Kunstig intelligens for strategisk HMS-ledelse – SHP

Trevor Bronson, direktør for Portfolio Strategy hos Intelex, utforsker utfordringene og mulighetene ved å bruke AI i EHS.

Kreditt: Alamy Stock

HMS, i sin kjerne, er en informasjonsbasert disiplin. Informasjon har mange former: det kan være å beregne komplekse nøkkelindikatorer, sikre at utslipp faller under en tillatt terskel, registrere treningsgjennomføringsrater eller evaluering av antall observasjoner registrert på flere steder. Uavhengig av informasjon er realiteten at HMS-fagfolk er overbelastet med administrativt arbeid og sliter med å finne tid til å operere strategisk.

Heldigvis er nye teknologier som kunstig intelligens (AI) med på å lindre disse problemene. AI kan hjelpe HMS-fagfolk med å identifisere problemer uten å se dem, forstå trender uten å utføre manuelle analyser og implementere løsninger de ellers ikke ville ha vurdert.

Ikke desto mindre, til tross for de klare fordelene ved å bruke AI-baserte løsninger, er mange organisasjoner fortsatt skeptiske til AIs evne til å forstå, tolke og organisere den kritiske informasjonen som driver ytelsen og sikrer samsvar.

Utfordringer

• Personvern og datasikkerhet: AI krever store mengder data for å fungere effektivt. I HMS kan dette dreie seg om sensitiv informasjon om enkeltpersoners helse, sikkerhet, hendelser og miljødata. Å sikre personvernet og sikkerheten til disse dataene mens de brukes for AI-applikasjoner er en prioritet.
• Bias og rettferdighet: Rettferdighet og likhet er avgjørende for alle virksomheter, men AI-systemer kan arve skjevheter som er tilstede i deres data eller opplæringsalgoritmer, noe som kan føre til urettferdige avgjørelser. Det bør gjøres innsats for å identifisere og redusere skjevheter i AI-modeller for å sikre rettferdige resultater.
• Forskriftsmessig samsvar: EHS er styrt av flere reguleringsorganer rundt om i verden. Hvis AI skal saksøkes for å sikre overholdelse, må den være klar over den dynamiske karakteren til regler og forskrifter.
• Menneske-AI-samarbeid: Å balansere AI-evner med menneskelig ekspertise og etisk beslutningstaking kan være en utfordring, spesielt når disse anbefalingene er i konflikt med menneskelig intuisjon. Hvem har det siste ordet? Hvis det er AI, gjør det den ansatte ubrukelig?
• Datakvalitet og integrasjon: Data er hjørnesteinen i AI-effektivitet. Siled, ustrukturerte og rotete data gjør det imidlertid vanskelig å realisere den fulle verdien av AI for EHS. AI opererer etter «søppel inn/søppel ut»-prinsippet, noe som gjør datakvalitet til en viktig del av et effektivt AI-program. Fordi EHS-data ofte er komplekse, spredte og av varierende kvalitet, kan det ta tid og ressurser å integrere og rense dataene for bruk av AI.

Muligheter

• Risikovurdering og prognoser: AI kan analysere store mengder historiske data for å proaktivt identifisere mønstre og forutsi risiko basert på forhold som bidro til hendelser i fortiden. Dette kan bidra til å forhindre ulykker og redusere miljøskader ved å rette opp problematiske situasjoner før de fører til negative konsekvenser.
• Effektiv overvåking og rapportering: Med AI som er i stand til å behandle enorme mengder data – langt mer enn noen enkelt person – er det et enormt potensial for effektivitet. AI-drevne sensorer og overvåkingssystemer kan også kontinuerlig spore miljøparametere og arbeidsforhold. Disse dataene kan brukes til å generere sanntidsrapporter, noe som muliggjør raskere hendelsesrespons og raskere analysetid.
• Automatisert samsvarsovervåking: AI kan hjelpe til med å overvåke overholdelse av regelverk ved å analysere interne samsvarsrelaterte data samtidig som man skanner reguleringshorisonten for relevante endringer. Dette kan bidra til å unngå bøter og juridiske problemer.
• Forbedret beslutningsstøtte: AI gir datadrevet innsikt for å hjelpe HMS-fagfolk til å ta informerte beslutninger og støtter håndtering av komplekse scenarier med flere variabler og potensielle utfall. Ved å hjelpe sikkerhetspersonell med å ta bedre datadrevne beslutninger, bidrar AI til å skape en tryggere arbeidsplass for frontlinjearbeidere.
• Utdanne fremtidens arbeidsstyrke: Når nye HMS-ledere tar over, mangler de den organisatoriske konteksten til flere tiår med HMS-informasjon – kontekst som kan være spesielt nyttig når man møter vanskelige situasjoner for første gang. AI kan gi disse lederne rett informasjon til rett tid, slik at de kan ta beslutninger med maksimal kontekst om hva som fungerte, hva som ikke fungerte, hva det kostet, hva han gjorde i form av risiko, etc.

Intelex annonserte nylig sitt samarbeid med Computer Vision. AI Protexen plattform som bruker AI til gjøre det mulig for proaktive organisasjoner å få større innsikt i usikker atferd i sine anlegg.

Lære mer…

Klikk her for å se et on-demand SHP-webinar med Intelexs Scott Gaddis med tittelen Increasing Safety Engagement for Frontline Workers: How to Unlock a Culture of Safety with Mobile Digital Devices.