Bij het stellen van prioriteiten in risicomanagement is er altijd de spanning tussen onmiddellijke gevaren aanpakken en gezondheidsrisico's op de lange termijn overwegen. Want het is belangrijk om goed te reageren op acute risico's zonder de belangrijke langetermijnstrategieën uit het oog te verliezen. 

Is de waan van de dag je vriend of toch je vijand? Als vijand houdt hij je van je werk, als vriend helpt hij je om resultaten te boeken. Door een ongeval in je bedrijf, bijvoorbeeld in het verkeer, kan er ineens een momentum ontstaan om maatregelen door te voeren op het gebied van verkeersveiligheid. Misschien was je daar helemaal niet mee bezig, maar nu is er een kleine window of opportunity om de bakens te verzetten. Die moet je grijpen, ook al had je dat niet gepland. 

De valkuil van ervaren arboprofessionals 

Zeker de geroutineerde arboprofessionals hebben hun strepen verdiend en expertise opgebouwd op specifieke onderwerpen. Stel, je hebt veel ervaring met ergonomie. Dan is de kans groot dat je veel verbetermogelijkheden ziet op dit terrein. Dit is aan de ene kant een kracht en aan de andere kant een zwakte.  

Want hoe weet je nu zeker dat je niet overmatig met je eigen expertise bezig bent in plaats van met wat jouw organisatie nodig heeft? Het is natuurlijk lekker om te werken binnen je eigen expertiseveld, daar ben je oppermachtig. Maar binnen de organisatie speelt er vast meer. Iets om alert op te zijn, want zeg nou zelf: "Voor iemand die alleen een hamer heeft, lijkt alles toch op een spijker?" 

Datamodellen als aanvullend gereedschap 

In een goede gereedschapskist zitten veel verschillende gereedschappen. Zo kunnen datamodellen ons helpen om onze eigen waarnemingen aan te vullen. En voorkomen dat we per ongeluk met een hamer op een schroef staan te meppen.  

Veel bedrijven hebben een eigen (mini)registratie van risico's en incidenten. Deze systemen gebruiken is nuttig om een completer beeld te krijgen van de veiligheidsuitdagingen binnen de organisatie. Dit helpt niet alleen bij het identificeren van problemen. Het helpt ook bij het prioriteren van acties die de grootste impact kunnen hebben op de veiligheid en gezondheid op de werkplek. Zo kun je je gereedschapskist van vaardigheden en technieken uitbreiden, wat uiteindelijk leidt tot een effectiever en meeromvattend risicomanagementbeleid. 

Effectiviteit van bestaande datamodellen 

Hoewel er wel degelijk al datamodellen zijn, zijn die nog niet optimaal. De complexiteit en de algemene toegankelijkheid van deze systemen maken het moeilijk voor organisaties om de verzamelde data effectief te analyseren. Laat staan toe te passen in concrete preventiestrategieën.  

Twee voorbeelden van grootschalige datamodellen: 

Storybuilder 

In Storybuilder (RIVM) kunnen bedrijven alle door de Arbeidsinspectie onderzochte ernstige ongevallen raadplegen uit de periode 1998 tot en met 2014 (dat zijn er circa 31.000). De ongevallen zijn verdeeld in 36 typen, van vallen van hoogte en vallende voorwerpen tot ongevallen met machines en beklemmingen. 

Register van beroepsziekten 

Werkgevers zijn verplicht om een overzicht van beroepsziekten bij te houden. Bedrijfsartsen moeten deze beroepsziekten registreren bij het Nederlands Centrum voor Beroepsziekten (NCvB). De praktijk is dat dit in lang niet alle gevallen gebeurt. 

De rol van AI bij analyseren van databases 

Artificial Intelligence oftewel AI kan een krachtige rol spelen bij het analyseren van data over arbeidsongevallen en beroepsziekten. Denk hierbij aan de volgende 4 taken:  

1. Patroonherkenning en trendanalyse  

AI kan grote hoeveelheden ongevallendata snel verwerken om patronen en trends te identificeren die misschien niet direct zichtbaar zijn voor menselijke analisten. Dit omvat het herkennen van veelvoorkomende oorzaken van ongevallen, risicovolle situaties en omstandigheden die frequent tot incidenten leiden. 

2. Voorspellende analyse 

Door historische gegevens te gebruiken, kan AI modellen ontwikkelen die toekomstige ongevallen kunnen voorspellen op basis van bestaande risicofactoren. Dit stelt organisaties in staat om proactief interventies te plannen en preventieve maatregelen te treffen voordat ongevallen gebeuren. 

3. Automatisering van rapportage en analyse  

AI kan helpen bij de automatisering van het proces van gegevensinvoer en bij de analyse van incidentrapporten. Dit vermindert de administratieve last en vergroot de nauwkeurigheid van de ongevallendata. Waardoor organisaties betere beslissingen kunnen nemen. 

4. Real-time monitoring en waarschuwingen  

AI-geïntegreerde monitoringssystemen kunnen continu werkplekgegevens analyseren om onmiddellijke risico's te detecteren. AI is bijvoorbeeld te gebruiken om werkomgevingen te monitoren op onveilige praktijken of omstandigheden. En automatisch waarschuwingen te sturen naar zowel werknemers als management. 

Gevaren van AI bij analyse datamodellen 

De inzet van AI-modellen binnen het risicomanagement biedt veel kansen, maar kent ook uitdagingen. Een daarvan is de neiging van AI om de grenzen van ons eigen denken niet te overschrijden. Oftewel: de input die wij geven, vormt de basis waarop het bouwt. Dit spiegelt vaak onbedoeld onze eigen beperkingen en vooroordelen, waarmee de kans op tunnelvisie toeneemt. 

Daarnaast ligt het risico op lekken van privacygevoelige informatie altijd op de loer. In een wereld waarin gegevens gelijkstaan aan waarde, vereist het beheer van deze informatie een zorgvuldige en secure aanpak. Zonder de juiste beveiligingsmaatregelen kan AI-gebruik bij data-analyse onbedoeld leiden tot kwetsbaarheden in de bescherming van persoonlijke en gevoelige data. 

Datamodellen en AI gebruiken, zo begin je 

Goed gebruik van AI helpt ons om risico's niet alleen te herkennen, maar ook te voorkomen. De kwaliteit van data doet er daarbij toe, want: garbage in, garbage out. Data-analyse in risicomanagement is nooit beter dan de kwaliteit van de brondata. Ook de omvang van een dataset speelt mee. Idealiter analyseer je tienduizenden voorvallen tegelijk, daar ligt de echte kracht van AI.  

Toch kun je ook kleiner beginnen. Want zelfs met een bescheiden dataset van ongevallen of beroepsziekten krijg je al enige inzichten. Voordeel daarvan is dat je het eens door de ogen van een 'ander' kunt laten bekijken. Daarnaast bespaart het een hoop tijd bij trendanalyses. En met goede data spoort AI zomaar jouw blinde vlek op. 

Met AI in de gereedschapskist van risicomanagement vallen er grote sprongen te maken. Om de gevaren van vandaag aan te kunnen, maar zeker ook om die van morgen te voorspellen en voorkomen.