ورود هوش مصنوعی به کارگاه‌های ساختمانی؛ آیا این فناوری واقعاً امنیت کارگران را تضمین می‌کند؟

هنگامی که شلی کاپسی (Shelley Copsey) از سوی صندوق بازنشستگی معلمان انتاریو، یکی از بزرگ‌ترین سرمایه‌گذاران زیرساخت در جهان، مأموریت یافت تا راهکارهای فناورانه را برای حل چالش‌های پروژه‌ها به کار گیرد، با واقعیتی تلخ در محیط‌های کاری روبه‌رو شد.

او به‌سرعت دریافت که کارگران خط مقدم و نیروهای عملیاتی حاضر در پروژه‌ها همواره با مشکلاتی ریشه‌ای و حل‌نشده دست‌وپنجه نرم می‌کنند.

چهار سال پس از آن روزها، کاپسی اکنون در جایگاه مدیرعامل استارتاپ FYLD فعالیت می‌کند؛ یک شرکت نرم‌افزاری مستقر در لندن که با بهره‌گیری از هوش مصنوعی، به یاری کارگران در بخش‌های ساخت‌وساز، خدمات شهری و پروژه‌های زیربنایی آمده است.

این تحول در شرایطی رقم می‌خورد که هوش مصنوعی نقشی فزاینده و کلیدی در برخی از سخت‌ترین مشاغل فیزیکی ایفا می‌کند؛ از نگهداری جاده‌ها و خطوط راه‌آهن گرفته تا پروژه‌های پیچیده ساختمانی.

هدف اصلی این نوآوری‌ها بسیار روشن است: کاهش کاغذبازی‌های فرساینده و جلوگیری از وقوع حوادث ناگوار کارگاهی.

به گفته کاپسی، زمانی که در عملیات میدانی اختلالی رخ می‌دهد، توجه مدیران معمولاً بلافاصله به سمت بودجه‌بندی یا گردش مالی معطوف می‌شود. او در این باره می‌گوید: «مدیران همیشه سراغ بخش‌های اداری می‌روند و می‌گویند اگر می‌توانستیم روند پروژه را بهتر پیش‌بینی کنیم، شاید این مشکل به وجود نمی‌آمد. اما به نظر من هیچ‌کس پیش از این حاضر نبود بنشیند و بررسی کند در زندگی واقعی کارگران میدانی چه می‌گذرد و چگونه می‌توان کار را برای نیروهای خط مقدم آسان‌تر کرد.»

برنامه‌ریزی دقیق با هوش مصنوعی

استارتاپ FYLD با بهره‌گیری از هوش مصنوعی، مجوزهای مورد نیاز هر پروژه را از پیش تعیین می‌کند تا از تأخیرهای ناخواسته جلوگیری شود. به گفته کاپسی، پیش از این نیروها معمولاً بدون در دست داشتن تمام اطلاعات لازم به محل کارگاه می‌رسیدند. این سیستم هم‌چنین به تیم‌های اجرایی کمک می‌کند تا برنامه‌ریزی‌های خود را با شرایط آب‌وهوایی هماهنگ کنند؛ برای نمونه، اگر پیش‌بینی‌ها از وزش باد شدید حکایت داشته باشند، عملیات بلند کردن سازه‌های سنگین با جرثقیل به روز دیگری موکول می‌شود.

کارگران با ثبت ویدیوهای کوتاه، وظایف روزانه و نگرانی‌های ایمنی خود را شرح می‌دهند. در ادامه، الگوریتم‌های هوش مصنوعی با تحلیل این داده‌ها به کارگران و مدیران کمک می‌کنند تا خطرات بالقوه را پیش از وقوع حادثه شناسایی نمایند.

کاپسی یکی دیگر از مزایای مهم این سامانه را کاهش حجم امور اداری می‌داند. به گفته او، نیروهای حاضر در محل پیش‌تر حدود ۲۰ تا ۲۵ درصد از زمان کاری خود را صرف مستند‌سازی و کاغذبازی‌های اداری می‌کردند؛ اما امروزه با استفاده از تصاویر، ویدیوها و اطلاعات کارگاهی، پیش‌نویس گزارش‌ها به‌طور خودکار تنظیم می‌شود و کاری که قبلاً حدود نیم ساعت طول می‌کشید، تنها ظرف ۲ تا ۳ دقیقه به پایان می‌رسد.

هیچ‌کس حاضر نبود بنشیند و ببیند در زندگی واقعی نیروهای میدانی چه می‌گذرد و چطور می‌توان بار کاری کارگران خط مقدم را سبک‌تر کرد.

شلی کاپسی

مدیرعامل استارتاپ FYLD

شرکت ارائه‌دهنده خدمات زیرساختی Amey در ماه مارس اعلام کرد که پلتفرم FYLD را در اختیار ۲٬۵۰۰ نیروی عملیاتی خود قرار می‌دهد تا ایمنی کارگاه‌ها را بهبود بخشد و نظارت لحظه‌ای بر کارها را برای سرپرستان ممکن سازد. کاپسی اشاره می‌کند که گزارش‌های تجربی FYLD از کاهش حوادث و جراحات کارگاهی تا سقف ۴۸ درصد خبر داده‌اند.

بازرسی از راه دور به کمک هوش مصنوعی

کاربرد دیگر هوش مصنوعی، کاهش نیاز به بازرسی‌های فیزیکی و پرخطر در پروژه‌های زیربنایی است.

نیتن مارش (Nathan Marsh)، از مدیران ارشد شرکت نرم‌افزاری آمریکایی Bentley Systems، توضیح می‌دهد که پلتفرم نگهداری جاده‌ای این شرکت موسوم به Blyncsy، تصاویر ثبت‌شده توسط رانندگان را پردازش می‌کند تا نواقصی هم‌چون گاردریل‌های آسیب‌دیده، رشد بیش از حد گیاهان حاشیه مسیر یا زباله‌ها و نخاله‌ها را شناسایی کند.

مارش در این باره می‌گوید: «به‌کارگیری هوش مصنوعی روی تصاویر موجود، پایش جامع زیرساخت‌ها را در کسری از زمان بازرسی‌های سنتی محقق می‌سازد.»

استیون الشام (Steven Elsham)، مدیرعامل شرکت نرم‌افزاری هلندی Ultimo، نیز تأکید دارد که ابزارهای هوش مصنوعی این شرکت می‌توانند حوادثی را کشف و ثبت کنند که در شرایط عادی گزارش نمی‌شوند.

این سیستم دستورات کاری و گزارش‌های ثبت نوبت را برای یافتن نشانه‌های حادثه بررسی می‌کند و سپس پیش‌نویس اولیه‌ای برای ارزیابی کارشناس انسانی تهیه می‌نماید. الشام به‌عنوان نمونه به درب یک انبار اشاره می‌کند که آسیب‌دیدگی آن نشان‌دهنده برخورد لیفتراک بوده است.

او خاطرنشان می‌کند: «نیروها همچنان موظف هستند اتفاقات را شخصاً گزارش دهند؛ این فناوری صرفاً برای پوشش مواردی به کار می‌رود که از دید افراد پنهان مانده است.»

تردیدها درباره اثر‌بخشی واقعی در حفظ ایمنی

با وجود تمام این پیشرفت‌ها، ولید عمر (Waleed Umer)، استادیار دانشگاه نورتامبریا (Northumbria) در انگلستان، یادآور می‌شود که بیشتر پژوهش‌ها تاکنون بر توانایی مدل‌ها در تشخیص ناهنجاری‌ها متمرکز بوده‌اند، نه اینکه آیا این ابزارها واقعاً مانع از وقوع آسیب جانی می‌شوند یا خیر.

به گفته او، محیط کارگاه‌های عمرانی مدام در حال دگرگونی است و همین موضوع ثبت همه خطرات توسط دوربین‌ها را دشوار می‌سازد. او هم‌چنین هشدار می‌دهد که هشدارهای کاذب پرتکرار ممکن است باعث بی‌توجهی کارگران به اخطارها شود و از سوی دیگر، اتکای مفرط به هوش مصنوعی حسی کاذب از امنیت را در محیط به وجود آورد.

به هوش مصنوعی به‌عنوان یک جفت چشم کمکی نگاه کنید، نه جایگزین سرپرستی انسانی؛ و همواره درک روشنی از نقاط کور آن داشته باشید.

ولید عمر

استادیار دانشگاه نورتامبریا

بیلی هیر (Billy Hare)، استاد مدیریت ساخت‌وساز در دانشگاه کالدونیان گلاسگو (Glasgow Caledonian) در اسکاتلند، بیان می‌کند که پروژه‌های تحقیقاتی و آزمایش‌های اولیه بیشتر بر افزایش بهره‌وری تمرکز داشته‌اند و غالباً این فرض را مسلم گرفته‌اند که حضور کمتر در محیط‌های پرخطر، الزاماً به معنای کاهش ریسک حادثه است.

برای نمونه، شرکت Bentley Systems اعلام کرده که یکی از پروژه‌های ریلی تحت پشتیبانی این مجموعه با به‌کارگیری فناوری همزاد دیجیتال، توانسته بازدیدهای حضوری از کارگاه را تا ۵۰ درصد و بازرسی‌های دستی را تا ۷۰ درصد کاهش دهد.

هیر معتقد است گرچه منطقی به نظر می‌رسد که صرف زمان کمتر در محیط‌های خطرناک می‌تواند ریسک را کاهش دهد، اما اثبات اینکه فناوری مستقیماً مانع از وقوع سوانح می‌شود، به بررسی‌ها و مستندات علمی بسیار بیشتری نیاز دارد.

بر اساس گزارش نهاد بهداشت و ایمنی بریتانیا (HSE)، شمار کارگران جان‌باخته در حوادث ناشی از کار در پروژه‌های ساختمانی بریتانیا طی سال‌های ۲۰۲۵/۲۶ به ۲۵ نفر کاهش یافته است؛ رقمی که در مقایسه با ۳۵ مورد سال گذشته و میانگین پنج‌ساله ۳۷ نفر، کاهش نشان می‌دهد.

با این وجود، هیر تأکید می‌کند: «بریتانیا امسال پایین‌ترین آمار تلفات ساختمانی را در تاریخ خود تجربه کرده است، اما این مسئله می‌تواند ناشی از رکود اقتصادی و کند شدن پروژه‌ها باشد؛ موضوعی که سنجش سهم واقعی فناوری در ایجاد این تفاوت معنادار را دشوار می‌سازد.»

ولید عمر هم‌چنین گوشزد می‌کند که نظارت انسانی به‌تنهایی کافی نیست، به‌ویژه اگر هوش مصنوعی اطلاعاتی فراتر از ظرفیت تحلیل ناظران تولید کند؛ وضعیتی که ممکن است سبب شود توصیه‌ها بدون ارزیابی دقیق و به‌صورت شتاب‌زده تأیید شوند.

او تصریح می‌کند: «هوش مصنوعی را هم‌چون چشم کمکی ببینید، نه جایگزین سرپرستی؛ و همواره درک روشنی از نقاط کور آن داشته باشید.»

از دیدگاه الشام، پرسش بنیادین این است که آیا هوش مصنوعی انجام کارهای دشوار را مدیریت‌پذیرتر می‌کند یا صرفاً به ابزاری برای تحمیل کار بیشتر به نیروها بدل می‌شود. به باور او، نقطه آغاز این تمایز در نحوه سنجش عملکرد نهفته است؛ شرکت‌ها باید مشخص کنند زمان آزادشده قرار است صرف چه اموری شود و هوش مصنوعی در کدام بخش‌ها باید نقش حمایتی داشته باشد.

الشام می‌گوید: «تیم‌های ایمنی در حال حاضر با همان تعداد نیروی قبلی، خطرات بیشتری را پوشش می‌دهند. اگر تنها برنامه سازمان برای ساعات آزادشده، تحمیل وظایف و گزارش‌های بیشتر به هر کارگر باشد، نیروها خیلی زود متوجه این فریبکاری می‌شوند و البته حق با آن‌ها خواهد بود.»

او استدلال می‌کند که شرکت‌ها باید به‌جای تمرکز صرف بر بازده عددی، معیارهای بنیادین محیط کار را بسنجند؛ معیارهایی نظیر ارتقای ایمنی، رفع بی‌نقص خرابی‌ها در اولین اقدام و کاهش توقف‌های برنامه‌ریزی‌نشده.

الشام در پایان خاطرنشان می‌کند: «یک کسب‌وکار موفق باید به نفع تمام اعضای مجموعه حرکت کند و کارگرانی که سخت‌ترین وظایف را بر عهده دارند، باید پیش از هر کس دیگری ثمره این بهبود را احساس نمایند.»