隨著生成式AI與各類人工智慧工具快速進入職場，AI已從自動化任務，逐漸開始參與工作安排、績效評估、風險判斷與管理決策。根據 Universitat Oberta de Catalunya(UOC)研究指出，AI 已被應用於工業與服務業場域，例如產線、物流作業、客服聊天機器人，以及職業安全衛生中的事故資料分析與預測模型，協助企業辨識事故模式並規劃更有效的預防措施。
從正面角度來看，AI可透過大量資料分析，即時協助企業進行人力規劃、風險辨識與事故預防，並於先進工業環境中結合協作機器人，降低人員執行重複性、高精度或高風險工作的負擔。這代表 AI在職業安全衛生領域具有提升效率、減少人為錯誤及強化預防管理的潛力。
然而，該研究也提醒，AI導入職場後帶來的不只是技術效益，也可能產生新的職業安全衛生風險。首先是「科技壓力」，也就是勞工在缺乏足夠時間或訓練的情況下，被迫適應新的數位工具，進而造成心理負擔。其次，AI監控系統可能讓員工感受到過度監視，尤其是智慧攝影機、生物辨識感測器與生產力演算法等技術，可能使勞工產生隱私喪失、不信任與工作環境惡化等感受。
此外，若AI系統運作邏輯不透明，勞工可能無法理解演算法如何影響自己的排班、績效或評估結果，進而產生不確定感與不信任。這類「黑箱決策」不僅涉及心理社會風險，也延伸出倫理與法律問題，因為演算法處理資料與做出判斷的方式，可能直接影響勞工權益與工作條件。
因此，AI導入職場安全管理時，除了注重效率或控制，更應建立負責任、透明且以人為本的治理機制。UOC研究指出，目前最大的挑戰並非完全重新制定法律，而是如何將既有勞工保護與職安制度，調整並解釋到AI應用的新情境中；也就是在技術設計階段就納入預防觀點，不應等到傷害發生後才修正。
可能被忽略的風險
除了科技壓力與隱私問題，AI應用也可能因人員過度信任系統，而忽略現場異常或自身專業判斷。例如，系統未發出警報，就判定環境必然安全；若訓練資料不足、攝影機受到遮蔽、感測器故障，或製程與作業條件已發生變化，AI判斷準確度都可能下降。歐洲職業安全衛生局(EU-OSHA)指出過度信任、低接受度、人機互動失誤及對失業的擔憂，均可能成為自動化工作環境中的職業安全衛生風險。
企業也應注意，AI模型可能因資料偏差而對特定班別、職務或人員形成不公平判斷。例如，單純以操作速度、停頓時間或警報次數評估績效，可能忽略設備差異、工作複雜度、合理休息需求及現場突發狀況，反而促使勞工趕工、減少休息或規避通報，形成新的事故風險。
導入 AI 的實務管理原則
企業導入AI前，建議先明確界定其用途究竟是「協助預防事故」，還是用來「監控與考核員工」，並將AI系統本身納入風險評估。實務上可以建立下列管理措施：
先以小範圍試行，確認警報的誤報率、漏報率及不同作業情境下的可靠性。
讓員工知道蒐集哪些資料、用途為何、保存多久，以及哪些人可以調閱。
對排班、績效、懲處及高風險作業等重要事項保留人工審查，不完全交由AI決定。
建立異議與申訴管道，使員工可以要求說明或更正錯誤的系統判斷。
定期檢查模型、感測器及資料品質，並在製程、設備、人員或作業條件改變後重新驗證。
將個資保護、資訊安全及系統故障納入緊急應變與營運持續管理。
在設計及導入階段即讓職安人員、實際操作者及勞工代表參與，而非等到系統完成後才告知。
三、結語
AI對職業安全衛生的影響一體兩面。一方面，它能透過資料分析、預測模型與自動化工具提升事故預防能力；另一方面，若缺乏透明治理、員工參與與適當訓練，也可能造成科技壓力、隱私疑慮、過度監控與演算法不信任等新興風險。未來AI職業安全衛生管理的關鍵，除導入更先進的技術，更要確保技術是真正服務於人的安全、健康與福祉，讓職場數位轉型成為更安全、更健康且更具信任基礎的工作環境。