Kamery s AI srazily porušení bezpečnosti na ropné plošině o 80 %. Jak to funguje

Bezpečnost zůstala poslední manuální disciplínou

Když si představíte moderní vrtnou plošinu, nejspíš vidíte automatizované vrty, datové dashboardy v reálném čase a údržbu řízenou prediktivními modely. To všechno na moderních zařízeních opravdu existuje. Bezpečnost ale podle analýzy v Journal of Petroleum Technology zůstávala z velké části odkázaná na pravidelné lidské pozorování.

Čísla to potvrzují. Podle dat International Association of Oil and Gas Producers (IOGP), která sbírá údaje od členských firem z 87 zemí, bylo v roce 2024 hlášeno 946 úrazů s pracovní neschopností. Incidenty typu „zachycení ve stroji, pod strojem nebo mezi částmi" tvořily 20 procent případů a „uklouznutí a zakopnutí" dalších 22 procent. Na smrtelných úrazech se pak „zasažení předmětem" podílelo 13 procenty z celkových 32 úmrtí.

Nejde přitom o exotické havárie. Jde o stále stejné scénáře, kdy je člověk na špatném místě jen pár sekund. Přesně ty, které se rok co rok opakují.

Jak počítačové vidění vlastně pracuje

Princip je dvoufázový a dá se vysvětlit bez hluboké znalosti strojového učení. První fáze je detekce objektů: systém pozná, že v záběru kamery je člověk, zavěšené břemeno nebo kus techniky. To je dnes vyřešený úkol, na který se běžně používají realtimové detektory z rodiny architektur YOLO (You Only Look Once) — ty prohlédnou snímek „jedním pohledem" a za pár desítek milisekund vrátí, co kde je.

Druhá fáze je ta zajímavá a také ta, kde se rodí většina chyb. Systém musí vyhodnotit scénář: jestli člověk stojí v zakázané „red zone", jestli se břemeno skutečně pohybuje, jestli pracovníkovi chybí helma nebo jestli má zapnutý jistící postroj — anebo si ho jen na pár sekund upravuje. Tady je potřeba si pamatovat kontext z předchozích snímků, a právě tady vznikají falešné poplachy i přehlédnutá nebezpečí.

Přirovnal bych to k bezpečnostní kameře u vás doma, která rozpozná „pohyb", ale neumí říct, jestli je to zloděj, nebo kočka. Rozdíl je v tom, že na plošině falešný poplach neznamená jen zmeškané upozornění v telefonu, ale ztrátu důvěry posádky v celý systém.

Osmdesát procent z Abú Zabí není zázrak, ale kalibrace

Tady se dostáváme k tomu nejcitovanějšímu číslu. Na pobřežním zařízení v Abú Zabí došlo podle případové studie společnosti viAct k 80% poklesu porušení bezpečnosti. Pozor ale na přesnost: nejde o celoplošné zlepšení celého odvětví, nýbrž o konkrétní lokalitu a konkrétně o porušení hranic zakázaných zón.

A hlavně to nebyl jednorázový skok. Pokles se podle textu v JPT stavěl postupně během nasazení a nejstrměji klesl ve chvíli, kdy vedoucí směn začali používat data o porušeních po jednotlivých zónách. Díky nim totiž odhalili, které hranice a které směny generují opakované vstupy do nebezpečných míst — vzorec, který by z běžných hlášení o incidentech nikdy nevyčetli. To je podle mě nejdůležitější poselství: hodnota není v tom, že kamera „něco vidí", ale v tom, že z jejích dat jde číst chování, které bylo dosud neviditelné.

Nejde o detekci, ale o doručení alertu

Druhá věc, kterou si provozovatelé odnesli, zní skoro banálně: detekovat nebezpečí je jen polovina práce. Když systém vyrobí další dashboard, který musí někdo hlídat, přidává práci, místo aby ji ubíral. Úspěšné nasazení proto integruje alerty přímo do workflow, které směna už používá.

V praxi to funguje tak, že počítačové vidění nebezpečí zahlédne, a navazující agentní AI událost ověří, přiřadí jí rizikovou úroveň, přiloží krátký videoklip jako důkaz a pošle stručné shrnutí odpovědnému vedoucímu nebo HSE týmu. Cílem není generovat více upozornění, ale vytvořit cestu, díky které může nadřízený zasáhnout ještě ve chvíli, kdy nebezpečný stav trvá.

Důležitý je i technický detail ohledně architektury. Na moři se preferuje edge řešení: video se analyzuje lokálně na průmyslovém zařízení přímo na plošině a do centrály se synchronizuje jen metadata, krátké klipy a reporty. Důvod je prozaický — satelitní připojení na moři je drahé a občas vypadává. Když zpracování běží na místě, detekce funguje dál, i když je linka mimo.

Kolik to stojí a proč se to vyplatí

Pojďme si to spočítat, protože přesně tohle číslo se v článcích obvykle ztrácí. Americká National Safety Council odhaduje průměrnou cenu pracovního úrazu, který si vyžádá návštěvu lékaře, na 48 000 dolarů (zhruba 1,1 milionu korun). Zpráva Incident Statistics Program (ISP) za první čtvrtletí 2026 pak na devíti lokalitách eviduje 166 incidentů.

Když to vynásobíte, dostanete se u jediného čtvrtletí na řádově 8 milionů dolarů (166 × 48 000). A to počítáme jen medicínsky ošetřené úrazy, bez nákladů na odstávky, vyšetřování a poškozené vybavení. „Odhalit to dřív" tak přestává být hezký slogan a stává se inženýrskou i finanční prioritou.

Co to znamená pro Česko a Evropu

Ropné plošiny v Česku nemáme, ale princip je přenositelný úplně všude, kde se pracuje v blízkosti těžké techniky — od skladů a logistických center přes hutě až po výrobní haly. A právě tady vstupuje do hry evropská legislativa. Nasazení kamer s AI na pracovišti není jen technická otázka, ale i právní: v rámci EU na něj dopadá Akt o umělé inteligenci (AI Act), který systémy monitorující zaměstnance řadí do kategorie s vyšším rizikem, a samozřejmě i GDPR, pokud systém sbírá osobní údaje.

To v praxi znamená, že firma, která chce podobné řešení nasadit v Česku, musí mít jasno v tom, co kamera sleduje, kde se data ukládají a kdo k nim má přístup. Není to důvod technologii odmítat — je to důvod ji nasazovat s rozmyslem, přesně jak ukazuje zkušenost z ropného průmyslu. Tam se totiž osvědčilo jedno jednoduché pravidlo: počítačové vidění nemá nahrazovat zavedené bezpečnostní procesy, ale dávat jim data, která dosud chyběla.