随着安全文化的不断成熟,工业企业必然不再局限于仅统计严重工伤事故,而是开始全面记录轻微工伤、危险状况以及承包商安全事件。透明化管理能够还原客观的风险全貌,但也使职业安全管理部门的工作负荷成倍增加:海量报告超出了专家的处理能力,导致分析质量下滑。林业控股集团 Sveza 板材事业部的职业健康与安全经理 Arina Kuzyukova 以该事业部为例,深入解析了如何在不牺牲分析深度的前提下,实现调查报告初审的自动化。
桦木胶合板的生产环境十分复杂,部分工厂始建于 20 世纪初的历史厂房与现代化设备并存,现场涉及水热处理池、热压机、切削刀具以及高频往来的叉车作业。2015 年,公司的整体统计仅涵盖严重事件——每年约 30 至 40 起,当时完全可以通过人工进行细致审核。然而,随着 2018 年将轻微工伤和未遂事件纳入统计范围,并在 2020 年进一步覆盖承包商人员的全部安全事件,年度报告数量从几十份激增至数百份,由此暴露出三大系统性瓶颈:
为了减轻方法论专家的日常审核负担,并在编写报告阶段为工段长提供支持,公司将内部事件调查标准、“5个为什么”分析法以及 SMART 原则转化为大语言模型的系统提示词与规则体系。该解决方案部署在企业内部安全网络环境中,从根本上杜绝了个人隐私及敏感数据泄露的风险;员工只需通过智能手机或电脑端常用的企业聊天机器人即可便捷访问。助手的知识库已集成内部规章制度和工艺操作规程,因此班组长无需另行查找其他信息技术服务,也不必手动翻阅标准文件进行核对。
聊天机器人中的报告处理流程被设计为一套循序渐进的分析过滤机制:
初审自动化使单份报告的平均审核时间缩短了 82%——从过去的数天压缩至短短几分钟。即时反馈加快了调查报告的最终审批进度,使团队得以将重心从繁琐的文书往来转向落实防止事件重演的工程技术屏障与系统性防控措施。与此同时,演讲也明确指出了该技术的能力边界:神经网络扮演的是逻辑教练和编辑的角色,而非最终审批机构,也无法独立识破利益相关的部门主管故意隐瞒事实的行为。
在数据真实性保障方面,Sveza 依靠组织管理机制与安全文化建设来破局:调查委员会中会吸纳专业方法论专家、集团总部人员以及来自控股集团旗下其他生产基地的独立专家;对于重复发生的事件,每一起都单独开展调查,并将系统性缺陷整合为基地级或事业部级的专项改进项目。在 AI 工具自身的迭代升级上,团队正在拓展机器人的功能,包括生成目击者访谈提纲、以通俗易懂的一线语言自动生成安全宣传海报和班前安全五分钟材料;此外,团队还在开发用于风险评估的智能助手,并测试对话式模拟训练系统,用于演练领导层安全审核、开展安全交底以及通过访谈形式评估安全文化。