Khi AI nhìn thấy nỗi đau lưng: Phân tích công thái học từ video
24/09/2026
Buổi họp căng thẳng giữa những con số và nỗi đau
Đó là một buổi chiều thứ Ba tháng Tư, phòng họp tầng ba của một nhà máy chế biến thực phẩm lớn phía Bắc Hà Nội. Không khí khá nặng nề. Trưởng bộ phận An toàn Sức khỏe Nghề nghiệp (OSH) đang đập nhẹ cây bút xuống bàn, giọng hơi gắt khi đối chất với Giám đốc sản xuất. Vấn đề không phải là những vết trầy xước hay tai nạn lớn, mà là những ca đau lưng mạn tính tăng dần ở khu vực đóng gói. OSH nói rằng họ cần thay đổi quy trình, cần thêm ghế hỗ trợ, cần nghỉ giải lao thường xuyên hơn. Giám đốc sản xuất thì lắc đầu, cho rằng đó là vấn đề ý thức cá nhân, rằng việc thay đổi dây chuyền sẽ làm giảm năng suất và đội chi phí vận hành lên gấp đôi. Hai bên đều có lý, nhưng cả hai đều thiếu một thứ: bằng chứng trực quan.
Chúng tôi được mời tham gia cuộc họp đó với tư cách là bên tư vấn độc lập. Tôi nhìn quanh, thấy những người công nhân trẻ tuổi đang phải cúi gằm mặt vào các khay hàng trong nhiều giờ liền. Đó là lúc tôi đề xuất một giải pháp khác: thay vì tranh luận dựa trên cảm tính hay các báo cáo giấy tờ, hãy để máy tính nhìn vào công việc của họ. Chúng tôi sẽ dùng Computer Vision để phân tích công thái học từ chính các video giám sát an ninh hiện có. Không cần cài đặt thêm cảm biến đắt tiền, không cần công nhân đeo thiết bị cồng kềnh. Chỉ cần dữ liệu hình ảnh và một mô hình AI được huấn luyện để hiểu về cơ thể người. Đây là bước đầu tiên trong hành trình biến những khung hình tĩnh thành những cảnh báo sống động về nguy cơ chấn thương.
Điều ai cũng nói và thực tế trên sàn nhà máy
Mọi người thường nói rằng an toàn lao động là trách nhiệm của người lao động. Nghe thì đúng, nhưng thực tế tại các nhà máy ở Việt Nam, Thái Lan hay cả các chuỗi phân phối đa quốc gia như Masan hay TTN mà chúng tôi đã đồng hành, cho thấy điều ngược lại. Người công nhân thường tuân thủ quy định khi có mặt người quản lý, nhưng khi không có ai nhìn, họ sẽ chọn tư thế thoải mái nhất cho mình, dù tư thế đó có hại cho cột sống về lâu dài. Họ cúi xuống vì thế đứng thẳng thì mỏi cổ. Họ vặn người vì tay không với tới được. Đây là bản năng sinh tồn của cơ thể, nhưng lại là kẻ thù của sức khỏe dài hạn.
Điểm mấu chốt mà các hệ thống cũ thường bỏ qua là sự liên tục. Các bài kiểm tra công thái học truyền thống thường diễn ra theo mùa, mỗi năm một lần. Nhưng tư thế sai không gây đau ngay trong ngày hôm đó, nó tích lũy qua từng ca, từng tuần. Computer Vision giải quyết vấn đề này bằng cách quan sát liên tục. Chúng tôi đã triển khai thử nghiệm tại một khu vực đóng gói mì ăn liền. Thay vì chỉ xem tốc độ tay, mô hình AI của chúng tôi tập trung vào góc nghiêng của thắt lưng, độ cong của cột sống lưng và tư thế cổ. Kết quả thu được không phải là một con số tuyệt đối, mà là một chỉ số rủi ro tương đối theo thời gian thực. Điều này cho phép đội ngũ OSH can thiệp đúng lúc, đúng người, thay vì chờ đến khi nhân viên xin nghỉ ốm vì đau lưng mãn tính.
Cách làm và những gì chúng ta đo được
Quy trình triển khai không hề phức tạp như nhiều người nghĩ, nhưng đòi hỏi sự tỉ mỉ ở khâu chuẩn bị dữ liệu. Chúng tôi không dùng dữ liệu chung chung trên mạng. Chúng tôi thu thập hàng trăm giờ video từ các camera an ninh tại chỗ, sau đó đội ngũ kỹ thuật của AIVISION cùng với các chuyên gia nhân lực học của nhà máy tiến hành gán nhãn (labeling) cho các tư thế: tư thế an toàn, tư thế trung tính và tư thế có nguy cơ cao. Quá trình này mất khoảng hai tuần, nhưng nó là nền tảng để AI học được "ngôn ngữ" của chính nhà máy đó. Mỗi nhà máy có kích thước không gian, vị trí camera và quy trình làm việc khác nhau, nên mô hình phải được tinh chỉnh riêng. Chúng tôi đã áp dụng phương pháp này thành công cho một đối tác trong ngành dầu nhớt ở miền Nam, nơi các thao tác vặn nắp chai đòi hỏi lực cổ tay lớn. Mô hình AI đã học được rằng không chỉ góc tay là quan trọng, mà cả sự rung động nhỏ khi lực tác động không đều cũng là một chỉ báo cho nguy cơ chấn thương tái phát.
Sau khi mô hình được đưa vào vận hành, điều chúng ta đo được không phải là "số người bị chấn thương" (vì đó là kết quả của nhiều yếu tố), mà là "thời gian phơi nhiễm rủi ro" (exposure time). Chúng tôi phát hiện ra rằng khoảng một phần ba ca làm việc có các khoảng thời gian ngắn nhưng cường độ cao về tư thế sai, thường xảy ra vào cuối ca hoặc khi có lỗi kỹ thuật nhỏ trong dây chuyền. Những khoảng thời gian này trước đây bị bỏ qua hoàn toàn trong các báo cáo định kỳ. Nhờ có dữ liệu này, ban lãnh đạo có thể đưa ra quyết định dựa trên thực tế: thay vì yêu cầu công nhân làm việc nhanh hơn, họ có thể điều chỉnh chiều cao bàn làm việc hoặc bố trí lại vị trí đặt nguyên liệu. Hiệu quả mang lại là định tính nhưng rất rõ ràng: ít khiếu nại hơn, không khí làm việc thoải mái hơn và cảm giác được quan tâm từ ban quản lý. Chúng tôi không hứa hẹn sẽ loại bỏ hoàn toàn chấn thương, nhưng chúng tôi cam kết giảm thiểu đáng kể những nguy cơ không cần thiết.
Bài học và kết cục cho cuộc họp ngày hôm đó
Điều gì sẽ làm khác đi nếu tôi có thể quay lại buổi họp đầu tiên đó? Tôi sẽ nói thẳng rằng công nghệ không thay thế con người, mà nó giúp con người nhìn thấy những gì mắt thường bỏ qua. Tôi cũng sẽ nhấn mạnh rằng việc đầu tư vào công thái học AI không phải là một khoản chi phí, mà là một khoản bảo hiểm cho sức khỏe đội ngũ. Sự kháng cự ban đầu từ phía sản xuất là điều dễ hiểu, nhưng nó sẽ tan biến khi họ thấy năng suất không hề giảm, thậm chí tăng lên một chút vì công nhân không còn bị gián đoạn bởi những cơn đau âm ỉ. Các doanh nghiệp như Gene Solutions hay các tập đoàn lớn khác cũng nhận ra rằng dữ liệu nhân sự không chỉ nằm trong bảng lương, mà còn nằm trong cách họ đứng, ngồi và vận động.
Quay lại tình huống mở đầu, kết cục của cuộc họp đó không phải là một chiến thắng triệt để của OSH hay của Sản xuất, mà là một thỏa hiệp thông minh. Họ đồng ý lắp đặt thêm hai camera chuyên dụng với góc nhìn tốt hơn, và chúng tôi triển khai hệ thống phân tích video trong vòng một tháng. Sáu tháng sau, Trưởng OSH quay lại phòng họp đó, không còn đập bút xuống bàn. Anh ta trình bày một báo cáo ngắn gọn về việc giảm 20% các trường hợp nghỉ ốm do đau lưng ở khu vực thử nghiệm. Giám đốc sản xuất gật đầu, không nói nhiều, nhưng anh ta đã bắt đầu áp dụng mô hình phân tích tương tự cho khu vực đóng gói chai lọ. Câu chuyện này không kết thúc với một bài toán đã được giải quyết, mà bắt đầu với một văn hóa mới: nơi mà an toàn lao động không phải là điều bị bắt buộc, mà là điều được nhìn thấy, được đo lường và được trân trọng. Đó chính là giá trị thực sự của việc ứng dụng Computer Vision trong công thái học: biến những nỗi đau thầm lặng thành những dữ liệu hành động được.
Chúng tôi viết loạt bài này từ những dự án đã chạy thật. Xem thêm tại blog AIVISION, tìm hiểu nhận diện khuôn mặt và các giải pháp khác, hoặc liên hệ để được tư vấn.