Искусственный интеллект уже используют в охране труда. С его помощью анализируют видео с производственных камер, проверяют наличие СИЗ, замечают людей в опасных зонах и фиксируют действия, которые могут привести к происшествию.
Такие проекты есть и за рубежом, и в России. Но важно разобраться не только в том, где применяют ИИ, но и в том, какие задачи он действительно решает. Одно дело — заметить нарушение в потоке видео. Другое — восстановить обстоятельства несчастного случая и понять, какие выводы подтверждаются материалами расследования.
1. Зарубежный опыт: от наблюдения к анализу происшествий
В докладе Международной организации труда «Revolutionizing Health and Safety: The Role of AI and Digitalization at Work», опубликованном в апреле 2025 года, рассматривается применение ИИ и цифровых технологий для защиты работников.
Среди описанных направлений — цифровой мониторинг, автоматизация опасных операций и системы поддержки принятия решений. Отдельно говорится и о рисках: например, о недостаточной прозрачности алгоритмов и защите персональных данных.
Один из практических вариантов применения ИИ — компьютерное зрение. В 2025 году компания Trafigura рассказала о пилотном использовании системы Guardian Vision на строительных площадках в Южной Африке и Намибии для выявления потенциально небезопасных ситуаций.
К результатам таких проектов стоит относиться внимательно: сведения публикует сама компания, поэтому они не заменяют независимую проверку. Кроме того, результаты одного предприятия нельзя автоматически переносить на другие площадки.
Есть и исследования, в которых ИИ используют для анализа уже записанных происшествий. В 2025 году была опубликована научная работа о системе AcciVid, предназначенной для автоматизированного анализа видео происшествий в строительстве. В исследовании мультимодальную языковую модель сочетают с механизмом Graph RAG для анализа событий и выявления нарушений требований безопасности.
Здесь нужна оговорка: AcciVid в рассматриваемой публикации — научная разработка, а не подтверждённый готовый коммерческий продукт для повседневного расследования несчастных случаев. Исследование показывает один из возможных подходов, но не доказывает, что система уже доступна предприятиям или одинаково хорошо работает в любых условиях.
2. Российская практика: ИИ на производстве
В России тоже есть примеры применения ИИ для решения задач производственной безопасности.
В 2024 году сообщалось о пилотной системе видеоаналитики на автомобильном заводе «Урал». Она должна была выявлять отсутствие СИЗ и курение в запрещённых местах, используя уже установленные камеры.
В публикациях 2025 года описывался проект Кольской ГМК: компьютерное зрение помогало контролировать нахождение человека в опасной зоне на линии резки катодного никеля. Особенность решения — учёт не только изображения с камеры, но и состояния оборудования по сигналам светофоров.
Есть и научные публикации, посвящённые оценке внедрения нейросетевой видеоаналитики. В частности, в 2024 году вышла работа об оценке такого решения на машиностроительном предприятии АО «Московский ЛРЗ».
Эти примеры показывают, что в России ведётся практическая и исследовательская работа в этой области. Но сообщение о пилотном проекте само по себе ещё не доказывает, что технология повсеместно применяется или что она уже привела к устойчивому снижению производственного травматизма. Для такого вывода нужны соответствующие данные и понятная методика оценки.
3. Кто впереди — зарубежные или российские разработчики?
По нескольким отдельным примерам определить это нельзя. Для честного сравнения понадобились бы сопоставимые данные: сколько систем внедрено, в каких условиях они работают, какова точность обнаружения, сколько бывает ложных срабатываний и во что обходится эксплуатация.
Поэтому сейчас правильнее сравнивать конкретные решения и опубликованные результаты, а не объявлять одну сторону безусловным лидером.
При этом полезно различать три ситуации:
• Возможность заявлена разработчиком — компания сообщает, что система умеет выполнять определённую задачу.
• Внедрение описано — есть сведения о применении системы на конкретном предприятии.
• Эффективность подтверждена — имеются результаты испытаний или оценки, по которым можно судить о качестве работы и достигнутом эффекте.
Это разные уровни доказательности. Сам факт внедрения ещё не означает, что результат проверен независимо. А научная публикация не всегда означает, что технология готова к промышленной эксплуатации.
4. Обнаружить нарушение — ещё не значит расследовать происшествие
На мой взгляд, здесь и находится один из главных вопросов применения ИИ в охране труда.
Предположим, система заметила, что работник оказался в опасной зоне. Это полезный сигнал: на него можно обратить внимание и при необходимости принять меры. Но если человек получил травму, одной фиксации нарушения недостаточно.
При расследовании нужно восстановить, что происходило до события и в какой последовательности развивались действия. Нужно понять, что действительно видно на записи, а что является интерпретацией. Важно сопоставить видео с документами и показаниями, проверить, нет ли противоречий, и определить, каких сведений не хватает.
Например, на записи может быть видно отсутствие каски. Но только этого факта недостаточно, чтобы заключить, что именно он стал причиной происшествия. Причинно-следственная связь должна подтверждаться материалами расследования, а не предполагаться автоматически.
Иными словами, распознавание отдельных объектов или действий — лишь часть работы. Доказательный анализ требует последовательно рассмотреть всю доступную информацию и отделить установленные факты от предположений.
5. Что важно для ИИ-ассистента при анализе происшествий?
Если ИИ используют как помощника при расследовании, оценивать его нужно не только по способности распознавать объекты. Важны и другие вещи.
Во-первых, система должна выделять факты из видео и документов, не выдавая предположения за наблюдения.
Во-вторых, она должна помогать восстанавливать последовательность событий и показывать, какими материалами подтверждается каждый её элемент.
В-третьих, система должна отмечать расхождения между источниками, а не выбирать одну версию без достаточных оснований.
Наконец, важно понимать, на чём основан вывод. Если данных недостаточно, это должно быть прямо указано. Заполнять пробелы догадками недопустимо.
ИИ не должен заменять комиссию по расследованию, автоматически назначать виновных или самостоятельно устанавливать юридически значимые причины происшествия. Его задача — облегчить работу специалиста с материалами и помочь проверить обоснованность выводов.
6. Что дальше?
По доступным публикациям нельзя сделать вывод, что зарубежная практика в целом опережает российскую или наоборот. Примеры есть с обеих сторон, но для общего сравнения не хватает сопоставимых данных.
При этом стоит обсудить другой вопрос: достаточно ли использовать ИИ для обнаружения нарушений в текущем режиме или следующий шаг — применять его для анализа материалов уже произошедших несчастных случаев?
Речь не о том, чтобы поручить нейросети расследование вместо человека. Она могла бы помочь разобрать видеозаписи и документы, составить хронологию, отметить противоречия и показать, что ещё необходимо проверить. Окончательные выводы при этом остаются за специалистами.
Возможно, одним из важных критериев развития таких инструментов станет не количество распознанных нарушений, а то, насколько прозрачно и проверяемо они помогают работать с доказательствами.
Вопрос коллегам
Коллеги, интересно узнать ваш опыт. Используете ли вы ИИ в работе по охране труда? И видите ли практическую пользу в том, чтобы применять такие инструменты не только для обнаружения нарушений, но и при анализе материалов несчастных случаев?
