Yapay Zekâ Destekli İş Kazası Önleme: Computer Vision KKD Tespiti ve Near-Miss Analizi (2026)

2023-2026 döneminde işyerinde yapay zekâ kullanımı üç ana İSG uygulamasında olgunlaştı. Birinci uygulama: bilgisayarlı görü (computer vision) ile KKD kullanımı tespiti — sabit veya hareketli kameraların görüntülerinde derin öğrenme modelleri çalışanın baret, gözlük, eldiven, yüksek görünürlüklü yelek, emniyet kemeri kullanımını saniyeler içinde tespit ediyor. İkinci uygulama: doğal dil işleme (NLP) ile ramak kala olay raporlarının sınıflandırılması — saha amirlerinin yazdığı kısa metinler otomatik kategorize edilir, eğilimler tespit edilir. Üçüncü uygulama: prediktif modeller — geçmiş kaza + ramak kala + vardiya + hava durumu + ekipman bakım verisi kombinasyonundan yüksek riskli senaryolar öngörülür.

U.S. National Institute for Occupational Safety and Health (NIOSH) 'Smart PPE' inisiyatifi (2018-) sensörlü KKD ve görüntü analizi kombinasyonunu çerçeveler. Mobil + sabit kamera + edge computing kombinasyonu, YOLO veya benzer nesne tespit mimarisi ile çalışan başına milisaniye seviyesinde KKD durumu çıkarımı yapar. Tespit edilebilen kategoriler: baret (sarı, mavi, kırmızı), emniyet gözlüğü, kulak koruyucu, yüksek görünürlük yeleği, eldiven, emniyet kemeri, KKD bağlama noktası. NIOSH 2024 değerlendirme raporu hassasiyet ve özgüllük metriklerinin (precision/recall ≥%90) saha koşullarında ışık + toz + KKD rengi varyansıyla düştüğünü, eğitim verisi çeşitliliğinin kritik olduğunu vurguluyor.

AI model çıktısı dört kategoriye düşer: doğru pozitif (TP, çalışan baretsiz ve sistem doğru tespit), doğru negatif (TN), sahte pozitif (FP, çalışan baretli ama sistem 'yok' diyor — gereksiz uyarı), sahte negatif (FN, çalışan baretsiz ama sistem 'var' diyor — kritik atlama). İSG bağlamında FN doğrudan kaza riski artırır, FP ise 'alarm yorgunluğu' yaratır ve sistemin güvenilirliğini düşürür. Model bias kaynakları: (a) eğitim verisinin demografik bias'ı (sadece belirli cinsiyet/etnik grup), (b) belirli marka KKD'sini tanımama, (c) gece/loş ışık, kar, sis koşullarında performans düşüşü, (d) öğrenilmemiş yeni KKD tipleri. NIST 'AI Risk Management Framework' (2023) bu bias kategorilerini sistematik test gereği olarak tanımlıyor.

Ramak kala (near-miss) olayları H. W. Heinrich'in 1931 piramit modelinden bu yana İSG araştırmasının kalbi: her 1 ciddi yaralanma altında 30 küçük yaralanma + 300 ramak kala (Heinrich 1:29:300). Saha amirlerinin yazılı raporları manuel okumaktan uzun sürer; doğal dil işleme (NLP) modelleri kısa metinleri 10+ kategoriye (düşme, kayma, çarpma, sıkışma, kesme, yanma, kimyasal sıçraması, elektrik, ergonomik, görüş bozulması) sınıflandırır, eğilim grafikleri otomatik çıkarır. OSHA 'Predictive Safety' (2024) raporu, NLP entegrasyonu kullanılan firmalarda kayıt edilen near-miss sayısının 3-5 katına çıktığını ve gerçek kaza oranının 12-18 ay sonra %25-40 azaldığını gösteriyor. Sebep: ekiplerin formu doldurması kolaylaşır, geri dönüş hızlanır, eğilim erken tespit edilir.

Geçmiş 12-36 ay verisini (kaza + ramak kala + üretim hacmi + vardiya + hava + bakım) gradient boosting (XGBoost, LightGBM) veya derin öğrenme (Long Short-Term Memory, LSTM) modeline besleyerek, gelecek 24-72 saat için 'yüksek riskli vardiya' veya 'yüksek riskli ekipman' olasılığı tahmin edilir. Sahada uygulama: ertesi günkü 'yüksek risk uyarısı' ekiplerin toolbox toplantısında öncelikli konu olur, ek gözetim, ek mola, alternatif ekipman planlanır. EU-OSHA 'Foresight on new and emerging OSH risks 2025' raporu prediktif modellerin etkisinin organizasyon kültürüyle çarpıldığını vurgular — modeli ciddiye alan ekiplerde kazanım yüksek, görmezden gelen ekiplerde sıfır.

Bilgisayarlı görü kameraları sürekli izleme yapar; geleneksel İSG uzmanı denetimi noktasal/dönemseldir. NIOSH 2024 'Workplace AI Research' raporu ve EU-OSHA 'Digitalisation of work' raporu sürekli izlemenin çalışan stres seviyesini ölçülebilir biçimde artırdığını, otonomi kaybı algısı yarattığını, kas-iskelet bozukluğu (MSD) belirti raporlarını %15-20 yükselttiğini belgeliyor. Önerilen tasarım: (a) yüz bulanıklaştırma (anonimleştirme), (b) sadece KKD durumu özetlenip kayıt — bireysel video saklanmaması, (c) uyarı çalışana değil saha amirine — ekip seviyesinde davranış değişikliği, (d) opt-in ve şeffaf bilgilendirme, (e) periyodik etki değerlendirmesi. Tasarım hatası: sürekli izlemeden 'performans skoru' üretmek — bu AB AI Act Article 6 yüksek riskli + Article 5 sınır bölgesi.

İSG amaçlı AI sistemleri AB AI Act Annex III/4 'istihdam ve çalışan yönetimi' kapsamına çoğunlukla girer — yüksek riskli sınıflandırma + uygunluk değerlendirmesi + log + insan denetimi zorunlu (Article 8-15). Article 5(1)(f) duygu tanıma yasağı 'KKD tespiti'ne uygulanmaz — duygu çıkarımı yok, davranış/nesne tespiti var. KVKK Madde 6: yüz tanınabilir kamera kaydı özel nitelikli kişisel veri — açık rıza + amaç sınırlı + saklama süresi sınırlı (genelde 30 gün üstü gerekmez). Çalışan aydınlatma metni güncellenmeli, alternatif yöntem (manuel denetim) zorunlu olmasa da sunulmalı. Sendika ve çalışan temsilcisiyle önceden danışma — ILO C190 ve EU-OSHA sosyal diyalog ilkesi.

Endüstriyel AI projesi başarısızlıklarının yaklaşık %60'ı veri kalitesi kaynaklıdır (NIST AI RMF 2023). KKD tespit modeli için saha verisi: çeşitli ışık koşulu (gündüz, gece, ışıkölü), çeşitli KKD markası/rengi, çeşitli işçi giyim tarzı (yağmurluk, kaban, kısa kollu), çeşitli arka plan (beton, çelik, makine), çeşitli mesafe (3-30 metre). Etiketleme: KVKK uyumlu etiketleme platformu (verinin AB-içi veya Türkiye'de kalması), etiketçi eğitimi (KKD kategorileri belirsizliği azaltıcı kılavuz), çift etiketleme + uzman onayı kalite kontrolü. Eğitim verisi yıllık %20-30 yenilenmeli — drift (kavram kayması, yeni KKD modeli/marka piyasaya çıkması) kaçınılmaz.

Modern İSG platformu (İSGJet) AI özellikleri eklerken üç ilkeyi benimser: (1) Şeffaflık — her AI çıkarımının kayıt edildiği audit log, hangi modelin hangi versiyonu hangi girdiye hangi çıktıyı verdiğinin izlenebilirliği. (2) Insan denetimi — KKD ihlal alarmı doğrudan ceza/uyarı üretmez, saha amirinin görüş bildirip onaylamasıyla işlem olur. (3) Opt-in ve aydınlatma — kamera dağıtımı çalışan ve temsilciyle danışılır, aydınlatma metni güncellenir, opt-out mekanizması sunulur. AB AI Act Article 14 insan denetimi yükümlülüğü + KVKK Madde 4 ölçülülük ilkesi + ISO 45003 psikososyal etki değerlendirmesi entegrasyonu — İSGJet platformu prensip olarak çalışan üzerinde otomatik karar üretmez; AI çıkarımları insan yöneticinin elinde bir karar destek aracıdır.