L'intelligenza artificiale come futuro assistente dello specialista

Oggi l'intelligenza artificiale rappresenta uno dei settori di ricerca scientifica più popolari. Negli ultimi 10 anni, gli investimenti in questo campo sono cresciuti costantemente e nel 2021 gli investitori privati hanno effettuato investimenti record per circa 125,4 miliardi di dollari. Nel 2022-2023, il volume degli investimenti privati nell'IA è aumentato di 18 volte rispetto al 2013. Questo tipo di tecnologia viene utilizzato attivamente in molti settori: dall'ambito militare alla ristorazione.

Secondo i risultati di uno studio, nel 2022 la quota di aziende che utilizzano tecnologie di intelligenza artificiale è più che raddoppiata rispetto al 2017. Le aziende russe seguono attivamente le tendenze globali in questo campo e tengono il passo. Il volume del mercato russo dell'intelligenza artificiale nel 2022 è stato di 647 miliardi di rubli, il 17,3% in più rispetto all'anno precedente. Molti sviluppi delle aziende IT russe vengono utilizzati nelle attività delle imprese industriali nazionali. Nel 2022, circa il 17% delle imprese russe utilizzava già l'intelligenza artificiale o la stava implementando, e la maggior parte di esse sono grandi aziende.

Si prevede che il mercato globale dei dispositivi di sicurezza sul posto di lavoro crescerà nei prossimi anni. Nel 2022 valeva circa 14,2 miliardi di dollari USA e si prevede che crescerà fino a 26,7 miliardi di dollari USA entro il 2027. La crescita del mercato avverrà a una media del 13,5% annuo nel periodo tra il 2022 e il 2027.

In risposta alla domanda sociale di lavoro sicuro e alla costante ottimizzazione dei costi interni della maggior parte delle aziende, le soluzioni IT per il controllo automatizzato della conformità ai requisiti di sicurezza industriale e HSE stanno diventando sempre più popolari nel mondo. Sono attuali anche i sistemi di controllo qualità della produzione e dei servizi basati sulla video analisi. Attualmente, nell'industria e nella produzione, le principali direzioni dello sviluppo digitale sono l'implementazione di soluzioni integrate per il rilevamento delle violazioni dei requisiti HSE, basate sull'uso della computer vision e del machine learning, nonché lo sviluppo di metodi per prevenire possibili problemi.

Nello spiegare i principi di funzionamento delle tecnologie di intelligenza artificiale attualmente disponibili nel campo HSE, che includono computer vision e machine learning, è utile suddividerle in base al momento dell'applicazione. Rispetto a un incidente e/o evento, esistono tre zone temporali:

• Previsione – l'uso di modelli di analisi predittiva per prevedere la probabilità di un infortunio sulla base dell'analisi di grandi volumi di dati provenienti da esperienze passate in casi simili.

Per il corretto funzionamento di tale modello, è necessario raccogliere dati sugli incidenti passati, incluse informazioni sul posto di lavoro (tipo di lavoro, attrezzature, condizioni di lavoro, ecc.), dati sui lavoratori (età, esperienza lavorativa, presenza di problemi di salute, ecc.) e sugli infortuni stessi (tipo, gravità, cause, ecc.). Dopo aver raccolto questi dati per un lungo periodo, viene creato un modello che analizza le informazioni raccolte e identifica schemi e correlazioni tra vari fattori. Ad esempio, il modello può mostrare che un certo tipo di lavoro è il più pericoloso, o che i lavoratori di una certa età e con determinati problemi di salute sono più inclini agli infortuni.

• Analisi in tempo reale – processo decisionale rapido grazie all'acquisizione di dati aggiornati.

Per descrivere questa tecnologia, si può citare l'esempio di un'intelligenza artificiale che riconosce l'assenza dei necessari dispositivi di protezione individuale (DPI) sui lavoratori e lo segnala attraverso canali di comunicazione e allerta prestabiliti. Tali sistemi sono attualmente in grado di rilevare e registrare il 95-98% delle violazioni previste dall'algoritmo dell'intelligenza artificiale. Inoltre, per comprendere meglio il funzionamento della tecnologia, si può considerare l'esempio di un progetto per l'implementazione di un sistema di informazione sulla presenza del personale in zone pericolose.

• Post-analisi e ricerca delle cause – nella valutazione dell'esperienza passata, è possibile e necessario cercare modelli di cause ricorrenti e correlazioni implicite.

Ad esempio, in un'azienda possono verificarsi frequenti infortuni, come quelli legati alla caduta di oggetti dall'alto. Dopo aver raccolto e analizzato i dati sugli incidenti e aver addestrato il modello, si può scoprire che avvengono tutti alla stessa ora del giorno: durante la pausa pranzo, quando i lavoratori si allontanano e non controllano la situazione sul posto di lavoro. Le situazioni suggerite dal modello possono essere sia esplicite che implicite, permettendo di guardare a vecchi problemi sotto una nuova luce.

L'intelligenza artificiale ha un enorme potenziale di applicazione nell'industria e nella produzione. Vediamo già i risultati dell'uso di queste tecnologie nelle grandi aziende. L'industria e la produzione sono solo all'inizio del loro percorso verso la grande digitalizzazione, e vincerà la sfida competitiva chi implementerà per primo le nuove tecnologie. Nonostante l'apparente costo elevato dell'implementazione di soluzioni basate su computer vision e machine learning, si tratta di un investimento a lungo termine nello sviluppo del business. Infatti, i sistemi non solo permettono di risparmiare denaro sulla riparazione di attrezzature costose e di minimizzare i tempi di inattività, ma consentono anche di passare a nuove metodologie per ridurre gli infortuni tra i lavoratori.

Da un lato, potrebbe sembrare che questo settore sia troppo complesso per essere compreso dagli specialisti HSE, e forse persino superfluo. Ma gradualmente, l'adozione diffusa di questi strumenti e metodi progressivi, insieme alla semplificazione della creazione e preparazione di tali modelli, porterà inevitabilmente a una domanda interna di cambiamento da parte delle aziende. Pertanto, a mio parere, il moderno specialista HSE dovrebbe già ora migliorare le proprie competenze in queste aree, per poter parlare la stessa lingua degli specialisti delle aziende IT e dei propri servizi informatici nella risoluzione di problemi complessi.