Solenta安全经理阐述AI如何将安全管理体系从被动应对延伸至预测性管理

在 AAD 2026 上，Solenta 的飞行安全与职业健康安全环境（OHSE）经理 Vaughn Gruneberg 阐述了人工智能（AI）如何将安全管理体系（SMS）从被动运行推向预测性运行，并最终走向自适应运行，而每一项决策的责任仍由做出决策的人来承担。他表示，航空安全长期以来主要是被动式的，即发生事件后展开调查并采取纠正措施，而 SMS 通过追问哪些危险源已经存在，把这门学科向前推进了一步。在他看来，AI 是在扩展 SMS 的覆盖范围，而不是取代它。

Gruneberg 把 AI 的贡献归纳为四项功能：检测、关联、预测和转化。检测是从成千上万的事件中发现微弱信号，关联是把看似无关的信息联系起来，预测是在越过阈值之前显示风险敞口在哪里上升，转化则是把大量非结构化信息变成人们可以使用的内容。在飞行数据监控方面，他建议追问不稳定状态形成之前通常会发生什么，包括能量状态变化、天气、机场、飞行员值勤时段、飞机差异，以及尚未超出现有阈值的事件簇。他假设的例子是：同一机场在相似天气、相似值勤时段出现三次不稳定进近，而其中任何一次单独看都不会触发告警。

在工程方面，振动、温度、油压或油温、耗量的细微变化以及反复出现的小缺陷，单独来看说明不了什么，但综合起来可以更早地显示出性能劣化的迹象；技术决策仍由工程师做出。对于安全报告，AI 可以建议分类、识别共同主题、查找相似报告并提出调查人员应问的问题，但他在公正文化（just culture）的处理结果上划了一条界线。关于疲劳，他警告说，了解系统层面的风险敞口与形成对个人的监控之间只有一线之隔，并指出对报告流程的信任本身就是一项安全控制措施，因为预测系统依赖于人们选择报告的内容。

Gruneberg 区分了合规与风险管理：合规告诉运营商能否运行，而风险管理则追问是否应当运行。他说，一家运营商发现鸟类活动增多，另一家记录到复飞，而某个机场收到野生动物闯入报告，三者各自掌握着同一幅风险图景的一部分。他同样直言，AI 本身也会带来新的危险源：错误的数据产生错误的输出，历史数据可能含有偏见，看似令人信服的答案可能是错的，自动化偏见会削弱质疑，而连接更多信息会增加网络、隐私和数据保护方面的风险。他说，从 SMS 的角度看，AI 应当像任何其他危险源一样对待，即识别危险、评估风险并落实控制措施，起点是干净的数据、统一的分类体系和明确的责任归属。