“安全药丸”——通过AI工作场所可视化让员工参与风险分析

从风险“盲区”到自觉安全

在现代HSE管理中，主要问题之一是视觉“疲劳”：员工不再注意到熟悉工作场所中的日常危险。传统的培训和真实照片展示通常无法引起应有的共鸣，因为大脑会自动忽略熟悉的画面。在本次网络研讨会中，Svetlana Kautova探讨了一种解决该问题的非传统方法——利用人工智能创建包含故意设置风险的个性化工作场所可视化图像。

AI可视化机制：该方法如何运作

演讲者以使用神经网络（特别是Leonardo平台）为例，展示了如何生成车间、仓库和特定机床的逼真图像。在这些图像中有针对性地添加了典型的违规行为：缺乏个人防护装备（PPE）、液体溢出、货物未固定或不符合人体工程学。

该方法的核心是直接在各部门举行15分钟的简短会议。邀请员工分析打印出来的图像并找出隐藏的危险。这使员工从被动接受培训的对象转变为主动的分析者，激发了批判性思维，并培养了注意异常情况的习惯。

为什么生成的图像比真实照片更有效

演讲详细探讨了视觉信息感知的心理层面。使用工作场所的真实照片通常会引起防御反应，被视为寻找替罪羊或侵犯员工的个人边界。此外，完全熟悉的环境会降低注意力。

生成的图像解决了这些问题：

• 认知失调：员工看到相似但略有改变的工作场所，这迫使大脑活跃起来并开始寻找不一致之处。
• 心理安全：照片中没有真实人物，消除了对惩罚的恐惧和法律风险，将过程转化为发展性游戏的形式。
• 建模灵活性：AI允许添加任何风险组合、改变照明和条件，培训员工预见潜在威胁。

实施结果与反馈循环

该系统的一个重要元素是游戏化和持续对话。员工不仅能发现隐藏的风险，还能通过二维码表单或问卷提出自己的危险场景。然后将这些建议整合到新的AI生成图像中。在为期5个月的试点项目中，员工发现了200多种独特的风险，其中大多数与行为习惯有关。

这种方法不仅提高了员工的参与度，而且完全基于自下而上的倡议，迅速消除了生产中的一系列实际威胁——从安装电缆槽到采购工具架。

您将从本次网络研讨会中学到什么：

• 如何正确编写神经网络提示词（指令），以获取技术上可靠的生产区域图像？
• 为什么使用违规的真实照片在吸引员工参与方面不如AI生成的图像有效？
• 如何组织收集员工反馈并将其建议整合到新的视觉材料中？
• 在生成工作场所图像时会出现哪些典型错误，如何迅速纠正？
• 如何在不使用复杂IT解决方案的情况下，将游戏化元素引入职业风险分析过程？