อนาคตของ HSE ผ่านมุมมองแนวโน้มการพัฒนา AI

ปัญญาประดิษฐ์กำลังเปลี่ยนจากกระแสเทคโนโลยีไปสู่เครื่องมือการทำงานจริงอย่างรวดเร็ว ท่ามกลางภาระข้อมูลที่เพิ่มขึ้น การขาดแคลนบุคลากร และความเร็วของกระบวนการทางธุรกิจที่สูงขึ้น การเปลี่ยนผ่านสู่ดิจิทัลจึงกลายเป็นขั้นตอนที่หลีกเลี่ยงไม่ได้ในการพัฒนาอุตสาหกรรม ความสนใจในเทคโนโลยีนี้ได้รับการยืนยันในระดับโลก โดยองค์การแรงงานระหว่างประเทศ (ILO) ได้จัดวันเฉพาะทางสำหรับการเปลี่ยนผ่านสู่ดิจิทัล และในระดับรัฐบาลก็ได้มีการกำหนดกลยุทธ์สำหรับการเรียนรู้อย่างต่อเนื่อง ธุรกิจขนาดใหญ่เริ่มนำ KPI มาใช้ในการนำ AI มาปรับใช้สำหรับผู้บริหารระดับสูง ในการบรรยายนี้ Rinat Fatkhutdinov ได้วิเคราะห์รายละเอียดเกี่ยวกับวิธีการปรับกระบวนการด้านอาชีวอนามัยและความปลอดภัยให้เข้ากับความเป็นจริงใหม่ โดยหลีกเลี่ยงกับดักทั่วไปของระบบอัตโนมัติ

ภาพลวงตาของปุ่มวิเศษ: ทำไม 95% ของโครงการ AI จึงไม่เห็นผล

แม้ว่า 97% ของบริษัทขนาดใหญ่จะประกาศว่ามีการนำ AI มาใช้หรือมีแผนริเริ่มด้าน AI แต่มีเพียงครึ่งเดียวเท่านั้นที่เห็นคุณค่าที่แท้จริง จากการวิจัยของ Skolkovo Business School วิทยากรตั้งข้อสังเกตว่าโครงการ AI ขององค์กรส่วนใหญ่จบลงเพียงแค่ขั้นตอนนำร่องหรือไม่ก็ไม่ก่อให้เกิดผลลัพธ์ทางธุรกิจ

ปัญหาไม่ได้อยู่ที่ตัวเทคโนโลยี แต่อยู่ที่ความผิดพลาดพื้นฐานในกระบวนการ:

• การขาดวัฒนธรรมการทำงานกับข้อมูล: ต่างจากฟินเทคที่ข้อมูลเป็นผลิตภัณฑ์หลัก บริษัทผลิตมักไม่มีระบบการจัดเก็บและรวบรวมข้อมูลที่มีคุณภาพ หากไม่มีฐานข้อมูลที่เป็นมาตรฐาน อัลกอริทึมก็ไม่มีข้อมูลให้เรียนรู้
• ระบบอัตโนมัติเพื่อความเป็นระบบอัตโนมัติ: ความพยายามในการนำอัลกอริทึมไปใช้ในทุกกระบวนการโดยไม่มีการตรวจสอบและจัดลำดับความสำคัญก่อน นำไปสู่การเปลี่ยนความโกลาหลให้เป็นดิจิทัล
• ช่องว่างระหว่างฝ่ายไอทีและฝ่ายผลิต: การขาดเจ้าของกระบวนการและตัวชี้วัดที่ชัดเจนจากหน่วยงานที่เกี่ยวข้อง นำไปสู่การสร้างผลิตภัณฑ์ที่ไม่สามารถใช้งานได้จริงและห่างไกลจากความเป็นจริง

บทบาทของ "นายหน้าความรู้" ในการเปลี่ยนผ่านสู่ดิจิทัลของ HSE

พนักงานฝ่ายไอทีไม่ทราบถึง "ความเจ็บปวด" รายวันของวิศวกรความปลอดภัย เพื่อให้การนำเทคโนโลยีมาใช้ประสบความสำเร็จ บริษัทจำเป็นต้องมี "นายหน้าความรู้" (Knowledge Brokers) ซึ่งเป็นทูตเชิงรุกภายในหน่วยงาน HSE เอง พวกเขาคือผู้เชี่ยวชาญที่เข้าใจความเฉพาะเจาะจงของกระบวนการผลิตอย่างลึกซึ้ง พร้อมที่จะเรียนรู้เครื่องมือใหม่ๆ และสามารถแปลความต้องการทางธุรกิจให้เป็นภาษาที่นักพัฒนาเข้าใจ พวกเขาคือผู้ที่ช่วยข้ามผ่านกำแพงการต่อต้านนวัตกรรมในพื้นที่และเชื่อมโยงเทคโนโลยีเข้ากับงานจริง

กรณีศึกษาเชิงปฏิบัติ: จากความล้มเหลวสู่การลดภาระงาน

ในการบรรยายได้มีการวิเคราะห์ตัวอย่างที่แตกต่างกันจากแนวปฏิบัติขององค์กร สถานการณ์ที่ล้มเหลวมักเกิดจากการเพิกเฉยต่อความต้องการของผู้ใช้จริง ตัวอย่างเช่น เมื่อบริษัทน้ำมันนำโมเดลองค์กรมาใช้ซึ่งทำงานได้แย่กว่าโครงข่ายประสาทเทียมทั่วไป (เช่น DeepSeek) พนักงานก็แค่ปฏิเสธที่จะใช้งาน อีกด้านหนึ่งคือการพัฒนาโซลูชันไอทีในสุญญากาศ ซึ่งฝ่ายผลิตไม่ทราบด้วยซ้ำว่ามีผลิตภัณฑ์ที่สร้างขึ้นเพื่อพวกเขา

กรณีศึกษาที่ประสบความสำเร็จสร้างขึ้นจากการมีส่วนร่วมและการขยายผลทีละขั้นตอน ในบริษัทขุดเจาะแห่งหนึ่งได้มีการสร้าง ChatGPT ภายในองค์กรที่ปลอดภัย โดยเครื่องมือนี้ถูกรวมเข้ากับระบบบัญชีขององค์กรและเทคโนโลยีระบบอัตโนมัติ (RPA) ผลลัพธ์คือการลดภาระงานในงานประจำที่ต้องใช้ความคิดลง 20%

ข้อสรุปด้านการจัดการที่สำคัญคือการปฏิบัติตามโมเดล 3 ขั้นตอน: เริ่มจากการฝึกอบรมบุคลากรจำนวนมากเพื่อลดความกลัวต่อเทคโนโลยี จากนั้นดำเนินการและประเมินผลโครงการนำร่องที่ประสบความสำเร็จเพียงหนึ่งโครงการ และหลังจากนั้นจึงขยายประสบการณ์ที่ประสบความสำเร็จไปทั่วทั้งบริษัท

สิ่งที่คุณจะได้เรียนรู้จากการบรรยายนี้

• ทำไมโครงการ AI ขององค์กรส่วนใหญ่ถึงล้มเหลว และจะทำอย่างไรไม่ให้เป็นหนึ่งในสถิตินั้น?
• ใครคือ "นายหน้าความรู้" และทำไมการเปลี่ยนผ่านสู่ดิจิทัลของ HSE จึงเป็นไปไม่ได้หากไม่มีพวกเขา?
• จะใช้โครงข่ายประสาทเทียมแบบสร้างสรรค์ในสภาพแวดล้อมองค์กรของบริษัทขุดเจาะและผลิตได้อย่างปลอดภัยอย่างไร?
• ต้องเริ่มขั้นตอนใด 3 ขั้นตอนในการรวม AI เข้ากับงานของหน่วยงาน HSE เพื่อให้ได้ผลลัพธ์ที่วัดผลได้?