Yapay Zeka ile İSG Risk Tahmini

İş kazaları ve meslek hastalıkları, geleneksel yöntemlerle yapılan risk değerlendirmelerinin sınırlılıkları nedeniyle hâlâ ciddi bir sorun olmaya devam etmektedir. Geçmişe dayalı verilere yaslanarak yapılan periyodik risk analizleri, anlık değişen çalışma koşullarını tam olarak yansıtamamakta; bu boşluk, önlenebilir kazaların yaşanmasına zemin hazırlamaktadır. Yapay zeka teknolojileri ise bu tabloya köklü bir çözüm getirme potansiyeli taşımaktadır. İSG Risk Değerlendirmesi Yönetmeliği kapsamında işverenlere yüklenen yükümlülükleri yerine getirirken, YZ destekli araçlar hem mevzuat uyumunu kolaylaştırmakta hem de güvenlik kültürünü güçlendirmektedir.

Yapay Zekanın İSG Alanına Girişi: Neden Şimdi?

Endüstri 4.0 dönüşümü, işyerlerinde sensör yoğunluğunu, veri hacmini ve bilgi işleme kapasitesini dramatik biçimde artırmıştır. Bu süreç, YZ’nin gerçek anlamda işlevsel olması için gereken altyapıyı sağlamıştır. ILO’nun Nisan 2025 tarihli “Revolutionizing Health and Safety: The Role of AI and Digitalization at Work” başlıklı küresel raporu, yapay zeka, robotik ve otomasyon gibi gelişen teknolojilerin tüm sektörlerdeki iş güvenliği ve sağlığı ekosistemini yeniden biçimlendirdiğini kapsamlı biçimde ortaya koymaktadır.

Geleneksel risk değerlendirme yöntemleri olan Fine-Kinney veya L Tipi 5×5 Risk Matrisi gibi yaklaşımlar değerli olmakla birlikte statik bir yapıya sahiptir: belirli aralıklarla güncellenir, belirli bir andaki koşulları yansıtır ve büyük ölçüde uzman deneyimine dayanır. YZ, bu tabloya dinamizm, süreklilik ve veri odaklı hassasiyet katmaktadır.

Yapay Zeka Tabanlı Risk Tahmininin Temel Bileşenleri

1. Makine Öğrenimi ve Tahmine Dayalı Analitik

Makine öğrenimi algoritmaları, geçmiş kaza kayıtları, ramak kala olayları, çevresel koşullar ve operasyonel veriler üzerinde eğitilerek tehlikeli senaryoları önceden tanımlayabilmektedir. Bu modeller; yeni kalıplar ve değişkenlerle karşılaştıkça tahmin doğruluklarını sürekli iyileştirmektedir. Bilimsel çalışmalar, XGBoost, Random Forest ve LSTM gibi makine öğrenimi modellerinin tehlike tahmininde yüksek doğruluk oranlarına ulaşabildiğini ortaya koymaktadır.

2. Bilgisayarla Görme ve Gerçek Zamanlı İzleme

YZ destekli görsel analiz sistemleri; kameralar ve sensörler aracılığıyla çalışma ortamlarını sürekli izleyerek güvenlik tehlikelerini, güvensiz davranışları ve mevzuat ihlallerini gerçek zamanlı olarak otomatik biçimde tespit etmektedir. Ekipman arızaları, zehirli gaz sızıntıları veya çalışan yorgunluğu gibi tehlikeli durumlar, YZ sistemleri tarafından uyarı mekanizmalarını tetikleyerek anında müdahaleye imkân tanıyacak şekilde saptanabilmektedir.

3. Giyilebilir Teknoloji ve Biyometrik İzleme

Akıllı giyilebilir cihazlar; kalp atış hızı, vücut sıcaklığı, hareket kalıpları ve yorgunluk göstergelerini anlık olarak izleyerek YZ sistemlerine veri beslemektedir. ILO raporuna göre bu akıllı giyilebilir cihazlar gerçek zamanlı tehlike tespiti sunmakta ve çalışma ortamlarındaki tehlikelerin proaktif biçimde yönetilmesini sağlamaktadır. Biyometrik izlemenin gizlilik boyutu ise dikkatle ele alınması gereken kritik bir mesele olarak öne çıkmaktadır.

Geleneksel ve YZ Destekli Risk Değerlendirmesinin Karşılaştırması

Yapay zeka ile desteklenen risk değerlendirmesi, geleneksel yöntemleri tamamen dışlamaz; aksine onları güçlendirir ve süreklilik kazandırır. İki yaklaşım arasındaki temel farklılıkları anlamak, kurumların doğru entegrasyon stratejisi geliştirmesi açısından kritik önem taşımaktadır.

Türk İSG Mevzuatı ile Uyum: Hukuki Çerçeve

6331 sayılı İş Sağlığı ve Güvenliği Kanunu’nun 10. maddesi uyarınca işveren, iş sağlığı ve güvenliği yönünden risk değerlendirmesi yapmak veya yaptırmakla yükümlüdür. Kanun’a göre risk değerlendirmesi; “işyerinde var olan ya da dışarıdan gelebilecek tehlikelerin belirlenmesi, bu tehlikelerin riske dönüşmesine yol açan faktörler ile tehlikelerden kaynaklanan risklerin analiz edilerek derecelendirilmesi ve kontrol tedbirlerinin kararlaştırılması” amacıyla yürütülen çalışmaların bütününü kapsamaktadır. Yapay zeka sistemleri, bu yasal zorunluluğun yerine getirilmesinde güçlü bir araç işlevi görmektedir; ancak mevzuatta YZ’ye özgü bir düzenleme henüz yer almamaktadır.

YZ’nin Mevzuata Katkısı

Yapay zeka sistemleri Türk İSG mevzuatı çerçevesinde birçok somut katkı sunabilmektedir: Tehlike belirleme aşamasında otomatik tarama ve görüntü analizi yoluyla gözden kaçabilecek risklerin tespiti; risk analizi aşamasında büyük veri setlerine dayalı olasılık ve şiddet değerlendirmesi; sürekli izleme sayesinde yasal periyotlar beklenmeksizin anlık güncelleme; ve dijital belgeleme ile denetim hazırlığının otomatize edilmesi bunların başında gelmektedir.

Sektörel Uygulamalar ve Başarı Örnekleri

İnşaat Sektörü

İnşaat alanları, kaza riskinin en yüksek olduğu çalışma ortamları arasında yer almaktadır. YZ destekli bilgisayarla görme sistemleri; KKD kullanımını anlık denetleyebilmekte, güvensiz bölgelere izinsiz girişleri tespit edebilmekte ve vinç-insan yakınlaşması gibi kritik tehlikeleri önceden uyarı vererek önleyebilmektedir.

Kimya ve Proses Endüstrisi

Çevresel sensörlerden beslenen YZ algoritmaları; tehlikeli gaz konsantrasyonlarını, basınç anomalilerini ve sıcaklık sapmalarını gerçek zamanlı olarak izleyerek patlama veya yangın riskini kaza gerçekleşmeden çok önce işaretleyebilmektedir. Doğal dil işleme (NLP) teknolojisi de geçmiş kaza raporlarındaki gizli kalıpları ortaya çıkarmaktadır.

Madencilik Sektörü

Yeraltı madenciliğinde yüzey sensörleri, jeolojik veriler ve hava kalitesi monitörleri ile beslenen YZ sistemleri; göçük, su baskını ve toz patlaması gibi büyük kazaların öncü sinyallerini erken aşamada tespit etme kapasitesi sunmaktadır.

Zorluklar, Riskler ve Etik Kaygılar

Yapay zeka tabanlı İSG sistemlerinin benimsenmesi, bazı önemli zorlukları da beraberinde getirmektedir. ILO raporu bu konuda özellikle algoritmik yönetim sistemlerinin oluşturabileceği aşırı gözetim ve iş yoğunlaştırma risklerine dikkat çekmektedir. Bunlara ek olarak şu başlıklar öne çıkmaktadır:

Veri kalitesi ve gizlilik: YZ modellerinin güvenilirliği, beslendikleri verinin kalitesine doğrudan bağlıdır. Çalışanlardan toplanan biyometrik veriler kişisel veri niteliği taşıdığından KVKK kapsamında değerlendirilmelidir.

Şeffaflık ve açıklanabilirlik: “Kara kutu” olarak adlandırılan bazı YZ modellerinin kararlarını açıklamakta güçlük çekmesi, iş güvenliği uzmanlarının ve çalışanların sisteme duyduğu güveni zedeleyebilmektedir.

İnsan-YZ dengesi: ILO açıkça vurgulamaktadır: dijital araçlar risk değerlendirmelerini ve güvenlik stratejilerini güçlendirebilir, ancak İSG uygulamalarında insan yargısının yerini almamalıdır. Teknoloji ile insan denetiminin sağlıklı dengesi, kritik öneme sahiptir.

Çalışan katılımı: ILO, teknoloji benimsenmesinin her aşamasında —tasarım, işletim ve izleme dahil— çalışanların aktif olarak sürece dahil edilmesini zorunlu görmektedir. Bu hem etik bir gereklilik hem de sistemin etkinliğini artıran bir faktördür.

Sıkça Sorulan Sorular