论文标题：Exploring Human–AI Dynamics in Enhancing Workplace Health and Safety: A Narrative Review

论文链接：https://www.mdpi.com/1660-4601/22/2/199

期刊名：International Journal of Environmental Research and Public Health (IJERPH)

期刊主页：https://www.mdpi.com/journal/ijerph

一、引言

AI通过机器学习和深度学习实现数据驱动决策，其在职业健康与安全（OHS）中主要应用于实时监测、疲劳检测和危害预测。尽管AI的应用提高了监测和预测的效率，但引发隐私、偏见和自主性下降等担忧。目前，拟议的AI法案旨在根据风险级别对AI系统进行监管，确保高风险应用（包括监测工人行为的应用）得到负责任地开发和使用。其他欧盟法规，如《通用数据保护条例》（GDPR），对数据隐私和同意设定了严格标准。但是，各国政策差异大，需在创新与工人保护间取得平衡，法律与技术的协调将是核心挑战。本研究的目标是通过综述聚焦AI技术（可穿戴、预测、聚类）、伦理监管、行业应用效益与挑战，以及在中小型企业中（SMEs）中研究的空白。

二、材料与方法

•研究范围：明确研究问题为AI如何影响OHS中的安全、健康和效率，指导纳入相关工具和框架。

•检索策略：在PubMed、Embase、Scopus使用MeSH和关键词，覆盖1997年至2024年的文章，补充少量经典理论文献。

•筛选标准：纳入AI驱动的危害识别、有具体结果、同行评审全文；排除无OHS焦点、无具体发现、社论等。初始654篇，最终52篇。

•数据提取：双人独立审查，提取设计、行业、AI方法、OHS结果和局限性。

•综合方法：主题分组（可穿戴、预测、人体工程学、伦理），定性总结，因异质性未做荟萃分析。

三、分析与结果

研究概述：本综述共涵盖52篇文章，出版年份从1997年到2024年，超过三分之二的研究出现在2016年之后——这一趋势突显了AI在OHS应用中日益增长的兴趣。常见的研究区域聚焦在欧美国家（其中欧洲14项、北美18项）；关于工作场所环境，20篇文章探讨了AI在工业或建筑环境中的应用，10项考察了医疗保健环境，6项聚焦物流和仓储，5项涉及农业或服务业。值得注意的是，约15篇出版物调查了中小型企业（SMEs），强调了在资源更有限的环境中AI采用的成本和可扩展性问题。

研究空白：现有的很少有研究跟踪短期试点阶段之外的长期工人结果，包括持续压力水平、心理健康和技术接受度。此外，SMEs的资源限制和有限数字基础设施突显了对可扩展、成本效益高的AI解决方案和可能的政策激励的需求。尽管隐私问题和AI相关歧视经常被提及，但日常工作场所AI治理的具体指南仍然不足。此外，安全结果的指标、方法和定义的变化限制了跨行业比较，并阻碍了AI有效性的普遍性。此外，自动化、工作控制和心理健康之间的复杂关系呼吁更多以人为中心的设计，以维持工人自主性和接受度。

图1 所选文章按研究区域分类研究

图2 所选文章按主要主题/题目分类研究

四、讨论

当前格局：AI赋能的可穿戴设备常被用于监测生命体征、姿势、疲劳，并被广泛应用于多行业；但挑战仍然存在，包括数据隐私、设备互操作性和用户采用，需要安全且用户友好的AI系统等。同时，数据隐私（GDPR、UODO）、AI偏见、工人焦虑、高成本和不平等采用等伦理层面的问题也仍然亟待解决。然而，人-AI互动在OHS中的益处同样明显。各种AI驱动解决方案证明，AI的应用显著增强了工作场所健康、安全和生产力。AI赋能在主动危害识别（EASE软件）、实时监测、VR培训、人体工程学优化（触觉反馈）、PPE智能监控、无人机检测等方面显著提升了安全与效率。

人-AI协作：建立在自动化层级等框架之上的“人在控制”模型是基础，该框架根据人类参与程度对自动化进行分类，强调复杂系统中的人类情境意识和决策以及人机平衡，以确保情境适当性。在OHS背景下，专业人士和主管可以解释聚类输出，对照现实条件验证，并相应调整安全策略。这种人与AI的协同确保预防措施既基于证据又植根于工作场所现实。人-AI协作目前已经有课借鉴的实例，美、德、日等国常规使用AI预测分析并用于工效学、机械监控和应急模拟等。

未来方向：展望未来，OHS研究将需要伦理和透明的框架，以负责任地整合AI，应对立法挑战和全面培训的需求。另外，填补长期研究对于评估AI对工人的心理影响（包括焦虑、工作安全担忧和更广泛的心理健康影响）的空白是必要的。同时，对学生的AI素养教育和多方协作是未来AI驱动的OHS中实践的关键。

局限性：时间范围可能遗漏新趋势，同时行业偏倚和语言偏误也无法在本研究中被完全避免，以及跨国差异未充分探讨。

五、结论

AI整合OHS可大幅降低危害、改善工效和流程，实时监测和预测分析减少伤害。但需解决隐私、偏见、过度依赖和SMEs实施困难。以人为本、透明沟通和伦理框架至关重要，确保AI辅助而非替代人类，最终创造更安全、健康、公平的工作环境。

Fiegler-Rudol, J.; Lau, K.; Mroczek, A.; Kasperczyk, J. Exploring Human–AI Dynamics in Enhancing Workplace Health and Safety: A Narrative Review. Int. J. Environ. Res. Public Health 2025, 22, 199. https://doi.org/10.3390/ijerph22020199

期刊介绍

主编：Paul R. Ward教授

期刊涵盖全球健康、保健科学、行为和心理健康、传染病、慢性病和疾病预防、运动和健康相关的生活质量、环境健康和环境科学。

2025 CiteScore：9.8

Time to First Decision：24 Days

Acceptance to Publication：3.8 Days