Chương 2 THỰC TRẠNG CÔNG TÁC AN TOÀN LAO ĐỘNG VÀ SỨC KHỎETHỰC TRẠNG CÔNG TÁC AN TOÀN LAO ĐỘNG VÀ SỨC KHỎE
2.3. Ưu điểm, hạn chế, nguyên nhân
Sau quá trình phân tích thực trạng công tác đào tạo an toàn lao động, đào tạo môi trường và vệ sinh lao động hiện đang áp dụng tại Công ty CP Xây dựng và Công nghiệp NSN, có thể thấy rằng NSN đã có nhiều nỗ lực đáng ghi nhận, nhưng vẫn tồn tại những hạn chế cần cải thiện. Cần đưa ra một cái nhìn toàn diện về ưu điểm, hạn chế, nguyên nhân và phân tích chúng nhằm giúp công ty có định hướng rõ ràng hơn trong quá trình phát triển và hoàn thiện công tác này.
2.3.1. Những ưu điểm
Các phương pháp đào tạo HSE truyền thống tại công ty NSN đã và đang đóng vai trò quan trọng trong việc đảm bảo an toàn và sức khỏe lao động. Các phương pháp này mang nhiều ưu điểm nổi bật. Trước tiên, đào tạo trực tiếp tại lớp học và tại nơi làm việc giúp tạo sự tương tác trực tiếp giữa giảng viên và học viên, từ đó giải quyết ngay lập tức các thắc mắc hoặc tình huống phát sinh. Điều này đảm bảo kiến thức được truyền tải rõ ràng, đúng trọng tâm và thực tế. Đào tạo tại nơi làm việc (On-the-Job Training) còn
mang tính thực tiễn cao, khi người lao động được trực tiếp tiếp cận với các quy trình và tình huống cụ thể tại công trường.
Các buổi họp ngắn (Toolbox Talk) trước ca làm việc là một hình thức linh hoạt, dễ tổ chức, giúp người lao động tập trung vào các nguy cơ hoặc vấn đề cấp bách ngay trước mắt. Hội thảo và hội nghị mang lại cơ hội cập nhật các quy định mới nhất, tiếp cận các xu hướng và công nghệ tiên tiến trong lĩnh vực an toàn lao động. Đào tạo qua tài liệu in, video hay các tài liệu tuyên truyền cũng đảm bảo phổ biến kiến thức cơ bản đến toàn bộ nhân viên, bao gồm cả những người làm việc tại các địa điểm khác nhau.
Đào tạo mô phỏng thực tế, mặc dù là một phần của các phương pháp truyền thống, nhưng mang tính ứng dụng cao trong các tình huống khẩn cấp như cháy nổ, tràn hóa chất hoặc sơ tán khẩn cấp. Phương pháp này giúp nhân viên thực hành các kỹ năng an toàn trong môi trường giả lập, hạn chế rủi ro so với việc thực hành trực tiếp tại hiện trường. Đồng thời, việc giám sát viên đào tạo tại công trường không chỉ giúp người lao động hiểu rõ quy định mà còn duy trì tính liên tục và sát sao trong việc áp dụng các biện pháp an toàn.
Mặc dù có những hạn chế nhất định như yêu cầu về thời gian, nhân lực và chi phí tổ chức, các phương pháp truyền thống vẫn đảm bảo hiệu quả cao trong việc đào tạo nhóm nhỏ, hướng dẫn chi tiết, và xây dựng văn hóa an toàn tại nơi làm việc.
2.3.2. Những mặt hạn chế còn tồn tại và nhược điểm
Mặc dù hệ thống AI mang lại những lợi ích vượt trội trong việc cải thiện hiệu quả đào tạo, quá trình triển khai vẫn đối mặt với nhiều hạn chế và thách thức lớn. Những vấn đề này không chỉ đến từ mặt kỹ thuật mà còn liên quan đến nguồn nhân lực, chi phí và khả năng tích hợp AI với môi trường làm việc thực tế.
* Khả năng phân tích theo thời gian thực còn hạn chế
Một trong những hạn chế lớn nhất của hệ thống AI hiện nay là khả năng phân tích thời gian thực chưa đủ mạnh. Hệ thống chủ yếu dựa vào dữ
liệu tĩnh như hình ảnh để đánh giá trạng thái tập trung hoặc các hành vi của học viên. Điều này dẫn đến một số vấn đề:
- Phản hồi chậm: Nếu một học viên mất tập trung hoặc vi phạm kỷ luật trong buổi học, hệ thống không thể phát hiện và cảnh báo ngay lập tức. Điều này làm giảm hiệu quả của việc giám sát.
- Độ chính xác thấp: Trong các buổi học kéo dài, trạng thái tập trung của học viên có thể thay đổi liên tục. Phân tích từ hình ảnh tĩnh không phản ánh được đầy đủ hành vi của họ trong toàn bộ buổi học.
- Hạn chế với các hoạt động nhóm: Hệ thống chưa đủ khả năng phân biệt và đánh giá hiệu suất khi học viên tham gia vào các hoạt động nhóm, nơi các hành vi và tư thế đa dạng hơn so với các tình huống học cá nhân.
Khả năng phân tích thời gian thực là một yếu tố then chốt để nâng cao hiệu quả đào tạo. Tuy nhiên, để đạt được điều này, hệ thống cần tích hợp các thuật toán học sâu (deep learning) mạnh mẽ hơn và sử dụng phần cứng có hiệu suất cao, điều này đòi hỏi sự đầu tư lớn.
* Thiếu cá nhân hóa lịch sử học tập
Một hạn chế khác của hệ thống AI hiện tại là chưa đủ mạnh để cá nhân hóa dữ liệu học tập của từng học viên. Mặc dù AI có thể nhận diện khuôn mặt và theo dõi trạng thái tập trung, hệ thống chưa có khả năng:
- Ghi lại toàn bộ quá trình học tập của từng học viên trong nhiều buổi học khác nhau.
- Phân tích hiệu suất dài hạn để đưa ra các gợi ý hoặc lộ trình học tập cá nhân hóa.
- Đưa ra các khuyến nghị chi tiết dựa trên điểm mạnh, điểm yếu và tiến độ của từng cá nhân.
Ví dụ, nếu một học viên thường xuyên mất tập trung trong các buổi học liên quan đến quy trình làm việc an toàn, hệ thống nên có khả năng phát hiện và đề xuất các nội dung bổ sung hoặc tổ chức các buổi thực hành riêng biệt để cải thiện. Tuy nhiên, hạn chế về khả năng cá nhân hóa khiến việc hỗ trợ học
viên trở nên khó khăn và kém hiệu quả hơn
* Thiếu nhân lực chuyên môn
Việc vận hành và duy trì hệ thống AI đòi hỏi đội ngũ nhân lực có trình độ cao, bao gồm các chuyên gia về công nghệ AI, kỹ thuật phần mềm, và quản lý dữ liệu. Tuy nhiên, nhiều doanh nghiệp, đặc biệt là các doanh nghiệp vừa và nhỏ, thường gặp khó khăn trong việc:
- Tuyển dụng nhân sự phù hợp do chi phí cao hoặc thiếu nguồn lực đào tạo.
- Đào tạo đội ngũ hiện có để làm quen với các công cụ AI mới, đặc biệt khi đội ngũ này chưa có nền tảng kỹ thuật vững chắc.
Hơn nữa, các lỗi kỹ thuật trong hệ thống AI, chẳng hạn như nhận diện sai khuôn mặt hoặc không cập nhật dữ liệu kịp thời, có thể xảy ra nếu thiếu sự giám sát và vận hành từ những người có chuyên môn.
* Chi phí đầu tư cao
Một trong những rào cản lớn nhất đối với việc triển khai AI là chi phí.
Để xây dựng một hệ thống AI hoàn chỉnh, doanh nghiệp cần đầu tư vào:
- Phần cứng: Camera giám sát có độ phân giải cao, máy chủ hiệu suất lớn để xử lý dữ liệu.
- Phần mềm: Các thuật toán nhận diện khuôn mặt, phân tích hành vi, và thống kê dữ liệu.
- Công tác bảo trì: Duy trì và cập nhật hệ thống để đảm bảo hoạt động liên tục và hiệu quả.
Đối với các doanh nghiệp lớn, chi phí đầu tư này có thể chấp nhận được, nhưng đối với các doanh nghiệp nhỏ hơn, việc triển khai AI có thể không khả thi về mặt tài chính. Ngoài ra, áp lực tài chính còn tăng lên khi hệ thống không đáp ứng được kỳ vọng hoặc gặp vấn đề kỹ thuật đòi hỏi phải nâng cấp.
2.3.3. Bài học kinh nghiệm và khuyến nghị
* Đào tạo và phát triển nhân lực công nghệ
Một trong những bài học quan trọng nhất là sự cần thiết phải đầu tư vào đào tạo và phát triển nhân lực để vận hành hệ thống AI. Thay vì chỉ tập trung vào việc triển khai công nghệ, doanh nghiệp cần:
- Tổ chức các buổi đào tạo nội bộ để giúp đội ngũ nhân sự quen thuộc với công nghệ AI, từ cách sử dụng phần mềm đến việc phân tích dữ liệu đầu ra.
- Hợp tác với các tổ chức đào tạo bên ngoài để nâng cao trình độ cho nhân sự, đặc biệt trong các lĩnh vực như lập trình AI, quản trị dữ liệu và bảo mật hệ thống.
- Tuyển dụng nhân sự chuyên môn cao hoặc thuê các đơn vị tư vấn bên ngoài để đảm bảo hệ thống được thiết kế và vận hành đúng cách.
* Kết hợp AI với các phương pháp truyền thống
Mặc dù AI mang lại nhiều lợi ích, nhưng không nên thay thế hoàn toàn các phương pháp đào tạo truyền thống. Thay vào đó, doanh nghiệp nên áp dụng một cách tiếp cận kết hợp:
- AI hỗ trợ quản lý và giám sát: Sử dụng AI để tự động hóa các công việc như điểm danh, theo dõi trạng thái tập trung và phân tích dữ liệu học tập.
- Giảng viên tập trung vào hướng dẫn và thảo luận: Các buổi học trực tiếp nên được thiết kế để bổ sung cho nội dung mà AI không thể cung cấp, chẳng hạn như giải thích chi tiết hoặc phản hồi trực tiếp cho học viên.
- Hoạt động nhóm và thực hành thực tế: Kết hợp các bài học thực hành tại hiện trường với mô phỏng AI để đảm bảo người học không chỉ hiểu lý thuyết mà còn rèn luyện kỹ năng thực tế.
* Tối ưu hóa chi phí và đầu tư dài hạn
Một bài học quan trọng là cần nhìn nhận việc triển khai AI như một khoản đầu tư dài hạn thay vì chỉ tập trung vào chi phí ban đầu. Để tối ưu hóa chi phí, doanh nghiệp có thể:
- Triển khai từng bước: Bắt đầu với các chức năng cơ bản như nhận diện khuôn mặt và phân tích trạng thái tập trung, sau đó mở rộng thêm các tính năng nâng cao khi có đủ nguồn lực.
- Sử dụng các giải pháp AI mã nguồn mở: Các công cụ AI mã nguồn mở có thể giúp giảm chi phí phần mềm mà vẫn đảm bảo chất lượng.
- Tận dụng các khoản hỗ trợ: Doanh nghiệp có thể tìm kiếm các khoản tài trợ hoặc hỗ trợ từ chính phủ và các tổ chức phi lợi nhuận trong lĩnh vực đổi mới công nghệ.
* Tăng cường tính năng cá nhân hóa
AI nên được phát triển để không chỉ tập trung vào nhóm mà còn tạo ra giá trị cho từng cá nhân. Điều này đòi hỏi:
- Thu thập dữ liệu chi tiết: Hệ thống cần ghi nhận và lưu trữ dữ liệu về lịch sử học tập, hiệu suất và điểm mạnh/yếu của từng học viên.
- Xây dựng lộ trình học tập cá nhân hóa: AI có thể đề xuất các khóa học bổ sung hoặc gợi ý các bài thực hành dựa trên kết quả học tập trước đó.
- Cung cấp báo cáo định kỳ: Các báo cáo chi tiết nên được gửi tới từng học viên, giúp họ nhận thức rõ tiến độ và đặt mục tiêu cải thiện.
* Nâng cấp hệ thống để phân tích thời gian thực
Khả năng phân tích thời gian thực là một yếu tố quan trọng cần được cải thiện để tối ưu hóa hiệu quả đào tạo. Doanh nghiệp nên đầu tư vào:
- Công nghệ phần cứng mạnh mẽ: Các máy chủ có khả năng xử lý dữ liệu video nhanh chóng và chính xác.
- Thuật toán học sâu: Sử dụng các thuật toán deep learning để nhận diện và phân tích hành vi phức tạp của người học trong thời gian thực.
- Cải thiện giao diện người dùng: Hệ thống cần cung cấp các cảnh báo và báo cáo trực tiếp để giảng viên hoặc quản lý có thể can thiệp ngay khi cần thiết.
* Đánh giá hiệu quả liên tục
Cuối cùng, một bài học quan trọng là doanh nghiệp cần thường xuyên đánh giá hiệu quả của hệ thống AI để đảm bảo rằng nó đáp ứng được mục tiêu ban đầu. Việc đánh giá này nên bao gồm:
- Thu thập phản hồi từ người học: Lắng nghe ý kiến của học viên về trải nghiệm học tập để điều chỉnh hệ thống.
- Phân tích dữ liệu đào tạo: Xem xét các chỉ số như tỷ lệ tập trung, tiến độ học tập, và hiệu suất làm việc sau đào tạo.
- So sánh với phương pháp truyền thống: Đánh giá xem AI đã cải thiện được bao nhiêu so với các phương pháp trước đó để xác định các điểm cần cải thiện.
Hạn chế và thách thức trong việc triển khai AI không thể tránh khỏi, nhưng những bài học kinh nghiệm từ thực tiễn đã cho thấy rằng các doanh nghiệp có thể vượt qua những rào cản này bằng cách đầu tư vào nhân lực, tối ưu hóa chi phí, và kết hợp các phương pháp hiện đại với truyền thống. Với một chiến lược triển khai rõ ràng và định hướng dài hạn, AI sẽ trở thành một công cụ không thể thiếu trong việc nâng cao chất lượng đào tạo và đảm bảo an toàn lao động trong ngành xây dựng.
Chương 3
ĐỀ XUẤT GIẢI PHÁP CẢI THIỆN ĐIỀU KIỆN LÀM VIỆC, NGĂN NGỪA TAI NẠN LAO ĐỘNG, BẢO VỆ SỨC KHỎE NGƯỜI LAO ĐỘNG BẰNG CÁCH ỨNG DỤNG AI, TÀI LIỆU SỐ TRONG XÂY DỰNG HỆ THỐNG ĐÀO TẠO, HUẤN LUYỆN AN TOÀN VỆ SINH
LAO ĐỘNG VÀ SỨC KHOẺ NGHỀ NGHIỆP TẠI CÔNG TY CỔ PHẦN XÂY DỰNG VÀ CÔNG NGHIỆP NSN
3.1. Mục tiêu, phương pháp đào tạo, huấn luyện an toàn và cải thiện điều kiện làm việc
3.1.1. Mục tiêu của giải pháp
Với bề dày kinh nghiệm trong lĩnh vực xây dựng, Công ty CP Xây dựng và Công nghiệp NSN luôn chú trọng đến công tác bảo đảm an toàn lao động và bảo vệ sức khoẻ người lao động trong mọi hoạt động thi công sản xuất. Việc ứng dụng các công nghệ hiện đại, đặc biệt là trí tuệ nhân tạo (AI) và tài liệu số, đã và đang được công ty nghiên cứu triển khai để cải thiện chất lượng đào tạo, nâng cao hiệu quả huấn luyện an toàn lao động, đồng thời tối ưu hoá các biện pháp bảo vệ sức khoẻ cho người lao động. Mục tiêu của giải pháp này là xây dựng một môi trường làm việc an toàn, hiệu quả, và bền vững, trong đó người lao động không chỉ được trang bị đầy đủ kiến thức và kỹ năng về an toàn lao động mà còn có thể tiếp cận các công cụ giám sát sức khoẻ liên tục để giảm thiểu các rủi ro nghề nghiệp.
3.1.1.1. Nâng cao chất lượng và hiệu quả đào tạo an toàn lao động Một trong những mục tiêu quan trọng nhất khi áp dụng "Giải pháp AI, tài liệu số trong công tác đào tạo an toàn lao động" là nâng cao chất lượng và hiệu quả đào tạo. Đào tạo an toàn lao động là một yếu tố then chốt trong việc giảm thiểu các vụ tai nạn lao động, đảm bảo sức khoẻ người lao động, và duy trì năng suất lao động ổn định. Măc dù các phương pháp đào tạo vẫn đang được tiến hành dưới sự giám sát chặt chẽ, tuy nhiên các phương pháp đào tạo truyền thống hiện nay như huấn luyện trực tiếp, tài liệu giấy, hay các bài
giảng thuyết trình vẫn đang không đáp ứng được hết nhu cầu về tính thực tiễn và tính linh hoạt trong đào tạo.
Với việc ứng dụng công nghệ số và AI, công ty NSN mong muốn cải thiện đáng kể quy trình đào tạo an toàn lao động. Việc triển khai các phương pháp đào tạo đa dạng, hiện đại sẽ góp sức rất nhiều trong công tác giảng dạy và truyền đạt kinh nghiệm phù hợp tới người lao động. Các chương trình đào tạo qua mô phỏng (simulation-based training) không chỉ giúp người lao động thực hành trong môi trường giả lập mà còn giúp họ trải nghiệm các tình huống nguy hiểm trong công việc mà không phải đối mặt với những rủi ro thực tế. Các bài học mô phỏng có thể bao gồm các tình huống như cháy nổ, tai nạn máy móc, sự cố điện, hay thậm chí là những tình huống khẩn cấp yêu cầu người lao động phải xử lý một cách nhanh chóng và chính xác.
Thêm vào đó, các chương trình đào tạo cũng có thể được cá nhân hoá thông qua công nghệ AI. Mỗi người lao động có thể được theo dõi và đánh giá qua các bài kiểm tra, bài tập thực hành, từ đó hệ thống AI có thể tự động điều chỉnh nội dung đào tạo sao cho phù hợp với khả năng và tiến độ học của từng người. Điều này giúp tối ưu hoá quá trình học tập, nâng cao hiệu quả đào tạo, đồng thời giúp công ty tiết kiệm thời gian và chi phí đào tạo.
3.1.1.2. Cải thiện điều kiện làm việc và giảm thiểu tai nạn lao động Mục tiêu tiếp theo của giải pháp này là cải thiện điều kiện làm việc và giảm thiểu tai nạn lao động, một vấn đề rất quan trọng đối với ngành xây dựng. Môi trường làm việc trong ngành xây dựng thường xuyên đối mặt với các nguy cơ như tai nạn do rơi, ngã, va đập với vật liệu, máy móc, hay do tiếp xúc với các chất độc hại như hóa chất xây dựng. Do đó, việc cải thiện điều kiện làm việc không chỉ là trách nhiệm của doanh nghiệp mà còn là một yếu tố quyết định đến năng suất lao động và sự an toàn của người lao động.
Ứng dụng AI trong công tác giám sát môi trường làm việc là một giải pháp hiệu quả giúp giảm thiểu các yếu tố nguy hiểm. AI có thể giám sát tình trạng của máy móc và thiết bị, phát hiện các hư hỏng hoặc nguy cơ sự cố để