تحسين الاستهداف التنظيمي: مثال إدارة السلامة والصحة المهنية

تواجه العديد من الوكالات الحكومية التي تتمتع بسلطة التنفيذ مشكلة مشتركة: فهي لا تملك سوى الموارد اللازمة لزيارة أو تدقيق جزء صغير من الاحتمالات، لذا فهي بحاجة إلى انتقاء واختيار أهدافها. كيف ينبغي لهم أن يتخذوا هذا الاختيار؟

خذ بعين الاعتبار إدارة السلامة والصحة المهنية، المسؤولة عن مراقبة وتمرير القواعد المتعلقة بالسلامة في مكان العمل. تتمتع إدارة السلامة والصحة المهنية بسلطة قضائية على حوالي 8 ملايين مكان عمل، ولكن (بالتعاون مع الوكالات على مستوى الولاية) لديها الموارد اللازمة لزيارة أقل من 1% من هذا العدد فعليًا. كيفية اختيار أي منها؟ يناقش ماثيو إس. جونسون، وديفيد آي. ليفين، ومايكل دبليو توفيل أبحاثهم حول هذا الموضوع في “جعل أماكن العمل أكثر أمانًا من خلال التعلم الآلي” (المراجعة التنظيمية، برنامج بنسلفانيا بشأن التنظيم، 26 فبراير 2024؛ بالنسبة للورقة البحثية الأساسية، راجع “تحسين الفعالية التنظيمية من خلال الاستهداف الأفضل: أدلة من إدارة السلامة والصحة المهنية”، المنشورة في المجلة الاقتصادية الأمريكية: الاقتصاد التطبيقي، أكتوبر 2023، 15: 4، ص 30-67؛ للحصول على نسخة ما قبل الطباعة غير المصقولة، انظر هنا).

إحدى الأفكار هي أنه من المفيد للأغراض التنظيمية أن تتسم عملية التفتيش بدرجة من العشوائية، لأن الشركات تحتاج إلى أن تكون مستعدة قليلاً. كما اتضح، فإن أكبر برنامج تفتيش لإدارة السلامة والصحة المهنية من عملية إدارة السلامة والصحة المهنية العشوائية يسمح أيضًا للباحثين بالنظر في سجلات السلامة في مكان العمل في أعقاب فحص إدارة السلامة والصحة المهنية من 1999 إلى 2014، والذي كان يسمى الاستهداف الخاص بالموقع. وكانت الفكرة هي وضع قائمة بالشركات التي لديها أعلى معدلات الإصابة قبل عامين، واختيار مجموعة منها بشكل عشوائي للزيارات. ومن الممكن بعد ذلك مقارنة آثار الزيارة التنظيمية لإدارة السلامة والصحة المهنية للشركات التي حصلت (عشوائيًا) على زيارة للشركات (تذكر، مع معدلات إصابة عالية مماثلة) التي لم تحصل عليها. يكتب المؤلفون: “وجدنا أن عمليات التفتيش التي تم تعيينها عشوائيًا لإدارة السلامة والصحة المهنية قللت من الإصابات الخطيرة في المؤسسات التي تم التفتيش عليها بنسبة 9 بالمائة في المتوسط، وهو ما يعادل 2.4% أقل
الإصابات خلال فترة الخمس سنوات اللاحقة. وبالتالي فإن كل عملية تفتيش تؤدي إلى فائدة اجتماعية
ما يقرب من 125000 دولار أمريكي، أي ما يقرب من 35 ضعف تكلفة إدارة السلامة والصحة المهنية لإجراء عملية
تقتيش.”

ولكن هل من الممكن، مع الحفاظ على الموارد المحدودة لإدارة السلامة والصحة المهنية، القيام بعمل أفضل؟ على سبيل المثال، ماذا لو بدلاً من النظر إلى معدلات الإصابة منذ عامين مضت، نظرنا بدلاً من ذلك إلى متوسط ​​معدل الإصابة على مدى السنوات الأربع الماضية – لتسليط الضوء على الشركات التي لديها معدلات أعلى من الإصابات في مكان العمل؟ ولكن هل من الممكن أن نفعل ما هو أفضل؟ ماذا لو استخدمنا نموذج التعلم الآلي للتنبؤ بالشركات التي من المرجح أن تتعرض لأكبر قدر من الإصابات، أو الشركات التي قد تحقق أكبر مكاسب السلامة، وركزنا على تلك الشركات؟ المؤلفون يكتبون:

لقد وجدنا أنه كان بإمكان إدارة السلامة والصحة المهنية تجنب المزيد من الإصابات لو أنها استهدفت عمليات التفتيش باستخدام أي من هذه المعايير البديلة. إذا كانت إدارة السلامة والصحة المهنية قد خصصت لتلك المؤسسات ذات أعلى الإصابات التاريخية نفس عدد عمليات التفتيش التي خصصتها في برنامج SST، لكانت قد تجنبت 1.9 ضعف عدد الإصابات التي فعلها برنامج SST بالفعل. إذا كانت إدارة السلامة والصحة المهنية قد خصصت بدلاً من ذلك نفس عدد عمليات التفتيش لتلك المؤسسات التي لديها أعلى الإصابات المتوقعة أو تلك التي لديها أعلى تأثيرات العلاج المقدرة، لكان من الممكن تجنب 2.1 أو 2.2 ضعف عدد الإصابات التي حققها برنامج SST، على التوالي.

بعض الأفكار هنا:

1) لقد فوجئت بأن القاعدة البسيطة المتمثلة في النظر إلى معدلات الإصابة لمدة أربع سنوات إلى الوراء، بدلاً من مجرد النظر إلى معدلات الإصابة منذ عامين مضت، حققت مثل هذه المكاسب الكبيرة. والسبب هو أن معدلات الإصابة في أي سنة معينة يمكن أن ترتد كثيرًا. على سبيل المثال، تخيل شركة تعاني من حادثة سيئة واحدة كل 20 عامًا، ولكنها تصحح الوضع بسرعة. وفي تلك السنة السيئة، يمكن أن تظهر في قائمة الأولويات العالية لإدارة السلامة والصحة المهنية – ولكن التفتيش الخاص بإدارة السلامة والصحة المهنية لن يفعل الكثير. من المرجح أن تواجه الشركة التي تم تصنيفها بشكل سيئ بالنسبة للحوادث على مدى أربع سنوات مشكلة حقيقية.

2) إن تجاوز تغيير قاعدة التفتيش بالطريقة البسيطة المتمثلة في النظر إلى معدلات الإصابة لمدة أربع سنوات واستخدام نهج التعلم الآلي الأكثر تعقيدًا وصعوبة في التفسير لن يحقق سوى مكاسب متواضعة. قد يكون تحليل التعلم الآلي مفيدًا لإظهار ما إذا كانت المكاسب الكبيرة ممكنة من خلال استهداف تنظيمي أفضل، وإذا كان الأمر كذلك، فقد يرغب المنظمون في اكتشاف طريقة للحصول على معظم هذه المكاسب باستخدام قاعدة بسيطة يمكنهم شرحها، بدلاً من قواعد الصندوق الأسود للتعلم الآلي التي لا يمكنهم تفسيرها بسهولة.

3) أحد المخاوف هو أن طرق الاستهداف الجديدة هذه ستتجاهل عامل التوزيع العشوائي: حيث ستكون الشركات قادرة على التنبؤ بأنه من المرجح أن تتلقى زيارة من إدارة السلامة والصحة المهنية. ليس من الواضح ما إذا كان هذا أمرًا فظيعًا: فالشركات التي لديها سجلات سيئة للسلامة في مكان العمل على مدار عدة سنوات يجب أن تشعر بالقلق بشأن زيارة المنظمين. ولكن قد يكون من الحكمة الاحتفاظ بعنصر عشوائي فيمن تتم زيارته.

وأخيرا، يبدو لي وكأن الهيئات التنظيمية، التي تخضع دائما لضغوط سياسية، تنظر في بعض الأحيان إلى دورها باعتباره أقرب إلى إنفاذ القانون: وهذا يعني أن لديها الحافز لإظهار أنها تلاحق أولئك الذين ثبت أنهم مخطئون. ولكن كما يوضح مثال إدارة السلامة والصحة المهنية هذا، فإن ملاحقة أصحاب العمل الذين تعرضوا لحدث سيئ للغاية في مكان العمل قبل عامين قد لا تؤدي إلى مكاسب كبيرة في السلامة في مكان العمل مثل ملاحقة أصحاب العمل الذين لديهم سجلات أسوأ على مدى فترة زمنية طويلة.

لقد كتبت العام الماضي عن مشكلة مماثلة تنشأ في عمليات تدقيق مصلحة الضرائب الأمريكية. اتضح أنه عندما تقرر مصلحة الضرائب الأمريكية من الذي يجب تدقيقه، فإنها تضع وزنًا كبيرًا على ما إذا كان من السهل إثبات ارتكاب المخالفات. وبالتالي، فإنها تميل إلى إجراء قدر كبير من التدقيق على الأشخاص من ذوي الدخل المنخفض الذين يتلقون ائتمان ضريبة الدخل المكتسب، حيث تظهر أجهزة الكمبيوتر أنه يجب أن يكون من السهل إثبات المخالفات. لكن بالطبع، ليس هناك الكثير من المال الذي يمكن كسبه من تدقيق حسابات ذوي الدخل المنخفض. خذ بعين الاعتبار الموقف الذي تقوم فيه مصلحة الضرائب الأمريكية بمراجعة حسابات 10 أشخاص لديهم دخل يزيد عن 10 ملايين دولار في العام الماضي. ربما لم تجد تسعة من عمليات التدقيق تلك أي خطأ، لكن العملية العاشرة أدت إلى جمع مبلغ إضافي قدره 500 ألف دولار. إذا ركز مدققو مصلحة الضرائب الأمريكية على معدل إدانة مرتفع، فإنهم يتخذون خيارًا واحدًا؛ فإذا ركزوا على استراتيجية تحقق أكبر قدر من الإيرادات، فسوف يطاردون الأسماك الأكبر.

وجهة نظري ليست أن اختيار الأولويات التنظيمية يجب أن يتحول إلى التعلم الآلي! وبدلا من ذلك، النقطة المهمة هي أن أدوات التعلم الآلي يمكن أن تساعد في تقييم ما إذا كانت القواعد الحالية يتم وضعها بشكل مناسب، ومدى نجاح هذه القواعد مقارنة بالبدائل.

8 مليون زيارة

لذلك كيف تختار؟ هل يمكن لطريقة بديلة للاختيار أن تكون لها فوائد أكبر؟