関連している
今日のデータ主導の世界では、人工知能 (AI) は地図上にあるだけでなく、高速レーンでもあります。重要な洞察の採掘や規制シフトの追跡から、リスクの予測、従業員の安全衛生指標の監視、報告書の合理化まで、AIはEHS、持続可能性、コンプライアンスの未来を舵取りしています。しかし、専門家がハンドルを握るようになった今、この先にはどのような障害と青信号が待ち受けているのでしょうか。この連載では、EHSにおけるAIの未来をナビゲートします。
環境・衛生・安全 (EHS) の専門家にとって、より多くのリソースが必要であることや、より少ないリソースでより多くのことを行うことが、よく話題にのぼる。最近では、既存のデータから学習した内容に基づいて新たなオリジナルコンテンツを作成するジェネレーティブAI（Gen AI）の利用が、そのような切望されるリソースの1つになるかもしれません。正確なデータが与えられ、明確なプロンプトが与えられれば、変化する職場、ワークフロー、ビジネス上の課題に適応することができる。
EHS担当者は、AI導入の課題を認識し、適切な質問を自問自答することで、Gen AIがリソースの不足を補い、時間を節約し、コンプライアンスを向上させ、職場の安全性を高めながら、問題解決を事後対応から予防とリスク管理に移行するのに役立つことを学んでいます。
「今日、AIのスイートスポットは、SDS/化学物質の解析、規制スキャン、インシデントのパターン化、ビジョンベースの安全性、つまりノイズを推奨アクションに変えることです。「2～5年後には、EHSチームは、許可証の起草、MOC/CAPAの発動、監査可能な証拠の収集を行う、ライブのリスク・コピロットとエージェント型ワークフローに依存するようになるでしょう。
言い換えれば、彼はこう付け加える：「人間が監督し、AIが実行する
なぜAIは一部の企業で立ち上げに失敗するのか
マッキンゼー・アンド・カンパニー（McKinsey & Co）の新しい調査によると、回答者の4分の3以上が、少なくとも1つのビジネス機能でAIを使用していると回答しており、回答者の約21%が、ワークフローの再設計にジェネレーティブAIが使用されていると報告している。EHSの専門家は、これがAIに「全面的に」取り組む方法であると見ている。
ニコール・M・ラジヴィル（PhD、MBA）は、Team-X AIの共同設立者／CTAIOであり、IQ Labs, Inc.の取締役会顧問として、シニアチームや経営陣がAIの導入、リスク、影響を管理できるよう支援し、パワーセンシティブなデータ／AI戦略を通じて、高成長の新興企業やフォーチュン1000のクライアントがAIやデータを活用できるよう支援している。
「我々は、より多くの情報、より良い情報、より深い情報を得るためにAIを導入している。「AIはより深い情報を得ることができるが、正確性や精度の低下、開発コストの上昇、メンテナンスコストの上昇など、コストがかかる可能性がある。
彼女は、AIが有効なタスクもあれば、より伝統的な方法が最適なタスクもあり、すべてに課題があると指摘した。「ジェネレーティブAIは、創造的な問題解決、自然言語処理、あいまいなクエリの処理に優れていますが、幻覚を見ることがあり（AIモデルは権威があるように聞こえるが、実際には間違っている）、精度に欠けます」とラジウィル氏は言う。「従来の機械学習は、構造化されたデータに対して信頼性が高く、測定可能な結果を提供しますが、大規模な先行エンジニアリングが必要です。従来のプログラミング／スクリプティングは、決定論的でデバッグ可能なソリューションを完全なコントロールとともに提供しますが、ロジックを理解し、手作業で実装することを要求し、予期せぬデータや新しい状況に直面すると死んでしまう傾向があります”
Radziwill氏は、時間とリソースの両面で多大な投資が必要なため、組織がAIで失敗しないようにすることが重要だと警告している。
「私が初めてAIを導入したのは1998年のことです。手作業ですべての検査を行うには時間も労力も足りなかったため、送られてくる観測データの品質を診断するエキスパート・システムを構築したのです」とラジウィルは3Eに語った。「それ以来30年間、私はEHSQやそれ以外の分野にAIを取り入れたプロジェクトを、おそらく何百も展開したり、管理したり、助言したりしてきた。私の2020年の本では、AIやその他の新興技術の数百の実装を調べ、デジタル変革の70～90％が失敗する理由を解明しようとした。
AIのC-I-Aモデル（コネクテッドネス／インテリジェンス／オートメーション）とは、コネクテッド・インテリジェンスがデータを収集・統合し、AIがそのデータを分析して洞察と意思決定を行い、オートメーションがそれらの洞察に基づいてアクションを実行し、プロセスを合理化する戦略的フレームワークである。これによりAIは、接続された未加工のデータを自動化された戦略的ワークフローに変換し、生産性を向上させ、ビジネスの成果を促進することができる。
ラジウィルは、多くの人々がコネクティビティに関するいくつかの重要な質問をしていないことに気づいたという：どのような人やシステムがその情報を必要としているのか？いつ必要なのか？なぜ必要なのか？どのような目標を達成しようとしているのか？
「解決策は改善目標をサポートするものでなければならない。
インテリジェンスが登場するのは、何もないところに情報が必要な場合、あるいは今より多くの情報やより優れた情報が必要な場合だと彼女は言う。自動化とは、情報を必要とする人やシステムに、その情報を時間通りに、より速く、より頻繁に届けることである。
AIでEHSをリードする
特殊化学品と素材ソリューションを提供するバイブラント・テクノロジーズは、一時期、事業所全体で年間63件の記録的な負傷者を出していた。2024年には51％改善した。2025年のインタビューの時点では、全事業所での記録可能な負傷者数は、それ以前の「悲惨な」年の10％未満であった。
私はそれを “アダム関連 “の何かと同一視しているわけではない」と彼は指摘する。「新しいシステムを導入し、プレーブックを更新し、適切な役割に適切な人材を配置することだ。どんなスポーツでもそうだが、プレーブックに何が書かれていようと、適切なシステムを導入し、適切な人材がプレーを実行しなければ、成功することはできない」。
2025年、そして2026年を見据えて、ベイツが微調整を進めているEHSシステムの多くは、AIに関連したもの、あるいはAIに対応したものだという。「いかに少ない労力で多くのことを行うかです。私たちは、”限界を押し広げるためにAIをどのように活用できるか “を自問しています」。
使えば使うほど、使い心地が良くなり、使い道も増えていくそうです。同氏は、従来のEHSプログラム管理 (スプレッドシートやプログラミングを利用し、予測的ではなく反応的である) を、現在のスマートフォンと比較して、従来のアナログ式フリップフォンの使用に例えた。
「フリップ式携帯電話からiPhoneに移行し始めた頃は、次に何が来るのか理解されていなかった。「でも、今、私たちがiPhoneをどのように使っているか、テクノロジーやアプリなど、iPhoneが私たちにもたらすあらゆるものを見てください！もしあなたがまだ従来のフリップフォンを持って歩き回っていたとしたら、（スマートフォンで）何ができるのか想像すらできないでしょう」。
AIも同じだとベイツは言う。使ってみるまでは、AIがビジネス全般、特にEHSにもたらすパワーや進歩を理解することはできません。ほとんどの組織では、AIの全社的な導入は従来のEHS専門家の専門外であるが、だからといって、そのような議論に貢献することを止めるべきでないと、ベイツは付け加えた。
「おそらく2～3年後には、AIは私たちのあらゆる行動の一部となるでしょう。私はそれを探求している。私は、これから生まれてくる次世代のために、職業を変えるリーダーでありたいと思っています。そして、EHSの中核業務にAIを取り入れ、他の業務にAIを統合する方法の一翼を担いたいと思っています。
彼の会社では、機械的信頼性機能プログラムの管理、サプライチェーンの強化方法の検討、事故データの分析にAIを活用しており、これらすべてが事業の回復力を高め、計画外のダウンタイムを発生させにくくするのに役立つという。
「ベイツは言う。「手作業でチャートを作成する必要がなくなりました。今では、すべてのデータをAIツールにアップロードし、”根本原因分析や主要なアクションのチャートを作成してください “と言うと、数秒で作成してくれます。その情報は、レポートやコミュニケーション、プレゼンテーションに含めることができ、同じことを説明するのに何千もの言葉を必要とする代わりに、共有される情報の概要を素早く視覚的に提供することができます。「私たちは、すべてを詳細に説明した長いEメールから脱却しようとしています。コミュニケーションはより少なくしたいが、コミュニケーションはより評価されるものにしたい」とベイツは認めている。
彼の組織では、インシデントのレビューにもAIを使用している。そのプロセスには、インシデントのフローチャート、24時間以内のインシデントに関する連絡、36時間後のフォローアップ連絡が含まれる。7日以内に完全なレポートが作成され、シニア・リーダーのグループに送られる。
「現場が行ったインシデントの根本原因分析の結果をAIに取り込み、何か見落としていないか（あるいはインシデントが完全に調査されているか）チェックします」。そして、ベイツはその情報をシニア・リーダー向けに作成するレポートの一部として使用する。
ベイツと彼のチームは、根本的な原因から始まり、インシデントが繰り返されないようにするための予防措置を割り当てることで終わる、インシデントのライフサイクル全体を管理できるようにするAIインシデント管理モジュールを現在開発中だという。
「少なくとも根本的な原因分析と是正措置の手始めをシステムが教えてくれるように、AIをどう活用するかです」とベイツは言う。遅かれ早かれ、AIを活用することで、事後対応や文書化を支援するだけでなく、予知性を高めてインシデントを回避することができるようになる、と彼は言う。
専門家からのアドバイス
RadziwillとBatesの両氏はAIを受け入れ、EHS機能により役立つ方法を常に模索しているが、Radziwillは、AI、機械学習、従来のプログラミング/スクリプトのいずれであっても、EHS専門家が追求するソリューションにはトレードオフがあると警告した。言い換えれば、AIが解決する必要のない問題や、AIが解決する必要のない問題を解決しようとしないことです。
ジェネレーティブAIは、創造的な問題解決、自然言語処理、あいまいなクエリの処理に優れています」と彼女は言い、「しかし、『AIの価値を活用しよう』というゴールドラッシュの中で、人々は自動化とインテリジェンスを混同していることがあまりにも多いのです」と付け加えた。
ラジウィルは最近、AIエージェントにMCP（モデル・コンテキスト・プロトコル）技術を使い、クライアントが毎日受け取る情報を取得し、報告書を再現する精巧なメカニズムを構築した人物と話したという。それはうまく機能せず、プロジェクトに設定された期限までにクライアントに提供する時間が迫っていた。
彼女は彼に、クライアントは現在必要な情報を得ているのかと尋ね、彼はイエスと答えた。もっと情報が必要ですか／もっといい情報が必要ですか／何もないところに情報が必要ですか」と尋ねると、彼は「いいえ」と答えた。最後に彼女は、その情報をより早く、あるいはより頻繁に提供する必要があるか、と尋ねた。
「基本的に、彼は（既存の伝統的なプログラミングですでに解決された問題に対して）2週間かけて精巧なAI駆動技術を作り上げただけで、ファジーなシナリオや斬新なシナリオに対応できる複雑なシステムの必要性はまったくなかった。多くの人々が同じ罠に陥っている」とラジウィルは強調した。
EHSの専門家の中には、AIを早期に採用しなかった人もいる。ベイツはそのような人々に対して、次のような重要なアドバイスをした：AIを恐れるな。「AIに仕事を奪われることを恐れてはいけない。AIに仕事を奪われることを恐れてはいけない。自分の仕事の可視性や有効性を高めるためにAIをどのように使うかを考え、それを自分のプレイブックの一部にしなければならない。
アラン・ジョンソンに関しては、彼のアドバイスはラジウィルとベイツのアドバイスと見事に一致している：「小さく始める：データが豊富なユースケースを2つ選び、明確な指標を設定し、人間をループに閉じ込めておく。大胆には、管理されたデータレイヤーを構築し、AI保証フレームワークを採用し、エージェント型ワークフローで拡張する。スピード、品質、リスク削減など、影響を絶え間なく測定し、パイロットのためのパイロットは行わない。”
