Как с помощью ИИ доказать регулятору, что все 3000 инструктажей в месяц проведены правильно

Инструктаж — это юридический барьер перед допуском к опасной работе.

Если сотрудник выходит на объект без инструктажа или он проведён формально, ответственность — административную, финансовую, а в ряде случаев и уголовную — несёт компания.

В один прекрасный день регулятор может прийти и потребовать подтверждение: что конкретный сотрудник, в конкретный день, прошёл инструктаж по всем обязательным пунктам. И просто «иметь запись» будет недостаточно: нужно будет доказать, что требования соблюдены.

Наш Заказчик пришел к нам именно с таким риском.

Специалисты промышленной безопасности слушали записи вручную и выборочно. При 3 000 инструктажей в месяц реально проверяется около 900. Из них нарушения находят примерно в 90 случаях. Что происходит в остальных двух третях — неизвестно.

Увеличивать штат или требовать от специалистов слушать больше — не выход, потому что это был не вопрос дисциплины. Проблема была в самой модели контроля, которая изначально не позволяла обеспечить полный охват. 

Мы уже давно разрабатываем системы на основе генеративных моделей, поэтому предложили Заказчику сменить подход и убрать человека из рутинной части проверки с помощью ИИ. В таком сценарии система берёт на себя полный анализ всех инструктажей, а специалисты работают только с отклонениями.

Ключевым требованием была возможность использовать результаты как доказательную базу — не просто фиксировать, что инструктаж состоялся, а подтверждать, что каждый его пункт был выполнен.

Чтобы это решение действительно работало в промышленной среде, нужно было решить три задачи: сформулировать критерии оценки, справиться с качеством записей и сделать результат объяснимым.

С первой проблемой мы столкнулись, когда начали разбираться в самом процессе. 

Он выглядит так. Перед каждой сменой на опасном производстве инспектор собирает бригаду и проводит инструктаж по чек-листу: проверяет удостоверения, уточняет самочувствие, разбирает риски и специфику предстоящих работ. Весь разговор пишется на нагрудный видеорегистратор. 

Тогда перед нами встал логичный вопрос: что именно считать выполненным пунктом чек-листа? Например, если инспектор упомянул риски только вскользь — это засчитывается? А если назвал меры безопасности, но не по всем выявленным опасностям?

Эти правила нам и нужно было зафиксировать, чтобы дать чёткие вводные для системы. Чтобы это сделать, мы смотрели реальные инструктажи, слушали записи, разговаривали со специалистами по безопасности. 

На выходе вышла рабочая методология: по каждому пункту чек-листа зафиксировано, что считается выполненным, что частичным, что пропущенным.

Вторая проблема — качество аудио. Нагрудный регистратор на производстве фиксирует несколько голосов одновременно, фоновый шум, акценты и терминологию. 

Поэтому собрали стек из локальных моделей: WhisperX берёт на себя транскрибацию и диаризацию — превращает речь в текст и разделяет реплики по ролям, разделяя, где говорит инспектор, а где рабочий. 

Qwen анализирует получившийся транскрипт: извлекает нужные данные, проверяет пункты чек-листа и формирует структурированный результат.

Третья проблема — сделать так, чтобы результату можно было доверять.

Для этого мы спроектировали пайплайн, в котором каждый шаг даёт объяснимый результат. После транскрибации и диаризации языковая модель анализирует текст и приводит данные к структурированному виду — JSON и таблицы. 

На основе этого рассчитывается процент соответствия регламенту: от 0 до 100%, с расшифровкой что выполнено, а что пропущено. 

Ключевой элемент — объяснимость: каждое решение сопровождается цитатой из транскрипта с таймкодом для специалиста.

Это тот формат, который можно использовать как аргумент при проверке со стороны регулятора.

Всё это собрали в единую систему с несколькими независимыми модулями — чтобы загрузка, обработка, аналитика и администрирование не зависели друг от друга и систему можно было развивать без остановки основного процесса.

По итогам проекта Заказчик получил четыре вещи:

• Сокращение рутины — специалисты ПБ работают только с проблемными инструктажами, не тратя время на проверку очевидно корректных записей.

• Прозрачность — статус и доказательства по каждому инструктажу в один клик.

• Реакция в срок — система сама уведомляет о нарушениях, не дожидаясь ручной проверки.

• Безопасность периметра — всё работает локально, без облаков и внешних сервисов, в соответствии с требованиями информационной безопасности заказчика.