AI na gradilištu: provjera fotografija i pogrešnih procjena

U šest pogrešnih procjena povezanih sa skelama sustav je nedostajuće ili neučvršćene platforme odnosno ograde opisao kao postavljene. Sljedeći dio sustava prihvatio je taj opis i prema njemu donio zaključak. Tako je pogreška u čitanju fotografije postala pogreška u prepoznavanju opasnosti.

Taj detalj iz novog istraživanja otvara konkretnije pitanje o temi AI na gradilištu od općeg nadmetanja čovjeka i tehnologije: kako provjeriti na čemu se temelji zaključak koji nam alat nudi? Stručnjaku zaštite na radu treba biti vidljivo gdje završava ono što fotografija pokazuje, a počinje ono što je sustav pretpostavio.

Što je istraživanje ispitalo?

Minhyeok Jeong i Kanghyeok Yang objavili su 19. listopada 2026. u časopisu Buildings istraživanje sustava koji fotografije pretvara u opise, a zatim ih razvrstava prema opasnosti. Obuhvatili su otvore, skele i ponašanje radnika. Skup podataka sadržavao je 891 fotografiju, a završno testiranje 90 fotografija. Ukupna točnost integrirane procjene iznosila je 81 %.

To nije dokaz smanjenja broja ozljeda ni potvrda primjenjivosti na svakom gradilištu. Za praktično razmatranje važniji nam je opisani put pogreške. AI na gradilištu može ponuditi zaključak koji uredno slijedi iz njegova teksta, iako sam tekst pogrešno prikazuje stanje. Zato provjera treba početi prije završne oznake opasnosti.

AI na gradilištu: prvo provjeriti opis, zatim zaključak

Zamislimo sljedeći primjer, koji služi objašnjenju i nije opis ANPARO-ova terenskog slučaja. Voditelj radova dobiva fotografiju skele i automatski sastavljen sažetak. U njemu piše da je radna platforma postavljena. Fotografija je snimljena ukoso, dio konstrukcije zaklanja materijal, a osoba koja pregledava izvještaj upravo traži informaciju o zaštiti uz rub.

Prijeđe li osoba koja pregledava fotografiju odmah na zaključak, ova tvrdnja o platformi bi lako mogla ostati neprovjerena. A baš bi ta tvrdnja mogla utjecati na cijelo tumačenje prizora. Uz to, uredan izvještaj stvara dojam da je netko već odradio pregled pojedinosti, pa sljedeća osoba zapravo provjerava manje nego što bi provjeravala bez njega.

Pri korištenju ovakvih alata mi bismo odvojili tri stvari: što je vidljivo, što nije moguće utvrditi i što treba dodatno provjeriti. Pa tako AI na gradilištu ima više smisla kada olakšava taj posao nego kada sve tri skupine podataka pretvori u jednu sigurnu tvrdnju.

„Ne vidi se” mora ostati dopušten odgovor

Fotografija može pokazati predmet, ali ne mora pokazati njegov spoj, stanje ili odnos prema ostatku radnog prostora. Ako je neki detalj zaklonjen, dodatno objašnjenje koje zvuči stručno neće ga učiniti vidljivim. Potrebna je druga fotografija, dokumentacija ili provjera na mjestu rada, ovisno o pitanju.

To vrijedi i za ljudskog pregledavatelja. Razlika je u tome što u razgovoru možemo pitati kolegu je li nešto vidio ili pretpostavio. Isti kriterij treba postaviti digitalnom nalazu: uz tvrdnju mora biti moguće pokazati detalj koji je podupire ili jasno zabilježiti da potvrda nedostaje.

Što fotografija pokazuje, a što još treba provjeriti?

Za AI na gradilištu korisno je unaprijed dogovoriti granice pojedinog nalaza. Sljedeća tablica predstavlja naš prijedlog načina pregledavanja fotografija. Nije kontrolni popis svih zahtjeva za siguran rad na visini niti uputa za tehnički pregled skele.

Važno je i vrijeme nastanka snimke. Fotografija od jučer može biti oštra i potpuna, a ipak ne prikazivati današnju organizaciju rada. Zato uz kadar treba sačuvati barem lokaciju, vrijeme i podatak o poslu koji se tada obavljao. Bez toga se i točno opisana slika može upotrijebiti za pogrešnu odluku.

Kako provjeravati AI na gradilištu u maloj tvrtki?

Mala tvrtka ne mora krenuti od velikog sustava kamera. Kao početnu dobru praksu predložili bismo ograničen pregled odabranih fotografija, uz stručnu usporedbu. Svrha takve provjere bila bi utvrditi pomaže li alat u konkretnom poslu i koliko vremena traži ispravljanje njegovih nalaza.

Usporedba mora uključiti i propuštene opasnosti

Ako se pregledavaju samo upozorenja koja je aplikacija izdala, doznat ćemo koliko su ona korisna. No nećemo doznati što nije označila. Zato stručni pregled treba obuhvatiti i fotografije za koje alat nije prijavio problem, uz bilježenje okolnosti koje mogu otežati opažanje.

Za početnu provjeru AI-ja na gradilištu predlažemo ove korake:

• Odrediti jedno usko pitanje koje će alat obrađivati i zapisati što ostaje izvan njegova zadatka.
• Uključiti različite kutove snimanja, zaklonjene detalje i promjenjive uvjete, umjesto biranja samo preglednih primjera.
• Napraviti stručni pregled istog materijala prije čitanja automatskog zaključka, kako bi usporedba bila manje pod njegovim utjecajem.
• Odvojeno evidentirati pogrešna upozorenja, propuštene opasnosti i slučajeve koji se iz fotografije ne mogu razjasniti.
• Izmjeriti vrijeme potrebno za provjeru i ispravak, uz vrijeme koje je alat eventualno uštedio.
• Dogovoriti tko provjerava nejasne nalaze i kako se bilježi završena provjera.

Ovaj postupak nije formalna potvrda valjanosti sustava. Može, međutim, pokazati ima li smisla nastaviti ispitivanje ili treba promijeniti zadatak, način fotografiranja ili sam alat. Korisno je unaprijed odrediti i zbog kojih bi se propusta odustalo od predložene primjene.

Od automatskog nalaza do provedene mjere

Čak i točno upozorenje ima ograničenu vrijednost ako nakon njega nitko ne provjeri stanje. Uvođenje AI-ja na gradilištu zato traži dogovor o radu ljudi: tko prima nalaz, tko odlazi na lokaciju i tko potvrđuje da je utvrđeni problem riješen. Softverska obavijest sama po sebi ne zatvara taj posao.

Tu nastaje i razlika između pripreme evidencije i stvarne prevencije. Fotografija s označenim područjem može olakšati razgovor, ali završni zapis treba pokazati što je provjereno i poduzeto. Ako se zabilježi samo da je upozorenje pročitano, ostaje nejasno je li se išta promijenilo za osobu koja ondje radi.

Pritom predloženi način rada s nalazima treba uskladiti s postojećim ulogama i postupcima na konkretnom gradilištu. Riječ je o organizacijskoj preporuci za korištenje alata, a ne o novoj zakonskoj obvezi koju uvodi ovo istraživanje. Automatski izvještaj ne treba predstavljati kao potvrdu usklađenosti s hrvatskim propisima.

Fotografija za edukaciju traži drukčiji oprez

AI na gradilištu može biti zanimljiv i za pripremu rasprave tijekom osposobljavanja. Na odabranoj fotografiji možemo usporediti prijedlog alata s opažanjima sudionika te pokazati koliko zaključak ovisi o kadru. Tako i pogrešan prijedlog može poslužiti učenju, ako ga stručna osoba prethodno pregleda i objasni.

Međutim, neprovjeren odgovor ne bi trebalo prepisivati u materijal za radnike samo zato što je jasno napisan. Posebno treba razdvojiti prikaz istraživačkog sustava od općeg alata u koji korisnik učita fotografiju. Rezultat jednog ispitivanja ne govori koliko će dobro drugi proizvod obraditi isti prizor.

AI na gradilištu vrijedi onoliko koliko možemo provjeriti njegov nalaz

Za poslodavca je razumno zanimati se za alat koji olakšava pregled materijala i usmjerava pozornost na pojedinosti. No pri odluci o uporabi treba ostaviti dovoljno vremena i ljudi za provjeru. U suprotnom se ušteda može ostvariti upravo na dijelu postupka koji otkriva pogrešku.

Zato AI na gradilištu treba procjenjivati i prema tome kako postupa s nejasnim prizorom. Može li zadržati neizvjesnost ili je popunjava uvjerljivim tekstom? Za sigurnost radnika korisniji je nalaz koji precizno kaže što treba provjeriti nego zaključak čiju početnu pretpostavku nitko više ne otvara. Provjera skele mora završiti na stvarnoj skeli.

Izvori:

• Jeong, M.; Yang, K.: Fall-Related Safety Hazard Analysis in Construction Using Vision-Language Models and Natural Language Inference, Buildings 2026, 16(20), 4131, 19. listopada 2026. DOI. Relevantni odjeljci: 3.1., 4.2. i 6.