Des réponses directes sur Haven, l'IA, l'enquête, l'intégration et le déploiement d'entreprise.
Vous savez que vous avez besoin de Haven lorsqu'une ou plusieurs de ces questions représentent un défi pour votre équipe aujourd'hui :
- Pouvez-vous identifier quels contrôles de sécurité échouent à répétition à travers les incidents et les sites?
- Comment savez-vous si les actions correctives préviennent réellement la récurrence?
- Votre organisation apprend-elle de chaque incident, ou seulement des plus graves?
- Pouvez-vous mesurer objectivement si la qualité des enquêtes s'améliore?
- Si le même contrôle échouait dans trois sites différents, votre système actuel ferait-il le lien?
- Pouvez-vous quantifier votre dette de CAPA et identifier où les actions en retard, faibles ou non vérifiées créent le plus grand risque?
- Quel pourcentage de vos CAPA repose sur la formation et les procédures plutôt que sur des contrôles techniques, la substitution ou l'élimination?
- La qualité des enquêtes demeure-t-elle constante entre les sites et les enquêteurs, ou dépend-elle de qui mène l'enquête?
- Les enquêteurs peuvent-ils voir les incidents passés pertinents, les contrôles défaillants et les CAPA antérieurs pendant qu'une enquête est encore en cours?
- Lorsque la direction demande, “Où devrions-nous intervenir cette semaine?”, vos données d'incidents peuvent-elles donner une réponse claire?
Haven génère des recommandations d'actions correctives basées sur les constats causaux de l'enquête, particulièrement les contrôles qui ont échoué, étaient absents ou se sont révélés inadéquats.
Les recommandations tiennent compte de la preuve de l'enquête, des causes fondamentales et contributives identifiées, des procédures et normes existantes de l'entreprise, de l'équipement et du contexte de travail, et du graphe de connaissances de Haven sur les dangers, contrôles, modes de défaillance et incidents antérieurs. Lorsque disponibles, Haven peut aussi utiliser les données historiques d'incidents et d'actions correctives de l'organisation pour comprendre ce qui a déjà été tenté et si des contrôles similaires ont échoué à répétition.
Il est important de noter que Haven évalue les recommandations par rapport à la Hiérarchie des Contrôles, priorisant des contrôles systémiques plus solides comme l'élimination, la substitution et les contrôles techniques plutôt que de s'appuyer principalement sur des actions administratives ou de la reformation.
L'objectif n'est pas simplement de générer une liste de CAPA génériques. C'est de produire des actions correctives explicitement reliées aux causes identifiées et aux défaillances de contrôles, et plus susceptibles de prévenir la récurrence.
Haven génère les causes fondamentales en raisonnant sur l'ensemble de la preuve d'enquête plutôt qu'en s'appuyant sur une seule déclaration, liste de vérification ou gabarit générique d'ACR.
Il reconstruit d'abord l'événement, incluant la chronologie, les personnes, l'équipement, les dangers, les procédures, les contrôles attendus et les conditions réelles. Une partie clé de l'analyse consiste à déterminer quels contrôles auraient dû s'appliquer et comment ils ont performé. Haven identifie les contrôles qui ont été mis en œuvre avec succès, ceux qui ont été mis en œuvre mais ont échoué ou se sont révélés inefficaces, et ceux qui étaient applicables mais n'ont pas été mis en œuvre du tout.
Il évalue ensuite la preuve entourant ces résultats de contrôle, identifie les contradictions et les lacunes, et développe et met à l'épreuve des voies causales à travers des domaines comme l'équipement, les procédures, la formation, la supervision, la planification du travail, les facteurs humains et les systèmes organisationnels.
Lorsque disponibles, Haven utilise aussi les procédures, normes, graphe de connaissances et incidents historiques de l'entreprise pour déterminer si le problème est isolé ou fait partie d'une tendance récurrente.
Le résultat est un ensemble de causes fondamentales et contributives explicitement reliées à la preuve et aux défaillances de contrôles identifiées, plutôt que de simplement réénoncer ce qui s'est passé ou de se rabattre par défaut sur des conclusions comme "erreur de l'opérateur".
ASSURE peut évaluer une ACR en se basant uniquement sur le résultat final de l'enquête, mais la profondeur et la confiance de l'évaluation augmentent considérablement lorsque la preuve à l'appui est aussi disponible.
Avec seulement le rapport d'ACR, Haven peut évaluer des aspects comme la qualité de l'analyse causale, si les conclusions sont logiquement appuyées dans le rapport, la pertinence de la cause fondamentale, et la solidité et la pertinence des actions correctives.
Lorsque le dossier d'enquête complet est disponible, incluant les déclarations de témoins, photos, procédures, registres de formation, information sur l'équipement, chronologies et autre preuve, ASSURE peut aller beaucoup plus loin. Il peut identifier la preuve manquante, les contradictions, les conclusions non appuyées, les lacunes dans la couverture des témoins, les écarts par rapport aux procédures de l'entreprise, et si les causes énoncées sont réellement appuyées par la preuve sous-jacente.
Donc, ASSURE n'exige pas toute la documentation à l'appui pour apporter de la valeur, mais le dossier d'enquête complet permet une évaluation de qualité beaucoup plus rigoureuse.
L'IA générique est conçue pour répondre à un large éventail de questions. Haven est conçu pour le raisonnement de sécurité d'entreprise. Il combine le savoir de l'entreprise, les données historiques d'incidents, les contrôles, les normes d'enquête et des flux de travail de sécurité spécialisés afin que les résultats soient fondés sur le contexte opérationnel de l'organisation.
Haven s'appuie aussi sur une équipe coordonnée d'agents IA spécialisés plutôt que sur un seul modèle répondant à chaque question. Chaque agent est responsable d'une partie définie de l'enquête, comme la preuve, les contrôles, les procédures ou les tendances historiques, et un Responsable de l'Enquête synthétise leur travail en une seule évaluation traçable et liée à la preuve. Un assistant générique n'a pas de structure équivalente, ce qui explique pourquoi ses réponses sont plus difficiles à fonder, à vérifier et à relier aux propres preuves et normes de votre organisation.