Los líderes de seguridad industrial ya conocen la incómoda verdad sobre el análisis de causa raíz (RCA): no se puede hacer para todo. Las investigaciones completas toman tiempo, coordinación, y experiencia, y las operaciones reales no se detienen para que podamos ejecutar análisis perfectos.
Según nuestra investigación, las organizaciones reportan realizar RCA completos 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: cuasi accidentes, casos de primeros auxilios, daños en equipos, alteraciones de procesos, liberaciones ambientales, escapes de calidad, y el precursor ocasional de alto potencial que podría haber sido catastrófico. Si intenta hacer un RCA completo para todo, el sistema colapsa bajo su propio peso. Si solo hace RCA del nivel superior, corre el riesgo de perder las señales débiles y repetir el mismo patrón de evento hasta que finalmente produzca una lesión grave o una muerte.
Si quiere menos incidentes el próximo trimestre y el próximo año, ¿debería presionar por más RCA, o mejores RCA?
Nuestra revisión de la evidencia y la investigación sugiere una dirección clara: ambos importan, pero la calidad de los RCA suele ser la variable de mayor apalancamiento una vez que se tiene una cobertura base.
La buena noticia es que, con la ayuda de la IA moderna, no tiene que elegir uno u otro.
En este artículo de dos partes, primero examinaremos lo que aprendimos de la investigación sobre el tema, luego propondremos un marco para medir la calidad de los RCA y discutiremos cómo las plataformas de IA como Haven Safety AI pueden ser un multiplicador de fuerza en el proceso.
Los RCA solo reducen los incidentes cuando se convierten en controles más sólidos
Un RCA no es valioso porque exista un informe. Es valioso solo cuando produce prevención de manera confiable:
- Calidad de la captura de evidencia (hechos, condiciones, línea de tiempo, contexto)
- Calidad del razonamiento causal (contribuyentes del sistema, no solo el último acto inseguro)
- Solidez de las acciones correctivas (controles que realmente reducen la exposición)
- Implementación y verificación (¿ocurrió la solución, y funcionó?)
Cuando cualquier eslabón de esa cadena es débil, la recurrencia es predecible.
Por eso "más RCA" puede sentirse como 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 realmente muestra la evidencia de seguridad industrial
La investigación directa y cuantitativa sobre "calidad de RCA vs. resultados de incidentes" en entornos industriales no es masiva, pero hay señales significativas.
1) La calidad y madurez de las investigaciones se correlacionan con un mejor desempeño de seguridad en la minería
En minas de oro a gran escala en Ghana, los investigadores evaluaron la calidad de los informes de investigación de incidentes usando una herramienta estructurada, y luego examinaron cómo esos elementos de calidad se relacionaban con las tasas de incidencia de lesiones. Encontraron que las minas diferían significativamente en la 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 de investigación de incidentes (basado en literatura y entrevistas con investigadores en múltiples minas) para caracterizar cómo se ven las "investigaciones maduras" en la práctica, explícitamente porque vincular la práctica de investigación con el desempeño de seguridad había sido poco estudiado. (MDPI)
Conclusión: incluso en un entorno operativo de alta variabilidad, "qué tan bien se realizan las investigaciones" muestra una asociación significativa con el desempeño de seguridad.
2) Las características del programa vinculadas al contenido y la participación de la investigación importan más que la velocidad
Wachter y Yorio encuestaron a más de 300 establecimientos sobre sus programas de investigación de accidentes y exploraron las relaciones con los 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 el error humano y un enfoque de equipo o basado en empleados a menudo se asociaron con tasas más bajas de lesiones y enfermedades (con la importante advertencia de que las características de la investigación explicaban solo una porción modesta de la varianza en las tasas de accidentes). (ResearchGate)
Conclusión: las partes de un programa de investigación que parecen "insumos 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 ponen a su mejor gente en el análisis causal, y luego subinvierten en el trabajo posterior: la toma de decisiones, la implementación, y el seguimiento.
En la investigación de la industria de procesos, Jacobsson, Ek, y Akselsson describen un ciclo de aprendizaje que incluye reporte, 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 frecuentemente no logran aprender de eventos pasados y presentan un modelo para identificar cuellos de botella. En su trabajo, el potencial de aprendizaje era limitado, especialmente en la etapa de evaluación, y la mejora requiere atención al conjunto completo 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 institucionalizadas.
La evidencia adyacente refuerza el mecanismo: la solidez de las acciones y la sostenibilidad son el problema
Aunque nuestro enfoque aquí es la seguridad industrial, la atención médica tiene un cuerpo más grande de investigación sobre "calidad de resultados de RCA" que ayuda a validar el mecanismo que nos importa: las recomendaciones y el seguimiento.
- Una revisión sistemática concluyó que el RCA puede ser útil para identificar causas contribuyentes, pero que traducir el RCA en una prevención efectiva de la recurrencia no se logra de manera consistente. (PMC)
- Un estudio observacional de RCA codificó la solidez de las recomendaciones y examinó la efectividad percibida y la sostenibilidad, destacando que la calidad de las recomendaciones varía y es medible. (OUP Academic)
No necesita asumir que la atención médica es "igual" a la seguridad industrial para aprender de esto. La similitud es estructural: las investigaciones generan recomendaciones, y las recomendaciones solo reducen la recurrencia cuando son sólidas, se implementan, y se sostienen.
Qué significa "calidad de 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 defendible y controles más sólidos. La calidad, por naturaleza, es multidimensional. Los RCA de alta calidad entregan consistentemente:
- Comprensión clara de lo que sucedió: El evento está bien definido, los límites incluyen contribuyentes del sistema (equipo, procedimientos, supervisión, mantenimiento, interfaces de contratistas).
- Rigor de evidencia y análisis: La evidencia es trazable; la línea de tiempo es creíble; los vacíos se señalan explícitamente; el razonamiento está estructurado (no es intuición).
- Enfoque en sistemas y factores humanos: El análisis va más allá del "error del trabajador" para incluir el diseño, la carga de trabajo, la supervisión, los sistemas de capacitación, y las debilidades del sistema de gestión.
- Acciones correctivas sólidas: Los controles se alinean con la jerarquía de controles (ingeniería y eliminación cuando sea factible, sin recurrir por defecto al reentrenamiento y la comunicación).
- Plan de implementación y responsabilidad: Los responsables, fechas límite, recursos, y dependencias son explícitos.
- Verificación y aprendizaje: La solución se verifica en cuanto a su efectividad; se monitorea la recurrencia; las lecciones se incorporan a los estándares y la capacitación.
En esta primera parte, establecimos que la calidad de los RCA suele ser la variable de mayor apalancamiento una vez que se tiene una cobertura base en cantidad, referenciamos investigación empírica de la industria para respaldar el argumento, y discutimos una definición práctica de la calidad de los RCA.
En la Parte 2, presentaremos un KPI cuantitativo para medir la calidad y discutiremos que, con el apoyo de la IA, no tiene que elegir entre calidad y cantidad. Puede obtener lo mejor de ambos mundos.