האתר שמנסה לחזות תאונות

16/06/2026

זמן קריאה: 3.5 דק'

באתרי בנייה הבטיחות נבנתה במשך שנים סביב מנגנונים מוכרים: הדרכות, נהלים, תדריכי בוקר, שילוט, ציוד מגן אישי וחקירת אירועים לאחר תאונה או כמעט תאונה. המנגנונים האלה עדיין חיוניים, אבל הם כבר אינם מספיקים לבדם. אתר הבנייה המודרני נעשה צפוף, מהיר ודינמי יותר; קבלני משנה נכנסים ויוצאים, ציוד כבד נע בסמוך לעובדים, עבודות גובה מתקיימות במקביל לעבודות חשמל, והלחץ לעמוד בלוחות זמנים דוחף את המערכת אל גבולותיה. בתוך המציאות הזו מתחזקת מגמה חדשה: מעבר מבטיחות שמגיבה לאירועים לבטיחות שמנסה לזהות את הסיכון לפני שהוא מתממש.

העיתוי אינו מקרי. במסגרת שבוע הבטיחות בבנייה (Construction Safety Week) שהתקיים בארצות הברית במאי 2026, הודגשו שלושה עקרונות: לזהות, להגיב ולכבד. מאחורי הסיסמה מסתתרת תפיסה מעשית: פגיעות קשות והרוגים באתרי בנייה אינם נובעים רק מהפרת כלל בודד, אלא פעמים רבות מצירוף של אנרגיה גבוהה, שינוי רגעי באתר, תקשורת חלקית והיעדר תגובה בזמן. לכן האתגר אינו רק ללמד עובד מהו סיכון, אלא להכניס את זיהוי הסיכון אל רגע קבלת ההחלטות עצמו.

כאן נכנסת הבינה המלאכותית, אבל לא במובן הדרמטי של החלפת מנהל הבטיחות. הדור החדש של כלי הבטיחות אינו מבטיח שהאלגוריתם יחליף שיקול דעת מקצועי; הוא מבטיח לקצר את המרחק בין שאלה בשטח לבין פעולה מונעת. טרנר קונסטרקשן (Turner Construction) הציגה במאי 2026 את SafeT Coach, עוזר בטיחות מבוסס בינה מלאכותית שנפתח לשימוש חופשי של ענף הבנייה. לפי החברה, הכלי נבנה על מסגרת הבטיחות, הבריאות והסביבה שלה, ולא על תשובות כלליות מהרשת. המשמעות חשובה: עובד או מנהל עבודה יכולים לשאול בשפה טבעית על חפירה, עבודה בגובה, חלל מוקף או תכנון משימה, ולקבל הכוונה שמחוברת למדיניות בטיחות מקצועית.

החידוש המרכזי של הכלי אינו רק במענה לשאלות. SafeT Coach מאפשר גם להעלות תמונה מהאתר, לקבל תיאור של מה שנראה בה, טבלת סיכונים אפשריים, דירוג חומרה והמלצות בקרה. במקום שהצילום יישאר תיעוד פסיבי בטלפון של מהנדס צעיר, הוא הופך לפתיחה של שיחת בטיחות: האם ציוד חפירה קרוב מדי למעבר הולכי רגל, האם יש הפרדה מספקת בין כלי רכב לעובדים, האם נדרש מחסום נוסף, והאם יש צורך לעצור עבודה לפני שממשיכים. טרנר מדגישה שהכלי נוסה עם יותר מ־80 בעלי עניין, עבר שימוש ממושך באתרים, צבר מעל 25 אלף אינטראקציות, ונועד לשרת גם את עשרות אלפי החברות והעובדים הפועלים בפרויקטים שלה.

הדוגמה של טרנר ממחישה שינוי עמוק יותר: הבטיחות נהפכת ממאגר נהלים למערכת תמיכה בזמן אמת. באתר בנייה גדול, לא כל עובד יודע היכן למצוא את הסעיף המתאים במדריך הבטיחות, ולא כל מנהל עבודה יכול לעצור שעה כדי להשוות בין דרישות שונות. אם כלי AI מצליח להציג במהירות רשימת בדיקה, תרשים החלטה או שאלות מנחות לשיחה עם קבלן משנה, הוא אינו פותר את האחריות המקצועית, אבל הוא מוריד את מחסום הגישה לידע. זהו הבדל קטן לכאורה, שעשוי להיות משמעותי ברגעים שבהם החלטה מתקבלת בלחץ.

חברות אחרות בוחנות את אותה מגמה מזוויות שונות. סקנסקה (Skanska) משתמשת בכלי AI פנימיים המסייעים בתכנון בטיחות, בניתוח מצבים ובהכנת תדריכים. המטרה אינה לייצר עוד מסמך, אלא להעלות מראש נקודות סיכון שאולי לא היו מופיעות בתדריך רגיל. כאשר מנהל פרויקט מזין תיאור של משימה, לוח זמנים או תנאי אתר, המערכת יכולה להציע שאלות המשך, סיכונים אופייניים ואמצעי בקרה. במובן הזה, הבינה המלאכותית פועלת כמו עמית נוסף בשולחן התכנון, כזה שלא מתעייף מלחפש את החריגים.

בצד התשתיות והעבודות בכביש, בלפור ביטי (Balfour Beatty) מציגה שימוש אחר: שילוב מערכות התרעה בציוד כבד ובאתרים שבהם הסיכון נובע ממפגש בין עובדים, כלי רכב ותנועה ציבורית. החברה התייחסה לתנועה סביב אתרי דרך כאחד מסיכוני המוות המרכזיים בבנייה, ומשתמשת בין היתר במערכות זיהוי והתראה של קטרפילר (Caterpillar), בהן Cat Detect. כאן הבינה המלאכותית פחות נראית כמו צ'אט ויותר כמו שכבת חישה: מצלמות, חיישנים ואלגוריתמים שמנסים להתריע למפעיל הכלי לפני שהשטח המת סביבו הופך לאירוע פגיעה.

מגמה נוספת מתפתחת בתחום ההדרכה. מחקר שפורסם במאי 2026 בחן שימוש בבינה מלאכותית גנרטיבית ליצירת תמונות וסדרות חזותיות של מצבי סיכון בעבודות כביש, על בסיס תיאורי פציעות חמורות ממאגרי בטיחות. הרעיון פשוט אבל חשוב: קשה ואף לא מוסרי לצלם סיטואציות מסוכנות אמיתיות לצורכי הדרכה, ולעיתים תמונות סטנדרטיות אינן משקפות את מורכבות האתר. יצירת תרחישים חזותיים סינתטיים יכולה לאפשר למדריכים להראות לעובדים כיצד נראה סיכון רגע לפני התאונה, ולא רק להסביר אותו במילים.

למרות ההתלהבות, יש גם גבולות ברורים. אתר בנייה אינו מפעל קבוע. תאורה, אבק, מזג אוויר, זוויות צילום, תנועה של קבלני משנה ואלתורים בשטח מקשים על מערכות ראייה ממוחשבת. כלי שיזהה באופן אמין קסדה או אפוד זוהר לא בהכרח יזהה סכנת קריסת תעלה, עומס יתר על פיגום או החלטה לא בטוחה של צוות בלחץ זמן. גם עוזר מבוסס שפה עלול להציג תשובה שנראית משכנעת אך אינה מתאימה לתנאי האתר הספציפי. לכן השימוש הנכון הוא לא אוטומציה של אחריות, אלא הרחבת יכולת הזיהוי, התיעוד והשיחה.

האתגר הניהולי חשוב לא פחות מהטכנולוגיה. אם העובדים יחוו את המערכת ככלי פיקוח שמטרתו למצוא אשמים, הם ינסו לעקוף אותה. אם מנהלי העבודה יראו בה עוד משימה בירוקרטית, היא תיעלם בתוך עומס הטפסים. לעומת זאת, אם הכלי ייכנס לשגרת תדריך הבוקר, לשיחה לפני משימה, לבדיקת תמונה מהשטח או להפקת לקחים קצרה, הוא יכול לחזק תרבות שבה קל יותר לעצור, לשאול ולהתערב. זה בדיוק המקום שבו בטיחות טכנולוגית מתחברת לבטיחות אנושית: האלגוריתם מציף אפשרות, אבל אדם צריך להפוך אותה לפעולה.

מבחינת ענף הבנייה בישראל, הלקח מעשי במיוחד. השוק המקומי מתאפיין בריבוי קבלני משנה, לחץ לוחות זמנים, אתרי בנייה צפופים וממשק מורכב בין עובדים, ציוד ותנועה עירונית. אימוץ זהיר של כלים מבוססי AI יכול לסייע בתדריכים, בבדיקות שטח, בניהול צילומי אתר, בזיהוי חוזר של מפגעים ובהכשרת עובדים חדשים. עם זאת, כדי שהמהלך יצליח נדרש שילוב בין טכנולוגיה לנוהל: הגדרת אחריות, פרטיות, שמירת מידע, התאמה לעברית ולשפות העובדים, והבהרה שהמערכת אינה מחליפה מנהל בטיחות מוסמך.

העתיד הקרוב של בטיחות בעבודה לא יהיה אתר שבו מחשב מחליט לבדו אם מותר לעבוד. הוא יהיה, ככל הנראה, אתר שבו מידע זורם מהר יותר: תמונה מהשטח מנותחת, שאלה מקבלת מענה, תדריך נבנה על בסיס סיכונים אמיתיים, ומנהל עבודה מקבל עוד הזדמנות לזהות סכנה לפני שהיא מתממשת. בענף שבו שנייה אחת של חוסר תשומת לב עלולה לשנות חיים, גם תוספת קטנה של מודעות בזמן הנכון יכולה להיות ההבדל בין כמעט תאונה לבין תאונה.

לפרטים נוספים:

תגובות

הוספת תגובה