Практическое создание ИИ-ассистентов в сфере охраны труда без кода

Обычный диалог с публичной нейросетью напоминает общение с новым стажёром в его первый рабочий день. Он умен, начитан, но совершенно не знает специфики вашей компании. Каждый раз, когда вы просите его составить инструкцию или ответить на вопрос, вам приходится заново объяснять: кто вы, чем занимается компания, какие у вас внутренние правила и в каком формате нужен результат. Это отнимает время и сводит на нет всю пользу автоматизации.

Чтобы превратить «стажёра» в полноценного цифрового сотрудника, создаются ИИ-ассистенты. Это не просто окно чата, а настроенная система, которая помнит контекст, знает ваши документы и действует по заданным алгоритмам. Для сборки такого помощника без навыков программирования необходимо понимать, из каких базовых блоков он состоит.

Любой профессиональный ИИ-ассистент базируется на четырех ключевых компонентах: языковой модели, системном промпте, базе знаний и инструментах.

Компонент 1: Большая языковая модель (Двигатель)

Большая языковая модель (Large Language Model, LLM) — это «мозг» вашего ассистента. Именно она отвечает за понимание текста пользователя, анализ информации и генерацию связного, логичного ответа.

Модели тренируются на огромных массивах текстовых данных, поэтому они изначально знают правила грамматики, умеют структурировать текст и обладают общими знаниями о мире, включая базовые законы об охране труда. Самые известные примеры LLM — это модели семейства GPT от OpenAI, Claude от Anthropic или отечественные GigaChat и YandexGPT.

> Роль языковой модели — не заменить человека, а ускорить его работу. Умный помощник помогает находить информацию в базах знаний, оформлять документы и отвечать на повторяющиеся вопросы.

Важно понимать: сама по себе LLM — это просто генератор текста. Если вы спросите базовую модель: «Как часто нужно проводить инструктаж для сварщика?», она выдаст усредненный ответ на основе общих законов. Но она не знает, что на вашем конкретном заводе внутренним регламентом установлена более высокая частота проверок. Чтобы модель стала вашим ассистентом, ей нужны следующие компоненты.

Компонент 2: Системный промпт (Должностная инструкция)

Системный промпт (System Prompt) — это базовая, скрытая от конечного пользователя инструкция, которая задает роль, характер, ограничения и правила поведения ИИ-ассистента. Это самый важный инструмент no-code разработчика.

Если обычный запрос (пользовательский промпт) звучит как «Напиши инструкцию», то системный промпт — это фундамент: «Ты — строгий, но вежливый инженер по охране труда. Твоя задача — помогать сотрудникам безопасно выполнять работу. Ты опираешься только на предоставленные документы. Если ответа нет, ты прямо говоришь об этом, а не выдумываешь факты».

Качественный системный промпт для задач охраны труда должен состоять из пяти блоков:

Роль и экспертиза: Кто такой ассистент и в чем он разбирается.

Главная цель: Какую задачу он решает (например, снижение травматизма, помощь в заполнении журналов).

Тон голоса (Tone of Voice): Как он общается (официально-деловой стиль, без сложных терминов, эмпатично).

Ограничения: Чего ему категорически нельзя делать (например, давать медицинские советы или разрешать нарушать технику безопасности).

Формат ответа: Как структурировать информацию (использовать списки, выделять главное жирным шрифтом).

Практический шаблон системного промпта для охраны труда

Ниже представлен готовый шаблон, который вы можете скопировать и вставить в настройки вашего ИИ-ассистента (например, при создании кастомного GPT):

«Ты — главный корпоративный эксперт по охране труда (ОТ) и промышленной безопасности (ПБ). Твоя главная цель — помогать руководителям подразделений и рядовым сотрудникам быстро находить правильные алгоритмы действий, составлять проекты инструкций и проверять знания.

Твои правила работы: 1. Безопасность превыше всего. Если запрос пользователя подразумевает риск для жизни или здоровья, немедленно предупреди об опасности и порекомендуй остановить работы. 2. Опирайся только на загруженную базу знаний. Если в документах нет ответа на вопрос пользователя, отвечай: "В моей базе знаний нет точной информации по этому вопросу. Пожалуйста, обратитесь к руководителю службы ОТ". Не придумывай правила. 3. Общайся профессионально, но понятно. Избегай излишней бюрократии, если объясняешь правила рядовому рабочему. 4. Структурируй ответы. Используй нумерованные списки для пошаговых алгоритмов. Выделяй названия средств индивидуальной защиты (СИЗ) жирным шрифтом.»

Этот текст навсегда зафиксирует поведение нейросети, и вам больше не придется повторять эти правила в каждом диалоге.

Компонент 3: База знаний (Корпоративная память)

Чтобы ассистент давал ответы, актуальные именно для вашего предприятия, используется технология генерации с дополненной выборкой (Retrieval-Augmented Generation, RAG).

Простыми словами: RAG позволяет загрузить в ИИ-ассистента ваши собственные файлы (PDF, Word, Excel). Когда пользователь задает вопрос, ассистент сначала ищет нужный фрагмент текста в ваших документах, извлекает его, и только потом языковая модель формулирует красивый и понятный ответ на основе этого фрагмента.

| Базовый ИИ (без RAG) | ИИ-ассистент с RAG (Базой знаний) | | :--- | :--- | | Опирается на данные из интернета, которые могут быть устаревшими. | Опирается строго на загруженные вами приказы и регламенты. | | Может выдумать несуществующий ГОСТ (галлюцинация). | Цитирует конкретный пункт из вашего внутреннего документа. | | Не знает специфики вашего оборудования. | Знает инструкции по эксплуатации станков, установленных в вашем цеху. |

Что загружать в базу знаний по охране труда?

Для быстрого старта соберите следующие документы в формате чистого текста или PDF (с распознанным текстом, а не просто сканы-картинки):

Положение о системе управления охраной труда (СУОТ).

Инструкции по охране труда по профессиям (для электрика, водителя, оператора станка).

Перечни выдаваемых средств индивидуальной защиты (СИЗ) с нормами выдачи.

Алгоритмы действий при несчастных случаях и авариях.

Памятки по оказанию первой помощи.

Пример из практики: Мастер цеха пишет в чат: «У нас разлилось машинное масло возле пресса, что делать?». Ассистент мгновенно находит в загруженном «Плане ликвидации аварий» нужный раздел и выдает пошаговую инструкцию: 1) Оградить зону, 2) Использовать сорбент из пожарного щита №3, 3) Сообщить диспетчеру по номеру 112.

Компонент 4: Инструменты и Агенты (Руки системы)

Если LLM — это мозг, а база знаний — память, то инструменты (Tools) — это руки ИИ-ассистента.

Продвинутые ИИ-ассистенты, которых часто называют ИИ-агентами, способны не только генерировать текст, но и выполнять действия во внешнем мире. Они анализируют задачу, формируют план, выбирают нужный инструмент и выполняют последовательность шагов до достижения результата.

В no-code платформах инструменты подключаются через готовые интеграции или API. Что может делать ИИ-агент в сфере охраны труда с помощью инструментов:

Поиск в интернете (Web Search): Если в базе знаний нет ответа, ассистент может пойти в интернет, найти актуальную редакцию Трудового кодекса на официальном сайте, проанализировать её и выдать ответ.

Генерация документов: Ассистент может взять шаблон приказа из базы знаний, подставить туда ФИО сотрудника, дату и сгенерировать готовый Word-файл для скачивания.

Отправка уведомлений: Интеграция с корпоративным мессенджером или почтой. Если сотрудник через чат-бота сообщает о сломанной лестнице, ИИ-агент может автоматически сформировать заявку и отправить её на email ремонтной службы.

Анализ данных (Code Interpreter): Вы можете загрузить Excel-таблицу с результатами тестирования сотрудников по охране труда, и ассистент сам построит график успеваемости и выделит отделы, которым требуется переобучение.

!Схема работы ИИ-ассистента: от запроса пользователя до выдачи готового ответа на основе базы знаний

Как все компоненты работают вместе: Сценарий из жизни

Представим, что вы собрали ИИ-ассистента и дали к нему доступ HR-специалисту, который оформляет нового сотрудника — электромонтера.

HR пишет запрос: «Подготовь программу первичного инструктажа для нового электромонтера Иванова И.И.».

Системный промпт напоминает модели: «Ты эксперт по ОТ. Твоя задача — составлять документы строго по шаблонам компании».

Ассистент обращается к Базе знаний (RAG), находит там «Программу инструктажа для электротехнического персонала» и «Нормы выдачи СИЗ для электромонтеров».

Языковая модель (LLM) анализирует найденные тексты и компилирует их в единый, связный документ, адаптированный под Иванова И.И.

Используя Инструмент генерации файлов, ассистент создает готовый PDF-документ и предлагает HR его скачать.

Весь этот процесс занимает около 10 секунд. HR получает готовый, юридически выверенный (по внутренним стандартам) документ, а специалист по охране труда избавляется от рутинной задачи по копированию текстов из одного файла в другой.

Понимание этих четырех компонентов — LLM, системного промпта, базы знаний и инструментов — это фундамент. В следующих материалах мы перейдем к практической сборке такого ассистента на конкретных no-code платформах.