利用人工智能衡量员工福祉以提升安全
2025年5月29日
Serena Huang指出，人工智能能分析行为模式并在安全问题发生前预测风险。
Adrienne Selko
在社会对心理健康议题关注度持续提升的背景下，企业已陆续推出各类健康计划。然而设计能产生实质效果的方案仍充满挑战。
数据科学专家Serena Huang博士表示："当企业思考数据收集方式与人工智能应用时，核心目标应是识别需要采取行动的关键领域。"这位曾在通用电气、卡夫亨氏和贝宝主导数据分析的专家认为，企业应重点关注那些实际效能降低的员工群体，"他们看似正常，但若仔细观察不难发现预警信号。"
相较于多数企业无法掌控的外部风险，人类行为具有可塑性。Huang指出："就像机器故障前会出现征兆，管理者也能观察到员工表现异常的模式。"但真正的挑战在于将观察转化为可操作的数据集。
疲劳管理是Huang在多家企业发现的典型案例。"通过分析排班数据就能发现，连续值夜班的员工失误率显著升高，特别是涉及危险机械设备的操作。"她以Mary的案例说明："当系统识别到某员工连续三次值夜班，就能基于历史数据采取预防措施。"
人工智能作为预测工具
睡眠质量是衡量福祉的重要指标。Huang强调："对负责喷气发动机质量检测或医疗设备装配的工人来说，睡眠不足可能引发灾难性后果。"当前已有AI赋能的可穿戴设备能监测生命体征与行为模式，通过检测压力、疲劳和倦怠的早期信号预防职场安全事故。
这些系统能及时识别员工健康状况的异常变化。相比传统管理模式，这种技术突破使干预措施能提前到事故发生之前。
人工智能的扩展应用
心理健康领域，包容性建设是提升员工安全的重要机制。斯坦福大学2022年的研究表明，数百家企业正运用AI改善职场归属感。通过实时收集参与度、情绪、包容性等数据，并结合情感分析、关系网络建模等技术，企业能更全面掌握员工体验。
基于这些实践经验，Huang在2025年出版了《包容方程式：运用数据与人工智能实现组织多样性与福祉》专著。书中记录了她目睹某位员工深夜因惊恐发作入院的真实事件，这段经历促使她关注心理健康早期预警机制的建立。
信任关系的构建
如何让员工接受可穿戴设备的数据收集？Huang建议将心理健康讨论日常化："就像我们讨论养老金计划，在入职培训中讨论心理健康议题。"她观察到部分企业已设立心理健康周，类似现有安全周的机制。早期试点反馈显示，当开放谈论心理健康问题时，员工更愿意寻求帮助。
当前研究已证实心理健康与生理健康的关联性。Huang认为，通过AI与数据分析建立这种连接，将为企业提升福祉策略提供关键依据。这种技术应用不仅关乎个体健康，更是建设安全文化的系统性工程。
【全文结束】
