Chuyển đổi Dữ liệu Sự kiện An toàn thành Thông tin Hành động được Sử dụng với Trí tuệ Nhân tạo

Các đội an toàn tại nơi làm việc tạo ra dữ liệu sự kiện mỗi năm, nhưng hàng triệu công nhân vẫn bị thương mỗi năm, một số bị tử vong. Các báo cáo sự kiện, gần như bỏ lỡ, quan sát nguy hiểm và các câu chuyện điều tra được ghi lại trên các ngành công nghiệp khác nhau từ sản xuất đến xây dựng đến tiện ích. Tuy nhiên, mặc dù quy mô của dữ liệu này, nhiều tổ chức vẫn gặp khó khăn trong việc chuyển đổi dữ liệu sự kiện thành phòng ngừa bền vững.

Tại Hoa Kỳ alone, các nhà tuyển dụng đã báo cáo khoảng 2,6 triệu chấn thương và bệnh nghề nghiệp không tử vong tại nơi làm việc vào năm 2023, làm nổi bật nhu cầu cấp thiết về các can thiệp an toàn hiệu quả hơn. Mặc dù các xu hướng dài hạn cho thấy sự cải thiện, với tỷ lệ chấn thương giảm đáng kể kể từ những năm 1970, sự tiến bộ đã chậm lại trong những năm gần đây, đặc biệt là trong các lĩnh vực rủi ro cao.

Khoảng cách giữa báo cáo và phòng ngừa

Nhiều quy trình quản lý sự kiện được thiết kế để đảm bảo tuân thủ các quy định của OSHA hoặc bồi thường cho người lao động. Các chuyên gia an toàn và bồi thường cho người lao động hoàn thành các cuộc điều tra, ghi lại kết quả và lưu trữ báo cáo cho mục đích kiểm toán và quy định.

Các nhà lãnh đạo an toàn có thể xác định nguyên nhân gốc rễ và các yếu tố đóng góp, nhưng việc chuyển đổi những thông tin đó thành hành động khắc phục kịp thời, đặc biệt là đào tạo lại có mục tiêu, có thể mất thời gian và liên quan đến các hệ thống khác nhau. Các chuyên gia an toàn có thể cần thực hiện phân tích dữ liệu rộng rãi để xác định các mẫu hoặc xu hướng.

Nghiên cứu đã chỉ ra rằng các sự kiện trước là trong số những dự đoán mạnh nhất của các chấn thương tương lai khi các hành động khắc phục bị chậm trễ hoặc không đầy đủ, làm nổi bật cách quan trọng của cửa sổ sau sự kiện có thể là cho việc phòng ngừa. Các công cụ trí tuệ nhân tạo có thể bắt đầu thay đổi các quy trình an toàn khi được gắn với các khuyến nghị sau sự kiện.

Sử dụng Trí tuệ Nhân tạo để hiểu các câu chuyện sự kiện ở quy mô lớn

Các báo cáo sự kiện chứa thông tin quý giá trong văn bản không cấu trúc: ghi chú của điều tra viên, tuyên bố của nhân viên, và mô tả ngữ cảnh của điều kiện và hành vi.

Cho đến gần đây, việc phân tích thông tin này trên nhiều sự kiện yêu cầu xem xét thủ công mất thời gian. Các công cụ trí tuệ nhân tạo có thể thay đổi động lực này, với các mô hình có khả năng kiểm tra dữ liệu câu chuyện ở quy mô lớn, xác định các mẫu lặp lại, các yếu tố đóng góp chung, và các xu hướng tinh vi mà có thể không dễ dàng nhìn thấy thông qua các trường cấu trúc alone.

Nghiên cứu bổ sung đã chỉ ra rằng các câu chuyện an toàn không cấu trúc thường xuất hiện các chỉ số sớm của rủi ro hệ thống – như sự nhầm lẫn về thủ tục hoặc điều kiện môi trường lặp lại – lâu trước khi chúng xuất hiện trong thống kê tổng hợp. Thay vì thay thế các điều tra viên, các công cụ trí tuệ nhân tạo có thể tăng cường chuyên môn của họ bằng cách đưa ra các tín hiệu đáng được chú ý.

Các đội an toàn có thể sử dụng các công cụ trí tuệ nhân tạo ngay sau một sự kiện để:

• Diễn giải chi tiết sự kiện – bao gồm mức độ nghiêm trọng, hành vi và mô tả ngữ cảnh – để nhấn mạnh các yếu tố đóng góp liên quan
• Xác định các mẫu trên các sự kiện tương tự mà có thể không rõ ràng tại cấp độ trường hợp riêng lẻ
• Hướng dẫn các điều tra viên đến các hành động khắc phục phù hợp với những phát hiện đó

Những khả năng này giảm sự phụ thuộc vào xem xét thủ công và trí nhớ tổ chức, cho phép các đội phản ứng với sự nhất quán và tốc độ cao hơn.

Từ phân tích nguyên nhân gốc rễ đến hành động ngay lập tức

Xác định nguyên nhân gốc rễ chỉ có giá trị nếu nó dẫn đến hành động. Tuy nhiên, các đội an toàn thường gặp phải một nút thắt quen thuộc khi một cuộc điều tra được hoàn thành: hành động khắc phục nào để thực hiện, và làm thế nào nhanh chóng để thực hiện nó.

Các công cụ trí tuệ nhân tạo ngày càng được sử dụng để bắc cầu này bằng cách phân tích các đặc điểm của sự kiện – loại, mức độ nghiêm trọng, hành vi đóng góp, và các yếu tố ngữ cảnh. Công cụ trí tuệ nhân tạo sau đó hướng dẫn các điều tra viên đến các hành động khắc phục phù hợp nhất. Trong thực tế, các chuyên gia an toàn ít phụ thuộc vào trí nhớ, tìm kiếm thủ công, hoặc các nhiệm vụ đào tạo lại chung chung.

Sử dụng phân tích sâu và cụ thể phù hợp với các tiêu chuẩn quản lý an toàn quốc tế như ISO 45001, nhấn mạnh rằng các hành động khắc phục nên giải quyết trực tiếp các nguy cơ và nguyên nhân gốc rễ đã xác định, thay vì dựa vào các phản ứng rộng rãi và chung chung. Bằng cách rút ngắn khoảng cách giữa điều tra và hành động, các tổ chức có thể can thiệp trong khi ngữ cảnh vẫn còn tươi mới và hiệu quả nhất.

Đóng vòng lặp giữa các sự kiện và trách nhiệm

Một thách thức khác trong các chương trình an toàn là khả năng hiển thị sau các hành động khắc phục liên quan đến đào tạo. Các nhà lãnh đạo an toàn thường gặp khó khăn trong việc trả lời các câu hỏi cơ bản như liệu đào tạo đã được hoàn thành? Liệu nó đã được hoàn thành đúng hạn? Liệu có một hồ sơ rõ ràng kết nối sự kiện với hành động được thực hiện?

Các quy trình an toàn được hỗ trợ bởi trí tuệ nhân tạo ngày càng nhấn mạnh vào trách nhiệm đóng vòng lặp, đảm bảo rằng các hành động khắc phục không chỉ được đề xuất mà còn được theo dõi đến khi hoàn thành và được ghi lại cùng với sự kiện ban đầu. Từ quan điểm về độ trưởng thành của chương trình, điều này cho phép các tổ chức chuyển từ báo cáo tuân thủ sang cải thiện có thể đo lường được, bao gồm:

• Thời gian từ điều tra sự kiện đến hành động khắc phục nhanh hơn
• Sự nhất quán cao hơn trong việc giao nhiệm vụ đào tạo lại và xác minh
• Các đường dẫn kiểm toán rõ ràng hơn kết nối sự kiện, hành động và kết quả

Hướng dẫn quy định từ OSHA đã nhấn mạnh tầm quan trọng của việc ghi lại và xác minh trong các hệ thống quản lý an toàn, đặc biệt là về hiệu quả đào tạo và sẵn sàng kiểm toán.

Các kết quả an toàn mang lại hậu quả về mặt đạo đức, pháp lý và con người đòi hỏi sự phán quyết chuyên nghiệp. Việc triển khai hiệu quả các công cụ trí tuệ nhân tạo tuân theo mô hình “con người trong vòng lặp”, nơi công cụ trí tuệ nhân tạo cung cấp các khuyến nghị có thể giải thích và bằng chứng hỗ trợ, trong khi các chuyên gia an toàn vẫn giữ toàn quyền quyết định. Cách tiếp cận này phù hợp với các khuôn khổ quản lý rủi ro trí tuệ nhân tạo rộng hơn như Khuôn khổ Quản lý Rủi ro Trí tuệ Nhân tạo của NIST, nhấn mạnh tính minh bạch và trách nhiệm trong khi duy trì giám sát.

Khi được định vị như hỗ trợ quyết định thay vì tự động hóa vì lợi ích của nó, các công cụ trí tuệ nhân tạo trở nên dễ tin cậy hơn và có khả năng được áp dụng nhiều hơn.

Nhìn về tương lai và đo lường tác động vượt quá tuân thủ

Khi dữ liệu sự kiện trở nên có thể hành động được, các chương trình an toàn có thể chuyển từ các chỉ số chậm như tỷ lệ chấn thương có thể ghi lại và bắt đầu tập trung vào các chỉ số dẫn đầu của rủi ro. Các tổ chức có chương trình phân tích an toàn trưởng thành đã được chứng minh là trải qua ít sự kiện nghiêm trọng hơn theo thời gian, vì họ được trang bị tốt hơn để xác định các rủi ro mới nổi và can thiệp sớm.

Bằng cách kết nối các sự kiện trực tiếp với học tập, trách nhiệm và kết quả có thể đo lường được, trí tuệ nhân tạo giúp các đội an toàn học không chỉ từ các sự kiện, mà vì chúng.

Tương lai của an toàn tại nơi làm việc không phải là về việc thu thập nhiều dữ liệu hơn. Đó là về việc sử dụng dữ liệu hiện có một cách thông minh hơn. Các công cụ trí tuệ nhân tạo cung cấp cho các đội an toàn một cách để chuyển đổi hồ sơ sự kiện từ tài liệu tĩnh thành các công cụ phòng ngừa động, giúp các tổ chức di chuyển nhanh hơn từ điều tra đến hành động mà không hy sinh sự phán quyết của con người. Trong các môi trường nơi chi phí của các sự kiện lặp lại là cao, việc làm cho dữ liệu sự kiện真正 có thể hành động được có thể là một trong những bước quan trọng nhất mà các nhà lãnh đạo an toàn có thể thực hiện.