Trợ lý AI trong HSE: Cách triển khai và ứng dụng vào thực tế

Trí tuệ nhân tạo như một công cụ mới cho chuyên gia HSE

Việc áp dụng công nghệ kỹ thuật số và trí tuệ nhân tạo (AI) vào lĩnh vực HSE không chỉ là một xu hướng mà còn là điều cần thiết để tối ưu hóa các quy trình thường nhật. Tatiana Paklinskaya, chuyên gia HSE của công ty xây dựng Edelweiss, chia sẻ kinh nghiệm thực tế của cô về việc tích hợp mạng nơ-ron vào công việc hàng ngày. Trong bài phát biểu của mình, cô tiết lộ "bí quyết nội bộ" để tạo ra các trợ lý AI giúp tự động hóa việc phát triển các hướng dẫn và định mức cấp phát phương tiện bảo vệ cá nhân (PPE).

Từ phép ẩn dụ nhà bếp đến việc hiểu về AI

Để sử dụng mạng nơ-ron một cách hiệu quả, điều quan trọng là phải hiểu các nguyên tắc cơ bản về cách chúng hoạt động. Diễn giả đưa ra một phép ẩn dụ đơn giản: AI là ý tưởng nấu ăn không cần con người, học máy là phương pháp nấu ăn (nướng, luộc), học sâu là một chiếc nồi đa năng siêu việt (mạng nơ-ron) và mô hình ngôn ngữ lớn (LLM) là công thức và nguyên liệu. Các món ăn hoàn chỉnh là những công cụ quen thuộc với chúng ta như ChatGPT, GigaChat và DeepSeek. Việc hiểu những điều cơ bản này giúp định dạng chính xác các câu lệnh (prompt) và nhận được kết quả như mong đợi.

Tạo trợ lý AI cho các nhiệm vụ cụ thể

Bài phát biểu xem xét chi tiết quá trình tạo ra các trợ lý AI chuyên biệt. Nguyên tắc chính mà Tatiana rút ra là: "nhiệm vụ khác nhau = trợ lý khác nhau". Việc cố gắng tạo ra một trợ lý đa năng sẽ dẫn đến sự nhầm lẫn và lỗi (ảo giác) của mạng nơ-ron.

• Trợ lý phát triển hướng dẫn HSE: Các phiên bản rút gọn của tài liệu quy định (ví dụ: một phần của lệnh Bộ Lao động số 772n) và các quy định nội bộ của công ty được tải vào cơ sở kiến thức. Điều này cho phép AI chỉ tập trung vào các quy tắc cần thiết và tạo ra văn bản có cấu trúc theo từng phần, vượt qua các giới hạn về khối lượng văn bản được tạo ra.
• Trợ lý lựa chọn định mức PPE: Để trợ lý này hoạt động chính xác, diễn giả đã làm lại các bảng cồng kềnh từ lệnh số 767n, giảm số lượng cột từ chín xuống còn bốn. Việc tải lên các trách nhiệm, kết quả đánh giá điều kiện lao động đặc biệt và thiết bị được sử dụng cho phép trợ lý lựa chọn chính xác các định mức, và chuyên gia chỉ cần kiểm tra kết quả và thực hiện các chỉnh sửa nhỏ.

Cách tiếp cận này giảm thời gian chuẩn bị dự thảo hướng dẫn từ vài ngày xuống còn nửa giờ, trong đó phần lớn thời gian được dành cho việc định dạng tài liệu cuối cùng.

Những hạn chế của mạng nơ-ron và cách xử lý

Diễn giả chỉ ra qua ví dụ rằng AI là một cỗ máy đòi hỏi các hướng dẫn rõ ràng. Những hạn chế chính mà người dùng gặp phải:

• Giới hạn khối lượng văn bản đầu ra: Mạng nơ-ron có thể tự ý rút ngắn các tài liệu dài. Giải pháp là thiết lập câu lệnh để xuất văn bản thành từng phần.
• Sự cần thiết phải cấu trúc cơ sở kiến thức: Việc tải lên các khối dữ liệu không có cấu trúc dẫn đến lỗi. Thông tin cần được xử lý trước và "làm sạch" khỏi những thứ không cần thiết.
• Phụ thuộc vào chất lượng câu lệnh: Nhiệm vụ được mô tả càng chính xác và chi tiết thì kết quả càng chất lượng. Một câu lệnh chi tiết có thể dài vài trang, nhưng chính nó đảm bảo hoạt động chính xác của trợ lý.

Tiềm năng sáng tạo của AI: Tạo tài liệu đào tạo

Ngoài các nhiệm vụ thường nhật, mạng nơ-ron mở ra những cơ hội mới để tạo ra nội dung hấp dẫn. Tatiana đã trình diễn một video hoạt hình về an toàn điện được tạo ra với sự trợ giúp của AI. ChatGPT đã giúp viết kịch bản và tạo hình ảnh theo một phong cách thống nhất (3D Pixar), và GigaChat được sử dụng để "tạo hiệu ứng chuyển động" cho chúng. Điều này cho thấy rõ vai trò của chuyên gia đang thay đổi như thế nào: từ một người thực thi đơn thuần thành một kiến trúc sư quy trình quản lý một nhóm kỹ thuật số.

Bạn sẽ học được gì từ hội thảo trực tuyến này:

• Cách soạn thảo câu lệnh (prompt) chính xác cho mạng nơ-ron để giảm thiểu lỗi và "ảo giác"?
• Cách chuẩn bị và cấu trúc các tài liệu quy định (ví dụ: lệnh số 767n) để tải vào cơ sở kiến thức của trợ lý AI?
• Tại sao cần tạo các trợ lý AI riêng biệt cho các nhiệm vụ khác nhau (hướng dẫn, định mức PPE)?
• Cách vượt qua giới hạn của mạng nơ-ron về khối lượng văn bản được tạo ra khi tạo các tài liệu lớn?
• Cách sử dụng mạng nơ-ron để tạo video hoạt hình đào tạo về HSE?