การเปลี่ยนผ่านด้วย AI ใน HSE: กรณีศึกษาจริง ความเชื่อผิดๆ และบทบาทใหม่ของผู้เชี่ยวชาญ

จากงานประจำสู่งานสถาปัตยกรรมความปลอดภัย: ทำไมผู้เชี่ยวชาญ HSE ถึงต้องการ AI

ทศวรรษที่ผ่านมาในด้านอาชีวอนามัยและความปลอดภัยอยู่ภายใต้การเปลี่ยนผ่านสู่ดิจิทัล แต่ผู้เชี่ยวชาญหลายคนยังคงใช้เวลาทำงานถึง 70% ไปกับการประเมินความเสี่ยงแบบเดิมๆ การจัดการกับข้อบังคับ และการวิเคราะห์ฐานข้อมูลทางกฎหมาย การนำปัญญาประดิษฐ์ (AI) มาใช้กลายเป็นขั้นตอนการพัฒนาที่เป็นธรรมชาติของอุตสาหกรรม ซึ่งช่วยให้สามารถมอบหมายงานที่เป็นอัลกอริทึมให้กับเทคโนโลยีได้ ในการนำเสนอ Rinat Fatkhutdinov ได้วิเคราะห์แนวทางที่เป็นระบบสำหรับการเปลี่ยนผ่านด้วย AI โดยมีมนุษย์เป็นศูนย์กลาง และใช้โครงข่ายประสาทเทียมเป็นเครื่องมือในการเปลี่ยนแปลงกระบวนการทางธุรกิจในเชิงคุณภาพ

4 ระดับของการเปลี่ยนผ่านด้วย AI ใน HSE

วิทยากรเสนอให้พิจารณาการนำ AI มาใช้ผ่านเมทริกซ์ของประสิทธิภาพ (ความเร็วและต้นทุน) และประสิทธิผล (คุณภาพและคุณค่าใหม่) แนวทางนี้ช่วยให้สามารถพัฒนาจากเครื่องมือที่เรียบง่ายไปสู่โซลูชันสถาปัตยกรรมที่ซับซ้อนได้

ระดับ 1: เครื่องมือเฉพาะจุด

ในระยะเริ่มต้น AI จะถูกนำมาใช้เพื่อแก้ปัญหาเฉพาะที่ของผู้ใช้ ตัวอย่างเช่น การใช้ Generative AI เพื่อเตรียมคำตอบสำหรับข้อบังคับของหน่วยงานกำกับดูแล การอัปโหลดเอกสารและเทมเพลตคำตอบช่วยให้ได้ร่างเอกสารที่พร้อมใช้งานภายในไม่กี่วินาที สิ่งนี้ช่วยลดเวลาที่ใช้ไปกับงานเอกสารและช่วยให้ผู้เชี่ยวชาญเชี่ยวชาญหลักการพื้นฐานในการทำงานกับพรอมต์ (คำสั่ง)

ระดับ 2: การเพิ่มประสิทธิภาพกระบวนการ

ขั้นตอนที่สองคือการรวม AI เข้ากับกระบวนการทางธุรกิจที่มีอยู่เพื่อเร่งความเร็ว วิทยากรแสดงตัวอย่างบอท Telegram สำหรับการประเมินความเสี่ยงแบบไดนามิก: พนักงานส่งภาพถ่ายสถานที่ทำงาน และบอทที่ได้รับการฝึกอบรมตามคำสั่งหมายเลข 776n จะจดจำอันตรายโดยอัตโนมัติและเสนอมาตรการควบคุม สิ่งนี้เปลี่ยนการประเมินความเสี่ยงจากเอกสารที่เป็นทางการ "บนชั้นวาง" ให้เป็นกระบวนการรวบรวมข้อมูลขนาดใหญ่อย่างต่อเนื่องจากไซต์การผลิตโดยตรง

ระดับ 3: การทบทวนแนวทางในเชิงคุณภาพ

ในระดับนี้ AI ทำหน้าที่เป็นนักวิเคราะห์ ช่วยคิดทบทวนวิธีการทำงานแบบเดิมๆ ในการนำเสนอได้พิจารณากรณีศึกษาการวิเคราะห์สาเหตุของอุบัติเหตุอย่างละเอียด การสร้างแผนผังความผิดพลาด (Fault Tree) ซึ่งปกติใช้เวลาหลายเดือนเมื่อทำด้วยตนเอง สามารถทำได้ภายในไม่กี่ชั่วโมงด้วยความช่วยเหลือของ AI ในขณะเดียวกัน โครงข่ายประสาทเทียมสามารถเสนอการจำแนกสาเหตุทางเลือก โดยเปิดเผยปัจจัยป้องกันที่ไม่ชัดเจนซึ่งผู้เชี่ยวชาญอาจมองข้ามไปเนื่องจากความคุ้นเคย

ระดับ 4: AI ในฐานะแกนหลักของระบบการจัดการ

ระดับสูงสุดของการเปลี่ยนผ่านคือการสร้างสถาปัตยกรรมแบบครบวงจร ซึ่ง AI ถูกรวมเข้ากับระบบ ERP และ CRM ขององค์กร ฐานความรู้ และ Internet of Things ในโมเดลนี้ ผู้เชี่ยวชาญ HSE จะกลายเป็นสถาปนิกของระบบ: พวกเขาไม่เพียงแค่ควบคุมกระบวนการ แต่ยังจัดการตัวแทนดิจิทัลที่วิเคราะห์ข้อมูลในพื้นหลัง ตรวจจับการละเมิด และสร้างการวิเคราะห์เชิงคาดการณ์

การจัดการความเสี่ยง: ความปลอดภัยของข้อมูลและความเชื่อผิดๆ

การรวมโครงข่ายประสาทเทียมย่อมเผชิญกับข้อจำกัดขององค์กรอย่างหลีกเลี่ยงไม่ได้ อุปสรรคสำคัญคือความเสี่ยงที่ข้อมูลที่เป็นความลับจะรั่วไหล ทางออกคือการใช้โมเดล AI ในพื้นที่ (Local) ที่ติดตั้งบนเซิร์ฟเวอร์ภายในของบริษัท นอกจากนี้ ยังมีการวิเคราะห์ปัญหา "อาการประสาทหลอน" ของ AI (การให้ข้อมูลที่ไม่ถูกต้อง) โดยเน้นย้ำถึงความจำเป็นในการตรวจสอบคำตอบอย่างมีวิจารณญาณและการใช้วิธีการสอบถามข้าม (Cross-querying)

สิ่งที่คุณจะได้เรียนรู้จากสัมมนาออนไลน์นี้:

• วิธีทำให้การเตรียมคำตอบสำหรับข้อบังคับของหน่วยงานกำกับดูแลเป็นไปโดยอัตโนมัติด้วยโครงข่ายประสาทเทียมพื้นฐาน
• บอท Telegram ที่มี AI สามารถดึงดูดพนักงานระดับปฏิบัติการให้มีส่วนร่วมในการประเมินความเสี่ยงแบบไดนามิกรายวันได้อย่างไร
• วิธีใช้ AI สำหรับการวิเคราะห์สาเหตุที่แท้จริงของอุบัติเหตุและเหตุฉุกเฉินอย่างลึกซึ้ง
• ขั้นตอนใดที่ต้องดำเนินการเพื่อให้เป็นไปตามข้อกำหนดด้านความปลอดภัยของข้อมูลเมื่อทำงานกับ AI
• บทบาทของผู้เชี่ยวชาญ HSE เปลี่ยนแปลงไปอย่างไรเมื่อมีการนำตัวแทน AI มาใช้อย่างแพร่หลาย