Trasformare i dati sugli incidenti di sicurezza in informazioni azionabili con l’AI

I team di sicurezza sul posto di lavoro generano dati sugli incidenti ogni anno, ma milioni di lavoratori sono ancora feriti annualmente, alcuni mortalmente. I rapporti sugli incidenti, gli incidenti quasi accaduti, le osservazioni sui pericoli e le narrazioni delle indagini sono registrati in vari settori, dalla produzione all’edilizia alle utility. Eppure, nonostante la portata di questi dati, molte organizzazioni lottano per trasformare questi dati sugli incidenti in prevenzione sostenibile.

Negli Stati Uniti solo, i datori di lavoro hanno segnalato circa 2,6 milioni di infortuni e malattie non fatali sul posto di lavoro nel 2023, sottolineando la necessità continuata di interventi di sicurezza più efficaci. Mentre le tendenze a lungo termine mostrano un miglioramento, con tassi di infortuni in calo in modo significativo dal 1970, il progresso si è rallentato negli ultimi anni, in particolare nei settori ad alto rischio.

La lacuna tra la segnalazione e la prevenzione

Molti processi di gestione degli incidenti sono progettati per garantire la conformità con le norme OSHA o le norme sulle indennità dei lavoratori. I professionisti della sicurezza e delle indennità dei lavoratori completano le indagini, registrano i risultati e archiviano i rapporti per scopi regolamentari e di audit.

I leader della sicurezza possono identificare le cause radice e i fattori contributivi, ma tradurre quelle informazioni in azioni correttive tempestive, in particolare nella formazione mirata, può essere lungo e coinvolgere sistemi diversi. I professionisti della sicurezza possono dover condurre un’analisi dei dati approfondita per determinare modelli o tendenze.

La ricerca ha dimostrato che gli incidenti precedenti sono tra i predittori più forti di future lesioni quando le azioni correttive sono ritardate o insufficienti, sottolineando quanto critico possa essere il periodo successivo all’incidente per la prevenzione. Gli strumenti di intelligenza artificiale (AI) possono iniziare a ridisegnare i flussi di lavoro della sicurezza quando collegati alle raccomandazioni post-incidente.

Utilizzare l’AI per comprendere le narrazioni degli incidenti su larga scala

I rapporti sugli incidenti contengono informazioni preziose in testo non strutturato: note degli investigatori, dichiarazioni dei dipendenti e descrizioni contestuali delle condizioni e dei comportamenti.

Fino a poco tempo fa, analizzare queste informazioni su più incidenti richiedeva una revisione manuale lunga. Gli strumenti di AI possono ora cambiare questa dinamica, con modelli in grado di esaminare i dati narrativi su larga scala, identificare modelli ricorrenti, fattori contributivi comuni e tendenze sottili che potrebbero non essere facilmente visibili attraverso campi strutturati soltanto.

Ulteriori ricerche hanno dimostrato che le narrazioni di sicurezza non strutturate spesso portano a indicatori precoci di rischio sistemico – come confusione procedurale o condizioni ambientali ricorrenti – molto prima che appaiano nelle statistiche aggregate. Piuttosto che sostituire gli investigatori, gli strumenti di AI possono aumentare la loro esperienza portando a livelli di attenzione segnali che lo meritano.

I team di sicurezza possono utilizzare gli strumenti di AI immediatamente dopo un incidente per:

• Interpretare i dettagli dell’incidente – compresa la gravità, i comportamenti e le descrizioni contestuali – per evidenziare i fattori contributivi rilevanti
• Identificare modelli attraverso incidenti simili che potrebbero non essere ovvi a livello di caso individuale
• Guidare gli investigatori verso azioni correttive allineate con quelle scoperte

Queste capacità riducono la dipendenza dalla revisione manuale e dalla memoria istituzionale, consentendo ai team di rispondere con maggiore coerenza e velocità.

Dall’analisi della causa radice all’azione immediata

Identificare una causa radice è utile solo se porta a un’azione. Eppure, i team di sicurezza spesso affrontano un collo di bottiglia familiare una volta completata l’indagine: quale azione correttiva intraprendere e come intraprenderla rapidamente.

Gli strumenti di AI stanno aumentando il loro utilizzo per colmare questa lacuna analizzando le caratteristiche degli incidenti – tipo, gravità, comportamenti contributivi e fattori contestuali. Lo strumento di AI guida quindi gli investigatori verso le azioni correttive più rilevanti. Nella pratica, i professionisti della sicurezza dipendono meno dalla memoria, dalle ricerche manuali o dagli incarichi di formazione generici.

Utilizzare un’analisi approfondita e specifica è allineata con gli standard internazionali di gestione della sicurezza come ISO 45001, che enfatizzano che le azioni correttive dovrebbero affrontare direttamente i pericoli e le cause radice identificate piuttosto che affidarsi a risposte ampie e generiche. Riducendo la distanza tra indagine e azione, le organizzazioni possono intervenire mentre il contesto è ancora fresco e più efficace.

Chiudere il cerchio tra incidenti e responsabilità

Un’altra sfida persistente nei programmi di sicurezza è la visibilità dopo che le azioni correttive coinvolgenti la formazione sono state assegnate. I leader della sicurezza spesso lottano per rispondere a domande di base come: è stata completata la formazione? È stata completata in tempo? Esiste un chiaro registro che collega l’incidente all’azione intrapresa?

Gli strumenti di AI supportano i flussi di lavoro della sicurezza che enfatizzano sempre più la responsabilità a ciclo chiuso, assicurando che le azioni correttive non solo vengano raccomandate ma vengano tracciate fino al completamento e documentate accanto all’incidente originale. Da una prospettiva di maturità del programma, ciò consente alle organizzazioni di andare oltre la segnalazione di conformità e verso il miglioramento misurabile, inclusi:

• Tempo più veloce dall’indagine all’azione correttiva
• Maggior coerenza nell’assegnazione e verifica della formazione di ritraining
• Tracciabilità più chiara che collega incidenti, azioni e risultati

La guida regolamentare dell’OSHA ha a lungo sottolineato l’importanza della documentazione e della verifica nei sistemi di gestione della sicurezza, in particolare per l’efficacia della formazione e la preparazione per gli audit.

Gli esiti della sicurezza portano conseguenze etiche, legali e umane che richiedono giudizio professionale. L’implementazione efficace degli strumenti di AI segue un modello di “uomo nella catena”, in cui lo strumento di AI fornisce raccomandazioni spiegabili e prove a supporto, mentre i professionisti della sicurezza mantengono l’autorità completa sulle decisioni. Questo approccio è coerente con i più ampi quadri di governance dell’AI come il NIST AI Risk Management Framework, che enfatizza la trasparenza e la responsabilità mantenendo la supervisione.

Quando posizionati come supporto alle decisioni piuttosto che come automazione fine a se stessa, gli strumenti di AI diventano più facili da fidarsi e più probabili da adottare.

Guardare avanti e misurare l’impatto oltre la conformità

Mentre i dati sugli incidenti diventano più azionabili, i programmi di sicurezza possono andare oltre gli indicatori ritardati come i tassi di infortuni registrabili e iniziare a concentrarsi sugli indicatori di rischio leader. Le organizzazioni con programmi di analisi della sicurezza maturi sono state dimostrate avere meno incidenti gravi nel tempo, poiché sono meglio equipaggiate per identificare rischi emergenti e intervenire precocemente.

Collegando gli incidenti direttamente all’apprendimento, alla responsabilità e ai risultati misurabili, l’AI aiuta i team di sicurezza a imparare non solo dagli incidenti, ma a causa di essi.

Il futuro della sicurezza sul posto di lavoro non riguarda la raccolta di più dati. Riguarda l’utilizzo dei dati esistenti in modo più intelligente. Gli strumenti di AI offrono ai team di sicurezza un modo per trasformare i registri degli incidenti da documentazione statica in strumenti di prevenzione dinamici, aiutando le organizzazioni a muoversi più velocemente dall’indagine all’azione senza sacrificare il giudizio umano. In ambienti in cui il costo degli incidenti ripetuti è alto, rendere i dati sugli incidenti realmente azionabili potrebbe essere uno dei passi più impattanti che i leader della sicurezza possano intraprendere.