与 Benchmark Gensuite 首席客户官 Natasha Porter 的问答
人工智能 (AI) 正在改变工作场所安全与健康领域。Benchmark Gensuite 首席客户官 Natasha Porter 探讨了人工智能工具如何帮助安全专业人员降低风险、改进流程并预防工作场所事故。
PSJ： 人工智能可以通过哪些方式帮助安全专业人员降低工作场所的风险和危害？
娜塔莎： 人工智能的关键功能之一是能够实时分析海量安全数据，并在事故发生前识别潜在危险的数据模式。人工智能确实可以增强风险评估并实现巡检自动化，提供预测性洞察以预防事故。这可以通过多种方式实现。多年前，我作为一名环境、健康与安全 (EHS) 专业人员，曾与全球 80 多家工厂合作，这些工厂的运营模式和当地监管要求各不相同。当时有大量的数据流，信息来自我们作为整体业务管理者所掌握的领先指标和滞后指标。我真希望自己有一台时光机，可以回到过去应用人工智能技术，因为手动处理数据并生成洞察需要耗费数天甚至数周的时间，既费力又耗时。我认为，这正是人工智能能够为健康与安全领导者带来巨大价值的地方，它能够帮助员工深入一线，将这些洞察付诸实践，而不是像现在这样，花费大量时间试图从数据集中找出这些洞察和趋势。
利用人工智能提升安全性
- 利用人工智能进行主动风险检测。将现有的领先和滞后安全指标输入人工智能工具，以便在事故发生前发现模式和新出现的危险。
- 实现检查和风险评估的自动化。部署人工智能以简化日常审核并生成预测性见解，从而使安全负责人能够将更多时间用于现场，根据发现采取行动。
- 应用计算机视觉技术识别实时危险。使用视频或静态图像扫描来标记不安全状况和行为（例如，叉车超速行驶、不当的起重操作），并跟踪风险状况随时间的变化。
- 利用便携式技术进行大规模人体工程学评估。用智能手机捕捉工作任务，并使用人工智能进行详细的人体工程学评分。
- 利用人工智能检测PSIF前兆并生成行动方案。对伤害、关注点和事件记录运行人工智能，以识别PSIF前兆，然后使用生成式人工智能摘要来确定致病因素和缓解措施的优先级。
- 负责任地开展试点工作，并采用“信任但要核实”的方法。确保工具使用高质量的相关数据进行训练，以透明的方式处理隐私和伦理问题，让员工参与试验，并将输出结果视为决策支持，而非取代人类判断。
PSJ： 人工智能工具可以提供哪些信息来改进决策，并帮助安全专业人员了解其安全管理系统的性能？
娜塔莎： 人工智能工具能够对工作的各个方面进行实时分析，例如工作场所环境、整体合规性跟踪、设备性能以及员工在执行特定操作和工作任务时的行为。例如，计算机视觉领域就运用了人工智能技术，用户可以录制视频并扫描场景，从而识别特定风险。这些风险可能包括叉车超速行驶，或者在存在危险的情况下以不当方式使用设备进行升降作业。其目标是确定公司运营中当前存在的风险类型、这些风险随时间的变化情况，以及如何采取措施来降低或消除这些风险。这正是每位专业人士都在寻求如何在不同地点和不同运营中高效、有效地实现的目标，我认为人工智能可以成为支持这一目标的强大工具。
PSJ： 请谈谈计算机视觉以及其他可以应用于施工现场的例子。
娜塔莎： 我们在人体工程学领域有一些实际经验。一些公司正在利用人工智能技术拍摄工人执行工作任务的视频，并进行详细的人体工程学评估和评分，做得非常出色。我本人也接受过人体工程学培训，这方面的知识和技能非常丰富。人体工程学评估的熟练程度需要通过实践来提高，而人工智能技术在该领域的应用可以让安全专业人员跳过一个步骤，让技术来完成繁重的评估数据分析工作。这使得更多的人能够进行人体工程学评估。智能手机或其他便携式设备可以实时拍摄工作画面，剩下的工作则由人工智能完成。我们还与订阅用户社区合作，开发了一套针对潜在严重事故和死亡事件（PSIF）以及识别先兆的人工智能解决方案。这项技术利用来自各种来源的所有数据和信息，探索人工智能能否分析这些不同的数据记录，并根据描述判断是否存在足以构成重大安全事件因素 (PSIF) 或先兆风险的信息。整个过程实时进行。人工智能处理这些数据，并向企业领导者输出其业务中当前具有重要意义的风险趋势。然后，生成式人工智能可以生成风险成因摘要和缓解建议。这项技术需要处理数千条数据记录，对其进行整合，识别先兆风险，然后生成一份报告，阐述风险成因以及为缓解或消除这些风险而应采取的行动。
PSJ： 这些工具如何帮助安全专业人员改进培训？
娜塔莎： 继续以人体工学人工智能技术为例，我们直接与一家人工智能公司合作，由该公司进行现场评估。员工可以看到评估过程，并要求指导他们完成评估。人工智能会在员工工作时逐帧进行评估，并显示风险高低变化的位置。在评估过程中，员工可以获得实时反馈。例如，如果减少特定任务中的伸手动作，就能降低员工肩部、上背部和手臂的风险。在计算机视觉方面，能够实时查看风险所在位置的快照（无论是静态图像还是视频）对培训非常有益。此外，PSIF（个人安全事件指标）和前兆风险可用于解释特定问题报告或工伤案例为何属于PSIF。该人工智能技术利用美国职业安全与健康管理局 (OSHA) 提供的100,000万个公开数据集，将员工提出的问题或工伤与PSIF或前兆风险关联起来。
“在任何正在探索的基于人工智能的试点项目中，都必须考虑并解决员工隐私、透明度和人工智能的合乎伦理的使用问题。”
PSJ： 安全专业人员在使用这项技术之前应该了解哪些内容，以确保其有效使用？
娜塔莎： 我通常会分享三个关键技巧。首先，人工智能应该真正起到辅助作用，而不是取代人类判断。所有这些不同的人工智能技术都能增强安全专业人员的能力，使他们能够发挥更大的作用，因为他们可以更快地获取信息或更快地处理数据。其目的是帮助领导者更有效地实现最终目标，而不是取代人类判断。工具可以更快地得出答案，然后用户需要根据自己的判断来思考这个答案是否合理。安全专业人员需要考虑的另一点是，确保他们使用的任何模型都基于高质量且相关的数据进行训练。在任何正在探索的基于人工智能的试点项目中，都必须考虑并解决员工隐私、透明度和人工智能的伦理使用问题。让员工参与人工智能技术的选择或试验过程也很重要。这不仅能提高透明度，还能激发员工的积极性。在我所了解的几乎所有案例中，当进行人体工学评估时，员工们都非常兴奋，因为他们能够看到评估的目标、提供的反馈以及如何改进工作场所和操作以预防人体工学损伤。这非常有效。我总是分享的最后一个建议是，要记住人工智能并不完美。这种情况在未来几年可能会改变，但就目前而言，人工智能是一个强大的工具，用户需要信任它，但同时也要进行验证。这与拥有一位资深的、博士级别的环境、健康与安全（EHS）专家并无二致。他们提供答案或解决方案，但必须经过人工判断才能继续执行。使用人工智能也需要同样的方法。
PSJ： 安全专业人员应该向人工智能提供哪些信息才能获得最佳结果？
娜塔莎： 人工智能依赖于高质量数据。在环境、健康与安全（EHS）领域，我多年来一直听到这样的抱怨：高质量数据匮乏，是制约人工智能发展的关键因素。这实际上取决于每个人对“高质量”的定义。不同的人对高质量伤情描述的定义可能截然不同。
PSJ： 安全专业人员如何才能迈出在工作中应用人工智能的第一步？
娜塔莎： 人工智能现在是，将来也必将是我们一切工作中不可或缺的一部分。例如，打开谷歌进行搜索。谷歌已将人工智能概览直接集成到搜索页面中。它的强大之处在于，它整合并压缩了谷歌原本提供的所有链接信息，提供概要介绍以及相关的资源链接。这让用户能够了解人工智能的工作原理、价值以及节省的时间。我总是鼓励那些考虑将人工智能应用于环境、健康与安全（EHS）领域的人们，首先思考组织中最大的痛点或需求，并以此为中心展开工作。如果人体工程学是你们面临的问题，可以探索诸如 3motionAI 或 Ergo Evaluator 之类的解决方案。如果持续识别安全事件及其先兆对你们的业务至关重要，可以考虑使用安全事件信息工具（PSIF）或安全事件信息工具（PSI）人工智能顾问。虽然有很多不同的选择，但最终的选择应该能够立即带来价值，并且与用户组织中面临的实际挑战紧密相关。一旦确定了支持该领域的AI技术，我鼓励安全专业人员进行概念验证，并让员工参与到这个过程中，以便他们更深入地了解AI技术，熟悉它，并能使用它从中受益。这样，当该解决方案在企业范围内更广泛地推广时，员工就可以成为该解决方案的倡导者和代言人。
“人工智能工具可对工作的各个方面进行实时分析，例如工作场所条件、跟踪整体合规性、设备性能或工人在执行某些操作和工作任务时的行为。”
PSJ： 安全专业人员如何确定需要多少数据才能从人工智能中获得有用的结果？
娜塔莎： 人工智能只有在获得输入数据后才能发挥作用。如果人体工程学是痛点，而一家公司正在使用人工智能来拍摄和分析工作任务并识别人体工程学风险，那么他们使用该技术进行的评估越多，他们对单个或多个工作场所的人体工程学风险的了解就越全面。在这种情况下，关键在于如何利用人工智能进行评估。大多数情况下，人们并非从视频库入手。他们之前可能使用纸笔或其他类似方式进行过评估。我认为计算机视觉也是如此。为了更好地了解叉车风险或使用计算机视觉，用户需要利用设施中现有的任何类型的视频监控技术来获取信息。另一方面，例如，像PSIF（事故预防信息）和先兆事件之类的东西，则取决于可用的伤害、关注点和事件数据。我们曾与一家企业合作，该公司平均每年发生约 3,000 至 4,000 起事故、伤害和事件；我们也曾与一家企业合作，该公司每年在这三个方面产生 120,000 万条数据记录。这两家企业都可以利用人工智能技术来获取价值和洞察。一个人能够处理的记录数量有限，难以确定趋势。而人工智能可以显著提高处理量，并仍然能够获得这些洞察。我建议从现有数据入手。或许可以发现，安全专业人员在现场观察到的风险与数据中呈现的风险并不相同。那么问题来了，为什么会出现这种不匹配？是数据和信息的缺失，还是人工智能提出了其他需要考虑的风险管理因素？或者两者兼而有之？无需拥有所有数据即可开始。例如，如果只有 TRIR 数据可用，就从这里开始，然后整合来自计算机视觉或其他来源的数据集。根据最大的挑战和痛点以及目标，从现有数据入手，确定需要收集哪些数据集以及如何将它们组合起来以获得最终结果。
PSJ： 关于安全专业人员如何在工作场所使用人工智能，您还有什么想补充的吗？
娜塔莎： 如果你还没开始，那就赶紧开始吧。人工智能的发展势头强劲，不会消失。这项技术正以指数级的速度在我们周围演变，甚至渗透到我们日常生活的方方面面。我鼓励所有还没有接触过人工智能的人都去谷歌搜索一下，看看人工智能的概览结果。这是第一步，再简单不过了。我还想提一下智能体人工智能。生成式人工智能的核心在于处理大量数据，并提供简洁的信息摘要和洞见。而智能体人工智能则更进一步。对于包含十个不同步骤的流程，人工智能智能体可以独立完成所有十个步骤，并生成最终结果，供人类审核、判断和应用。但要达到这一步，首先需要使用一些小型人工智能组件。智能体通常是由多个小型人工智能引擎连接而成。我非常期待这项技术的未来发展。
Natasha Porter，MSE，是 Benchmark Gensuite 的首席客户官。 她拥有约翰·霍普金斯大学环境管理与经济学工程硕士学位和土木工程学士学位。
来源出版物： ASSP. (2026 年 3 月)。人工智能降低风险：与 Benchmark Gensuite 首席客户官 Natasha Porter 的问答。《专业安全》，71(3)，32-34。
