알림 목록

Khu vực phân tích:  Thành phố thủ đô Ulsan

Các khu vực cốt lõi:  Khu liên hợp công nghiệp quốc gia Mipo-Onsan, Nam-gu, Dong-gu, Buk-gu, Ulju-gun

Chương trình nghị sự: Các cấp độ dự đoán, phổ biến và bảo vệ dữ liệu về lao động, an toàn và sức khỏe.

Loại thời gian vàng: Rủi ro khóa dữ liệu sau tai nạn

Ngày tham chiếu: 28/08/2026

Phiên bản: Regional AX Golden Time Intelligence v3.2
 

Năm 2025, số vụ tai nạn gây tử vong được điều tra trên toàn quốc là 605, tăng 16 vụ so với năm trước, trong đó có 158 trường hợp tử vong xảy ra trong lĩnh vực sản xuất. Mặc dù số người chết trong ngành sản xuất giảm 17 người, nhưng số vụ tai nạn lại tăng 4 vụ, cho thấy quy mô tử vong và tần suất xảy ra có xu hướng khác nhau. Hiện chưa có dữ liệu công khai liên kết các rủi ro theo ngành, quy mô công ty, nhà thầu chính/nhà thầu phụ và quy trình tại Ulsan theo thời gian thực. Nếu an toàn chỉ được đánh giá dựa trên tổng số người chết trong giai đoạn 2026-2028, thì các dấu hiệu cảnh báo về rủi ro ngày càng tăng trong quy trình sẽ chỉ được xác định sau khi tai nạn xảy ra.  Điểm khởi đầu của An toàn Công nghiệp AX không phải là số hóa thống kê tai nạn, mà là sự sẵn có của dữ liệu trước khi xảy ra tai nạn.

Ulsan đã nhận được khoản tài trợ 6,6 tỷ won từ nhà nước cho dự án ứng phó với sóng nhiệt dựa trên trí tuệ nhân tạo (AI) và dữ liệu lớn, dự kiến ​​hoàn thành vào năm 2026, đồng thời thành lập trung tâm điều khiển tích hợp cho các khu công nghiệp xanh thông minh. Mặc dù công tác quản lý an toàn đã chuyển từ tuần tra và báo cáo sang hệ thống dựa trên cảm biến, thông tin không gian và dữ liệu dự đoán, phạm vi tích hợp – bao gồm cả việc tiếp xúc của người lao động, rủi ro quy trình và thông tin sức khỏe tại các khu công nghiệp – vẫn chưa được tiết lộ. Nếu AI ứng phó thảm họa đô thị và dữ liệu an toàn lao động vẫn bị tách biệt trong hai đến ba năm tới, nó sẽ không thể dự đoán được các rủi ro phức tạp liên quan đến sóng nhiệt, hóa chất, vật nặng và không gian kín. Mặc dù  AI an toàn của Ulsan đã bước vào giai đoạn ứng dụng trong môi trường đô thị, nhưng vẫn chưa đạt đến giai đoạn tích hợp tại nơi làm việc.

Năm 2025, các nơi làm việc có dưới 50 nhân viên chiếm 351 trong tổng số tai nạn gây tử vong, tương đương khoảng 58% tổng số, trong khi các nơi làm việc có dưới 5 nhân viên ghi nhận 174 trường hợp tử vong, tăng 14,5% so với năm trước. Mặc dù cấu trúc cho thấy rủi ro an toàn công nghiệp tập trung ở các địa điểm quy mô nhỏ - nơi nhân viên quản lý và đầu tư cơ sở vật chất yếu hơn - so với các nơi làm việc quy mô lớn, tỷ lệ áp dụng thiết bị an toàn AI theo quy mô công ty trong số các nhà thầu phụ ở Ulsan vẫn chưa được xác minh. Nếu việc phổ biến an toàn thông minh tập trung vào các tập đoàn lớn tiếp tục từ năm 2026 đến năm 2028, rủi ro sẽ chuyển sang phân khúc thấp hơn của chuỗi cung ứng thay vì bị loại bỏ.  Khoảng cách lớn nhất trong An toàn Công nghiệp AX không phải là trình độ công nghệ, mà là sự chênh lệch về khả năng tiếp cận dựa trên quy mô công ty.

Cơ quan An toàn và Sức khỏe Nghề nghiệp Hàn Quốc (KOSHA) đang cung cấp các thiết bị an toàn thông minh, bao gồm nhận dạng video bằng trí tuệ nhân tạo (AI), hệ thống tránh va chạm cần cẩu thông minh, cảnh báo khoảng cách xe nâng và phát hiện sụp đổ và dịch chuyển. Mặc dù công nghệ an toàn đã chuyển từ thiết bị bảo hộ và biển báo sang phát hiện, cảnh báo và dừng tự động theo thời gian thực, nhưng số lượng nơi làm việc được lắp đặt tại Ulsan, tỷ lệ báo động sai, tỷ lệ giảm tai nạn và tỷ lệ vận hành liên tục của thiết bị vẫn chưa được công bố. Nếu số lượng lắp đặt tăng lên trong vòng hai đến ba năm mà không có hiệu quả giảm rủi ro được xác minh, thì thiết bị đó chỉ đơn thuần là một bản ghi mua hàng chứ không phải là thước đo hiệu quả an toàn.  Công nghệ an toàn thông minh đã được thương mại hóa, nhưng hiệu quả thực tế tại Ulsan vẫn chưa được khẳng định.

Quản lý an toàn truyền thống tổng hợp các tai nạn, sự cố suýt xảy ra, danh sách kiểm tra và kết quả khám sức khỏe một cách hồi cứu. Trong khi an toàn AI được cấu trúc để kết hợp vị trí người lao động, độ rung của thiết bị, nồng độ khí, nhiệt độ, trình tự công việc và các tai nạn trong quá khứ theo thời gian thực, các tiêu chuẩn dữ liệu và phạm vi phân tích chung cho Khu công nghiệp Ulsan vẫn chưa được xác nhận. Nếu dữ liệu cho giai đoạn 2026–2028 vẫn chỉ giới hạn ở thiết bị của từng công ty riêng lẻ, thì các loại tai nạn tương tự sẽ lặp lại ở các nơi làm việc khác.  Đơn vị cạnh tranh trong an toàn công nghiệp đã chuyển từ thiết bị riêng lẻ sang tốc độ học hỏi rủi ro của toàn bộ chuỗi cung ứng.

Khác với tai nạn, các vấn đề sức khỏe nghề nghiệp biểu hiện thành bệnh tật sau thời gian dài tích lũy các tác động từ tiếng ồn, bụi bẩn, hóa chất độc hại, các động tác lặp đi lặp lại và làm việc theo ca. Mặc dù có dữ liệu về khám sức khỏe và các tai nạn công nghiệp được phê duyệt, nhưng dữ liệu khu vực liên kết phơi nhiễm hàng ngày với những thay đổi sức khỏe lâu dài của cá nhân lại chưa được công bố. Nếu việc tái cấu trúc doanh nghiệp và sự dịch chuyển lực lượng lao động diễn ra trong hai đến ba năm tới, lịch sử phơi nhiễm sẽ phân tán khắp nhiều nơi làm việc, khiến việc truy tìm mối quan hệ nhân quả trở nên khó khăn hơn.  Khoảng trống trong Sức khỏe Nghề nghiệp AX không nằm ở công nghệ chẩn đoán, mà nằm ở lịch sử phơi nhiễm kéo dài sau khi người lao động di chuyển giữa các nơi làm việc.

Các trường hợp tai nạn nghiêm trọng trong ngành đóng tàu do Cơ quan An toàn và Sức khỏe Nghề nghiệp Hàn Quốc ghi nhận cho thấy sự tích lũy các rủi ro lặp đi lặp lại, chẳng hạn như giàn giáo, tải trọng nặng, đứt dây, ngã và va chạm. Vì sản xuất đóng tàu bao gồm các công đoạn ghép nối, hàn, sơn và lắp ráp, cũng như công việc hợp tác nhiều giai đoạn, nên rủi ro phát sinh ở các ranh giới quy trình; tuy nhiên, chưa có hệ thống công khai nào tích hợp vị trí, giấy phép làm việc và tình trạng thiết bị của các nhà thầu chính và nhà thầu phụ được xác định. Khi khối lượng đơn đặt hàng và việc sử dụng lao động nước ngoài tăng lên trong vòng hai đến ba năm, khoảng trống thông tin giữa các ca làm việc làm tăng khả năng xảy ra tai nạn.  Khoảng cách AX trong an toàn đóng tàu không nằm ở việc thiếu kiến ​​thức về các loại rủi ro, mà nằm ở việc không thể kiểm soát các hoạt động đồng thời trong thời gian thực.

Cơ quan An toàn và Sức khỏe Nghề nghiệp Hàn Quốc đã phân tích mức độ phơi nhiễm với các yếu tố nguy hiểm và nguy cơ ung thư nghề nghiệp ở công nhân hàn, sơn và sản xuất trong ngành đóng tàu. Mặc dù việc đánh giá rủi ro đã được mở rộng ngoài các tai nạn để bao gồm cả các bệnh mãn tính, nhưng hiện chưa có dữ liệu công khai nào liên kết mức độ phơi nhiễm tích lũy theo chức năng công việc của công nhân đóng tàu Ulsan với kết quả sức khỏe sau khi nghỉ hưu của họ. Ngay cả khi quá trình tự động hóa công việc tiếp tục diễn ra cho đến năm 2028, các bệnh tật ở những người từng bị phơi nhiễm trong quá khứ vẫn sẽ xuất hiện muộn hơn.  Công nghệ đóng tàu tự động hóa (AX) không thể ngay lập tức xóa bỏ "nợ" sức khỏe phát sinh từ các lần phơi nhiễm trong quá khứ, ngay cả khi nó làm giảm số vụ tai nạn hiện tại.

Các khu phức hợp hóa dầu vận hành các chất dễ cháy và độc hại, các thiết bị áp suất và nhiệt độ cao, và các quy trình liên tục. Mặc dù rủi ro phát sinh từ sự kết hợp của sự xuống cấp thiết bị, sai lệch quy trình và lịch trình bảo trì hơn là hành vi của một công nhân đơn lẻ, nhưng mức độ chia sẻ dữ liệu rủi ro liên quan đến đường ống và tiện ích giữa các công ty lại không được tiết lộ. Nếu chu kỳ bảo trì và thành phần lực lượng lao động thay đổi do cắt giảm sản lượng và tái cấu trúc cơ sở vật chất trong giai đoạn từ năm 2026 đến năm 2028, khả năng dự đoán của các mô hình được đào tạo dựa trên dữ liệu vận hành bình thường có thể giảm.  Rủi ro đối với Petrochemical Safety AX không chỉ nằm ở việc thiếu mô hình mà còn ở chỗ môi trường học tập tự thay đổi do quá trình tái cấu trúc.

Mặc dù việc tiếp xúc với hóa chất được quản lý thông qua các phép đo môi trường tại nơi làm việc và các cuộc kiểm tra sức khỏe đặc biệt, nhưng sự biến động nồng độ giữa các chu kỳ đo và mức độ tiếp xúc tích lũy của người lao động hợp đồng phụ chỉ được ghi nhận ở mức độ hạn chế. Việc liên kết dữ liệu cảm biến quy trình với dữ liệu sức khỏe giúp cải thiện khả năng dự đoán nhưng lại tạo ra những lỗ hổng liên quan đến thông tin cá nhân, phân biệt đối xử trong việc làm và quyền sở hữu dữ liệu. Nếu việc phân tích được mở rộng mà không có các quy tắc về quyền trong vòng hai đến ba năm, sẽ có nguy cơ cao là các dự đoán về sức khỏe sẽ được sử dụng để tuyển chọn người lao động thay vì cải thiện hiệu quả công việc.  Hệ thống đánh giá sức khỏe nghề nghiệp (Occupational Health AX) về mặt kỹ thuật là khả thi, nhưng nó không được coi là công nghệ được bảo hộ nếu không có quyền đối với dữ liệu lao động.

Trong các nhà máy sản xuất ô tô, robot, băng chuyền, máy ép, xe nâng và công nhân cùng hoạt động trong một không gian sản xuất. Mặc dù thiết bị an toàn thông minh phát hiện các rủi ro tiếp cận, va chạm và mắc kẹt trong thời gian thực, nhưng vẫn chưa rõ liệu thiết bị của các nhà cung cấp và công ty logistics có được kết nối ở cùng mức độ hay không. Nếu chỉ có nội thất của nhà máy sản xuất xe hoàn chỉnh được cải tiến trong hai đến ba năm tới, thì rủi ro sẽ chuyển sang các khâu bốc dỡ linh kiện, bảo trì thuê ngoài và logistics.  Mức độ hoàn thiện của hệ thống an toàn thông minh (AX) trong ngành ô tô thấp hơn ở các khâu trung gian của chuỗi cung ứng so với bên trong nhà máy.

Việc mở rộng điện khí hóa và sản xuất pin làm tăng thêm nguy cơ điện áp cao, hiện tượng quá nhiệt, các chất hóa học và rủi ro bảo trì mới. Mặc dù cấu trúc công nghiệp đang chuyển từ các rủi ro cơ học liên quan đến động cơ đốt trong sang các rủi ro phức tạp liên quan đến điện, hóa chất và phần mềm, nhưng không rõ hệ thống phân loại tai nạn và sự cố suýt xảy ra tại khu vực Ulsan phản ánh sự chuyển đổi này đến mức nào. Chỉ học hỏi từ các loại tai nạn trong quá khứ cho đến năm 2028 sẽ không thể dự đoán được các tai nạn có tần suất thấp, rủi ro cao trong các quy trình mới. Hệ thống  An toàn Xe trong Tương lai (Future Vehicle Safety AX) mạnh mẽ trong việc đối phó với các rủi ro trong quá khứ nhờ dữ liệu dồi dào, nhưng lại dễ bị tổn thương trước các rủi ro mới với dữ liệu hạn chế.

Ulsan đã khởi động một dự án thu thập và dự đoán các đợt nắng nóng cục bộ bằng cách sử dụng trí tuệ nhân tạo (AI) và dữ liệu lớn. Mặc dù tiềm năng phân tích thông tin về nắng nóng từ nhiệt độ trung bình đô thị thành các vi khí hậu cụ thể tại nơi làm việc đã tăng lên, nhưng mức độ liên quan giữa thông tin này với cường độ làm việc, thiết bị bảo hộ, thời gian ca làm việc và các điều kiện sức khỏe tiềm ẩn của người lao động vẫn chưa được xác nhận. Nếu rủi ro khí hậu gia tăng trong vòng hai đến ba năm, sự chênh lệch về thiệt hại sức khỏe giữa các quy trình khác nhau sẽ mở rộng ngay cả ở cùng một nhiệt độ. Dự án  Heatwave AX của Ulsan hiện đang ở giai đoạn dự báo môi trường chứ không phải giai đoạn đánh giá rủi ro cụ thể cho người lao động.

Ngành đóng tàu đang mở rộng lực lượng lao động nước ngoài, trong khi toàn bộ ngành sản xuất đang trải qua tình trạng già hóa lực lượng lao động lành nghề. Mặc dù ngôn ngữ, kinh nghiệm và điều kiện sức khỏe cần thiết để hiểu thông tin rủi ro đã đa dạng hóa, nhưng các cảnh báo đa ngôn ngữ theo thời gian thực và tỷ lệ áp dụng các mức độ rủi ro riêng lẻ lại không được công bố. Nếu những thay đổi trong cơ cấu lực lượng lao động từ năm 2026 đến năm 2028 diễn ra nhanh hơn so với việc đào tạo an toàn và hệ thống cảnh báo, thì các cảnh báo sẽ không được chuyển thành hành động ngay cả khi công nghệ được lắp đặt.  So với những thay đổi trong cơ cấu lực lượng lao động, việc cá nhân hóa và đa ngôn ngữ hóa thông tin an toàn ở Ulsan vẫn chưa được xác nhận.

Nhận dạng video và theo dõi vị trí bằng AI phát hiện việc xâm nhập vào các khu vực nguy hiểm và việc không sử dụng thiết bị bảo hộ. Mặc dù điều này tăng cường tính minh bạch trong quản lý an toàn, nhưng hiện chưa có tiêu chuẩn khu vực chung nào về việc liệu dữ liệu về chuyển động, tốc độ và hành vi của người lao động có được sử dụng lại cho việc đánh giá năng suất hoặc các biện pháp kỷ luật hay không. Nếu dữ liệu an toàn được sử dụng cho các mục đích khác với mục đích ban đầu trong vòng hai đến ba năm, người lao động sẽ chọn cách tránh các cảm biến và không báo cáo, dẫn đến sự suy giảm chất lượng dữ liệu.  AI an toàn, nơi giám sát và bảo vệ không được tách biệt, làm suy yếu hiệu suất dự đoán do thiếu lòng tin.

Mặc dù các mô hình AI học hỏi từ dữ liệu tai nạn và hoạt động bình thường trong quá khứ, nhưng tai nạn công nghiệp xảy ra không thường xuyên và liên quan đến sự kết hợp phức tạp của các tình huống. Do sự khan hiếm dữ liệu tai nạn, việc xác minh các cảnh báo sai và bỏ sót phát hiện rất khó khăn, tuy nhiên các chỉ số hiệu suất cho từng mô hình tại địa điểm Ulsan lại không được công bố. Đến năm 2028, nếu độ chính xác của cảnh báo thấp, địa điểm này sẽ bỏ qua các cảnh báo lặp lại và vô hiệu hóa chức năng dừng tự động.  Tiêu chí đánh giá AI an toàn không phải là tình trạng lắp đặt, mà là tỷ lệ bỏ sót phát hiện và độ tin cậy của địa điểm.

Ulsan sở hữu Trung tâm Điều khiển Tích hợp Khu Công nghiệp Xanh Thông minh, dự báo sóng nhiệt bằng AI, tổ chức an toàn công nghiệp chuyên trách và các hệ thống an toàn thông minh từ các tập đoàn lớn. Trong khi mức độ sẵn sàng ở cấp thành phố, khu công nghiệp và các doanh nghiệp lớn được xác nhận, thì mức độ trang thiết bị, dữ liệu và nhân sự chuyên trách tại các công ty đối tác và các nơi làm việc quy mô nhỏ lại chưa được công bố. Nếu mức độ sẵn sàng ở cuối chuỗi cung ứng không được đo lường trong vòng hai đến ba năm, thì mức trung bình của khu vực sẽ bị đánh giá quá cao dựa trên hiệu quả hoạt động của các tập đoàn lớn.  Mức độ sẵn sàng Safety AX của Ulsan được đánh giá là "tiên tiến" đối với các doanh nghiệp lớn và "không đồng đều" đối với hệ sinh thái công nghiệp.

Năm 2025, khoảng 58% số vụ tai nạn gây tử vong trên toàn quốc xảy ra tại các nơi làm việc có dưới 50 nhân viên. Mặc dù trọng tâm rủi ro nằm ở các nơi làm việc quy mô nhỏ, việc vận hành thiết bị an toàn AI đòi hỏi chi phí đầu tư, liên lạc, bảo trì và khả năng phân tích dữ liệu. Tỷ lệ vận hành bền vững của các doanh nghiệp nhỏ ở Ulsan chưa được xác minh. Nếu chỉ có trợ cấp ban đầu từ năm 2026 đến năm 2028, khoảng cách an toàn sẽ lại nới rộng khi chi phí thay thế thiết bị và phí đăng ký phát sinh.  Mức độ chuẩn bị của các nơi làm việc quy mô nhỏ được đánh giá là yếu hơn trong vận hành bền vững so với giai đoạn lắp đặt.

Nhận dạng video bằng AI, cần cẩu thông minh, phát hiện tiếp cận xe nâng và cảm biến sụp đổ/dịch chuyển đã được đưa vào các hạng mục hỗ trợ thương mại. Mặc dù nhiều loại công nghệ đã được phổ biến, nhưng tỷ lệ lắp đặt và hiệu quả giảm tai nạn theo ngành và quy trình tại Ulsan vẫn chưa được công bố. Nếu việc phân phối thiết bị riêng lẻ chỉ tiếp tục trong vòng hai đến ba năm, thì các tai nạn trong quy trình liên quan đến sự kết hợp của nhiều rủi ro sẽ không thể dự đoán được.  Thiết bị an toàn thông minh đã được đưa ra thị trường sản phẩm, nhưng hiện đang trong giai đoạn phổ biến một phần trên toàn bộ quy trình sản xuất tại Ulsan.

Trung tâm điều khiển tích hợp khu công nghiệp xanh thông minh đã đặt nền tảng cho việc liên kết thông tin không gian 3D, điều khiển và dịch vụ vào năm 2025. Mặc dù khả năng quan sát ở cấp độ khu công nghiệp đã được cải thiện, nhưng việc liên kết thời gian thực với giấy phép làm việc nội bộ, cảm biến thiết bị và thông tin rủi ro cho người lao động vẫn chưa được xác nhận. Nếu việc điều khiển bên ngoài và dữ liệu quy trình nội bộ được tách biệt vào năm 2028, việc xác định vị trí sau tai nạn sẽ nhanh hơn, nhưng khả năng can thiệp trước tai nạn sẽ bị hạn chế.  Việc điều khiển khu công nghiệp đã được mở rộng, nhưng việc kết nối dữ liệu an toàn dự đoán vẫn chưa hoàn thiện.

Các tập đoàn lớn sở hữu các tổ chức an toàn riêng, hệ thống cảm biến, phòng điều khiển và khả năng đầu tư vào cơ sở vật chất. Ngay cả khi các nhà thầu phụ làm việc tại công trường của nhà thầu chính, dữ liệu theo đơn vị, quy trình và thiết bị có thể bị tách biệt, và tỷ lệ chia sẻ dữ liệu không được công khai. Nếu dữ liệu an toàn giữa nhà thầu chính và các nhà thầu phụ không được liên kết trong vòng hai đến ba năm, cả trách nhiệm và rủi ro liên quan đến ranh giới quy trình đều bị bỏ qua đồng thời.  Hệ thống đánh giá rủi ro an toàn (AX) của nhà thầu chính đã được triển khai, nhưng hệ thống AX chung giữa nhà thầu chính và nhà thầu phụ vẫn chưa được xác nhận.

Tỷ lệ tai nạn chết người tại các nơi làm việc có dưới 50 nhân viên đã vượt quá một nửa. Mặc dù các nhóm có rủi ro cao không trùng khớp với các nhóm có khả năng đầu tư công nghệ, nhưng hiệu quả hoạt động hỗ trợ, lắp đặt và bảo trì của Ulsan theo quy mô công ty vẫn chưa được kiểm chứng. Nếu khoảng cách này tiếp tục đến năm 2028, rủi ro tai nạn tổng thể trong khu vực sẽ vẫn ở mức thấp nhất trong chuỗi cung ứng bất chấp những tiến bộ trong công nghệ an toàn.  Mức độ phổ biến giữa các công ty đối tác được đánh giá là thấp hơn đáng kể so với các tập đoàn lớn.

Sức khỏe nghề nghiệp quản lý các yếu tố nguy hiểm và bệnh tật thông qua việc đo lường môi trường làm việc, khám sức khỏe đặc biệt và điều tra dịch tễ học. Mặc dù dữ liệu từ các tổ chức đã được tích lũy, nhưng một hệ thống ở cấp độ Ulsan liên kết giữa phơi nhiễm cá nhân, di chuyển tại nơi làm việc và kết quả sức khỏe trong dài hạn vẫn chưa được xác định. Nếu tỷ lệ thay đổi việc làm, nghỉ hưu và lao động nước ngoài tăng lên trong khoảng thời gian từ hai đến ba năm, sự gián đoạn trong lịch sử phơi nhiễm sẽ càng lớn hơn.  Khám sức khỏe định kỳ đã trở nên phổ biến, nhưng dữ liệu về phơi nhiễm tích lũy suốt đời vẫn còn rời rạc.

Nghiên cứu về ngành đóng tàu đã phân tích nguy cơ mắc bệnh nghề nghiệp bằng cách liên kết ma trận phơi nhiễm công việc với dữ liệu từ đăng ký ung thư, bảo hiểm thất nghiệp và khám sức khỏe. Mặc dù phương pháp nghiên cứu đã có, nhưng mức độ phản hồi đến người lao động tại chỗ dưới dạng cảnh báo rủi ro cá nhân và điều chỉnh công việc vẫn chưa được kiểm chứng. Nếu nghiên cứu và nơi làm việc bị tách rời vào năm 2028, nguy cơ bệnh tật sẽ chỉ còn là những số liệu thống kê tập thể.  Mặc dù khả năng phân tích sức khỏe nghề nghiệp đã có, nhưng việc phổ biến các biện pháp phòng ngừa theo thời gian thực vẫn đang ở giai đoạn sơ khai.

Từ năm 2026 đến năm 2028, Ulsan sẽ đồng thời trải qua sự gia tăng các đơn đặt hàng đóng tàu, điện khí hóa ô tô, tái cấu trúc ngành hóa dầu, rủi ro khí hậu và sự mở rộng lực lượng lao động nước ngoài. Trong khi khối lượng công việc, quy trình, cơ sở vật chất và cơ cấu lực lượng lao động sẽ thay đổi cùng nhau, chu kỳ cập nhật các mô hình dựa trên dữ liệu lịch sử để phản ánh những điều kiện mới này lại không được tiết lộ. Nếu sự thay đổi diễn ra nhanh hơn quá trình học hỏi, độ chính xác của trí tuệ nhân tạo an toàn sẽ giảm trong giai đoạn chuyển đổi quan trọng nhất.  Rủi ro về thời gian đối với Ulsan Safety AX không nằm ở sự chậm trễ trong việc áp dụng công nghệ, mà nằm ở sự chậm trễ trong việc cập nhật mô hình liên quan đến những thay đổi trong cấu trúc công nghiệp.

Bệnh nghề nghiệp thường có độ trễ vài năm giữa thời điểm tiếp xúc và thời điểm chẩn đoán. Nếu cơ sở vật chất và cơ cấu việc làm thay đổi trong hai đến ba năm tới, thông tin về mức độ tiếp xúc của người lao động hiện tại có thể bị phân mảnh do việc đóng cửa nơi làm việc và thay đổi công việc. Do đó, việc xác định nguyên nhân và quy trách nhiệm trở nên khó khăn hơn ngay cả khi bệnh xảy ra sau đó.  Giai đoạn hiện tại, giữa quá trình tái cấu trúc ngành công nghiệp hóa dầu và đóng tàu, là cơ hội cuối cùng để bảo tồn lịch sử sức khỏe nghề nghiệp.

Các tai nạn nghiêm trọng xảy ra trên một cấu trúc mà dữ liệu chỉ được tích lũy sau khi đã có thiệt hại về người và sức khỏe. Ngay cả khi các mô hình được cải thiện sau tai nạn, những tổn thất đã xảy ra không thể được khắc phục, và bộ nhớ tại chỗ cũng suy yếu do việc thay thế công nhân trong cùng một quy trình. Nếu các sự cố suýt xảy ra và dữ liệu cảnh báo không được tích lũy trong hai đến ba năm, AI sẽ tiếp tục sử dụng dữ liệu về thương vong làm tài liệu huấn luyện.  Tính không thể đảo ngược của an toàn công nghiệp nằm ở chỗ chi phí không thể thu hồi phát sinh ngay khi dữ liệu về sự cố được tạo ra.

Nếu dữ liệu sức khỏe bị phân mảnh theo từng công ty, việc khôi phục lại thông tin về các lần tiếp xúc trước đây sau khi người lao động thay đổi công việc hoặc nghỉ hưu sẽ trở nên khó khăn. Khi quá trình tái cấu trúc doanh nghiệp và đóng cửa các công ty đối tác diễn ra, hồ sơ về môi trường làm việc và các bên chịu trách nhiệm có thể biến mất cùng với chúng. Nếu lịch sử dài hạn không được liên kết với nhau trước năm 2028, khả năng xác định nguyên nhân gây ra bệnh nghề nghiệp sẽ bị giảm vĩnh viễn.  Sự gián đoạn của dữ liệu sức khỏe lao động là một rủi ro không thể đảo ngược, đồng thời làm suy yếu thiệt hại về sức khỏe và quyền được bồi thường.

Đánh giá về khả năng đáp ứng: Để thiết lập Chỉ số An toàn, Sức khỏe và Lao động (AX) của Ulsan, không phải việc cung cấp thiết bị, mà tỷ lệ phát hiện sự cố suýt xảy ra, thời gian cảnh báo, tỷ lệ kết nối đối tác, tỷ lệ theo dõi mức độ phơi nhiễm tích lũy và giảm thiểu tai nạn phải được xác minh đồng thời trước năm 2028.

Đây là một giai đoạn, và hệ thống dự đoán liên kết giữa mức độ phơi nhiễm suốt đời của người lao động, quy trình của nhà thầu chính/nhà thầu phụ và kết quả sức khỏe được đánh giá là chưa hoàn thiện.

Mặc dù các biện pháp an toàn thông minh đang được triển khai tại các tập đoàn lớn, nhưng vẫn thiếu bằng chứng cho thấy chúng đã được áp dụng rộng rãi ở các nhà thầu phụ, các nơi làm việc nhỏ và người lao động nước ngoài, những nơi tập trung nhiều rủi ro.

Hệ thống Labor AX phải là hệ thống xác định rủi ro trước khi xảy ra tai nạn và phơi nhiễm trước khi mắc bệnh, chứ không phải là hệ thống giám sát người lao động một cách chính xác hơn. Hiện tại, Ulsan sở hữu công nghệ phát hiện nhưng chưa đạt được khả năng xác minh đồng thời về dự đoán, phát tán và quyền lợi.

Đánh giá thời điểm vàng: Áp dụng an toàn thông minh + Tích hợp rủi ro sức khỏe lao động dự đoán

Nguồn bằng chứng

• Bộ Lao động và Việc làm, Tình trạng các vụ tai nạn gây tử vong cần điều tra trong năm 2025
• Bộ Lao động và Việc làm, Tình trạng tai nạn lao động năm 2025
• Cơ quan An toàn và Sức khỏe Nghề nghiệp Hàn Quốc, Thống kê Tai nạn Nghiêm trọng
• Cơ quan An toàn và Sức khỏe Nghề nghiệp Hàn Quốc, các vụ tai nạn nghiêm trọng trong ngành đóng tàu.
• Cơ quan An toàn và Sức khỏe Nghề nghiệp Hàn Quốc phân tích các yếu tố nguy hiểm và bệnh nghề nghiệp trong ngành đóng tàu.
• Cơ quan An toàn và Sức khỏe Nghề nghiệp Hàn Quốc hỗ trợ thiết bị an toàn thông minh.
• Cơ quan An toàn và Sức khỏe Nghề nghiệp Hàn Quốc, Các trường hợp thực tiễn về Trí tuệ nhân tạo và Công nghệ An toàn Công nghiệp Thông minh
• Thành phố Ulsan: Ứng phó với đợt nắng nóng dựa trên trí tuệ nhân tạo và dữ liệu lớn
• Trung tâm điều khiển tích hợp Khu phức hợp công nghiệp xanh thông minh, Thành phố Ulsan

Phân tích cấu trúc — Trí tuệ nhân tạo (AI) trong an toàn công nghiệp càng học hỏi nhiều từ các tai nạn thì càng trở nên quá muộn.

Hiệu suất của trí tuệ nhân tạo (AI) trong sản xuất nói chung được cải thiện khi lượng dữ liệu về khối lượng sản xuất, lỗi và bảo trì tăng lên. Trong khi đó, các mô hình AI về an toàn công nghiệp có thể trở nên tinh vi hơn khi số lượng tai nạn cần học hỏi tăng lên, nhưng việc tạo ra dữ liệu đó lại phải trả giá bằng thương tích và tử vong. Đây là một lĩnh vực độc đáo, nơi việc tích lũy dữ liệu và kết quả xã hội không cùng chiều hướng.

Tai nạn càng hiếm gặp thì việc học thống kê càng khó khăn, nhưng mối tương quan với an toàn lại càng cao. Ngược lại, các địa điểm dễ xảy ra tai nạn lại thuận lợi cho việc huấn luyện mô hình nhưng lại đại diện cho những nơi mà công tác phòng ngừa đã thất bại. Do đó, nếu trí tuệ nhân tạo về an toàn công nghiệp được thiết kế dựa trên dữ liệu tai nạn, một nghịch lý sẽ nảy sinh: các nhà máy an toàn nhất lại thiếu dữ liệu huấn luyện cần thiết, trong khi các nhà máy nguy hiểm nhất lại chỉ thể hiện khả năng dự đoán được cải thiện sau khi thiệt hại đã tích lũy.

Dữ liệu làm thay đổi cấu trúc này không phải là số người chết hay bị thương, mà là các sai lệch về thiết bị, sự chồng chéo công việc, việc bỏ qua cảnh báo, việc tháo rời thiết bị bảo hộ, các sự cố suýt xảy ra và việc tiếp xúc với các yếu tố nguy hiểm. Tuy nhiên, dữ liệu này nằm rải rác trong công ty và trùng lặp với thông tin giám sát người lao động. Mặc dù giá trị phòng ngừa tăng lên khi dữ liệu được thu thập càng sớm trước khi xảy ra tai nạn, nhưng nguy cơ vi phạm quyền cũng tăng lên.

Do đó, bước ngoặt cấu trúc của Ulsan Labor AX không nằm ở độ chính xác của bản thân AI.  Việc liệu Industrial Safety AX có thể được thiết lập hay không phụ thuộc vào việc liệu dữ liệu để học hỏi các rủi ro mà không gây thương tích cho con người và niềm tin rằng dữ liệu đó chỉ được sử dụng để bảo vệ người lao động có được đảm bảo đồng thời hay không.