Consejos Profesionales
Los líderes en seguridad industrial ya conocen la incómoda verdad sobre el análisis de causa raíz (RCA): no se puede hacer para todo. Las investigaciones completas requieren tiempo, coordinación y experiencia, y las operaciones reales no se detienen para que podamos realizar análisis perfectos.
Según nuestra investigación, las organizaciones informan que realizan RCAs completas en aproximadamente el 1% al 2% de los incidentes. Las fuentes disponibles públicamente muestran tasas igualmente bajas.
Las operaciones de alto riesgo generan un flujo constante de eventos: cerca de accidentes, casos de primeros auxilios, daños a equipos, alteraciones de procesos, liberaciones ambientales, escapes de calidad y el ocasional precursor de alto potencial que podría haber sido catastrófico. Si intentas hacer un RCA completo de todo, el sistema colapsa bajo su propio peso. Si solo RCA el nivel superior, corres el riesgo de perder señales débiles y repetir el mismo patrón de eventos hasta que finalmente produzca una lesión grave o fatalidad.
Si deseas menos incidentes el próximo trimestre y el próximo año, ¿deberías presionar por más RCAs o mejores RCAs?
Nuestra revisión de la evidencia y la investigación sugiere una dirección clara: ambos importan, pero la calidad del RCA es generalmente la variable de mayor influencia una vez que tienes cobertura básica.
La buena noticia es que con la ayuda de la IA moderna no tienes que elegir uno u otro.
En este artículo en dos partes, primero examinaremos lo que aprendimos de la investigación sobre el tema, luego propondremos un marco para medir la calidad del RCA y discutiremos cómo plataformas de IA como Haven Safety AI pueden ser un multiplicador de fuerza en el proceso.
Los RCAs solo reducen incidentes cuando se convierten en controles más fuertes
Un RCA no tiene valor porque exista un informe. Tiene valor solo cuando produce prevención de manera confiable:
Calidad de captura de evidencia (hechos, condiciones, cronología, contexto)
Calidad de razonamiento causal (contribuyentes del sistema, no solo el último acto inseguro)
Fortaleza de las acciones correctivas (controles que realmente reducen la exposición)
Implementación y verificación (¿se implementó la solución y funcionó?)
Cuando cualquier eslabón en esa cadena es débil, la recurrencia es predecible.
Por eso, “más RCAs” puede parecer un progreso, pero no siempre se refleja en las tendencias de incidentes. La cantidad aumenta las oportunidades de aprender. La calidad determina la tasa de conversión del esfuerzo de investigación en una reducción de riesgo duradera.
Lo que la evidencia de seguridad industrial realmente muestra
La investigación directa y cuantitativa sobre “calidad del RCA vs resultados de incidentes” en entornos industriales no es masiva, pero hay señales significativas.
1) La calidad y madurez de la investigación se correlacionan con un mejor rendimiento en seguridad en minería
En minas de oro a gran escala en Ghana, los investigadores evaluaron la calidad de los informes de investigación de incidentes utilizando una herramienta estructurada, luego examinaron cómo esos elementos de calidad estaban relacionados con tasas de incidencia de lesiones. Encontraron que las minas diferían significativamente en calidad de los informes, y las tasas de incidencia de lesiones estaban negativamente correlacionadas con algunos elementos de la evaluación de calidad. (Springer)
Un estudio relacionado desarrolló un marco de madurez para la investigación de incidentes (basado en literatura y entrevistas a investigadores en múltiples minas) para caracterizar cómo son en la práctica las “investigaciones maduras”, explícitamente porque vincular la práctica de investigación al rendimiento en seguridad no se había estudiado lo suficiente. (MDPI)
Conclusión: incluso en un entorno operativo de alta variabilidad, “qué tan bien se realizan las investigaciones” muestra una asociación significativa con el rendimiento en seguridad.
2) Las características del programa relacionadas con el contenido de investigación y la participación importan más que la velocidad
Wachter y Yorio encuestaron a más de 300 establecimientos sobre sus programas de investigación de accidentes y exploraron relaciones con resultados de lesiones y enfermedades. Sus hallazgos son especialmente relevantes para el debate de “calidad vs cantidad”:
Observaron que el tiempo para iniciar una investigación parecía menos importante que el enfoque del contenido de la investigación y quién la realiza.
Los programas con un enfoque en errores humanos y un enfoque basado en equipos o empleados estaban a menudo asociados con tasas de lesiones y enfermedades más bajas (con la importante advertencia de que las características de la investigación explicaban solo una parte modesta de la varianza en las tasas de accidentes). (ResearchGate)
Conclusión: las partes de un programa de investigación que parecen “entradas de calidad” (quién participa, qué examina la investigación) están fuertemente implicadas, mientras que una métrica de rendimiento pura (velocidad) no es la historia principal.
3) “Aprender de los incidentes” es la parte más importante de una investigación
Las organizaciones de seguridad industrial a menudo asignan a sus mejores personas al análisis causal, y luego subinvierten en el trabajo posterior: toma de decisiones, implementación y seguimiento.
En la investigación de la industria de procesos, Jacobsson, Ek y Akselsson describen un ciclo de aprendizaje que incluye reporto, análisis, decisión, implementación y seguimiento, y proponen formas de evaluar la efectividad en todos los pasos, no solo en el paso de análisis. (ScienceDirect)
Drupsteen, Groeneweg y Zwetsloot argumentan de manera similar que las organizaciones a menudo no logran aprender de eventos pasados y presentan un modelo para identificar cuellos de botella. En su trabajo, el potencial de aprendizaje fue limitado, especialmente en la etapa de evaluación, y la mejora requiere atención a todo el conjunto de pasos en el proceso de aprendizaje. (PubMed)
Conclusión: incluso un análisis excelente no reducirá el volumen de incidentes si las acciones son débiles, tardías, no verificadas o no están institucionalizadas.
La evidencia adyacente refuerza el mecanismo: la fortaleza y sostenibilidad de las acciones son el problema
Aunque nuestro enfoque aquí es la seguridad industrial, la atención médica posee un mayor cuerpo de investigación sobre “calidad de salida del RCA” que ayuda a validar el mecanismo que nos preocupa: recomendaciones y seguimiento.
Una revisión sistemática concluyó que el RCA puede ser útil para identificar causas contribuyentes, pero que traducir el RCA en prevención de recurrencias efectivas no se logra de manera consistente. (PMC)
Un estudio observacional de RCAs codificó la fortaleza de las recomendaciones y examinó la efectividad y sostenibilidad percibidas, destacando que la calidad de las recomendaciones varía y es medible. (OUP Academic)
No necesitas asumir que la atención médica es “lo mismo” que la seguridad industrial para aprender de esto. La comunalidad es estructural: las investigaciones generan recomendaciones, y las recomendaciones solo reducen la recurrencia cuando son fuertes, se implementan y se sostienen.
Lo que significa “calidad del RCA” en la seguridad industrial (una definición práctica)
Un “RCA de alta calidad” no se trata de producir un informe más largo. Se trata de producir un modelo causal más defensible y controles más fuertes. La calidad por naturaleza es multidimensional. Los RCAs de alta calidad entregan consistentemente:
Una comprensión clara de lo que sucedió: El evento está definido correctamente, los límites incluyen los contribuyentes del sistema (equipos, procedimientos, supervisión, mantenimiento, interfaces de contratistas).
Rigor en la evidencia y análisis: La evidencia es rastreable; la cronología es creíble; las brechas están explícitamente señaladas; el razonamiento está estructurado (no solo impresiones).
Enfoque en sistemas y factores humanos: El análisis va más allá del “error del trabajador” para incluir diseño, carga de trabajo, sistemas de supervisión, capacitación y debilidades en el sistema de gestión.
Acciones correctivas fuertes: Los controles se alinean con la jerarquía de controles (ingeniería y eliminación cuando sea posible, sin recurrir por defecto a la reentrenamiento y comunicación).
Plan de implementación y responsabilidad: Los propietarios, fechas de vencimiento, recursos y dependencias son explícitos.
Verificación y aprendizaje: La solución se verifica por efectividad; la recurrencia se monitorea; las lecciones se incorporan en estándares y capacitación.
En esta primera parte, establecimos que la calidad del RCA es generalmente la variable de mayor influencia una vez que tienes cobertura básica sobre la cantidad, referenciamos investigación empírica de la industria para apoyar el argumento, y discutimos una definición práctica de la calidad del RCA.
En la Parte 2, introduciremos un KPI cuantitativo para medir la calidad y discutiremos que con el apoyo de IA, no tienes que elegir entre calidad y cantidad. Puedes obtener lo mejor de ambos mundos.
Experimenta cómo la inteligencia de seguridad potenciada por IA puede transformar tu lugar de trabajo. Reserva una demostración para ver nuestra plataforma en acción.
