Asystent AI w HSE: jak wdrożyć i stosować w praktyce

Sztuczna inteligencja jako nowe narzędzie specjalisty HSE

Wdrażanie technologii cyfrowych i sztucznej inteligencji (AI) w dziedzinie HSE staje się nie tylko trendem, ale koniecznością dla optymalizacji rutynowych procesów. Tatiana Paklinskaya, specjalistka ds. HSE w firmie budowlanej „Edelweiss”, dzieli się swoim praktycznym doświadczeniem w integracji sieci neuronowych w codziennej pracy. W swoim wystąpieniu odsłania „kuchnię” tworzenia asystentów AI, którzy pomagają zautomatyzować opracowywanie instrukcji i norm wydawania środków ochrony indywidualnej (ŚOI).

Od analogii kuchennej do zrozumienia AI

Aby skutecznie korzystać z sieci neuronowych, ważne jest zrozumienie podstawowych zasad ich działania. Prelegentka proponuje prostą metaforę: AI to idea gotowania bez człowieka, uczenie maszynowe to sposób gotowania (pieczenie, gotowanie), głębokie uczenie to super multicooker (sieć neuronowa), a duży model językowy (LLM) to przepis i składniki. Gotowe dania to znane nam ChatGPT, GigaChat i DeepSeek. Zrozumienie tych podstaw pomaga prawidłowo formułować zapytania (prompty) i uzyskiwać oczekiwany rezultat.

Tworzenie asystentów AI do konkretnych zadań

W wystąpieniu szczegółowo omówiono proces tworzenia wyspecjalizowanych asystentów AI. Główna zasada, którą sformułowała Tatiana, to: „różne zadania = różni asystenci”. Próba stworzenia uniwersalnego pomocnika prowadzi do zamieszania i błędów (halucynacji) sieci neuronowej.

• Asystent do opracowywania instrukcji HSE: Do bazy wiedzy ładowane są okrojone wersje dokumentów normatywnych (np. część rozporządzenia Ministerstwa Pracy nr 772n) oraz lokalne regulaminy firmy. Pozwala to AI skupić się tylko na potrzebnych zasadach i generować ustrukturyzowany tekst z podziałem na sekcje, omijając ograniczenia dotyczące objętości generowanego tekstu.
• Asystent do doboru norm ŚOI: Aby ten pomocnik działał poprawnie, prelegentka przerobiła nieporęczne tabele z rozporządzenia nr 767n, zmniejszając liczbę kolumn z dziewięciu do czterech. Załadowanie obowiązków, wyników oceny warunków pracy i używanego sprzętu pozwala asystentowi dokładnie dobrać normy, a specjaliście pozostaje jedynie sprawdzić wynik i wprowadzić punktowe poprawki.

Takie podejście skraca czas przygotowania projektu instrukcji z kilku dni do pół godziny, gdzie większość czasu zajmuje ostateczne formatowanie dokumentu.

Ograniczenia sieci neuronowych i jak z nimi pracować

Prelegentka pokazuje na przykładzie, że AI to maszyna wymagająca jasnych instrukcji. Główne ograniczenia, z którymi spotykają się użytkownicy:

• Ograniczenie objętości generowanego tekstu: Sieć neuronowa może samowolnie skracać długie dokumenty. Rozwiązaniem jest skonfigurowanie promptu tak, aby tekst był generowany w częściach.
• Konieczność ustrukturyzowania bazy wiedzy: Ładowanie nieustrukturyzowanych zbiorów danych prowadzi do błędów. Informacje należy wstępnie przetworzyć i „oczyścić” z niepotrzebnych elementów.
• Zależność od jakości promptu: Im dokładniej i bardziej szczegółowo opisane jest zadanie, tym lepszy wynik. Rozbudowany prompt może zajmować kilka stron, ale to on gwarantuje poprawną pracę asystenta.

Potencjał twórczy AI: tworzenie materiałów szkoleniowych

Oprócz rutynowych zadań, sieci neuronowe otwierają nowe możliwości tworzenia angażujących treści. Tatiana zaprezentowała stworzony przy pomocy AI animowany film o bezpieczeństwie elektrycznym. ChatGPT pomógł napisać scenariusz i wygenerować obrazy w jednolitym stylu (3D Pixar), a GigaChat został użyty do ich „ożywienia”. To wyraźnie pokazuje, jak zmienia się rola specjalisty: od zwykłego wykonawcy do architekta procesów zarządzającego cyfrowym zespołem.

Czego dowiesz się z tego webinarium:

• Jak prawidłowo sformułować prompt (zapytanie) dla sieci neuronowej, aby zminimalizować błędy i „halucynacje”?
• Jak przygotować i ustrukturyzować dokumenty normatywne (np. rozporządzenie nr 767n) do załadowania do bazy wiedzy asystenta AI?
• Dlaczego do różnych zadań (instrukcje, normy ŚOI) konieczne jest tworzenie oddzielnych asystentów AI?
• Jak ominąć ograniczenia sieci neuronowych dotyczące objętości generowanego tekstu podczas tworzenia obszernych dokumentów?
• Jak wykorzystać sieci neuronowe do tworzenia szkoleniowych filmów animowanych z zakresu HSE?