bersikap fatalistik. Tugas pengawas adalah membangun dialog sedemikian rupa sehingga dapat membawa lawan bicara virtual tersebut menyadari risiko yang ada.

Penilaian Komprehensif Kelelahan Pengemudi

Salah satu ancaman tersembunyi di lokasi kerja adalah kelelahan personel, yang tidak dapat dideteksi menggunakan alat tes alkohol standar. Untuk mengatasi masalah ini, tim mengembangkan modul perangkat keras dan perangkat lunak bernama PAM 60.

Perangkat ini mengevaluasi reaksi seseorang menggunakan setir dan pedal gim dengan memberikan sinyal selama satu menit. Secara bersamaan, kamera 4K dengan cincin LED melakukan pupilometri—mengukur kecepatan penyempitan dan pemulihan pupil saat terkena cahaya, serta mendeteksi kemerahan pada mata. Perbedaan utama sistem ini adalah tidak digunakannya standar rata-rata umum. Modul ini mengumpulkan statistik untuk setiap karyawan dan membandingkan indikator saat ini dengan basis data individualnya. Jika reaksi dan parameter pupil menyimpang dari batas normal pribadi, pekerja tersebut tidak dihukum, melainkan dialihkan ke tugas-tugas pendukung di bengkel, sehingga menghilangkan risiko kecelakaan lalu lintas di jalur operasional.

Perangkat AI Lokal dan Perlindungan Data

Penerapan model generatif sering kali disertai risiko kebocoran informasi rahasia. Untuk menghindarinya, perusahaan mengandalkan program luring (offline) mandiri berbasis peramban dan model bahasa lokal. Hal ini memungkinkan otomatisasi analitik kompleks secara aman:

• Investigasi insiden: sistem menganalisis rekaman audio wawancara dan berkas kasus, secara otomatis menyusun pohon penyebab (fault tree), membuat diagram dasi kupu-kupu (bow-tie), dan menyiapkan materi presentasi.
• Uji pengetahuan: agen cerdas (multi-agent) melaksanakan ujian lisan terkait persyaratan regulasi dengan mengajukan pertanyaan melalui suara dan menilai substansi jawaban karyawan dalam bentuk persentase.
• Penyusunan prosedur: berdasarkan kartu proses yang telah diisi, agen menghasilkan prosedur operasional standar (SOP) yang lengkap dan sesuai dengan persyaratan metodologis secara ketat.

Apa yang Akan Anda Pelajari dari Paparan Ini:

• Bagaimana cara membangun alur pembuatan konten video pelatihan berdasarkan rekaman dari kamera tubuh (bodycam)?
• Bagaimana cara mengotomatiskan evaluasi kualitas dialog keselamatan berbasis perilaku menggunakan jaringan saraf tiruan (neural networks)?
• Bagaimana cara memanfaatkan pupilometri dan tes reaksi untuk pemantauan kelelahan pengemudi secara personal?
• Bagaimana cara menerapkan simulator AI untuk melatih para pemimpin dalam melakukan komunikasi yang sulit dengan personel?
• Bagaimana cara menerapkan perangkat AI mandiri untuk investigasi insiden tanpa risiko kebocoran data?