Ηγέτες σκέψης

Μετατρέποντας τα δεδομένα περιστατικών ασφάλειας σε αξιοποιήσιμες πληροφορίες με τη χρήση AI

Clare Epstein
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google
Βασικά σημείαΗ τεχνητή νοημοσύνη μετατρέπει τις αδόμητες αφηγήσεις περιστατικών σε συστηματικά…
Δείτε περισσότερα
  • Η τεχνητή νοημοσύνη μετατρέπει τις αδόμητες αφηγήσεις περιστατικών σε συστηματικά πρότυπα κινδύνου για έγκαιρη παρέμβαση.
  • Η τεχνητή νοημοσύνη συντομεύει το κρίσιμο χάσμα μεταξύ της διερεύνησης περιστατικών και της στοχευμένης διορθωτικής δράσης.
  • Η τεχνητή νοημοσύνη ενεργοποιεί την ευθύνη κλειστού βρόχου, παρακολουθώντας τις διορθωτικές ενέργειες από τη σύσταση έως την επαλήθευση.

Οι ομάδες ασφάλειας στις εργασίες παράγουν δεδομένα περιστατικών κάθε χρόνο, αλλά εκατομμύρια εργαζόμενοι ακόμη τραυματίζονται ετησίως, μερικοί θανάσιμα. Οι αναφορές περιστατικών, τα ατυχήματα που αποφεύχθηκαν οριακά, οι παρατηρήσεις κινδύνων και οι έρευνες περιστατικών καταγράφονται σε διάφορους κλάδους, από τη βιομηχανία έως την κατασκευή και τις υπηρεσίες. Παρόλα αυτά, πολλές οργανώσεις δυσκολεύονται να μετατρέψουν αυτά τα δεδομένα περιστατικών σε συνεχιζόμενη πρόληψη.

Στις Ηνωμένες Πολιτείες, οι εργοδότες αναφέρουν περίπου 2,6 εκατομμύρια μη θανατηφόρους εργατικούς τραυματισμούς και ασθένειες το 2023, υπογραμμίζοντας την συνεχιζόμενη ανάγκη για πιο αποτελεσματικές παρεμβάσεις ασφάλειας. Ενώ οι μακροχρόνιες τάσεις δείχνουν βελτίωση, με τους ρυθμούς τραυματισμών να μειώνονται σημαντικά από τη δεκαετία του 1970, η πρόοδος έχει επιβραδύνει τα τελευταία χρόνια, ιδιαίτερα στους κλάδους υψηλού κινδύνου.

Το χάσμα μεταξύ αναφοράς και πρόληψης

Πολλές διαδικασίες διαχείρισης περιστατικών σχεδιάζονται για να εξασφαλίσουν τη συμμόρφωση με τους κανονισμούς OSHA ή τις αποζημιώσεις εργαζομένων. Οι επαγγελματίες ασφάλειας και αποζημιώσεων εργαζομένων ολοκληρώνουν τις έρευνες, καταγράφουν τα ευρήματα και αποθηκεύουν τις αναφορές για κανονιστικούς σκοπούς και ελέγχους.

Οι ηγέτες ασφάλειας μπορεί να αναφέρουν τις ριζικές αιτίες και τους συντελεστές, αλλά η μετάφραση αυτών των ερευνών σε έγκαιρες διορθωτικές ενέργειες, ιδιαίτερα στοχευμένες επαναπαιδεύσεις, μπορεί να είναι χρονοβόρα και να απαιτεί διαφορετικά συστήματα. Οι επαγγελματίες ασφάλειας μπορεί να χρειαστεί να διεξάγουν εκτεταμένη ανάλυση δεδομένων για να καθορίσουν τα πρότυπα ή τις τάσεις.

Η έρευνα έχει δείξει ότι τα προηγούμενα περιστατικά είναι μεταξύ των ισχυρότερων προγνωστικών μελλοντικών τραυματισμών όταν οι διορθωτικές ενέργειες καθυστερούν ή είναι ανεπαρκείς, υπογραμμίζοντας πόσο κρίσιμο μπορεί να είναι το μετα-περιστατικό παράθυρο για την πρόληψη. Τα εργαλεία AI μπορούν να ξανασχηματίζουν τις ροές εργασιών ασφάλειας όταν συνδέονται με τις μετα-περιστατικές συστάσεις.

Χρήση του AI για την κατανόηση των αφηγήσεων περιστατικών σε κλίμακα

Οι αναφορές περιστατικών περιέχουν πολύτιμες πληροφορίες σε μη δομημένο κείμενο: σημειώσεις ερευνών, δηλώσεις εργαζομένων και περιγραφές περιβαλλόντων και συμπεριφορών.

Μέχρι πρόσφατα, η ανάλυση αυτής της πληροφορίας σε πολλαπλά περιστατικά απαιτούσε χρονοβόρα χειροκίνητη ανασκόπηση. Τα εργαλεία AI μπορούν τώρα να αλλάξουν αυτή τη δυναμική, με μοντέλα που μπορούν να εξετάσουν αφηγηματικά δεδομένα σε κλίμακα, να αναγνωρίσουν επαναλαμβανόμενα πρότυπα, κοινούς συντελεστές και λεπτές τάσεις που μπορεί να μην είναι εύκολα ορατές μέσω δομημένων πεδίων μόνο.

Επιπλέον έρευνα έχει δείξει ότι οι μη δομημένες αφηγήσεις ασφάλειας συχνά αναδεικνύουν πρώιμους δείκτες συστηματικού κινδύνου – όπως σύγχυση διαδικασιών ή επαναλαμβανόμενες περιβαλλοντικές συνθήκες – πολύ πριν εμφανιστούν στα συγκεντρωτικά στατιστικά. Αντί να αντικαταστήσουν τους ερευνητές, τα εργαλεία AI μπορούν να ενισχύσουν την εμπειρογνωσία τους αναδεικνύοντας σήματα που αξίζει να ληφθούν υπόψη.

Οι ομάδες ασφάλειας μπορούν να χρησιμοποιήσουν τα εργαλεία AI αμέσως μετά από ένα περιστατικό για:

  • Ερμηνεία των λεπτομερειών του περιστατικού – συμπεριλαμβανομένης της βαρύτητας, των συμπεριφορών και των περιγραφών περιβάλλοντος – για να υπογραμμίσει τους σχετικούς συντελεστές
  • Αναγνώριση προτύπων σε παρόμοια περιστατικά που μπορεί να μην είναι φανερά στο ατομικό επίπεδο
  • Οδηγία των ερευνητών προς διορθωτικές ενέργειες που ευθυγραμμίζονται με αυτά τα ευρήματα

Αυτές οι ικανότητες μειώνουν την εξάρτηση από τη χειροκίνητη ανασκόπηση και τη μνήμη της οργάνωσης, επιτρέποντας στις ομάδες να ανταποκρίνονται με μεγαλύτερη συνέπεια και ταχύτητα.

Από την ανάλυση ριζικής αιτίας σε άμεση δράση

Η αναγνώριση μιας ριζικής αιτίας έχει αξία μόνο αν οδηγεί σε δράση. Παρόλα αυτά, οι ομάδες ασφάλειας συχνά αντιμετωπίζουν ένα γνωστό εμπόδιο μια φορά που η έρευνα είναι ολοκληρωμένη: ποια διορθωτική ενέργεια να ληφθεί και πώς γρήγορα να ληφθεί.

Τα εργαλεία AI χρησιμοποιούνται όλο και περισσότερο για να γεφυρώσουν αυτό το χάσμα αναλύοντας τα χαρακτηριστικά του περιστατικού – τύπο, βαρύτητα, συντελεστές συμπεριφοράς και περιβαλλοντικούς παράγοντες. Το εργαλείο AI οδηγεί τους ερευνητές προς τις πιο σχετικές διορθωτικές ενέργειες. Στην πράξη, οι επαγγελματίες ασφάλειας είναι λιγότερο εξαρτημένοι από τη μνήμη, τις χειροκίνητες αναζητήσεις ή τις γενικές αναθέσεις επαναπαιδεύσεων.

Η χρήση βαθιάς και συγκεκριμένης ανάλυσης ευθυγραμμίζεται με διεθνή πρότυπα διαχείρισης ασφάλειας όπως το ISO 45001, τα οποία τονίζουν ότι οι διορθωτικές ενέργειες πρέπει να αντιμετωπίζουν άμεσα τους αναγνωρισμένους κινδύνους και τις ριζικές αιτίες και όχι να βασίζονται σε ευρείες, γενικές απαντήσεις. Μειώνοντας την απόσταση μεταξύ έρευνας και δράσης, οι οργανώσεις μπορούν να παρεμβαίνουν ενώ το περιβάλλον είναι ακόμη φρέσκο και πιο αποτελεσματικό.

Κλείνοντας τον κύκλο μεταξύ περιστατικών και ευθύνης

Ένα άλλο μόνιμο πρόβλημα στα προγράμματα ασφάλειας είναι η ορατότητα μετά τις διορθωτικές ενέργειες που αφορούν την εκπαίδευση. Οι ηγέτες ασφάλειας συχνά δυσκολεύονται να απαντήσουν σε βασικά ερωτήματα όπως: ολοκληρώθηκε η εκπαίδευση; Ολοκληρώθηκε εγκαίρως; Υπάρχει μια σαφής εγγραφή που συνδέει το περιστατικό με την ενέργεια που λήφθηκε;

Τα εργαλεία ασφάλειας που υποστηρίζονται από το AI τείνουν όλο και περισσότερο να τονίζουν τη λογοδοσία κλειστού βρόχου, εξασφαλίζοντας ότι οι διορθωτικές ενέργειες όχι μόνο συνιστώνται αλλά και παρακολουθούνται μέχρι την ολοκλήρωσή τους και τεκμηριώνονται μαζί με το αρχικό περιστατικό. Από την πλευρά της ωριμότητας του προγράμματος, αυτό επιτρέπει στις οργανώσεις να κινηθούν πέρα από την αναφορά συμμόρφωσης και προς τη μετρήσιμη βελτίωση, συμπεριλαμβανομένων:

  • Γρηγορότερου χρόνου από την έρευνα του περιστατικού στην διορθωτική ενέργεια
  • Μεγαλύτερης συνέπειας στην ανάθεση και επαλήθευση της επαναπαιδεύσης
  • Σαφέστερων ιχνών ελέγχου που συνδέουν τα περιστατικά, τις ενέργειες και τα αποτελέσματα

Η οδηγία από το OSHA έχει τονίσει τη σημασία της τεκμηρίωσης και της επαλήθευσης στα συστήματα διαχείρισης ασφάλειας, ιδιαίτερα για την αποτελεσματικότητα της εκπαίδευσης και την ετοιμότητα ελέγχου.

Τα αποτελέσματα ασφάλειας έχουν ηθικές, νομικές και ανθρώπινες συνέπειες που απαιτούν επαγγελματική κρίση. Η αποτελεσματική εφαρμογή των εργαλείων AI ακολουθεί ένα μοντέλο “ανθρώπου στο βρόχο”, όπου το εργαλείο AI παρέχει εξηγήσιμες συστάσεις και υποστηρικτικά στοιχεία, ενώ οι επαγγελματίες ασφάλειας διατηρούν την πλήρη εξουσία επί των αποφάσεων. Αυτή η προσέγγιση είναι συνεπής με ευρύτερα πλαίσια διακυβέρνησης AI, όπως το NIST AI Risk Management Framework, το οποίο τονίζει τη διαφάνεια και την ευθύνη διατηρώντας την εποπτεία.

Όταν τοποθετούνται ως υποστήριξη αποφάσεων και όχι ως αυτοματοποίηση ως αυτοσκοπό, τα εργαλεία AI γίνονται πιο εύκολα να εμπιστευτούν και πιο πιθανό να υιοθετηθούν.

Προσβλέποντας και μετρώντας την επίδραση πέρα από τη συμμόρφωση

Όσο τα δεδομένα περιστατικών γίνονται πιο ενεργά, τα προγράμματα ασφάλειας μπορούν να κινηθούν πέρα από τους απολογιστικούς δείκτες, όπως τα ποσοστά καταγεγραμμένων τραυματισμών και να αρχίσουν να επικεντρώνονται στους προπορευόμενους δείκτες κινδύνου. Οι οργανώσεις με ώριμα προγράμματα ανάλυσης ασφάλειας έχουν δείξει ότι έχουν λιγότερα σοβαρά περιστατικά με την πάροδο του χρόνου, καθώς είναι καλύτερα εξοπλισμένες για την αναγνώριση των αναδυόμενων κινδύνων και την έγκαιρη παρέμβαση.

Συνδέοντας τα περιστατικά άμεσα με την εκπαίδευση, την ευθύνη και τα μετρήσιμα αποτελέσματα, το AI βοηθά τις ομάδες ασφάλειας να μάθουν όχι μόνο από τα περιστατικά, αλλά και λόγω τους.

Το μέλλον της ασφάλειας στην εργασία δεν είναι για τη συλλογή περισσότερων δεδομένων. Είναι για τη χρήση των υφιστάμενων δεδομένων με μεγαλύτερη νοημοσύνη. Τα εργαλεία AI προσφέρουν στις ομάδες ασφάλειας έναν τρόπο να μετατρέψουν τα αρχεία περιστατικών από στατικά έγγραφα σε δυναμικά εργαλεία πρόληψης, βοηθώντας τις οργανώσεις να κινούνται γρηγορότερα από την έρευνα στην δράση χωρίς να θυσιάζουν την ανθρώπινη κρίση. Σε περιβάλλοντα όπου το κόστος των επαναλαμβανόμενων περιστατικών είναι υψηλό, η μετατροπή των δεδομένων περιστατικών σε πληροφορίες που μπορούν πραγματικά να καθοδηγήσουν ενέργειες μπορεί να είναι ένα από τα πιο σημαντικά βήματα που οι ηγέτες ασφάλειας μπορούν να λάβουν.

Η Clare Epstein είναι η γενική διευθύντρια εμπορικού τομέα στη Vector Solutions, φέρνοντας περισσότερα από 20 χρόνια εμπειρίας ηγεσίας εργαζόμενη με λύσεις εκπαίδευσης στην ασφάλεια και τεχνολογίας. Ως γενική διευθύντρια, η Epstein είναι υπεύθυνη για την οδήγηση της στρατηγικής, της εκτέλεσης και της αύξησης για το εμπορικό τμήμα της Vector, το οποίο εξυπηρετεί πελάτες στη μεταποίηση, το πετρέλαιο και το αέριο, διαχείριση ιδιοκτησιών, μηχανική και κατασκευή