Свежие публикации
в Блоге эксперта
Как превратить контроль подрядчиков в систему развития: опыт создания рейтинга по производственной безопасности
Опыт создания рейтинга подрядных организаций по производственной безопасности: три источника данных — оценка производителя работ, контрольно-профилактическая проверка и аудит системы управления, — управленческий цикл вместо разовых проверок и итоги предпилота на руднике: 23 организации, 36 договоров, рост медианного балла повторных аудитов с 73 до 91.
🛡️ Safety: «Безопасность: действуем вместе» (ОК РУСАЛ) — делюсь опытом
Опыт построения корпоративной системы управления производственной безопасностью в Дивизионе Downstream ОК РУСАЛ: 11 предприятий, около 8 тысяч работников, пять лет последовательной работы — и снижение частоты травм в 7,3 раза, вовлечённость сотрудников 42% и рост устранения опасностей более чем в 6 раз.
ИИ-агенты в ОТиПБ
Чат-бот выполняет поручение и останавливается, а ИИ-агент ведёт задачу до результата. Разбираем разницу на сквозном кейсе расследования несчастного случая — и почему навык управления агентами скоро понадобится каждому.
Поручень как молчаливый коллега по безопасности
Поручень на лестнице — это не формальность, а реальный барьер между потерей равновесия и травмой. Разбираем статистику падений, требования регуляторов (OSHA) и опыт крупных компаний (TotalEnergies, Роснефть, Северсталь) по внедрению привычки держаться за поручень в корпоративную культуру.
Динамическая оценка рисков в металлургии: три правила превентивной безопасности
Узнайте, как динамическая оценка рисков (ДОР) меняет подход к безопасности в металлургии. Три ключевых правила непрерывного анализа угроз на рабочем месте, которые помогают предотвращать несчастные случаи в условиях экстремального производства.
Отпускной сезон: 5 главных правил безопасности, чтобы отдых оставил только приятные воспоминания 🌴☀️
Лето — время отдыха, но беспечность может привести к трагедии. Разбираем 5 главных правил безопасности в отпуске: как избежать травм на воде, защититься от клещей и теплового удара, а также уберечь себя от краж и ДТП во время путешествий.
Наставничество: инструкция по применению
Наставничество — это не волшебная таблетка, а партнерство, где ментор выступает навигатором. Узнайте, почему взгляд со стороны помогает преодолеть «эффект замочной скважины», структурировать опыт и ускорить профессиональный рост в охране труда.
Иллюзия «Цифрового Оракула»: почему ИИ в безопасности остается калькулятором, а не экспертом
Индустрия охраны труда и промышленной безопасности оказалась под мощным давлением. Это давление исходит не только от регулятора, но и от так называемого «технологического хайпа». Топ-менеджмент, впечатленный презентациями о цифровой трансформации, требует немедленного внедрения искусственного интеллекта. Возникает опасная иллюзия: кажется, что алгоритмы — это «волшебная кнопка», которая мгновенно уберет человеческий фактор и сведет травматизм к нулю. Однако за красивыми демоверсиями скрывается фундаментальная подмена понятий. Рынку продают ИИ как «интеллект» (понимающую сущность), хотя технически он остается мощным калькулятором вероятностей. В процессах, где цена ошибки - жизнь человека, эта путаница может привести к тяжелым последствиям. Мы рискуем столкнуться с жестким разочарованием, когда реальность математической статистики разобьется о хаос реального производства. Никому не навязываю мнение, делюсь опытом человека, который активно внедряет и работает с ИИ с начала 2024 года. Проблема контекста: ИИ не видит сути Главное отличие опытного руководителя от нейросети - понимание контекста. Эксперт считывает «слабые сигналы»: нервозность в голосе, усталость бригады, неочевидные признаки отклонений. Искусственный интеллект работает иначе — он замкнут в рамках математической модели. Система компьютерного зрения не понимает, что такое «нарушение». Она просто видит набор пикселей и сравнивает его с образцом. Для алгоритма блик на каске и отсутствие каски — это просто данные. Отсюда возникает риск «метрической слепоты». Если полностью доверить контроль алгоритмам, компания получит идеальные отчеты и зеленые графики, в то время как реальная культура безопасности будет деградировать. ИИ будет оптимизировать цифры, игнорируя реальные, но не оцифрованные угрозы. Парадокс эффективности и скрытые затраты Опыт внедрения генеративных моделей и систем аналитики позволяет вывести правило 70/30, которое имеет четкое финансовое выражение. Первые 70% работы - создание черновика документа, первичный анализ видео - ИИ делает мгновенно. Это создает вау-эффект и иллюзию экономии. Но оставшиеся 30% - доведение результата до идеала и проверка точности — требуют огромных ресурсов. Это скрытая стоимость внедрения, о которой молчат вендоры. Экономия на старте оборачивается многократными затратами на доработку, валидацию и поддержку системы. Руководство должно понимать: сотрудник, который раньше писал инструкцию час, теперь тратит тот же час на исправление ошибок ИИ. Это не сокращение фонда оплаты труда, а смена деятельности: вместо творчества специалист занимается бесконечным контролем за машиной. Новые риски и цена ошибки Внедрение ИИ приносит угрозы, которые имеют не только техническое, но и колоссальное финансовое измерение. Ошибка нейросети, приведшая к инциденту, — это не просто сбой кода. Это иски, штрафы, остановка производства и падение акций. Во-первых, это «галлюцинации» системы. Генеративные модели могут убедительно выдумывать факты, ссылаясь на несуществующие ГОСТы. Применение таких регламентов юридически ничтожно, а последствия для бизнеса могут быть фатальными. Во-вторых, наследование ошибок. Алгоритм - зеркало данных. Если на предприятии годами скрывали мелкие инциденты, ИИ научится считать это нормой и пропустит реальную аварию. В-третьих, утечки данных. Загрузка внутренней документации в облачные чат-боты делает данные публичными. С мая 2025 года, уже более 600 уголовных дел, связанных с утечками, подтверждают: конфиденциальность становится уязвимой. Что делать? Принципы ответственного внедрения Диагноз ясен, но как действовать практикам? Чтобы внедрение ИИ не стало катастрофой, необходимо следовать четырем принципам «цифровой гигиены». Принцип «Человек в контуре» (Human-in-the-Loop). Никакой полной автономии в критических зонах. Любое решение ИИ - будь то наложение штрафа или допуск к работе - должно быть верифицировано экспертом. Автоматизация - это помощь человеку, а не его устранение. ИИ предлагает гипотезу, эксперт принимает решение. Принцип «Повышения технологической зрелости команды». ИИ не взлетает в среде, где люди боятся технологий, не понимают их назначение или воспринимают как угрозу. Команда должна пройти «апгрейд»: базовая цифровая грамотность, понимание принципов работы ИИ, навыки интерпретации выводов модели и ответственность за диалог с системой. Зрелая команда - это страховка от ошибок и ключ к тому, чтобы ИИ стал инструментом, а не ещё одним источником хаоса. Принцип «Поэтапного внедрения». Не начинайте с систем, от которых зависит жизнь людей. Начните со вспомогательных задач. Пусть ИИ ищет скрытые закономерности в архивах несчастных случаев, составляет черновики типовых отчетов или проверяет комплектность аптечек. Отработайте технологии там, где цена ошибки — время, а не здоровье. Принцип «Аудита данных». Прежде чем «скормить» данные алгоритму, проведите их жесткую ревизию. Была ли на предприятии культура замалчивания? Если да, то «грязные» данные испортят любую, даже самую совершенную модель. Очистка данных от предвзятости - обязательный этап перед запуском. Стратегия будущего: От замены к усилению Самый большой страх специалистов - деградация навыков и потеря работы — основан на неверном посыле. Нам нужно сменить парадигму с AI (Искусственный Интеллект) на IA (Усиление Интеллекта). ИИ не должен заменять эксперта по охране труда. Он должен стать его «экзоскелетом» для ума - супер-помощником, который обрабатывает тонны руды данных, оставляя человеку чистый концентрат для принятия решений. Вместо деградации нас ждет трансформация навыков. Появляются новые роли: специалисты, которые станут мостом между миром алгоритмов и реальным производством. Именно они будут отвечать за то, чтобы «цифра» адекватно описывала физическую реальность цеха. Заключение Искусственный интеллект в охране труда - это не «волшебная таблетка», а сложный, дорогой и потенциально опасный инструмент, требующий высочайшей культуры эксплуатации. Инвестиции в ИИ бессмысленны без параллельных инвестиций в людей - в их экспертизу и способность задавать системе правильные вопросы. Будущее безопасности принадлежит не тем, кто купит самый разрекламированный алгоритм, а тем, кто сможет выстроить симбиоз человека и машины. Там, где холодная логика калькулятора служит тёплому разуму эксперта, не подменяя его. И теперь к вопросам построения культуры производственной безопасности добавляется новая, неизбежная задача - культура работы с ИИ. Не просто внедрить систему, а встроить её в живой контекст предприятия: в процессы, в обучение, в ответственность и в ежедневные привычки команды. Именно те организации, которые научатся соединять профессиональную культуру и цифровую зрелость, будут управлять рисками по-настоящему, а не на бумаге. Прежде чем внедрять ИИ, задайте себе главный вопрос: готовы ли вы нести ответственность за решения, которые вы не до конца понимаете и что стоит сделать для этого самого понимания?