RAG pe documentația SSM: absența dovezii e chiar fapta

Într-o firmă cu opt oameni în depozit, responsabilul SSM pune o întrebare banală: „avem instruirea periodică la zi pe tura de noapte?”. Asistentul intern caută în arhiva de fișe scanate și raportează că nu găsește înregistrări pentru trei dintre ei.

Ca operațiune de căutare, răspunsul e impecabil. Ca informație, e gol. „Nu găsesc” acoperă trei situații care nu au nimic în comun: instruirea nu s-a făcut, s-a făcut și nu a fost consemnată, sau a fost consemnată corect și fișierul nu a ajuns niciodată în index.

Distincția decide o amendă. Prima situație e o încălcare a obligației de instruire. A doua e o încălcare a obligației de a dovedi instruirea — alt articol, alt cuantum. A treia nu e nimic, doar un scan pierdut pe un share.

Până acum, seria a lucrat pe documente care spun ceva despre lume: cât s-a executat, cine deține un drept, ce cere o normă. Documentația de securitate și sănătate în muncă rupe tiparul. Fișa de instruire individuală nu descrie o stare — probează că un act s-a produs, la o dată anume, în fața unor oameni care au semnat. Când lipsește, nu ai un gol în date. Ai fapta.

Documentul nu descrie o stare, o atestă

Începe cu ce înseamnă „am găsit”. În restul cazurilor de utilizare din serie, regăsirea unui document e un pas către răspuns. Aici, existența documentului este răspunsul, iar absența lui e o afirmație juridică în sine.

Ce consemnează, de fapt, o fișă de instruire

Normele metodologice cer ca rezultatul instruirii să fie consemnat obligatoriu în fișa de instruire individuală, cu indicarea materialului predat, a duratei și a datei instruirii. După efectuarea instruirii, fișa se semnează de lucrătorul instruit și de persoanele care au efectuat și au verificat instruirea. Fișa se păstrează în unitate de la angajare până la data încetării raporturilor de muncă. Ce se întâmplă cu ea după acel moment ține de alt regim, tratat la RAG pe nomenclatorul arhivistic: acolo termenul de păstrare nu mai e o metadată, ci predicatul care decide dacă documentul mai are voie să existe.

Patru elemente, nu unul: cine, ce, cât și când. Un sistem care răspunde „există fișă” a extras un singur bit dintr-un document care poartă patru fapte contestabile separat.

Două obligații distincte, două încadrări

Legea securității și sănătății în muncă separă actul de proba lui. Obligația de a asigura instruirea stă la un articol, iar regimul dovezii instruirii — format, semnătură, suport — stă la altul. Sancțiunile diferă: încălcarea obligației de instruire se sancționează cu amendă de la 4.000 la 8.000 de lei, iar încălcarea regulilor despre dovada instruirii intră într-un interval mai mic, de la 2.500 la 5.000 de lei.

Sursele practice nu converg pe încadrare — unele ghiduri comerciale trimit o fișă lipsă către un al treilea alineat, cu alt interval. Divergența reflectă ambiguitatea de fond: o fișă absentă e compatibilă cu mai multe fapte diferite, iar alegerea între ele e calificare juridică, nu regăsire.

Consecința pentru arhitectură e directă. Sistemul nu are voie să producă nici verdictul, nici cuantumul. Poate produce doar starea înregistrării și, separat, lista ipotezelor pe care acea stare le lasă deschise.

De ce tăcerea nu se poate raporta ca informație

Un index nu are cum să distingă între „documentul nu există” și „documentul există și nu l-am regăsit”. Literatura de evaluare tratează problema sub numele de întrebări fără răspuns, iar rezultatele sunt constant sub așteptări: modelele produc răspunsuri plauzibile acolo unde dovada lipsește, în loc să se abțină. Cum evaluezi un sistem RAG dă cadrul general de măsurare; ce se adaugă aici e că abținerea trebuie să fie ea însăși un rezultat structurat, nu o propoziție politicoasă.

Tiparul l-ai întâlnit în RAG pe competențe și autorizări, dar cu alt obiect. Acolo documentul dovedea o capacitate a unei persoane. Aici dovedește că cineva a făcut ceva, într-o zi, față de altcineva.

Semnătura e conținutul, nu formatul

Aici cad implementările care tratează arhiva de fișe ca pe un corpus oarecare de PDF-uri. Ce contează juridic într-o fișă nu e textul ei, ci faptul că trei părți au semnat-o.

Trei semnături, trei roluri

Lucrătorul instruit semnează că a primit instruirea. Persoana care a efectuat instruirea semnează că a livrat-o. Șeful ierarhic al celui care instruiește verifică, iar angajatorul sau serviciul de prevenire verifică prin sondaj și semnează la rândul lui, confirmând astfel că instruirea a fost făcută corespunzător.

O fișă cu două semnături din trei nu e o fișă aproape completă. E o fișă incompletă, cu un rol nedovedit. Modelul de date trebuie să țină starea semnăturii per rol, nu un câmp boolean pe document — altfel un răspuns afirmativ acoperă exact abaterea pe care inspectorul o caută.

Hârtie și electronic, în paralel

Din 2022, normele metodologice admit explicit ambele suporturi. Fișa de instruire individuală se poate întocmi și păstra pe hârtie sau în format electronic, iar semnătura poate fi olografă ori electronică — simplă, avansată sau calificată. Modalitatea concretă se stabilește de angajator prin regulamentul intern, iar procedurile de semnare electronică se regăsesc în contractul individual de muncă.

Asta produce un corpus mixt, în care aceeași obligație e probată prin artefacte de naturi complet diferite. Un scan poartă semnătura ca pixeli. Un fișier semnat electronic o poartă ca proprietate criptografică, verificabilă programatic.

Ce se pierde la ingestie

Un pipeline standard extrage textul și aruncă restul. După OCR, cele două artefacte de mai sus devin indistinctibile: același text, aceeași dată, aceeași durată. Diferența dintre o fișă validă și una nesemnată dispare în chiar pasul care alimentează indexul.

Regula practică: validarea semnăturii se face la ingestie, se stochează ca metadată și nu se mai reevaluează niciodată din text. Pregătirea documentelor pentru o bază de cunoștințe acoperă mecanica generală de extragere, iar strategiile de chunking rămân utile pentru tematici și instrucțiuni proprii, nu pentru fișe — o fișă nu se taie, se parsează într-un rând de tabel.

Periodicitatea e o obligație recurentă, nu un termen

Instruirea nu expiră. Se repetă — iar ritmul repetării nu e scris nicăieri în documentul pe care sistemul îl regăsește.

Ceasul se citește din trei surse, nu din fișă

Normele fixează plafoane: intervalul dintre două instruiri periodice nu poate depăși 6 luni, iar pentru personalul tehnico-administrativ e de cel mult 12 luni. Plafonul nu e însă periodicitatea aplicabilă. Aceasta se stabilește în scris, pentru fiecare loc de muncă, în instrucțiunile proprii ale angajatorului și prin programul de instruire-testare, în funcție de condițiile postului.

Deci răspunsul la „când era scadentă?” cere trei lucruri simultan: ultima dată consemnată în fișă, categoria de personal a omului și periodicitatea pe care compania și-a asumat-o în propriile instrucțiuni. Doar prima stă în corpusul de fișe.

Registrul de riscuri e sursa din amonte a celei de-a treia: evaluarea riscurilor pe post dictează cât de des se reia instruirea. Când evaluarea se revizuiește, ritmul se poate schimba retroactiv pentru toate posturile afectate.

Evenimente care resetează contorul

Instruirea periodică se face suplimentar celei programate într-un set de situații enumerate limitativ: când un lucrător a lipsit peste 30 de zile lucrătoare, când s-au modificat prevederile sau instrucțiunile proprii, la reluarea activității după un accident de muncă, la executarea unor lucrări speciale, la introducerea unui echipament nou sau a unei modificări a celui existent, la schimbarea tehnologiilor ori a procedurilor de lucru.

Niciunul dintre aceste evenimente nu se află în corpusul SSM. Absențele stau în pontaj, achizițiile de echipamente în ERP, schimbările de procedură în sistemul de management al calității. Un sistem care răspunde despre scadență doar din fișe va afirma „e la zi” pentru un om care a lipsit patruzeci de zile lucrătoare — și va avea dreptate strict pe datele pe care le-a văzut.

Merită marcată granița față de un corpus vecin. La avize și autorizații, data care contează stinge un drept existent. Aici data nu stinge nimic — creează o obligație nouă, identică cu precedenta. Interogările temporale corespunzătoare diferă structural, iar evaluările recente de raționament temporal peste corpusuri reale arată că modelele se descurcă vizibil mai prost pe recurență decât pe intervale simple.

Întrebarea se descompune într-o grilă

„Echipa e la zi?” pare o interogare. E un produs cartezian. Instruirea cuprinde trei faze distincte, fiecare cu propriul declanșator, propria tematică și propriul rând în fișă.

Trei faze înmulțite cu numărul de oameni dau tot atâtea scadențe independente. Un răspuns agregat pe echipă ascunde exact celula care lipsește.

Fiecare celulă cere alt drum prin date

Cele trei nu se verifică la fel. Prima se raportează o singură dată, la data angajării. A doua se reia la fiecare schimbare de post, deci cere istoricul de mobilitate internă, nu starea curentă. A treia cere calculul recurent de mai sus, cu tot cu evenimentele de resetare.

Agentic RAG cu multi-hop devine relevant exact aici: răspunsul se construiește din pași succesivi peste surse separate. Un pas citește fișa, altul citește instrucțiunile proprii, al treilea caută evenimente care au resetat contorul.

Unde chiar merită regăsire semantică

Merită spus și reversul. Dacă întrebările reale sunt mereu aceleași cinci și datele au fost deja structurate, o interogare pe tabel răspunde mai repede, mai ieftin și fără marjă de eroare — când NU folosești RAG tratează pragul.

Regăsirea semantică își câștigă locul în cealaltă jumătate a corpusului. Tematicile de instruire, instrucțiunile proprii și planul de prevenire și protecție sunt documente în proză, cu întrebări deschise și formulări care variază de la un autor la altul. Fișele nu sunt așa. Fișele sunt un tabel deghizat în PDF-uri.

Corpusul conține date de sănătate prin construcție

Nimeni nu decide să pună date medicale în acest corpus. Ele vin singure. Fișa de instruire individuală circulă însoțită de o copie a ultimei fișe de aptitudini completate de medicul de medicina muncii, iar cele două stau împreună, fizic, la conducătorul locului de muncă.

Ce ajunge în corpus fără să vrei

Dosarul de cercetare a unui eveniment adaugă un strat în plus: actul medical emis de unitatea sanitară care a acordat asistență de urgență, copii ale certificatelor de concediu medical, iar în caz de deces raportul de constatare medico-legală. Un pipeline care înghite folderul „SSM” de pe share ingerează, împreună cu tematicile de instruire, date privind sănătatea unor persoane identificate.

Două fundații deja puse în serie se aplică integral aici. RAG și GDPR acoperă partea de regim juridic al prelucrării. Controlul accesului în RAG acoperă mecanica permisiunilor. Ce se adaugă în plus, pe acest corpus, e că filtrarea nu poate fi un pas de prompt. Literatura de securitate a sistemelor RAG numește punctul de decizie un filtru aplicat înainte ca fragmentul să intre în context, tocmai fiindcă un refuz formulat de model se ocolește cu o reformulare.

Granularitatea răspunsului e o decizie de acces

Trei întrebări diferite cer trei niveluri de dezvăluire. „Câți din depozit sunt la zi?” cere un număr. „Cine nu e la zi?” cere nume. „De ce nu e la zi Popescu?” poate ajunge la un concediu medical prelungit sau la o inaptitudine temporară.

Modelul de acces se scrie, prin urmare, pe forma răspunsului, nu doar pe rolul celui care întreabă. Agregarea devine un nivel de permisiune în sine — un coordonator de tură primește contorul, nu lista.

Chiar și refuzul spune ceva

Un detaliu pe care implementările îl ratează: mesajul „nu ai acces la dosarul lui Popescu” confirmă că există un dosar Popescu. Cercetarea pe atacuri de apartenență la corpus arată că răspunsurile diferențiate față de un document prezent sau absent sunt suficiente pentru a deduce conținutul bazei. Refuzul trebuie să arate identic indiferent dacă subiectul există sau nu.

RAG pentru HR rezolvă o problemă înrudită, dar inversă: acolo sistemul individualizează răspunsul către cel care întreabă. Aici uniformizează refuzul, ca să nu individualizeze pe cineva absent din conversație.

Dosarul de cercetare are ceas propriu și concluzie revizuibilă

Un dosar de cercetare nu e un document care se depune și rămâne. E un proces cu termene scurte, care se poate întoarce din drum — de aici vine obligația de a data fiecare răspuns.

Termene care curg în zile, nu în luni

Comunicarea unui eveniment se face de îndată, dar nu mai târziu de 24 de ore de la producerea lui. Cercetarea evenimentului urmat de incapacitate temporară de muncă se încheie în cel mult 10 zile lucrătoare de la data producerii, cu posibilitatea unei prelungiri solicitate în scris și argumentat, pentru situații precum prelevarea de probe sau efectuarea de expertize.

Un asistent care răspunde „dosarul e în lucru” fără să spună în ce zi din termen se află nu ajută pe nimeni. Starea utilă e perechea dintre etapa curentă și zilele rămase.

Concluzia poate fi refăcută

Cercetarea are ca scop stabilirea împrejurărilor, a cauzelor, a reglementărilor legale încălcate, a răspunderilor și a măsurilor — plus determinarea caracterului accidentului. Iar caracterul nu se fixează la nivel de angajator: când inspectoratul teritorial de muncă constată că cercetarea nu a fost efectuată corespunzător, dispune în scris refacerea procesului-verbal și completarea dosarului, iar comisia are 5 zile lucrătoare de la primire ca să le facă.

Ai deci o stare care se schimbă după ce răspunsul a fost dat. Un răspuns corect în ziua 3 poate deveni fals în ziua 40, fără ca nimeni să atingă documentele pe care s-a bazat. Prospețimea, ștergerile și reindexarea devin obligatorii, nu opționale, iar orice afirmație despre un dosar deschis pleacă marcată ca provizorie și datată.

Fișa devine piesă la dosar

Ultimul detaliu închide bucla. Printre actele dosarului de cercetare figurează copii ale fișelor de instruire individuală ale victimelor, iar în caz de deces fișele se anexează în original dacă au fost întocmite pe hârtie.

Documentul intern despre care sistemul răspundea ieri devine, peste noapte, probă într-un dosar cu valoare juridică. Regimul de versionare pe care îl presupune asta seamănă cu cel din RAG pe dosarul de litigiu, iar acțiunile corective care urmează concluziei se leagă de mecanica din RAG pentru calitate și neconformități. RAG pentru conformitate și audit intern atacă o problemă vecină și totuși distinctă: cum arăți că un control programat chiar a rulat.

Ce numeri și cu ce începi

Adevărul de referință stă la doi pași distanță, în bibliorafturile de la locul de muncă. Rar ai luxul ăsta într-un proiect de retrieval: fiecare afirmație a sistemului se poate confrunta, în aceeași zi, cu hârtia.

Ce merită numărat, în ordinea în care doare:

• Câte fișe din eșantion au toate semnăturile cerute, pe roluri. E o metrică despre corpus, nu despre model, și de obicei prima măsurare explică singură de ce răspunsurile ies ciudat.
• Din răspunsurile care declară o absență, câte s-au confirmat la verificarea fizică. Restul sunt eșecuri de regăsire raportate ca fapte juridice.
• Din răspunsurile care declară pe cineva la zi, câte numesc periodicitatea aplicată și sursa ei. Fără sursă, afirmația nu se poate susține în fața nimănui.
• Din întrebările cu răspuns cunoscut absent, câte au primit un răspuns fabricat. Și, în oglindă, din cele cu răspuns prezent, câte au primit o abținere inutilă — comparațiile recente între modele arată că abținerea excesivă are propriul cost, nu doar halucinația.
• Câte răspunsuri au dezvăluit mai mult decât cerea întrebarea, la niveluri de agregare diferite.

Hybrid search cu reranking intră din prima zi pentru numerele de fișă și codurile de post, care se caută literal sau deloc. Formatul contează cât fondul, iar ce înseamnă un răspuns bun de RAG e tratat pe larg în altă parte. Pe corpusul ăsta se adaugă un câmp obligatoriu în fiecare ieșire: temeiul periodicității pe care s-a făcut calculul, alături de data folosită.

Pilotul se face pe un singur loc de muncă, o singură fază de instruire și douăzeci de oameni, cu confruntare manuală în bibliorafturi. După două săptămâni ai un procent: din douăzeci de răspunsuri, câte au rezistat la verificare. O abatere mare arată spre procesul de completare a fișelor, nu spre model — și se repară cu oameni, nu cu embeddings.

Întrebări frecvente

Poate sistemul să spună dacă firma riscă amendă?

Nu, și nu doar din prudență. Aceeași fișă lipsă se încadrează la temeiuri diferite, cu intervale diferite, în funcție de ce se dovedește despre faptul dinapoia ei. Sistemul poate arăta starea înregistrării, ipotezele rămase deschise și ce document ar închide fiecare ipoteză. Cuantumul îl stabilește inspectorul.

Cum tratez fișele scanate față de cele semnate electronic?

Ca două tipuri de artefacte, cu validări diferite, dar cu aceeași fișă structurată în index. La scanuri, verificarea semnăturii e vizuală, se face o dată la ingestie și se stochează ca metadată. La fișierele semnate electronic e programatică și repetabilă. Marchează în fișă ce tip de dovadă stă în spate.

Ce fac cu lucrătorii firmelor externe care lucrează la mine?

Ca pe un corpus separat. Pentru lucrătorii veniți din unități exterioare pe bază de contract de prestări de servicii, angajatorul beneficiar asigură instruirea privind activitățile, riscurile și măsurile de prevenire de la el din unitate, iar rezultatul se consemnează în fișa de instruire colectivă, întocmită în două exemplare. Alt document, alt titular, alt ritm.

Pot ține dosarele de cercetare în același index cu fișele de instruire?

Nu. Un dosar de cercetare conține documente medicale și declarații ale unor terți, are alt temei de prelucrare și altă listă de persoane îndreptățite să îl consulte. Ține-le ca surse separate, expuse prin filtru la interogare, și lasă în indexul comun doar legătura dintre eveniment și persoană, fără conținut.

Merge același tipar și în afara SSM?

Se transferă oriunde o obligație se probează printr-o înregistrare semnată și recurentă: apărarea împotriva incendiilor, instruirea pe protecția datelor, trasabilitatea în industria alimentară. Termenele și semnatarii diferă complet, deci grila se construiește de la zero pentru fiecare regim.

Un inspector nu întreabă niciodată dacă ai un sistem bun de căutare. Întreabă dacă poți pune pe masă fișa lui Popescu, semnată, cu data instruirii și materialul predat. Un RAG util pe acest corpus nu-ți răspunde la întrebarea ta, ci te antrenează pentru întrebarea lui — spune ce ai, spune ce nu găsește, și nu confundă niciodată cele două.

Testul de zece minute: ia trei oameni dintr-o echipă și cere sistemului, pentru fiecare, data ultimei instruiri periodice, periodicitatea aplicabilă postului și sursa acelei periodicități. Ce nu poate completa e lista de lucru pentru prima lună.

Ai arhiva pe hârtie și vrei să afli cât se poate automatiza fără să pierzi dovada? Trimite un mesaj.

Firul de conformitate și audit strânge articolele care ating aceeași zonă. Toate corpusurile din serie sunt indexate la Cazuri de utilizare enterprise. Pentru cum arată serviciul cap-coadă, AI și RAG.