Lo lees en 5 min¿De qué manera se pueden aprovechar los datos generados por dispositivos para predecir accidentes? ¿Cómo los modelos predictivos pueden ayudar a evitar errores humanos a través del procesamiento de datos e incluso de eventos reales? En el siguiente artículo te contamos por qué la tecnología puede ser la mejor aliada para proteger el bienestar de los colaboradores.
El avance que ha experimentado -y sigue experimentando- la tecnología en los últimos años es difícil de dimensionar. El mercado laboral no se ha quedado al margen y ha hecho eco del impacto, por lo que la transformación ha sido profunda. Hoy existen, desde nuevas formas de comunicarse en las empresas, hasta innovadoras iniciativas para gestionar la conducta y desempeño de los trabajadores.
En términos legales, la prevención de riesgos laborales recién se oficializó en 1968, cuando la tasa de accidentes laborales alcanzó un 35% y se promulgó la ley 16.744. ¿Qué ha pasado desde entonces? Además de que las empresas tomaran conciencia de la importancia del bienestar de los trabajadores, la tecnología fue acompañando esos cambios y entregando soluciones.
No olvidemos que no hace mucho tiempo, los controles de trabajadores de industrias riesgosas (como la construcción o maquinaria pesada) se hacían de manera manual. Esto propiciaba malas prácticas como la pérdida de documentos, lo que impedía tener registros y sacar conclusiones precisas. Esa información no era aprovechada para anticiparse al riesgo y evitar futuros accidentes laborales.
¿Cómo estimar la probabilidad de riesgo?
La situación es que hoy contamos con herramientas que pueden minimizar los errores humanos, detectar cuando una persona no se encuentra en condiciones de enfrentar la jornada laboral, predecir riesgos y, finalmente, salvar vidas.
¿Y cómo es esto posible?
Gracias a la tecnología hoy generamos una gran cantidad de datos que de manera inteligente, por ejemplo a través de modelos predictivos, pueden estimar riesgos y ayudar a las empresas a generar planes de acción y protocolos, con el objetivo final de cambiar el comportamiento humano acorde a una cultura consciente de la importancia del bienestar de la fuerza laboral.
¿Qué es un modelo predictivo?
En pocas palabras, son modelos matemáticos que predicen el comportamiento de una variable en función de otras variables. Es decir, el análisis predictivo se dedica a estimar eventos futuros en función de datos históricos, a los cuales se les aplica diversas técnicas analíticas, estadísticas y de aprendizaje automático. Para su construcción, una vez que ya se ha desarrollado el algoritmo predictivo, se requiere de un conjunto de datos históricos que puedan entrenar al sistema para lograr una predicción exacta.
Tal como explica este artículo de IBM, “Machine learning es una forma de Inteligencia Artificial que permite a un sistema aprender de los datos en lugar de aprender mediante la programación explícita”. Si los modelos están online y son continuos, se puede lograr una mejora en los tipos de asociaciones que se hacen entre los elementos de datos.
Actualmente, el Big Data es clave en la prevención de riesgos laborales y en la seguridad en el trabajo. Así lo afirmó el Instituto para el Desarrollo e Integración de la Sanidad (IDIS) de España, organización que recientemente destacó el volumen masivo de datos que se puede analizar, la variedad de las fuentes de las que provienen, la velocidad en el análisis y procesamiento de los mismos, así como también veracidad en la información obtenida.
Si bien existen todo tipo de dispositivos que pueden generar datos -como sensores que detectan episodios de microsueño de un trabajador-, lo importante es que esa información sea bien utilizada.
Es decir, además de generar una acción reactiva -como emitir un sonido que despierte a quien está quedándose dormido en ese minuto- también es importante recopilar esos datos para prevenir llegar a esa situación. Probablemente se pueden tomar acciones como, por ejemplo, revisar que el sistema de turnos efectivamente permita que los trabajadores tengan un descanso de calidad o poner en marcha protocolos internos que permitan que la persona trabaje en óptimas condiciones.
Conclusión
Si bien los modelos predictivos pueden detectar aspectos críticos como un nivel de fatiga alto de los trabajadores, es crucial la gestión del cambio. Luego del levantamiento de datos, ¿qué plan de acción aplicará la empresa para reducir este riesgo? ¿Cómo crear mayor conciencia en los trabajadores sobre lo perjudicial de la fatiga y somnolencia? Además de implementar soluciones tecnológicas que levanten alertas, es clave que proponga mecanismos de acción que efectivamente puedan salvar vidas.
