L'intelligenza artificiale predittiva sta trasformando la sicurezza della catena di approvvigionamento da un mero esercizio di documentazione in una strategia di performance.

Donavan Hornsby, Chief Strategy Officer di Benchmark Gensuite, ha pubblicato su Supply & Demand Chain Executive un manuale di sicurezza basato sull'intelligenza artificiale, suddiviso in quattro lezioni, che illustra come l'intelligenza predittiva, la fiducia dei dipendenti, i cicli di feedback automatizzati e le metriche di sicurezza legate alle prestazioni stiano ridefinendo la gestione del rischio industriale. Questa pagina approfondisce tale quadro con un'analisi più dettagliata di ciò che ogni lezione richiede a livello operativo ai responsabili EHS e della supply chain.

pubblicato

Dicembre 21, 2025

Originariamente coperto da

TOPIC

Sicurezza della catena di approvvigionamento

Come coperto

Responsabile Supply & Demand Chain

━ Panoramica

In un recente articolo pubblicato su Supply & Demand Chain Executive, Donavan Hornsby, Chief Strategy Officer di Benchmark Gensuite, ha delineato un manuale in quattro punti per l'utilizzo dell'intelligenza artificiale nella gestione del rischio per la sicurezza in catene di approvvigionamento sempre più complesse e con risorse limitate. L'articolo si presenta come un quadro di riferimento pratico per i responsabili delle operazioni.

Questa pagina si basa su tale quadro di riferimento, analizzando in dettaglio cosa ciascuna lezione richieda concretamente a un programma EHS nella pratica e come l'intelligenza artificiale predittiva e di supporto si inserisca nel più ampio passaggio dalla documentazione reattiva sulla sicurezza alla gestione proattiva del rischio.

━ Prospettiva di benchmark Gensuite

Le catene di approvvigionamento che avranno successo nel prossimo decennio smetteranno di trattare la sicurezza come una mera formalità burocratica.

Ogni responsabile della catena di approvvigionamento conosce già la posta in gioco: tempi di produzione più ristretti, personale ridotto e una maggiore complessità globale significano meno margine di errore per evitare che un pericolo passi inosservato. Ciò che è cambiato sono gli strumenti disponibili per colmare nuovamente questo margine. L'intelligenza artificiale predittiva – modelli addestrati su dati di sensori in tempo reale, flussi video di telecamere e telemetria delle macchine, anziché su statiche checklist di ispezione – è ora in grado di individuare segnali di allarme che un'ispezione umana non rileverebbe, che si tratti di un cuscinetto surriscaldato o di una serie di situazioni di rischio imminente concentrate in una determinata area di uno stabilimento.

La distinzione che conta a livello operativo è tra indicatori ritardati e indicatori anticipatori. Un programma di sicurezza tradizionale scopre cosa è andato storto dopo che è stata presentata una segnalazione di incidente. Un programma predittivo, invece, individua le condizioni che precedono un incidente, quando c'è ancora tempo per intervenire. Non si tratta di un piccolo miglioramento del processo: cambia radicalmente il lavoro quotidiano di un team EHS, spostando ore dalle indagini a posteriori al monitoraggio continuo basato sui dati.

"Le catene di approvvigionamento più solide saranno quelle in cui persone e intelligenza artificiale si proteggono a vicenda: i dati sulla sicurezza saranno integrati con le metriche di produzione e di costo, anziché essere relegati in un compartimento separato."

— Donavan Hornsby, Responsabile della strategia, Benchmark Gensuite

La seconda lezione – costruire fiducia anziché controllare i comportamenti – è probabilmente il problema più difficile da risolvere, perché è di natura culturale piuttosto che tecnica. La mancata segnalazione persiste nel settore EHS non perché i lavoratori non notino i pericoli, ma perché temono che tali informazioni vengano utilizzate contro di loro. Gli strumenti di intelligenza artificiale che semplificano la segnalazione – un dispositivo indossabile che segnala la stanchezza, un sistema di visione che ricorda invece di rimproverare – funzionano solo se l'organizzazione li abbina a un processo di risposta che premi visibilmente la segnalazione. La tecnologia crea l'opportunità; la leadership deve saperla sfruttare.

La terza e la quarta lezione – automatizzare il ciclo di feedback e trattare la sicurezza come un indicatore di performance – sono quelle in cui la validità finanziaria diventa concreta. Un quasi incidente che prima rimaneva in coda in attesa di revisione manuale può invece essere instradato automaticamente al team competente con un'azione raccomandata allegata, e la stessa informazione può essere condivisa con altre strutture prima che si ripeta lo stesso errore. Moltiplicando il costo di un singolo intervento mancato – in media decine di migliaia di dollari per infortunio che richiede assistenza medica, prima ancora di considerare gli straordinari e le interruzioni di programma – per un'attività multi-sito, le prestazioni in materia di sicurezza cessano di essere una voce di bilancio relativa alla conformità e iniziano ad apparire come un indicatore operativo che merita di essere rendicontato insieme ai tempi di attività e ai costi.

Niente di tutto ciò sostituisce il giudizio umano, ma lo ricolloca. Il ruolo del professionista EHS si sposta dalla gestione manuale di ogni singolo avviso all'analisi delle informazioni prioritarie generate dall'IA e alla decisione su come utilizzarle. Questo permette un uso più efficiente delle scarse competenze disponibili in team già sovraccarichi di lavoro, ed è il filo conduttore pratico che lega tutte e quattro le lezioni del manuale di Hornsby.

━ Temi chiave

Tre aspetti fondamentali da comprendere in merito alla sicurezza della catena di approvvigionamento basata sull'intelligenza artificiale.

  1. 1
    L'IA predittiva è valida solo quanto le condizioni operative da cui apprende
    I modelli addestrati su dati di produzione reali, e non su condizioni di laboratorio idealizzate, sono nettamente più efficaci nell'individuare i difetti e i pericoli che si verificano effettivamente in un ambiente di lavoro. La qualità dell'implementazione dipende dall'alimentazione del sistema con dati operativi e di sicurezza reali, non solo dall'installazione dello strumento.
  2. 2
    Il maggiore vantaggio in termini di sicurezza derivante dall'IA è spesso di natura culturale, non meccanica.
    Ridurre gli attriti e la paura associati alla segnalazione di un pericolo tende a incidere maggiormente sulla visibilità degli incidenti rispetto a qualsiasi singolo sensore o dashboard. La tecnologia che i lavoratori percepiscono come di supporto, e non come di sorveglianza, è ciò che effettivamente cambia il comportamento di segnalazione.
  3. 3
    Trattare i dati sulla sicurezza come dati sulle prestazioni cambia chi vi presta attenzione.
    Quando i parametri di sicurezza vengono presentati insieme ai dati di produzione, qualità e costi con la stessa cadenza di reporting, vengono esaminati con lo stesso rigore e la stessa urgenza di qualsiasi altro dato che incide sul risultato finale.

━ Dirigente in primo piano

Responsabile della strategia di mercato - Benchmark Gensuite

Donavan Hornsby ha dedicato oltre 20 anni per la promozione dei principi e delle migliori pratiche in materia di ambiente, salute e sicurezza nel settore. In qualità di Chief Market Strategy Officer presso Benchmark Digital Partners LLC e la soluzione digitale Benchmark Gensuite, fornisce una direzione strategica per lo sviluppo del business e del mercato a livello globale e guida la leadership di prodotto e l'innovazione per l'organizzazione. Oltre alle sue responsabilità esecutive, Donavan è un leader di pensiero attivo e partecipa a iniziative intersettoriali per promuovere l'impatto e le migliori pratiche in materia di ambiente, salute e sicurezza.

Prima di entrare in Benchmark Gensuite nel 2001, Donavan ha ricoperto ruoli dirigenziali nei settori della tecnologia e dei servizi. Ha conseguito un MBA con lode presso l'Università di Louisville e una laurea presso la DePauw University.

Al di fuori dei suoi impegni professionali, Donavan dirige un'organizzazione no-profit che collabora con i proprietari terrieri per proteggere e conservare i terreni di particolare valore naturalistico, agricolo o paesaggistico nel suo stato natale del Kentucky.

Domande frequenti

Cosa chiedono i leader EHS

In che modo l'intelligenza artificiale viene utilizzata per prevedere i rischi per la sicurezza sul lavoro nel settore manifatturiero?

L'intelligenza artificiale predittiva combina dati operativi e di sicurezza (letture dei sensori, flussi video delle telecamere e telemetria delle macchine) per segnalare segnali di allarme come il surriscaldamento delle apparecchiature o situazioni di pericolo imminente prima che causino un incidente. I produttori che utilizzano la manutenzione predittiva basata su IA e IoT hanno riportato riduzioni dei tempi di inattività fino al 50% e riduzioni dei guasti alle apparecchiature fino al 70%.
La paura di essere incolpati o di subire provvedimenti disciplinari è una delle principali ragioni per cui i lavoratori tacciono sui pericoli, e la stragrande maggioranza dei professionisti della salute e sicurezza sul lavoro ritiene che gli incidenti e i quasi incidenti non vengano segnalati a sufficienza. Gli strumenti basati sull'intelligenza artificiale che semplificano la segnalazione, come i promemoria per i DPI basati sulla visione artificiale, il rilevamento della fatica tramite dispositivi indossabili e le app per il feedback tramite dispositivi mobili, contribuiscono a creare la fiducia necessaria per aumentare le segnalazioni volontarie.
Il dato finanziario è inequivocabile: il costo medio per dipendente che necessita di assistenza medica a seguito di un infortunio sul lavoro si aggira intorno ai 42,000 dollari per sinistro, senza considerare la copertura degli straordinari e i ritardi nella programmazione. L'intelligenza artificiale applicata alla sicurezza riduce questi costi individuando tempestivamente gli indicatori predittivi, come le aree a rischio, le lacune nella formazione e le inefficienze nei processi, prima che si trasformino in incidenti con perdita di giornate lavorative.
Le implementazioni più efficaci combinano la capacità dell'IA di individuare modelli con la responsabilità umana, anziché sostituire l'una con l'altra: l'IA indirizza le informazioni e raccomanda azioni, mentre le persone rimangono responsabili della revisione, della definizione delle priorità e della chiusura delle attività. Questo modello di supporto considera l'automazione come un modo per rafforzare la supervisione, non per eliminarla.

VEDILO IN AZIONE

Pronti a vedere Benchmark Gensuite in azione?

Scopri come i team EHS aziendali utilizzano la nostra piattaforma per gestire rischi, conformità e risultati in materia di sicurezza su larga scala.

Trova la tua istanza aziendale di
Suite Gen di riferimento

Nota: Istanze di abbonati in cui hai un attivo Gli account utente registrati sono elencati sopra. Se hai bisogno di ulteriore assistenza, inviaci un'e-mail all'indirizzo [email protected]
Vi preghiamo di indicare il nome della vostra azienda e l'indirizzo email registrato, in modo che possiamo fornirvi assistenza.