Robotaxi drošība: AI apmācība operatīvajiem dienestiem

1. gadā robotaksi ienāks vēl vairāk pilsētās, un tas nozīmē vienu ļoti praktisku lietu: policijai, ugunsdzēsējiem, NMPD un evakuatoru operatoriem arvien biežāk būs jāstrādā blakus transportlīdzeklim, kuram nav vadītāja. Nevis prezentācijās vai pilotprojektu slaidos, bet reālos negadījumos, sastrēgumos, avārijas joslās un stāvvietās.

Tieši tāpēc ziņa par Governors Highway Safety Association (GHSA) un Waymo kopīgi izveidoto bezmaksas tiešsaistes drošības apmācību pirmajiem reaģētājiem ir vairāk nekā “vēl viens apmācību kurss”. Tā ir zīme, ka viedpilsētu mobilitāte pieaug ātrāk par institucionālo gatavību — un ka mākslīgais intelekts publiskajā sektorā nevar būt tikai par datu analītiku vai čatbotiem. Tas ir arī par protokoliem, prasmēm un savietojamību.

Šajā “Mākslīgais intelekts publiskajā sektorā un viedajās pilsētās” sērijas rakstā paskatīsimies, ko šāda apmācība patiesībā risina, kāpēc AV (autonomo transportlīdzekļu) drošība nav tas pats, kas EV drošība, un kā pašvaldības var izmantot šo brīdi, lai sakārtotu savu AI drošības pārvaldību plašākā mērogā.

Kāpēc robotaksi prasa citu drošības domāšanu

Autonomo transportlīdzekļu incidentu vadība ir cita disciplīna, jo mainās trīs pamatlietas: transportlīdzekļa uzvedība, energoapgāde un komunikācijas kanāli.

Pirmkārt, AV uzvedību nosaka programmatūra, sensori un attālināta operāciju komanda. Tas var būt lieliski satiksmes drošībai ikdienā, bet incidenta brīdī pirmais reaģētājs sastopas ar jautājumu: vai auto var pēkšņi sākt kustēties? Un ja var, kas to aptur — fiziski, procedurāli, vai ar zvanu uz operāciju centru?

Otrkārt, autonomais auto bieži ir arī elektroauto. Ugunsdzēsējiem un glābējiem tas nozīmē augstsprieguma sistēmas, specifiskus atslēgšanas punktus, akumulatoru riskus un atšķirīgu ekstrikācijas (izcelšanas) taktiku.

Treškārt, AV ekosistēmā parādās jauns drošības resurss: ražotāja/operātora operāciju centrs, kas var apstiprināt statusu (“auto nekustēsies”), dot norādes, palīdzēt pārņemt vadību vai atslēgt sistēmu. Tas ir būtiski, bet tikai tad, ja tas ir iestrādāts protokolā un cilvēki zina, ko darīt.

Labs īsais princips: “Autonomija” nenozīmē “bez cilvēkiem”; tā nozīmē “cilvēki citā vietā”.

Ko īsti dara GHSA un Waymo apmācību modelis (un ko pilsētas var paņemt sev)

Atbilde vienā teikumā: šis modelis standartizē pirmo reaģētāju darbības ar robotaksi un samazina improvizācijas risku.

Saskaņā ar publiski aprakstīto struktūru apmācība ir sadalīta trīs moduļos:

1. Ievads par robotaksi darbību – kur tie darbojas un kā reaģē uz policijas/ārkārtas operācijām.
2. Pieeja un mijiedarbība – kā droši pietuvoties, ko novērot, ko nedarīt, kā saprast transportlīdzekļa stāvokli.
3. Drošības procedūras incidentam – pasažieru ekstrikācija, sistēmas atslēgšana, akumulatora atvienošana un citi kritiski soļi.

Waymo pieeja papildināta ar praktiskām apmācībām, instrukcijām un video materiāliem, kā arī ar operatīvu atbalstu: operāciju centra komunikāciju un speciālu palīdzības līniju pirmajiem reaģētājiem.

Kāpēc tas ir gudri no publiskās pārvaldes viedokļa

Manuprāt, spēcīgākais elements nav pats “kurss”, bet atkārtojamais sadarbības formāts:

• Privātais operators nodrošina tehnisko zināšanu bāzi (sistēmas arhitektūra, atslēgšanas procedūras).
• Publiska organizācija palīdz standartizēt un “iztulkot” to operatīvajā valodā (protokoli, scenāriji, mācību saturs).
• Rezultāts ir lietojams plašāk nekā viena pilsēta vai viens dienests.

Tas ir tieši tas, ko mēs bieži gribam no AI publiskajā sektorā: nevis vienreizēju pilotu, bet mērogojamu praksi.

AI loma šeit nav “autopilots”, bet riska vadība

Autonomo transportlīdzekļu drošības apmācība ir AI pārvaldības sastāvdaļa. Un tas ir svarīgs pavērsiens, jo daudzās pašvaldībās “AI pārvaldība” joprojām tiek saprasta pārāk šauri (datu aizsardzība, ētika, iepirkums).

Robotaksi gadījumā AI ietekmē:

• Incidentu biežumu un veidu (piem., neparasti apstāšanās gadījumi, sarežģītas mijiedarbības ar satiksmes regulētājiem).
• Notikuma vietas dinamiku (auto var gaidīt, mēģināt pārplānot maršrutu, apstāties “droši” pēc saviem kritērijiem).
• Atbildības sadalījumu (kurš apstiprina, ka auto ir “drošā režīmā” — reaģētājs vai operators?).

Praktiskais ieguvums: mazāk “pelēko zonu”

Negadījumos laiku mēra sekundēs. Ja reaģētāji zina konkrētu secību — kam zvanīt, ko pārbaudīt, kā atslēgt sistēmu — samazinās gan darbinieku risks, gan sekundārie negadījumi.

Un vēl: šāda apmācība palīdz samazināt informācijas asimetriju starp tehnoloģiju piegādātāju un publisko sektoru. Pilsēta kļūst kompetentāka sarunās par noteikumiem, datu apmaiņu un pakalpojuma ieviešanas nosacījumiem.

Ko pašvaldībām vajadzētu ielikt līgumā un protokolos jau tagad

Atbilde: ja pilsētā parādās robotaksi (vai autonomi maršruta busi), minimālais komplekts ir komunikācija, apmācība, datu plūsmas un kopīgi incidentu scenāriji.

Šeit ir saraksts, ko es ieteiktu pārvērst par prasībām (RFP, līgumā vai sadarbības memorandā) — īpaši Eiropas/Latvijas publiskā sektora kontekstā:

1) Vienots “incidenta kontaktpunkts” 24/7

• Viena tālruņa līnija operatīvajiem dienestiem.
• Reāla cilvēka atbilde, nevis tikai balss izvēlne.
• SLA (piem., atbildes laiks līdz 30 sekundēm kritiskos incidentos).

2) Standartizēts “transportlīdzeklis nekustēsies” apstiprinājums

• Skaidra procedūra, kā operators apstiprina, ka auto ir imobilizēts.
• Dokumentēts protokols pēc incidenta (auditējamība).

3) Apmācība kā nepārtraukts process, nevis vienreizējs pasākums

• E-mācības + praktiskie treniņi.
• Pārsertifikācija (piem., reizi 12–18 mēnešos).
• Īsi “kabatas” materiāli patruļām un brigādēm (checklist formātā).

4) QR/NFC identifikācija uz transportlīdzekļa (ar drošības kontroli)

• Ātrs veids, kā reaģētājs var atvērt pareizo instrukciju konkrētam modelim.
• Piekļuves kontrole, lai netiek nopludināta sensitīva informācija.

5) Kopīgi vingrinājumi (tabletop + klātienē)

• “Ko darām, ja auto apstājas tunelī?”
• “Ko darām, ja pasažieris ir bezsamaņā, durvis bloķētas?”
• “Ko darām, ja transportlīdzeklis ir pēc sadursmes un notiek akumulatora termiskā reakcija?”

Tas viss iederas viedpilsētas domāšanā: tehnoloģija nav ‘palaist un aizmirst’, tā ir dzīvs pakalpojums ar operacionāliem riskiem.

Kā šis iekļaujas plašākā viedpilsētas drošības ekosistēmā

Atbilde: robotaksi apmācība ir labs paraugs, kā veidot “drošības slāni” ap AI risinājumiem pilsētvidē.

Daudzas pašvaldības 2025. gada beigās paralēli ievieš vai testē:

• video analītiku sabiedriskajā drošībā,
• satiksmes plūsmas analīzi un adaptīvus luksoforus,
• viedos sensornetus infrastruktūras uzraudzībai,
• digitālos asistentus iedzīvotāju apkalpošanā.

Kopējais klupšanas akmens? Operatīvā gatavība. Tehnoloģija var būt labi iepirkta un juridiski korekta, bet, ja cilvēki nezina, kā rīkoties nestandarta situācijās, risks pārvēršas izmaksās.

Robotaksi gadījums labi parāda, kā “AI publiskajā sektorā” kļūst ļoti konkrēts:

• protokols + apmācība + sakari + atbildības sadalījums.

Un jā, tas ir mazāk glamūrīgi nekā jaunākais modelis vai sensoru komplekts. Bet tas ir tas, kas reāli pasargā cilvēkus.

Ātrie jautājumi, ko vadītāji uzdod (un skaidras atbildes)

Vai robotaksi nozīmē vairāk darba operatīvajiem dienestiem?

Ne obligāti vairāk izsaukumu, bet vairāk jauna tipa situāciju. Sākumā būs “mācību līkne”: apstāšanās gadījumi, neizpratne par sistēmas statusu, procedūru precizēšana.

Vai pietiek ar tiešsaistes kursu?

Nē. E-apmācība ir minimums, bet kritiskajām komandām vajag arī praktisku treniņu (durvju atvēršana, atslēgšanas punkti, droša pieeja, ekstrikācija).

Ko darīt, ja pilsētā ir vairāki operatori?

Pilsētai jāspiež uz standartiem. Vienots minimālais protokols un kopīgs incidentu komunikācijas ietvars ir svarīgāks par atsevišķu uzņēmumu ērtībām.

Ko darīt tālāk: 30 dienu rīcības plāns pašvaldībai

Ja jūsu pilsētā robotaksi nav vēl šodien, 2026. gadā “vēl nav” var ātri pārvērsties par “jau ir”. Šeit ir praktisks plāns, ko var sākt mēneša laikā.

1. Kartējiet incidentu ķēdi: 112/911 dispečers → patruļa/brigāde → satiksmes dienests → operators.
2. Definējiet minimālās prasības operatoriem (24/7 kontakts, imobilizācijas apstiprinājums, apmācības formāts).
3. Izveidojiet īsu AV incidenta checklist vienā lapā un testējiet to kopā ar dienestiem.
4. Sarunājiet vienu kopīgu vingrinājumu (tabletop) ar vismaz 3 scenārijiem.
5. Ielieciet to AI pārvaldības ietvarā: riski, atbildības, auditējamība, mācību grafiks.

Šis ir tieši tas brīdis, kad mākslīgais intelekts publiskajā sektorā pāriet no “projekta” uz “spēju”.

Robotaksi drošības apmācība pirmajiem reaģētājiem parāda vienkāršu patiesību: viedpilsēta ir tik droša, cik droši ir tās protokoli. Nākamais solis ir ne tikai sekot līdzi vienam operatoram vai vienam kursam, bet izveidot pašvaldības līmeņa spēju strādāt ar AI balstītu mobilitāti kā ar kritisku infrastruktūru.

Ja 2026. gadā jūsu pilsētā uz ielas blakus avārijai apstājas auto bez vadītāja, vai komanda uz vietas zinās trīs lietas: kā to “iesaldēt”, kā droši piekļūt cilvēkiem un kā dokumentēt notikušo?