La bàn an toàn: Cách AI thay đổi DNA của HSE

Trí tuệ nhân tạo - Công cụ mới cho chuyên gia HSE

Số hóa các quy trình HSE đang bước sang một cấp độ mới. Nếu trước đây, tự động hóa chỉ giới hạn ở việc chuyển đổi công việc giấy tờ sang Excel và các chương trình chuyên dụng, thì ngày nay, mạng nơ-ron tạo sinh và các hệ thống dựa trên trí tuệ nhân tạo (AI) đang chiếm vị trí trung tâm. Bài thuyết trình xem xét chi tiết kinh nghiệm thực tế trong việc ứng dụng các công cụ AI, giúp các chuyên gia thoát khỏi công việc thường ngày và giải phóng thời gian cho công tác phân tích cũng như giao tiếp trực tiếp với nhân viên.

Diễn giả phân tích cách các mô hình tạo sinh (ví dụ: chatbot) có thể tạo nội dung, phân tích dữ liệu và thậm chí viết mã theo yêu cầu văn bản. Điều quan trọng cần hiểu là AI không thay thế chuyên gia, mà giống như một "thực tập sinh kỹ thuật số" cần được đào tạo bằng các ví dụ cụ thể và điều chỉnh khi mắc lỗi.

Tình huống «La bàn sức khỏe»: Tự động hóa kiểm soát rủi ro dịch tễ học

Một trong những dự án trọng điểm được trình bày trong hội thảo trực tuyến là hệ thống «La bàn sức khỏe», được phát triển để quản lý rủi ro khi nhân viên đi công tác ở các quốc gia khác nhau. Trước đây, việc kiểm soát tiêm chủng và thông báo về tình hình dịch tễ học được thực hiện thủ công, đòi hỏi nguồn lực khổng lồ khi số lượng chuyến đi tăng lên.

Hệ thống thực hiện những gì:

• Phân tích dữ liệu theo thời gian thực: thu thập thông tin từ các trang web của WHO và CDC Travel Health về các đợt bùng phát dịch bệnh và các khuyến nghị.
• Phân loại quốc gia theo mức độ rủi ro: từ thấp (lời khuyên vệ sinh cơ bản) đến cao (bắt buộc tiêm chủng và theo dõi triệu chứng sau chuyến đi).
• Cá nhân hóa các khuyến nghị: xem xét lịch trình của nhân viên và lịch sử tiêm chủng của họ, đưa ra các hướng dẫn cụ thể trước khi khởi hành.

Diễn giả đưa ra ví dụ về cách nguyên mẫu của hệ thống này được xây dựng chỉ trong vài giờ bằng nền tảng low-code Replit. Điều này cho phép nhanh chóng thử nghiệm ý tưởng, tạo ra một bản đặc tả kỹ thuật trực quan và bảo vệ thành công dự án trước bộ phận an toàn thông tin nội bộ để sau đó chuyển sang các máy chủ bảo mật của công ty.

Nền tảng low-code và dự báo sự cố

Bài thuyết trình cũng đề cập đến việc sử dụng các nền tảng Replit và Bolt để tạo các bảng điều khiển tương tác và hệ thống ghi nhận sự cố mà không cần kiến thức lập trình chuyên sâu. Diễn giả chứng minh cách một lời nhắc (prompt) được soạn thảo tốt có thể tạo ra một nguyên mẫu ứng dụng hoạt động chỉ trong vài phút.

Cách tiếp cận này cho phép:

• Trực quan hóa dữ liệu: tạo bản đồ nhiệt về các sự cố, bộ đếm số ngày không có tai nạn và xếp hạng an toàn.
• Tự động hóa phân loại: bot có thể phân tích mô tả văn bản về vụ việc (ví dụ: «tài xế ngủ gật trên vô lăng») và tự động xác định loại sự cố, mức độ nghiêm trọng và nguyên nhân (yếu tố con người).
• Cải thiện tương tác với bộ phận CNTT: việc có một nguyên mẫu hoạt động giúp đẩy nhanh đáng kể quá trình phát triển một sản phẩm hoàn chỉnh bởi các chuyên gia.

Các kịch bản ứng dụng AI khác trong HSE

Ngoài các dự án lớn, diễn giả còn chia sẻ các ví dụ về việc sử dụng AI hàng ngày để tối ưu hóa các công việc thường xuyên:

• Đánh giá rủi ro: tạo bản đồ đánh giá rủi ro từ ảnh chụp nơi làm việc, sau đó được chuyên gia tinh chỉnh.
• Điều tra sự cố: phân tích các biên bản bằng mô hình AI để có «ý kiến thứ ba» và xác định các yếu tố không rõ ràng.
• Đào tạo và hướng dẫn: tạo kịch bản, hướng dẫn và tài liệu trực quan, giúp tăng đáng kể sự tham gia của nhân viên.
• Phân tích phản hồi: tóm tắt ý kiến của nhân viên để xây dựng kế hoạch nâng cao văn hóa an toàn.

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

• Cách bắt đầu sử dụng mạng nơ-ron tạo sinh trong công việc hàng ngày của chuyên gia HSE?
• Cách tạo nguyên mẫu hệ thống quản lý rủi ro trong vài giờ bằng nền tảng low-code?
• Làm thế nào để tự động hóa việc thu thập và phân tích dữ liệu về tình hình dịch tễ học cho nhân viên đi công tác?
• AI có thể giúp phân loại sự cố và lập bản đồ đánh giá rủi ro như thế nào?
• Cách định dạng các yêu cầu (prompt) chính xác để nhận được kết quả chất lượng từ mạng nơ-ron?