Artificial Intelligence dalam K3: Apakah AI Bisa Menggantikan Safety Officer?

Kategori: Keselamatan dan Kesehatan Kerja (K3)
Topik: Artificial Intelligence, Computer Vision, dan Transformasi Digital K3
Tahun: 2026

Pendahuluan

Perkembangan Artificial Intelligence (AI) mulai mengubah cara perusahaan mengelola keselamatan dan kesehatan kerja (K3). Jika sebelumnya pengawasan keselamatan lebih banyak mengandalkan inspeksi langsung, laporan manual, dan pengamatan seorang Safety Officer, kini teknologi AI mampu membantu mengidentifikasi potensi bahaya secara otomatis melalui kamera, sensor, dan analisis data.

Bayangkan sebuah kawasan industri yang memiliki ratusan pekerja. Setiap pekerja harus menggunakan alat pelindung diri (APD), mengikuti prosedur keselamatan, serta bekerja sesuai standar operasional. Mengawasi seluruh aktivitas tersebut secara bersamaan tentu bukan pekerjaan yang mudah bagi seorang Safety Officer.

Di sinilah AI mulai mengambil peran.

Dengan dukungan teknologi Computer Vision dan Machine Learning, sistem AI dapat mendeteksi pekerja yang tidak menggunakan helm keselamatan, mengidentifikasi aktivitas berbahaya, hingga menganalisis pola kecelakaan kerja berdasarkan data historis.

Perkembangan ini menimbulkan sebuah pertanyaan penting: Apakah suatu saat AI dapat menggantikan peran Safety Officer dalam perusahaan?

Pertanyaan tersebut semakin relevan ketika penggunaan AI dalam bidang Environment, Health and Safety (EHS) semakin berkembang. Namun, kemampuan teknologi untuk mendeteksi bahaya tidak serta-merta menjadikannya mampu mengambil alih seluruh tanggung jawab manusia dalam pengelolaan keselamatan kerja.

1. AI untuk Mendeteksi Pekerja yang Tidak Menggunakan APD

Salah satu penerapan AI yang paling berkembang dalam bidang K3 adalah pemantauan penggunaan Alat Pelindung Diri (APD) secara otomatis.

Melalui teknologi Computer Vision, kamera pengawas yang terhubung dengan sistem AI dapat mengenali objek dan aktivitas manusia di lingkungan kerja. Sistem ini mampu mengidentifikasi apakah pekerja menggunakan helm keselamatan, rompi reflektif, masker, sarung tangan, atau perlengkapan pelindung lainnya.

Sebagai contoh, ketika seorang pekerja memasuki area konstruksi tanpa menggunakan helm keselamatan, sistem AI dapat mendeteksi ketidaksesuaian tersebut dan memberikan peringatan secara otomatis kepada petugas K3.

Teknologi ini memberikan beberapa manfaat:

• Memantau kepatuhan penggunaan APD secara real-time.
• Mengurangi ketergantungan pada pemeriksaan manual.
• Memberikan peringatan lebih cepat ketika ditemukan pelanggaran.
• Menyimpan data kepatuhan APD untuk kebutuhan evaluasi keselamatan.

Penelitian yang dipublikasikan dalam Scientific Reports pada 5 Oktober 2026 memperkenalkan pendekatan berbasis YOLO11 yang menggabungkan deteksi helm dan estimasi pose tubuh pekerja. Penelitian tersebut melaporkan F1-score sebesar 0,961 dan kemampuan pemrosesan 110,7 frame per detik pada dataset yang digunakan.

Temuan ini menunjukkan bahwa AI semakin mampu mendukung pemantauan APD dengan kecepatan tinggi. Meskipun demikian, hasil pengujian pada dataset tidak otomatis menjamin kinerja yang sama pada seluruh kondisi lapangan.

2. Computer Vision untuk Mengidentifikasi Perilaku Berbahaya

Selain mendeteksi penggunaan APD, AI juga dapat digunakan untuk mengenali perilaku tidak aman (unsafe behavior) yang berpotensi menyebabkan kecelakaan kerja.

Computer Vision memungkinkan komputer menganalisis gambar dan video untuk memahami aktivitas manusia di lingkungan kerja.

Beberapa contoh perilaku berbahaya yang dapat menjadi objek pemantauan AI antara lain:

1. Pekerja memasuki area berbahaya tanpa izin.
2. Pekerja berada terlalu dekat dengan mesin yang sedang beroperasi.
3. Pekerja melintasi jalur forklift atau kendaraan industri.
4. Pekerja melakukan aktivitas mengangkat beban dengan postur tubuh yang berisiko.
5. Pekerja berada di area kerja yang memiliki pembatas keselamatan.

Sebagai ilustrasi, pada sebuah gudang industri, AI dapat menganalisis rekaman kamera dan mendeteksi ketika seorang pekerja memasuki jalur pergerakan forklift. Sistem kemudian memberikan notifikasi kepada petugas keselamatan agar tindakan pencegahan dapat segera dilakukan.

Namun, AI tidak selalu mampu memahami seluruh konteks pekerjaan. Aktivitas yang terlihat berbahaya dalam rekaman kamera belum tentu merupakan pelanggaran apabila pekerja sedang menjalankan prosedur tertentu yang telah mendapatkan izin.

Karena itu, hasil identifikasi AI tetap perlu diverifikasi oleh Safety Officer.

3. AI untuk Menganalisis Kecelakaan Kerja

Selama ini, investigasi kecelakaan kerja membutuhkan proses pengumpulan dan analisis informasi yang cukup panjang. Safety Officer harus memeriksa kronologi kejadian, mewawancarai saksi, mengumpulkan dokumentasi, serta mengidentifikasi akar penyebab kecelakaan.

AI berpotensi membantu mempercepat proses tersebut melalui analisis data dalam jumlah besar.

Teknologi Machine Learning dan Natural Language Processing (NLP), misalnya, dapat digunakan untuk menganalisis:

• Laporan kecelakaan kerja.
• Data kejadian hampir celaka (near miss).
• Riwayat pelanggaran prosedur keselamatan.
• Catatan inspeksi dan audit K3.
• Data kerusakan mesin dan peralatan.
• Pola kejadian berdasarkan lokasi, waktu, dan jenis pekerjaan.

Dengan menganalisis berbagai sumber informasi tersebut, AI dapat membantu menemukan pola yang sebelumnya sulit dikenali melalui pemeriksaan manual.

Sebagai contoh, perusahaan menemukan bahwa sebagian besar kejadian hampir celaka di area produksi terjadi pada pergantian shift malam. AI dapat membantu mengidentifikasi hubungan antara waktu kerja, kondisi operasional, dan kejadian tersebut.

Informasi ini dapat menjadi dasar bagi Safety Officer untuk melakukan investigasi lebih lanjut.

Namun, perlu dipahami bahwa AI hanya membantu menemukan pola dan hubungan dalam data. AI tidak dapat secara otomatis menetapkan akar penyebab kecelakaan tanpa mempertimbangkan bukti lapangan, faktor manusia, kondisi lingkungan, dan sistem manajemen perusahaan.

4. AI untuk Memprediksi Potensi Kecelakaan Kerja

Salah satu perkembangan paling menarik dalam penerapan AI untuk K3 adalah kemampuan melakukan analisis prediktif (predictive analytics).

Pendekatan K3 tradisional sering kali berfokus pada tindakan setelah ditemukan ketidaksesuaian atau setelah kecelakaan terjadi. Sementara itu, AI memungkinkan perusahaan mengembangkan pendekatan yang lebih proaktif dengan menganalisis data untuk memperkirakan potensi risiko sebelum insiden terjadi.

Sistem AI dapat mempelajari data historis kecelakaan, laporan near miss, kondisi mesin, lingkungan kerja, serta aktivitas pekerja untuk mengidentifikasi pola risiko.

Misalnya, pada industri manufaktur, sistem AI dapat menganalisis data suhu mesin, getaran, jam operasional, dan riwayat kerusakan. Ketika ditemukan pola yang mengindikasikan potensi kegagalan mesin, sistem dapat memberikan peringatan agar pemeriksaan dan tindakan pemeliharaan dilakukan lebih awal.

Contoh lainnya adalah penggunaan sensor untuk memantau kondisi lingkungan kerja. Ketika suhu meningkat, ventilasi memburuk, atau konsentrasi gas tertentu mendekati batas yang ditentukan, sistem dapat memberikan peringatan kepada petugas K3.

Dengan demikian, AI dapat membantu perusahaan beralih dari pendekatan reaktif menuju pendekatan pencegahan berbasis data.

Meskipun demikian, prediksi AI bukanlah kepastian bahwa kecelakaan akan terjadi. Hasil prediksi harus diperlakukan sebagai indikator risiko yang perlu ditindaklanjuti melalui penilaian profesional.

5. Risiko Ketergantungan Berlebihan terhadap AI dalam K3

Di balik berbagai manfaatnya, penggunaan AI dalam K3 juga memiliki sejumlah tantangan yang tidak boleh diabaikan.

Perusahaan yang terlalu bergantung pada AI berisiko mengabaikan pentingnya penilaian manusia dalam pengambilan keputusan keselamatan.

Beberapa risiko yang perlu diperhatikan adalah:

a. Kesalahan Deteksi (False Positive dan False Negative)

AI dapat memberikan peringatan terhadap aktivitas yang sebenarnya aman (false positive). Sebaliknya, AI juga dapat gagal mendeteksi perilaku berbahaya (false negative).

Dalam konteks K3, kesalahan deteksi sangat penting karena dapat memengaruhi keputusan yang berkaitan langsung dengan keselamatan pekerja.

b. Kualitas dan Keterbatasan Data

AI membutuhkan data yang berkualitas untuk menghasilkan analisis yang dapat dipercaya. Data yang tidak lengkap, tidak representatif, atau memiliki bias dapat menghasilkan rekomendasi yang keliru.

c. Privasi dan Pengawasan Pekerja

Penggunaan kamera dan sensor untuk memantau aktivitas pekerja dapat menimbulkan persoalan privasi. Perusahaan perlu memiliki kebijakan yang jelas mengenai pengumpulan, penggunaan, penyimpanan, dan perlindungan data pekerja.

d. Berkurangnya Kewaspadaan Manusia

Ketika perusahaan terlalu percaya terhadap sistem AI, Safety Officer berpotensi kehilangan kewaspadaan dan menganggap seluruh aktivitas kerja telah terpantau dengan baik oleh teknologi.

Padahal, tidak semua bahaya dapat dikenali melalui kamera atau sensor. Faktor psikologis, komunikasi, budaya keselamatan, dan kondisi lingkungan tertentu membutuhkan pengamatan serta interaksi manusia.

e. Ketergantungan pada Teknologi

Gangguan jaringan, kerusakan sensor, kegagalan sistem, atau serangan siber dapat menghambat proses pemantauan keselamatan. Oleh karena itu, perusahaan tetap membutuhkan prosedur pengawasan dan respons darurat yang dapat berjalan ketika sistem AI mengalami gangguan.

Temuan ASSP tahun 2026 juga memperlihatkan bahwa implementasi AI dalam EHS masih menghadapi tantangan nyata. Sebanyak 62% organisasi yang disurvei menyebut kualitas data sebagai hambatan, sementara 55% mengkhawatirkan privasi, keamanan, atau bias dalam penggunaan AI.

6. Fakta Terbaru 2026: AI Semakin Banyak Diadopsi dalam Pengelolaan K3

Perkembangan penerapan AI dalam bidang K3 semakin terlihat dari hasil penelitian terbaru yang dirilis oleh American Society of Safety Professionals (ASSP) pada 14 Oktober 2026.

Dalam laporan berjudul Trust, Ethics and Governance: How Safety Leaders Are Thinking About and Using AI, ASSP memaparkan hasil survei terhadap 992 profesional keselamatan kerja yang dilaksanakan pada 6 Juli hingga 2 Agustus 2026.

Salah satu temuan utamanya adalah 86% organisasi yang disurvei telah berada dalam tahap eksplorasi atau transformasi penggunaan AI untuk Environment, Health and Safety (EHS).

Beberapa temuan penting lainnya meliputi:

• 86% organisasi mulai mengeksplorasi atau mengembangkan AI untuk EHS.
• 66% organisasi memulai perjalanan penggunaan AI-EHS dalam dua tahun terakhir.
• 62% organisasi menghadapi kendala kualitas data.
• 55% organisasi mengkhawatirkan privasi, keamanan data, atau bias AI.

Survei tersebut juga menunjukkan bahwa penggunaan AI dalam EHS tidak hanya berfokus pada pemantauan keselamatan, tetapi mencakup analisis insiden, pengembangan laporan, pelatihan, analisis prediktif, serta pemantauan dan peringatan secara real-time.

Menariknya, ASSP menegaskan bahwa pengawasan manusia tetap menjadi bagian penting dalam penggunaan AI untuk keselamatan kerja.

Artinya, teknologi AI sebaiknya diposisikan sebagai alat pendukung profesional K3, bukan sebagai pengganti tanggung jawab manusia.

7. Masa Depan Safety Officer: Berkolaborasi dengan AI

Perkembangan AI tidak berarti profesi Safety Officer akan kehilangan relevansinya. Sebaliknya, peran profesional K3 berpotensi mengalami transformasi.

Jika sebelumnya sebagian besar waktu Safety Officer digunakan untuk inspeksi rutin, pemeriksaan APD, pencatatan laporan, dan pemantauan aktivitas pekerja, penggunaan AI dapat membantu mengotomatisasi sebagian pekerjaan tersebut.

Dengan demikian, Safety Officer dapat lebih berfokus pada kegiatan yang membutuhkan kemampuan analisis, komunikasi, kepemimpinan, dan pengambilan keputusan.

Berikut gambaran pembagian peran manusia dan AI dalam pengelolaan K3:

Aktivitas K3	Peran AI	Peran Safety Officer
Pemeriksaan APD	Deteksi otomatis	Verifikasi dan tindak lanjut
Identifikasi bahaya	Analisis gambar dan sensor	Penilaian kondisi lapangan
Investigasi kecelakaan	Analisis pola data	Menentukan akar penyebab berdasarkan bukti
Prediksi risiko	Pemodelan dan prediksi	Menentukan tindakan pencegahan
Pelatihan K3	Personalisasi materi	Membimbing dan mengevaluasi pekerja
Pengambilan keputusan	Memberikan rekomendasi	Menetapkan keputusan dan tanggung jawab

Ke depan, Safety Officer perlu meningkatkan kompetensi digital, memahami dasar penggunaan AI, mampu membaca hasil analisis data, serta memiliki kemampuan mengevaluasi rekomendasi yang dihasilkan sistem.

Profesional K3 yang mampu mengintegrasikan pengetahuan keselamatan kerja dengan teknologi digital akan memiliki peran penting dalam perkembangan industri modern.

Kesimpulan

Apakah Artificial Intelligence dapat menggantikan Safety Officer?

Jawabannya adalah belum. AI memang memiliki kemampuan yang semakin canggih dalam mendeteksi penggunaan APD, mengidentifikasi perilaku berbahaya, menganalisis kecelakaan, dan memprediksi potensi risiko kerja. Namun, teknologi tersebut masih memiliki keterbatasan dalam memahami konteks pekerjaan, mempertimbangkan faktor manusia, serta mengambil keputusan yang membutuhkan pertimbangan etis dan profesional.

Keselamatan kerja bukan hanya persoalan mendeteksi pelanggaran atau menemukan potensi bahaya melalui kamera. K3 juga berkaitan dengan budaya keselamatan, komunikasi, kepemimpinan, kepedulian terhadap pekerja, dan komitmen perusahaan dalam melindungi manusia.

Oleh karena itu, masa depan K3 bukanlah tentang menggantikan manusia dengan AI, melainkan membangun kolaborasi antara kecerdasan buatan dan kecerdasan manusia.

AI dapat membantu melihat potensi bahaya lebih cepat, tetapi manusia tetap memiliki tanggung jawab untuk memastikan setiap pekerja dapat pulang dengan selamat.

Referensi

1. American Society of Safety Professionals (ASSP). (2026, October 14). Trust, Ethics and Governance: How Safety Leaders Are Thinking About and Using AI.
2. La Torre, G., et al. (2026). Artificial Intelligence and Occupational Health and Safety: A Systematic Review. Journal of Public Health.
3. Akhtamov, A., et al. (2026, October 5). A Lightweight Pose-Guided Fusion Approach for Accurate Safety Helmet Compliance Monitoring on Edge Devices. Scientific Reports.
4. Systematic Review of Computer-Vision Technologies for Personal Protective Equipment Compliance Monitoring. Computers, 15(6), 388 (2026).
5. Fasih-Ramandi, F., et al. (2026). Artificial Intelligence and Personal Protective Equipment: A Scoping Review. International Journal of Occupational Safety and Ergonomics.

Perjelas target pembaca artikel iniTambahkan subbagian cara menerapkan AI