Turvallisuusjohtamisen kehittäminen tiedon louhinnalla : AI SAFETY -hankkeen loppuraportti

Abstract

Turvallisuusjohtamisen kehittäminen tiedonlouhinnalla (AI Safety)- tutkimushanke tarkasteli koneoppimismenetelmien hyödyntämismahdollisuuksia turvallisuusjohtamista tukevina työkaluina. Koneoppimismenetelmien ohella hanke tarkasteli myös organisaatioiden erilaisten datojen hyödyntämispotentiaalia eri analyyseissä. Keskeistä hankkeen tutkimusasetelmassa oli näiden erilaisten aineistojen yhdistäminen analyysikohtaisiksi aineistokokonaisuuksiksi. Tämän tarkoituksena oli etsiä sellaisia yhteyksiä datojen väliltä, jotka eivät ole ilmeisiä, tai jotka ovat huonosti tunnettuja. Koneoppimismenetelmiin on vuosien saatossa liitetty paljon odotuksia esimerkiksi ennakoivan analytiikan suhteen. Yksi tämän hankkeen tavoitteista olikin juuri sen selvittäminen, mitä ennakoivan analytiikan mahdollisuuksia organisaatoissa nykyisin olemassa oleva data mahdollistaa. Toisaalta hankkeessa myös pyrittiin yleisesti ottaen selvittämään monipuolisesti eri menetelmillä, voiko koneoppimismenetelmillä tuottaa turvallisuusjohdolle uutta tietoa vuosien saatossa organisaation normaalista toiminnasta kertyneestä datasta. Hankkeen aineisto tuli alueilta työturvallisuus, työympäristö, henkilöstö ja tuotanto ja se kerättiin hankeen neljästä osallistujaorganisaatiosta, jotka ovat Suomessa toimivia teollisuusyrityksiä. Tutkimusaineistona käytettiin myös Tapaturmavakuutuskeskuksen vahinkokuvaustekstejä. Aineistoa analysoitiin monipuolisesti erilaisilla koneoppimismenetelmillä, ja osaa aineistoa analysoitiin myös asiantuntija-analyysillä. Asiantuntija-analyysillä tutkittiin, miten monipuolisesti organisaatiot ovat tunnistaneet tapaturmiin liittyneitä inhimillisiä ja ihmisen toiminnan taustalla vaikuttaneita tekijöitä. Hanke syvensi ymmärrystä osallistujaorganisaatioiden datojen mahdollisuuksista ja puutteista koneoppimismenetelmiin perustuvassa analyysissä, ja tuotti tietoa rakenteisen ja rakenteettoman datan hyödyntämismahdollisuuksista koneoppimismenetelmillä. Tulosten perusteella organisaatioiden keräämässä turvallisuusdatassa on kehitettävää ja tietoaukkoja, jotka vaikeuttavat tekoälyn hyödyntämistä turvallisuuteen liittyvässä analytiikassa ja siten datalähtöisessä turvallisuusjohtamisessa. Kehitettävää havaittiin tekstimuotoisen datan laadussa ja kattavuudessa – esimerkiksi turvallisuustapahtumien taustalla vaikuttavien tekijöiden tunnistamisessa – rakenteisen datan määrien ja muuttujien riittävyydessä sekä mahdollisuuksissa yhdistää rakenteisia datoja toisiinsa. Turvallisuusdatan laadun ja muun organisaatiodatan (kontekstidatan) saatavuuden ja yhdisteltävyyden kehittäminen onkin keskeistä, mikäli tekoälyyn perustuvaa analytiikkaa halutaan hyödyntää turvallisuusjohtamisessa. Dataan liittyvistä haasteista huolimatta tutkimuksessa käytetyt koneoppimismallit tunnistivat kuitenkin merkkejä siitä, että esimerkiksi turvallisuuskoulutuksilla ja perehdytyksillä pystytään vaikuttamaan työturvallisuuteen, ja että korkeat tuotanto- ja tilausmäärät näyttävät yleisellä tasolla olevan yhteydessä työturvallisuustason heikentymiseen. Analyysimenetelmillä havaittiin myös, että kohonneet turvallisuushavaintomäärät indikoivat kasvua työturvallisuustapahtumien määrässä ja vakavuudessa, mikä viittaa siihen, että vakavampia turvallisuustapahtumia kuten työtapaturmia voitaisiin estää, mikäli työturvallisuuden korjaavia toimenpiteitä pystytään tekemään aktiivisesti ja ennakoiden turvallisuushavainnoilla saatavan tiedon perusteella.