Ny forskning fra Det Nationale Forskningscenter for Arbejdsmiljø (NFA) peger på, at kunstig intelligens kan finde mønstre i arbejdstid, som mennesker overser — mønstre der hænger sammen med dårligere søvn, helbred og sygefravær. Vi ser på, hvad det betyder for danske arbejdspladser, og hvordan samme princip allerede er ved at finde vej ind i det daglige arbejdsmiljøarbejde.
Forskningen: AI på jagt efter mønstre i vagtplaner
Ph.d.-studerende Anders Aagaard Kristensen fra NFA undersøger, om kunstig intelligens kan bidrage til at nedbringe sygefravær på danske hospitaler. Udgangspunktet er Den Danske Arbejdstidsdatabase (DAD) — ifølge NFA verdens største database med dag-til-dag information om arbejdstid, der dækker samtlige regionalt ansatte i Danmark.
Ved at koble maskinlæring på disse data undersøger Kristensen, om skifte- og natarbejde hænger sammen med øget risiko for dårligere søvn, dårligere helbred og mere sygefravær — og om AI kan finde de mønstre, der gør det muligt at planlægge vagter mere skånsomt, uden at gå på kompromis med driften på hospitalerne. Som han selv formulerer det, skal teknologien gøre en reel forskel for arbejdsmiljøet — ikke bare være innovation for innovationens skyld.
Pointen, der rækker langt ud over hospitalsvagtplaner, er denne: AI er god til at finde sammenhænge i store mængder data, som ingen medarbejder eller leder kan overskue i hånden — og de sammenhænge kan bruges til at gribe ind, før et problem for alvor slår igennem som sygefravær.
Fra forskningslab til den enkelte arbejdsplads
DAD-databasen og NFA’s forskning arbejder med strukturerede, kvantitative data — vagtplaner, arbejdstimer, fraværsregistreringer — på nationalt niveau. De færreste virksomheder har adgang til den slags datamængder eller forskningskraft. Men princippet er det samme, uanset om man er en hospitalsafdeling med tusindvis af vagter eller en mellemstor produktionsvirksomhed: jo tidligere man kan se mønstrene, jo tidligere kan man handle.
Hos Oshure arbejder vi med det samme grundlæggende spørgsmål, bare i mindre skala og med andre datatyper — dem, de fleste virksomheder faktisk sidder med i deres daglige arbejdsmiljøarbejde.
AI, der læser mellem linjerne i trivselsundersøgelser
Hvor NFA’s forskning finder mønstre i tal, kan AI også finde mønstre i ord. Når medarbejdere svarer på APV’er og trivselsundersøgelser, ligger noget af den vigtigste information ofte gemt i de korte fritekstsvar — en bemærkning om for lidt tid til pauser, en kommentar om en travl periode, en frustration der aldrig bliver sat ord på i afkrydsningsfelterne. Læst enkeltvis siger de ikke meget. Læst på tværs af en hel afdeling eller organisation kan de tegne et billede.
I Oshures undersøgelsesmodul bruger vi AI til netop det: at opfange semantik og tendenser på tværs af store mængder tekstsvar, så mønstre, der ellers ville drukne i en rapport, bliver synlige for arbejdsmiljøorganisationen — mens der stadig er tid til at reagere, i stedet for først at opdage dem i sygefraværsstatistikken bagefter.
Fra enkeltsager til mønster — AI i sags- og hændelsesmodulet
Det samme princip gælder hændelser og nærved-ulykker. En enkelt indberetning fortæller sjældent hele historien. Men når flere hændelser fra samme afdeling, samme vagttype eller samme arbejdsproces begynder at ligne hinanden, er det et signal, der er værd at handle på — præcis som NFA’s forskning forsøger at koble vagtmønstre til sundhedsudfald på tværs af en hel population.
Ved at integrere AI-værktøjer i Oshures sags- og hændelsesmodul kan virksomheder gå fra at behandle hændelser enkeltvis til at se de mønstre, der binder dem sammen — og dermed reagere på en systematisk risiko, før den udvikler sig til en alvorlig ulykke eller et stigende sygefravær.
Samme princip, andet datalag
Det er værd at understrege: Oshures AI-funktioner arbejder ikke med de samme datamængder eller den samme forskningsmæssige stringens som NFA’s ph.d.-projekt. Men den underliggende idé er den samme, som Kristensen selv peger på: teknologi skal bruges til reelt at forbedre arbejdsmiljøet, ikke bare fordi den kan. Hvor NFA viser vejen med forskning i vagtplaner på nationalt niveau, arbejder vi hos Oshure med at gøre den samme type indsigt tilgængelig for den enkelte virksomhed — i de data, de allerede indsamler i deres trivselsundersøgelser og hændelsesrapportering.
Det handler ikke om at erstatte den menneskelige vurdering, men om at give arbejdsmiljøorganisationen et bedre udgangspunkt for at handle tidligt — før mønstrene bliver til statistik.
Læs mere om NFA’s forskning: Fremtidens arbejdsmiljøforskning: Kan AI bidrage til, at sygefravær på hospitaler bliver mindre?