Bagaimana AI Menganalisis Laporan Nyaris Celaka untuk Mencegah Cedera Serius

Sebuah laporan nyaris celaka masuk ke kotak masuk manajer keselamatan: sepotong besi siku jatuh dari ketinggian 3 lantai dari dek terbuka dan mendarat 4 kaki dari seorang pekerja di bawah. Manajer keselamatan meninjaunya, mengeluarkan pengingat tentang perlindungan dari benda jatuh, dan mengarsipkannya. Tiga minggu kemudian, kejadian nyaris celaka serupa terjadi di lantai berbeda pada proyek yang sama. Dua bulan kemudian, benda jatuh benar-benar mengenai seorang pekerja di proyek di seberang kota. Polanya terlihat dalam data, tetapi tidak ada yang menghubungkan titik-titiknya sampai seseorang terluka.

Masalah Volume

Perusahaan konstruksi besar menghasilkan ribuan laporan nyaris celaka per tahun. Kontraktor dengan 20 proyek aktif mungkin menerima 50 hingga 100 laporan nyaris celaka per minggu selama aktivitas puncak. Setiap laporan ditinjau oleh petugas keselamatan proyek, dan laporan signifikan dieskalasi. Tetapi pola yang mencakup beberapa proyek, beberapa periode waktu, dan beberapa penulis laporan hampir mustahil dideteksi oleh satu orang peninjau manusia.

Volume yang tinggi sebenarnya merupakan indikator positif. Perusahaan dengan budaya keselamatan yang kuat melaporkan lebih banyak kejadian nyaris celaka karena pekerja mereka dilatih untuk mendokumentasikannya. Tingkat pelaporan nyaris celaka yang tinggi adalah indikator utama kematangan keselamatan. Tetapi nilai dari laporan-laporan tersebut bergantung pada apakah seseorang menganalisisnya secara sistematis untuk menemukan pola.

Sebuah perusahaan konstruksi nasional dengan 8.000 karyawan menerapkan analisis teks AI pada database nyaris celaka mereka yang berisi lebih dari 12.000 laporan selama tiga tahun. AI mengidentifikasi 34 kluster pola berbeda yang tidak terdeteksi melalui proses peninjauan manual mereka. Tujuh dari kluster ini mewakili kondisi berulang yang kemudian mengakibatkan cedera nyata. Dalam setiap kasus, polanya terlihat dalam data nyaris celaka berbulan-bulan sebelum cedera terjadi.

Bagaimana Analisis Teks AI Bekerja pada Laporan Keselamatan

Laporan nyaris celaka biasanya berupa deskripsi teks bebas yang ditulis oleh pekerja lapangan atau supervisor. Laporan-laporan ini sangat bervariasi dalam detail, kualitas penulisan, dan terminologi. Seorang pekerja menulis bahwa papan jatuh dari perancah. Pekerja lain menulis bahwa kayu terjatuh dari platform perancah. Yang ketiga menulis bahwa balok 2x4 terlepas dari permukaan kerja sementara. Ketiganya pada dasarnya menggambarkan bahaya yang sama, tetapi pencarian kata kunci tidak akan menghubungkan mereka.

Model pemrosesan bahasa alami memahami makna semantik dari teks, bukan sekadar mencocokkan kata kunci. Model ini mengidentifikasi bahwa ketiga laporan menggambarkan kategori bahaya yang sama: benda jatuh dari permukaan kerja sementara yang tinggi. Model ini juga dapat mengekstrak faktor-faktor penyebab yang disebutkan dalam narasi: kondisi angin, platform kerja yang terlalu padat, papan pengaman kaki yang tidak memadai, dan penyimpanan material yang tidak diamankan.

AI mengelompokkan laporan serupa ke dalam kluster dan melacak frekuensi kluster dari waktu ke waktu. Kluster laporan tentang benda jatuh dari perancah yang frekuensinya meningkat menandakan risiko yang sedang berkembang. Kluster tentang bahaya tersandung kabel listrik yang muncul secara konsisten di semua proyek menunjukkan masalah sistemik dengan praktik pengelolaan kabel, bukan masalah khusus proyek tertentu.

Menghubungkan Laporan Lintas Proyek

Salah satu kemampuan paling berharga adalah deteksi pola lintas proyek. Kejadian nyaris celaka yang melibatkan backhoe mengenai jalur gas yang tidak ditandai di Proyek A, dikombinasikan dengan kejadian nyaris celaka tentang lokasi utilitas yang tidak lengkap di Proyek B, dan laporan tentang tanda utilitas yang memudar di Proyek C, membentuk pola yang menunjukkan bahwa proses verifikasi lokasi utilitas perusahaan memiliki celah.

Jenis analisis lintas proyek seperti ini pada dasarnya mustahil dilakukan melalui peninjauan manual. Setiap petugas keselamatan proyek hanya melihat laporan mereka sendiri. Tim keselamatan korporat menerima ringkasan tetapi biasanya tidak membaca setiap laporan secara detail. AI membaca setiap laporan, memahami isinya, dan membuat koneksi yang tidak akan dibuat oleh satu peninjau manusia mana pun karena tidak ada satu manusia pun yang memiliki visibilitas ke seluruh dataset.

Perusahaan yang menggunakan analitik keselamatan konstruksi berbasis AI menemukan bahwa wawasan lintas proyek sering kali menghasilkan peningkatan keselamatan yang lebih berdampak dibandingkan tinjauan insiden individual. Mengubah proses di seluruh perusahaan berdasarkan pola yang ditemukan di 8 proyek mencegah lebih banyak cedera daripada menangani satu insiden di satu proyek.

Prediksi Tingkat Keparahan dari Karakteristik Nyaris Celaka

Tidak semua kejadian nyaris celaka memiliki potensi bahaya serius yang sama. Palu yang jatuh dari ketinggian 4 kaki memiliki potensi keparahan yang berbeda dari palu yang jatuh dari ketinggian 40 kaki. Model AI dapat menilai potensi keparahan kejadian nyaris celaka berdasarkan karakteristik yang dijelaskan dalam laporan: ketinggian jatuh, massa benda, kedekatan pekerja, energi yang terlibat, dan jenis bahaya.

Penilaian keparahan ini membantu tim keselamatan memprioritaskan respons mereka. Pola frekuensi tinggi dengan keparahan rendah seperti tersandung ringan karena kabel ekstensi mungkin memerlukan perubahan prosedur. Pola frekuensi rendah dengan keparahan tinggi seperti kegagalan sambungan struktural mungkin memerlukan tinjauan teknik segera dan potensi perintah penghentian kerja meskipun hanya ada 2 atau 3 laporan.

Penilaian keparahan ini tidak presisi, karena laporan nyaris celaka sering kali kekurangan detail yang diperlukan untuk perhitungan keparahan yang tepat. Tetapi penilaian ini memberikan diferensiasi yang cukup untuk membantu manajer keselamatan mengalokasikan waktu terbatas mereka pada pola yang paling mungkin mengakibatkan cedera serius atau kematian jika terus dibiarkan.

Meningkatkan Kualitas Pelaporan

Manfaat tak terduga dari analisis nyaris celaka dengan AI adalah peningkatan kualitas pelaporan. Ketika AI mengidentifikasi bahwa informasi tertentu hilang dari laporan, seperti ketinggian jatuh, aktivitas spesifik yang sedang dilakukan, atau kondisi cuaca, tim keselamatan dapat memberikan umpan balik kepada pelapor tentang detail apa yang penting. Seiring waktu, kualitas laporan meningkat, yang selanjutnya meningkatkan kemampuan AI untuk menemukan pola.

Beberapa platform memberikan umpan balik secara real-time kepada pekerja yang mengisi laporan nyaris celaka di ponsel mereka. Saat pekerja mengetik deskripsi, AI meminta detail yang hilang: berapa perkiraan ketinggiannya, berapa banyak pekerja yang ada di area tersebut, apakah area tersebut diberi barikade. Format pelaporan terpandu ini menangkap lebih banyak data yang berguna tanpa mengharuskan pekerja mengisi formulir yang panjang.

Resistensi Organisasi

Penerapan analisis nyaris celaka dengan AI terkadang menemui resistensi dari staf keselamatan tingkat proyek yang merasa penilaian mereka dipertanyakan oleh mesin. Cara penyampaiannya penting. AI tidak meragukan respons petugas keselamatan proyek terhadap laporan individual. AI menganalisis data agregat untuk menemukan pola yang tidak dapat dideteksi oleh peninjau individual mana pun karena polanya mencakup terlalu banyak laporan dalam rentang waktu yang terlalu panjang.

Berbagi kisah sukses sangat membantu. Ketika AI mengidentifikasi pola yang mengarah pada peningkatan keselamatan yang bermakna, mendokumentasikan kasus tersebut dan membagikannya ke seluruh organisasi menunjukkan nilainya dalam istilah konkret. Petugas keselamatan yang awalnya menolak sering kali menjadi pendukung paling kuat setelah mereka melihat AI memunculkan pola yang mereka rasakan secara intuisi tetapi tidak dapat dibuktikan dari data saja.

Tujuannya bukan untuk mengotomatisasi manajemen keselamatan. Tujuannya adalah memberikan profesional keselamatan alat yang lebih baik untuk pengenalan pola yang esensial dalam mencegah insiden serius. Data nyaris celaka yang sudah dikumpulkan oleh perusahaan konstruksi mengandung intelijen yang dapat ditindaklanjuti. AI adalah cara praktis untuk mengekstraknya dalam skala besar.