据 CNBC 2026 年 10 月 31 日报道，总部位于伦敦的软件公司 FYLD 把 AI 用于支持建筑、公用事业和基础设施行业的一线工人：预测项目需要哪些许可（permits）、围绕天气安排作业，并从工人自行录制的视频起草报告。基础设施服务提供商 Amey 已于今年 3 月宣布，把 FYLD 推广至 2,500 名现场工人。

FYLD CEO Shelley Copsey 对 CNBC 表示，现场工人约有 20%～25% 的在岗时间花在行政工作上；她还称，公司案例研究显示事故与伤害最多可减少 48%——这是自报口径的数字。这篇报道同时给出研究者的判断：AI 能预防工伤的证据，目前仍然有限。

一名系着安全带、头戴白色安全帽的建筑工人在钢架上使用电动工具作业

文书从半小时压到两三分钟：FYLD 的工地工作流

FYLD 的产品逻辑围着一线的日常展开。系统会用 AI 预测一个项目需要哪些许可，帮工人避开延误——Copsey 说，过去工人到达现场时，常常拿不到所需的全部信息。天气也是变量：系统可以帮班组避开坏天气安排作业，比如不把重型吊装排在预报有大风的日子。

具体到每天的作业，工人录制短视频，说明当天的任务和安全顾虑；AI 分析这些信息，帮工人和管理者提前预判问题。报告也随之省事：据 Copsey 介绍，过去现场工人写一份报告大约要花半小时，现在用照片、视频和工单信息就能生成草稿，压缩到两三分钟。

这一切的起点是 Copsey 的岗位变动。她由安大略教师养老金计划（Ontario Teachers' Pension Plan）——全球最大的基础设施投资者之一——委派，任务是为其投资组合寻找用技术解决问题的办法；四年后，她出任 FYLD 的 CEO。她告诉 CNBC，工地出了问题，人们的注意力通常先落在预算或现金流上。

「我们总是跑到后台说：哦，要是能帮他们把工作预测得更好，也许就不会有问题。我觉得从来没有人坐下来说：那些现场工人的日子里到底在发生什么，我们怎么把一线的日子变得轻松一点？」她说。

Amey 公路部门：从三个月试点到全面部署

CNBC 报道称，Amey 今年 3 月宣布将把 FYLD 推广至 2,500 名现场工人，意在改善安全，并让主管实时掌握现场作业情况。Amey 官网 3 月 12 日的公告写得更具体：双方签下长期协议，把 FYLD 的数字工作流和 AI 风险评估工具接入公路（Highways）部门的日常运营，目标包括改善安全、减少作业中止（job aborts）、提升运营一致性；平台覆盖进场前检查、班前简报（Start of Shift Briefings）、作业点风险评估、远程实时支持和收尾归档的全流程。

公告称，全面部署前双方完成了为期三个月的试点：平台记录了超过 500 个作业，其中 95% 包含 AI 风险评估，85% 的用户保持持续活跃；双方还共同开发了视频工作流、离线 AI 风险评估和基于 GenAI 摘要的交接等定制功能。试点之后，公告称全面部署已在进行中。这些数字和功能描述均出自两家公司自己的公告。Amey 部门业务总监（Sector Business Director）Kyle Clough 在公告中说，与 FYLD 的合作让公司「在数字化转型上走在前面」，给一线团队「更聪明、更快、更一致的」方式去交付社区每天依赖的基本服务。

48%：出自公司案例研究的自报数字

CNBC 在报道要点中把安全效果概括为：软件公司 FYLD 称，客户报告的严重工地伤害与事故最多减少 48%。这个数字由 Copsey 以公司案例研究的口径给出，是自报结果，不是独立研究的结论；报道也没有给出这些案例研究的样本和统计方法。研究者的疑问正落在这一步：从客户报告的改善，到确认伤害确实被防止，中间还缺证据。

研究者：能检出隐患，不等于能防住事故

英格兰诺森比亚大学（Northumbria University）助理教授 Waleed Umer 对 CNBC 说，迄今的很多研究关注模型能检测出什么，而不是它们是否真正减少了伤害。工地环境不断变化，摄像头很难拍到每一处隐患；误报会让工人渐渐忽视警告，过度依赖则会带来虚假的安全感。他还提醒，如果 AI 产出的信息超过主管实际能审阅的量，一些建议可能在未经认真审查的情况下被批准。他的建议是：「把 AI 当作额外的一双眼睛，而不是监督的替代品……并且要清楚它看不见什么。」

苏格兰格拉斯哥卡利多尼亚大学（Glasgow Caledonian University）建筑管理教授 Billy Hare 说，研究项目和试点大多聚焦生产率收益，常常默认「暴露于危险的时间变少，风险就会降低」。例如，Bentley Systems 对 CNBC 说，其支持的一个铁路项目借助数字孪生（digital twin，物理资产的虚拟模型），把现场实地考察减少了 50%、人工测量减少了 70%。Hare 认为，少在危险环境里待着有望降低风险，这个假设合理；但要确认技术是否真的防止了事故，还需要进一步研究。

数据本身也让判断变难。据 CNBC 引述英国卫生安全局（HSE）的数据，2025/26 年度大不列颠（Great Britain）因工死亡的建筑工人为 25 人，低于上一年的 35 人，也低于 37 人的五年均值。「英国今年录得了有记录以来最低的建筑死亡数字，但这可能是经济放缓所致，」Hare 说。在他看来，这让技术是否带来了可衡量的差异更难判断。

2026 年 8 月 25 日，加拿大蒙特利尔一处住宅建筑工地上的工人

工具不止 FYLD 一家，省下的时间用来干什么

同篇报道还写到基建巡检和养护中的类似工具。美国软件公司 Bentley Systems 驻伦敦的欧洲、中东和非洲区高级副总裁 Nathan Marsh 介绍，其道路维护平台 Blyncsy 分析司机行驶途中拍摄的图像，找出护栏损坏、植被过度生长、路面杂物等问题。「把 AI 用在已有影像上，能以传统人工踏勘零头的时间实现完整的资产覆盖。」他说。

荷兰维护软件公司 Ultimo 的 CEO Steven Elsham（常驻英国）把 AI 放在「补漏」的位置：系统扫描工单和交接班日志，寻找可能无人上报的安全事件迹象，起草报告供人审阅。他举的例子是一扇仓库门，门上的损伤显示它可能被叉车撞过。「人们仍然应该自己上报，这套东西是为那些被漏掉的情况准备的。」他说。

对 Elsham 来说，更大的问题是：AI 是让困难的工作变得更可承受，还是只是从干活的人身上挤出更多产出。这取决于公司怎么衡量绩效，以及决定省下的时间用来干什么。「安全团队已经在用同样的人手覆盖更多隐患。如果省下工时的唯一计划是每人多处理更多工单，工人们会立刻看穿，而且他们看得对。」他说。他主张公司衡量现场真正重要的东西：安全、一次修复率、计划外停机，而不只是产出。

「经营良好的企业会让其中的每个人受益，而干最重活的人应该最先感受到。」Elsham 说。

参考链接

本文由 AREX Agent 基于公开网络信源自动整合梳理。
AI 可能存在信息遗漏、时序偏差或事实误判。文中观点与事实请结合文末原始链接交叉核验，请勿直接作为决策依据。

内容中包含的图片若涉及版权问题，请及时与我们联系删除