收益：
- 能够利用人工智能对未遂事件、事故和观察数据进行分类，并提取重复出现的风险模式
- 能够在人工智能支持下起草风险评估、联合安全协议和紧急情况方案
- 能够与 OHS 专家和立法进行验证，了解人工智能输出不会取代安全关键决策
采矿业是职业健康与安全 (OHS) 风险最高的行业之一：塌方、爆破、重型设备、瓦斯、粉尘、高空、电力和车辆交通并存。因此，矿山安全是一个与生产同等重要、常常排在生产之前的工程领域。安全管理的核心是数据：未遂事故记录、事故报告、现场观察、设备检查、培训记录。这些记录大部分都是自由文本，需要花费大量时间手动阅读。人工智能对于对大量文本进行分类、提取重复出现的风险模式以及起草风险评估/JSA 来说是一个强大的帮助。但值得注意的是：人工智能输出并不能替代安全关键决策；职业健康与安全专家和立法机构有责任停止工作、疏散该地区并确定根本原因。
安全数据的类型
- 未遂事件记录：未演变成事故的事件；它是最有价值的预警来源，因为它丰富且廉价。
- 事故/事故报告：发生的事故、伤害类型、根本原因。
- 现场观察和检查：不安全状况/行为的报告。
- 风险评估和 JSA：工作危险风险预防分析（JSA：工作安全分析）。
职业安全与健康的一个共同原则是“安全金字塔”：大量的未遂事件和不安全情况是少数轻微事故和罕见严重事故的基础。认真对待未遂事故并揭示其规律，是预防严重事故的最有效方法。人工智能的作用是非常宝贵的，它可以在几分钟内将数百个自由文本的未遂录音分类为主题，并回答“哪个条件、哪个区域、哪个班次重复次数最多？”的问题。
一步一步：利用人工智能进行安全数据分析
- 匿名记录。删除员工姓名和身份信息； OHS 数据属于个人数据。
- 确定分类方案。危险类型、区域、班次、设备、根本原因类别。 AI：建议模式，您最终确定。
- 自动标记。人工智能对记录进行分类；标志着不确定性。
- 一种模式出现了。哪个主题反复出现，集中在哪里，是否随着时间的推移而增加？人工智能：总结与趋势。
- 将其转化为行动。职业安全与健康专家从模式中得出预防措施； AI 起草措施。
- 监控并验证。该措施的影响通过后续数据进行监测。
注意：OHS 记录中存在个人数据和指控的风险。分析的目的不是为了惩罚个体，而是为了看到系统性风险。对记录进行匿名处理，并将输出用作“状况改善”而不是“人员搜索”。
风险评估和 JSA 草案
工作安全分析将工作分解为多个步骤；它识别了每个步骤的危险、风险和预防措施。人工智能可以根据过去的 JSA 和职位描述快速生成草稿；与从头开始编写相比，这可以节省大量时间。但这份草案只是一个开始：添加了特定地点的危害、当地条件和监管要求，并得到了 OHS 专家和从事工作的团队的批准。人工智能漏掉的危险可能隐藏着真正的风险；这就是为什么该草案从未直接付诸实施。
三个迷你箱子
案例 1 — 重复模式。 800 份来自熔炉的险情记录正在档案室中等待着。职业安全与健康专家让人工智能对它们进行匿名化和分类；事实证明，22% 的记录与夜班期间特定匝道交叉口的车辆能见度有关。这种模式在单独的读数中是不可见的。路口增设照明、限速；在接下来的三个月里，该地区的未遂事故显着减少。人工智能发现了规律；预防措施和决定由 OHS 团队制定。
案例 2 — JSA 加速。新的维护工作需要 JSA。 OHS 专家向 AI 提供工作步骤并让它生成 JSA 草案；草稿将在 15 分钟内准备好。专家和团队审查草案，添加并批准两个特定地点的危险（带电线路附近和密闭空间）。人工智能节省时间；人类已经完成了缺失的危险。如果按原样使用该草案，则可以避免两个严重的危险。
案例 3 — 虚假信心（警告）。一名实习生问AI“这份工作安全吗，我们可以做吗？” AI 给出了一般性的“安全且采取适当预防措施”的答案。实习生认为这就是确认。然而，AI既没有见过这个领域，也没有能力；只有经过现场评估和授权批准才能做出安全作业决策。教训：不要求人工智能来决定它是否“安全”；由人工智能制定危险清单，由授权人做出决定。
可复制的提示模板
未遂事故分类“角色：您是 OHS 数据分析师助理。下面是匿名的未遂事故记录。将每条记录标记为以下类别：危险类型、区域、班次、涉及的设备、可能的根本原因。分别标记不明确的记录。然后总结 5 个最常见的模式和集中情况。人员/罪犯搜索；重点关注系统状况。数据：[粘贴]。”
JSA 草案“为以下工作准备 JSA 草案：将工作划分为逻辑步骤；写下每个步骤的危险、风险和建议的预防措施。在顶部写下这是一份草案，需要添加特定地点的危险和监管要求并得到 OHS 专家和团队的批准。工作：[描述]。”
风险评估清单“为以下活动创建风险评估清单：[活动]。扫描可能的危险标题（机械、化学、坠落、气体、电气、交通、人体工程学、环境），并写下每个应提出的控制问题。不要给出最终风险评分；说明这需要专家评估。”
结构事件报告“将以下自由文本事件叙述翻译成结构化事件报告：发生了什么、地点、时间、受影响者、直接代理人、促成条件、立即采取的行动。在文本中添加信息；在缺失字段中写上“未指定”。不要查明根本原因；建议调查问题。文本：[粘贴]。”
弱提示/强提示
弱提示：“这安全吗，我们应该这样做吗？”
强烈提示：“角色：您是职业安全与健康助理。为以下工作创建一份逐步危险清单，并为每种危险制定可能的预防措施。强调这是一份草案，安全工作决定需要现场评估和授权的职业健康和安全批准。还列出需要专业控制的其他现场特定危险。工作：[描述]。”
对照表：安全任务与AI限制
任务
人工智能角色
谁的决定
注释
未遂事故分类
强大的浏览器
职业健康与安全专家
匿名化
模式/趋势提取
总结
职业健康与安全专家
系统性焦点
联合安全协议草案
快速草稿
专家+团队认可
漏掉危险的风险
风险评分
未使用（决定）
专家
决定权不在于AI
工作许可/释放
未使用
授权的
安全至关重要
常见错误
- 让人工智能决定“安全吗？” AI无法做出决定；他列出了危险清单，然后由授权人做出决定。
- 按原样实施联合安全协议草案。如果没有添加特定地点的危险，该大纲是不完整的。
- 分析个人数据而不进行匿名化。职业安全与健康记录属于个人记录。
- 将分析变成指责的工具。目标是系统性的改进，而不是个人惩罚。
- 没有认真对待未遂事件。它是最便宜和最丰富的预警来源。
提示：良好的安全文化鼓励未遂事件报告。人工智能迅速将这些通知转化为价值；但这只能在分析的教训转化为治疗而不是惩罚的环境中才能维持。
总之
矿山安全是一个数据驱动的工程领域，未遂事故是最有价值的预警。人工智能在自由文本安全记录分类、模式提取、JSA 和风险清单起草方面功能强大。但安全工作、疏散和根本原因决策是 OHS 专家和立法的责任；人工智能的输出是输入，而不是决策。匿名记录和使用分析以实现系统改进。
应用任务
使用“未遂事件分类”模板将您的匿名（或样本）未遂事件记录提供给人工智能，并提取 5 个最常出现的模式，并为每个模式记下可能的操作。然后使用“JSA 草稿”模板生成作业草稿，并手动添加至少两个特定于站点的危险。最后，使用“事件报告配置”模板配置自由文本事件叙述，并检查添加/缺失的信息。
清单
- [ ] 我在分析之前对安全录音进行了匿名处理。
- [ ] 我让人工智能生成一份危险/模式列表，而不是决策。
- [ ] 我手动将特定地点的危险添加到 JSA 草案中，并得到了专家的批准。
- [ ] 我使用分析是为了系统性的改进，而不是为了个人的责备。
- [ ] 我将安全工作/疏散决定留给了授权的 OHS 批准。
- [ ] 我已核实事件报告中没有人工智能添加/捏造的信息。