Resumen:La seguridad operativa en sitios de trabajo de misión crítica es una máxima prioridad dada la naturaleza compleja y peligrosa de las tareas diarias. Este documento presenta el Sistema de seguridad de eventos y navegación de riesgos de agentes humanos (HARNESS), un marco modular de IA diseñado para pronosticar eventos peligrosos y analizar riesgos operativos en entornos del Departamento de Energía de EE. UU. (DOE). HARNESS integra modelos de lenguaje grande (LLM) con datos de trabajo estructurados, recuperación de eventos históricos y análisis de riesgos para identificar de forma proactiva peligros potenciales. Un mecanismo humano en el circuito permite a los expertos en la materia (PYME) refinar las predicciones, creando un circuito de aprendizaje adaptativo que mejora el rendimiento con el tiempo. Al combinar la colaboración de las PYME con el razonamiento agente iterativo, HARNESS mejora la confiabilidad y eficiencia de los sistemas de seguridad predictivos. La implementación preliminar muestra resultados prometedores, y el trabajo futuro se centrará en la evaluación cuantitativa de la precisión, el acuerdo con las PYME y la reducción de la latencia de las decisiones.
Publicado originalmente en export.arxiv.org el 17 de noviembre de 2025.
Ver fuente original
