Bahan presentasi pada The 3rd Annual OSH Asia Summit 2026 di Sanur Bali, 21 Agustus 2026

oleh Riri Satria

Keselamatan dan kesehatan kerja atau OSH/HSE semakin sulit dipandang hanya sebagai fungsi operasional atau persoalan kepatuhan. Di tengah dunia kerja yang semakin digital, kompleks, dan penuh ketidakpastian, keselamatan harus ditempatkan sebagai bagian dari strategi organisasi.

Pertanyaannya bukan lagi sekadar bagaimana menangani kecelakaan setelah terjadi, tetapi bagaimana mengenali risiko sejak dini, memahami risiko yang mungkin muncul dalam tiga hingga lima tahun ke depan, serta membangun kemampuan organisasi untuk menghadapinya. Karena itu, pendekatan strategis OSH/HSE pada dasarnya merupakan pergeseran dari mengelola insiden menuju mengelola risiko, dari reaktif menuju prediktif, dan dari compliance menuju resilience.

Keselamatan bukan berdiri sendiri, melainkan menjadi bagian dari bagaimana organisasi menjaga keberlangsungan bisnis dan kinerja jangka panjang.

Dalam konteks tersebut, kecerdasan buatan atau AI membuka kemungkinan baru. AI dapat membantu organisasi melihat risiko dan bahaya, memahami pola serta penyebabnya, memprediksi apa yang mungkin terjadi, mencegah insiden, dan terus belajar dari pengalaman. Data yang selama ini mungkin hanya menjadi catatan dapat diolah menjadi informasi yang memiliki nilai strategis.

Namun persoalannya kemudian bukan lagi sekadar “apakah organisasi menggunakan AI?”, melainkan “di mana AI ditempatkan dalam keseluruhan organisasi?” Di sinilah Enterprise Architecture menjadi penting. Enterprise Architecture dapat dipahami sebagai sebuah kerangka untuk menyelaraskan strategi organisasi dengan teknologi informasi dalam sebuah organisasi.

Ia menghubungkan strategi dengan proses bisnis, aplikasi, data, infrastruktur, regulasi dan SOP, serta tata kelola. Dengan pendekatan ini, teknologi tidak dikembangkan secara terpisah-pisah, melainkan dirancang agar benar-benar mendukung tujuan organisasi.

Enterprise Architecture bukan sekadar gambar arsitektur teknologi atau daftar aplikasi yang dimiliki perusahaan. Ia merupakan cara berpikir untuk memastikan bahwa setiap investasi teknologi mempunyai hubungan yang jelas dengan strategi dan kebutuhan bisnis.

Dalam praktiknya, kita mengenal berbagai kerangka Enterprise Architecture, seperti TOGAF (The Open Group Architecture Framework), Zachman Framework, FEAF (Federal Enterprise Architecture Framework), maupun DoDAF (Department of Defense Architecture Framework). Kerangka-kerangka tersebut memiliki pendekatan dan konteks yang berbeda, tetapi pada dasarnya membantu organisasi melihat hubungan antara strategi, proses bisnis, data, aplikasi, dan teknologi secara menyeluruh.

Dalam perspektif OSH/HSE, prinsip yang sama dapat diterapkan, strategi keselamatan diterjemahkan menjadi proses yang dibutuhkan, proses tersebut membutuhkan aplikasi dan data, kemudian ditopang oleh infrastruktur, regulasi, SOP, serta governance yang memadai.

Karena itu AI tidak seharusnya sekadar ditempelkan di atas Enterprise Architecture sebagai teknologi tambahan; AI harus menjadi kapabilitas yang terintegrasi di dalam arsitektur organisasi.

Bayangkan sebuah lingkungan kerja yang dilengkapi berbagai sensor IoT pada mesin, kendaraan, bangunan, bahkan manusia. Data dikumpulkan secara terus-menerus, dianalisis menggunakan data science dan algoritma AI, kemudian menghasilkan peringatan dini kepada tim OSH/HSE.

Dalam preventive maintenance, misalnya, rangkaiannya dapat bergerak dari continuous monitoring, early detection and warning, hingga tindakan pemeliharaan. Dalam mitigasi risiko, data dapat membantu melakukan analisis, menyusun proses mitigasi, dan menentukan tindakan yang diperlukan. Teknologi kemudian menjadi bagian dari sebuah ekosistem yang menghubungkan manusia, proses, data, aplikasi, infrastruktur, dan pengambilan keputusan.

fungsi AI dalam arsitektur organisasi, terutama bagaimana AI mengolah data menjadi analisis, prediksi, dan tindakan OSH/HSE.

Ada beberapa bentuk AI yang sangat relevan untuk diintegrasikan ke dalam Enterprise Architecture pada bidang ini:

Predictive AI / Predictive Analytics, AI digunakan untuk memprediksi kemungkinan terjadinya kecelakaan, kegagalan mesin, atau munculnya risiko tertentu berdasarkan data historis dan data real-time. Ini tentang perubahan dari reactive safety menuju predictive safety.

Computer Vision, AI dapat menganalisis gambar atau video dari kamera CCTV untuk mendeteksi kondisi tidak aman, misalnya pekerja yang tidak menggunakan APD, memasuki area terlarang, posisi kerja yang berbahaya, atau keberadaan objek tertentu. Hasil analisis ini dapat diintegrasikan dengan sistem HSE sehingga temuan visual tidak berhenti sebagai rekaman kamera, tetapi menjadi safety alert dan bagian dari proses mitigasi.

IoT + AI / Edge AI, ini sangat relevan dengan preventive maintenance. Sensor pada mesin, kendaraan, bangunan, atau perangkat kerja menghasilkan data. AI kemudian menganalisis data tersebut untuk menemukan anomali dan memberikan early warning. Bahkan sebagian analisis dapat dilakukan di edge device sehingga respons terhadap kondisi kritis bisa lebih cepat, integrasi IoT, berbagai sensor, algoritma AI, big data, dan data science untuk menghasilkan peringatan dini bagi tim HSE.

Anomaly Detection AI untuk mencari pola yang menyimpang dari kondisi normal. Misalnya temperatur mesin tiba-tiba meningkat, getaran mesin berubah, konsumsi energi tidak normal, atau pola aktivitas pekerja menunjukkan kondisi yang tidak biasa. Ini sangat berguna karena sistem tidak harus selalu menunggu seseorang menentukan terlebih dahulu apa bentuk bahayanya.

Natural Language Processing (NLP), AI dapat membaca dan menganalisis data berbentuk teks: laporan kecelakaan, laporan near miss, laporan inspeksi, SOP, hasil audit, keluhan pekerja, hingga catatan investigasi. Dari ribuan dokumen, AI dapat menemukan pola penyebab, tema risiko yang berulang, atau indikasi emerging risk. Dengan demikian, data kualitatif yang selama ini sulit dianalisis secara sistematis dapat menjadi bagian dari OSH/HSE intelligence.

Generative AI berfungsi sebagai copilot bagi profesional HSE. Misalnya, membantu menyusun laporan investigasi awal, merangkum hasil audit, membuat skenario pelatihan, menjelaskan regulasi atau SOP, dan membantu melakukan root-cause analysis. Tetapi posisinya harus sebagai decision-support, bukan pengganti keputusan manusia. Dalam kerangka Enterprise Architecture, GenAI sebaiknya terhubung dengan sumber data dan sistem organisasi yang terkontrol, bukan terpisah.

AI untuk Risk Analytics dan Decision Support, menggabungkan berbagai sumber data, sensor, histori kecelakaan, kondisi lingkungan, aktivitas operasional, cuaca, pemeliharaan, dan laporan manusia, untuk menghasilkan risk score, prioritas risiko, serta rekomendasi tindakan. Ini sangat dekat dengan alur,  data → data analysis → algorithm → modeling/simulation → situation analysis → OSH/HSE action.

Masa depan OSH/HSE bukanlah soal menggantikan manusia dengan mesin. Justru sebaliknya, teknologi seharusnya membuat manusia mampu melihat lebih jauh sebelum risiko berubah menjadi insiden. Enterprise Architecture memastikan semuanya berada dalam satu arah; AI memberikan kemampuan prediktif; sementara manusia tetap menjadi pengambil keputusan dan penjaga nilai keselamatan.

Inilah transformasi digital OSH/HSE menemukan maknanya: mengubah data menjadi pengetahuan, pengetahuan menjadi keputusan, dan keputusan menjadi tindakan.

(Sanur, Bali, 21 Agustus 2026)