1. Introduzione: un asse che manca
Il secondo contributo di questa serie terminava con una domanda lasciata deliberatamente aperta. Tanto la matrice Probabilità × Danno quanto il modello fuzzy che le era stato proposto come alternativa condividono un limite: misurano l'intensità di ciascun rischio, preso uno per volta. Nessuno dei due dice nulla sulla diversità del profilo di rischio complessivo di un'organizzazione — se i venti rischi di una scuola siano venti varianti dello stesso pericolo o venti pericoli di natura diversa, e quale delle due configurazioni sia più insidiosa. Per misurare la diversità, e non più solo l'intensità, servono strumenti di natura affatto differente. Questo articolo li va a cercare.
È, va detto subito, il contributo più esplorativo dell'intera serie. Mentre gli altri ricostruiscono o riorganizzano riflessioni già consolidate, questo avanza un'ipotesi che resta da verificare sul campo, e che si presenta perciò con tutte le cautele del caso. La sua origine è un'osservazione semplice, nata dall'esame degli esiti di valutazioni dei rischi in contesti reali: i profili di rischio, comunque li si raggruppi — per singolo lavoratore, per gruppo omogeneo, per ambiente, per processo — non differiscono solo per l'intensità dei rischi che contengono, ma per il modo in cui i rischi vi si distribuiscono, per tipologia e per magnitudo. E questa distribuzione, sospettiamo, porta con sé un'informazione sulla pericolosità complessiva che i modelli correnti non sanno leggere.
Il percorso è il seguente. Si chiarisce anzitutto perché la sola magnitudo non basti a caratterizzare un profilo di rischio (§ 2). Si introducono poi gli strumenti per misurarne la diversità — l'entropia di Shannon e gli indici di Brillouin e Shannon-Wiener mutuati dall'ecologia (§ 3). Si propongono quindi tre letture entropiche distinte: statica, dinamica e topologica (§ 4). Si delinea infine un'ipotesi di ricerca empirica e se ne dichiarano i limiti (§ 5), prima di tirare le somme (§ 6).
2. Quando la magnitudo non basta
2.1 Due profili, stessa "somma", natura opposta
Si considerino due profili di rischio, riferiti per esempio a due gruppi omogenei di lavoratori. Il primo, che chiameremo A, contiene pochi rischi, uno dei quali di magnitudo elevata e gli altri trascurabili. Il secondo, B, contiene una dozzina di rischi, tutti di magnitudo bassa, ma tutti di tipologia diversa: meccanica, chimica, posturale, da stress, elettrica, da rumore, e così via.
| Profilo | Numero di rischi | Magnitudo | Tipologie | Lettura della matrice |
|---|---|---|---|---|
| A | pochi | una alta, le altre basse | poche | rischio alto, ben identificato |
| B | molti | tutte basse | molte | nessun rischio "alto": situazione "sotto controllo" |
La matrice Probabilità × Danno legge senza esitazione il profilo A: c'è un rischio alto, lo si vede, lo si affronta. Sul profilo B, invece, la matrice emette un verdetto rassicurante e probabilmente sbagliato: nessun rischio supera la soglia di attenzione, dunque la situazione appare sotto controllo. Eppure è forte il sospetto — fondato sull'esperienza — che proprio una situazione come B, fatta di molteplici rischi a bassa magnitudo ma altamente differenziati, sia quella che si tende a sottovalutare, e che la sottovalutazione, non meno della sopravvalutazione, può determinare esposizioni non previste.
2.2 Perché la statistica classica, qui, non aiuta
La via maestra per indagare l'effetto combinato di più fattori sarebbe l'analisi statistica delle correlazioni. Ma nei contesti che ci interessano questa via è spesso impraticabile, per una ragione tanto banale quanto insormontabile: l'incompletezza e la scarsità dei dati disponibili. Gli eventi avversi, per fortuna, sono rari; e la rarità che è una benedizione sul piano umano è una maledizione sul piano statistico, perché priva l'analisi della numerosità di cui avrebbe bisogno. L'effetto sinergico di più esposizioni a bassa magnitudo, poi, non dispone di modelli o algoritmi di riferimento consolidati: è precisamente il rischio che, come argomentato fin dal primo articolo, sfugge agli strumenti costruiti per i sistemi a legame forte.
Ne nasce un'esigenza precisa: disporre di un indice sintetico che esprima la differenza strutturale tra profili come A e B — un numero che catturi non l'intensità, ma la forma della distribuzione dei rischi — così da poterlo poi incrociare con la frequenza degli accadimenti indesiderati osservati nei corrispondenti raggruppamenti. Un indice, cioè, che misuri la diversità.
2.3 Un'analogia feconda: il profilo di rischio come ecosistema
L'idea di misurare la diversità di una popolazione non è nuova: è il pane quotidiano dell'ecologia, che da decenni si pone una domanda formalmente identica alla nostra — come sintetizzare in un numero la diversità di specie di una comunità biologica. Una comunità dominata da un'unica specie (una monocoltura) ha diversità minima; una comunità in cui molte specie coesistono in proporzioni simili ha diversità massima. Il profilo di rischio B è, in questo senso, un ecosistema "ricco e variato"; il profilo A, una quasi-monocoltura. L'analogia non è un ornamento retorico: è la porta attraverso cui strumenti matematici maturi, sviluppati per la biodiversità e prima ancora per la teoria dell'informazione, entrano nel nostro dominio.
3. Entropia e diversità: gli strumenti
3.1 L'entropia di Shannon
Il concetto-madre è l'entropia introdotta da Claude Shannon [1948] come misura dell'incertezza, o equivalentemente del contenuto informativo, di una distribuzione di probabilità. Data una variabile che può assumere s esiti con probabilità p₁, …, pₛ, la sua entropia è
H = − Σ pᵢ · log pᵢ
L'entropia è massima quando gli esiti sono equiprobabili — massima incertezza su quale si presenterà — e minima (nulla) quando un esito è certo. Applicata al nostro caso, la lettura è immediata e suggestiva: se interpretiamo il profilo di rischio come un "messaggio" in cui ogni rischio è un simbolo, l'entropia misura quanto è imprevedibile la tipologia di rischio che si incontrerà — quanto, cioè, il pericolo è distribuito anziché concentrato. Il profilo A, concentrato, ha entropia bassa; il profilo B, disperso su molte tipologie equiprobabili, ha entropia alta. L'entropia diventa così la misura formale di quella "dispersione del pericolo" che la matrice non vede.
Un esempio numerico chiarisce la portata della cosa. Si immaginino due profili con lo stesso numero di rischi — dodici — così da isolare il solo effetto della distribuzione per tipologia. Nel profilo A, dieci rischi sono di una medesima tipologia (poniamo meccanica) e i restanti due di altre due tipologie: la distribuzione è fortemente sbilanciata. Nel profilo B, i dodici rischi appartengono a dodici tipologie tutte diverse, una ciascuna: la distribuzione è perfettamente uniforme. Applicando l'entropia (in nat, usando il logaritmo naturale), il profilo A ottiene un valore di circa 0,57, mentre il profilo B raggiunge il massimo possibile per dodici categorie, ln 12 ≈ 2,49 — oltre quattro volte tanto. La scelta della base del logaritmo cambia soltanto l'unità di misura (il bit con base 2, il nat con base naturale) e non altera i confronti. Due profili che la matrice giudicherebbe entrambi privi di rischi "alti" si rivelano, sull'asse della diversità, radicalmente diversi: ed è il secondo, non il primo, quello su cui conviene tenere gli occhi aperti.
3.2 Brillouin e Shannon-Wiener: due indici, due assunzioni
L'ecologia ha tradotto l'entropia di Shannon in indici di diversità operativi, e due in particolare si prestano al nostro scopo, con un'avvertenza importante su quando l'uno o l'altro sia appropriato.
L'indice di Shannon-Wiener è la trasposizione diretta dell'entropia:
H′ = − Σⱼ pⱼ · ln(pⱼ) con j = 1 … s
dove pⱼ è la proporzione di rischi della j-esima tipologia e Σ pⱼ = 1. È l'indice più familiare, e il ponte più limpido verso la teoria dell'informazione. Va però usato con onestà: esso assume, a rigore, una popolazione molto grande o infinita, di cui le pⱼ sono stime — assunzione che mal si attaglia a un registro di rischi, che è invece un insieme finito e completamente censito.
Per questa ragione è più rigoroso, nel nostro caso, l'indice di Brillouin, che misura la diversità esatta di una collezione finita di elementi enumerati:
H = [ ln(N!) − Σⱼ ln(Nⱼ!) ] / N
dove Nⱼ è il numero di rischi della j-esima tipologia e N = Σ Nⱼ è il numero totale. Brillouin è la scelta corretta quando, come qui, non si stima una popolazione ma si descrive un insieme noto in tutti i suoi elementi; Shannon-Wiener resta prezioso come riferimento informazionale e come forma asintotica. La differenza è sottile ma sostanziale, ed è il tipo di precisione che distingue un indice difendibile da un numero suggestivo.
3.3 Ricchezza, equità, e la magnitudo
Due raffinamenti meritano un cenno. Il primo: la diversità ha due componenti — la ricchezza (quante tipologie diverse sono presenti) e l'equità o uniformità (quanto equilibrata è la loro distribuzione). Per confrontare profili con numero diverso di tipologie conviene normalizzare l'entropia rispetto al suo massimo possibile, ottenendo un indice di equità — l'analogo dell'indice di Pielou dell'ecologia [Pielou, 1966] — compreso tra 0 e 1. Il secondo: nulla obbliga a calcolare la diversità sulle sole tipologie; si può pesare ciascun rischio per la sua magnitudo, ottenendo una diversità "ponderata" che integra le due dimensioni — la struttura del profilo e l'intensità dei suoi elementi — invece di tenerle separate. È, a ben vedere, il punto di ricongiungimento tra l'asse dell'intensità e quello della diversità.
3.4 Diversità e governabilità
C'è una ragione ulteriore, e di natura gestionale, per cui un profilo ad alta diversità merita attenzione: è più difficile da governare. La valutazione dei rischi non si esaurisce nel misurare; serve a stabilire una scala di priorità, a decidere da quale rischio cominciare. Ora, un profilo concentrato come A offre una priorità evidente: c'è un rischio dominante, e si parte da quello. Un profilo disperso come B, al contrario, resiste alla gerarchizzazione: poiché nessun rischio domina, ogni criterio di priorità diventa in parte arbitrario, e la tentazione — registrata di frequente nella prassi — è di rinviare l'intervento su tutto, perché niente appare urgente. L'alta entropia, in questo senso, non misura soltanto una pericolosità latente: misura anche la difficoltà decisionale che il profilo impone a chi deve agire. È la traduzione quantitativa di quella polarizzazione, già descritta nel primo contributo, tra il tentativo impossibile di controllare tutto e la rassegnazione di fronte alla complessità. Un indice che renda esplicita questa difficoltà ha un valore operativo, non solo descrittivo: dice al valutatore che si trova davanti non a un'assenza di problemi, ma a un problema di forma diversa, che richiede strategie diverse.
4. Tre letture entropiche
L'entropia, una volta entrata nel dominio, si lascia declinare in almeno tre modi distinti, di crescente ambizione e di crescente incertezza. È bene tenerli separati, perché rispondono a domande diverse.
4.1 Entropia statica: la fotografia della diversità
La prima lettura è statica: l'entropia del profilo di rischio calcolata in un dato istante, come fotografia della sua diversità. Un'entropia statica elevata segnala precisamente la configurazione che la matrice sottovaluta — molti rischi, molte tipologie, nessuno dominante: il "pericolo diffuso" del profilo B. Affiancata alla valutazione tradizionale delle magnitudo, l'entropia statica funziona come una spia complementare: non dice quanto è grave un rischio, ma quanto è strutturalmente complesso il quadro complessivo, e dunque quanto è probabile che la sua pericolosità sia stata sottostimata da un'analisi rischio-per-rischio.
4.2 Entropia dinamica: la diversità nel tempo
La seconda lettura è dinamica, ed è quella che la riflessione originaria intravedeva parlando dei rischi analizzati nel loro contenuto informativo in funzione del tempo. Se il profilo di rischio non è più una fotografia ma una registrazione continua — come consente l'architettura di un documento di valutazione dinamico e storicizzato, discussa nel contributo sul modello dei dati — allora se ne può seguire l'entropia nel suo evolvere. Un profilo la cui entropia cresce nel tempo è un sistema che sta diventando più diversificato e meno controllabile, in cui il pericolo si va distribuendo su un numero crescente di tipologie a bassa magnitudo; un profilo la cui entropia cala può segnalare o un effettivo miglioramento, o — attenzione — una perdita di capacità di rilevazione, ossia una valutazione che ha smesso di vedere. La derivata dell'entropia nel tempo diventa, in questa lettura, un indicatore precoce di deriva organizzativa, ben prima che gli eventi avversi la rendano evidente.
A questa lettura se ne può affiancare una più fine. Invece di seguire il solo valore dell'entropia, si può misurare quanto la distribuzione dei rischi a un dato momento differisce da quella del momento precedente, attraverso una misura di divergenza tra distribuzioni — l'entropia relativa, o divergenza di Kullback-Leibler, che quantifica appunto la "distanza informazionale" tra due profili successivi. Una divergenza elevata segnala un cambiamento strutturale del profilo — non un singolo rischio nuovo, ma una riconfigurazione del quadro — che merita un'analisi anche quando l'entropia complessiva, per compensazione, fosse rimasta stabile. È la differenza tra accorgersi che il termometro segna sempre la stessa temperatura e accorgersi che, nel frattempo, si è ammalato un altro organo.
4.3 Informazione mutua: la diversità nella topologia
La terza lettura è la più speculativa e, se confermata, la più potente. I rischi di un'organizzazione non sono distribuiti in modo uniforme né indipendente: si addensano lungo la struttura dell'organizzazione — i suoi ambienti, le sue fasi, i suoi lavoratori — che nei sistemi a legame debole, come si è visto, ha la forma di una rete debolmente connessa. La teoria dell'informazione offre, per questa configurazione, lo strumento dell'informazione mutua:
I(X; Y) = Σ p(x, y) · log [ p(x, y) / ( p(x) · p(y) ) ]
che misura quanta informazione la conoscenza del rischio in un nodo X fornisce sul rischio in un nodo connesso Y — ovvero quanto i due rischi sono statisticamente legati anziché indipendenti. Letta sulla topologia dell'organizzazione, l'informazione mutua dà finalmente una presa formale sul problema che attraversa l'intera serie fin dal primo articolo: la sinergia tra rischi distribuiti su nodi debolmente correlati. Un'informazione mutua elevata tra nodi vicini è la firma matematica di un rischio che si propaga, che "passa" da una fase all'altra, da un ambiente all'altro — esattamente ciò che il calcolo delle probabilità composte, applicato a rischi trattati come indipendenti, non riesce a cogliere. È una lettura che ha senso pieno solo su una rappresentazione a grafo dei dati, e che dunque dipende strettamente dall'infrastruttura descritta negli altri contributi.
4.4 Tre assi, una sola cassetta degli attrezzi
Conviene, a questo punto, ricomporre il quadro. Le proposte avanzate in questa serie non si escludono a vicenda: misurano cose diverse e si completano. La matrice Probabilità × Danno misura l'intensità del singolo rischio, ed è adeguata laddove i rischi sono pochi, isolabili e a magnitudo netta. Il modello fuzzy introduce la gradualità e la capacità di rappresentare le sinergie, recuperando le soggettività plurali che concorrono alla stima. L'analisi entropica aggiunge l'asse della diversità: la forma del profilo nel suo insieme, la sua evoluzione nel tempo, la sua struttura sulla topologia dell'organizzazione. I tre approcci rispondono a tre domande distinte — quanto è grave un rischio, come i rischi si combinano, com'è fatto l'intero quadro — e una valutazione matura nei sistemi a legame debole avrà bisogno, plausibilmente, di tutti e tre. L'errore non è scegliere uno strumento, ma scambiare lo strumento per il territorio: credere che l'unico asse misurabile sia l'unico asse che conta.
5. Un'ipotesi di ricerca empirica
Tutto quanto precede è una costruzione concettuale, e tale resterebbe senza una verifica. La verifica ha una forma precisa, ed è oggi, per la prima volta, praticabile.
L'ipotesi da mettere alla prova è la seguente: che l'indice di diversità di un profilo di rischio — calcolato per gruppo omogeneo, per ambiente o per processo — sia correlato con la frequenza degli eventi indesiderati osservati nel corrispondente raggruppamento, e in particolare che i profili ad alta entropia e bassa magnitudo, quelli che la valutazione tradizionale archivia come tranquilli, mostrino una frequenza di infortuni e mancati infortuni più alta di quanto la sola magnitudo lascerebbe prevedere. Se così fosse, l'entropia del profilo sarebbe un predittore di rischio indipendente dalla magnitudo, e dunque un'aggiunta genuina alla cassetta degli attrezzi della prevenzione.
La condizione per condurre questa ricerca è la disponibilità di dati: raccolti in modo uniforme, strutturati coerentemente, storicizzati nel tempo, e provenienti da molte organizzazioni comparabili. È precisamente ciò che, nel 2014, mancava, e che rendeva l'idea poco più di una suggestione; ed è ciò che oggi una piattaforma per la gestione dinamica della valutazione dei rischi può cominciare ad accumulare. Lo strumento che storicizza i profili di rischio e li rende interrogabili attraverso il modello dei dati descritto in un altro contributo della serie è, in questa luce, non solo un ausilio gestionale, ma l'infrastruttura di ricerca che permette di trasformare l'ipotesi entropica in un risultato — o di confutarla.
Restano da nominare, con franchezza, i limiti. Il primo, decisivo, è la classificazione delle tipologie di rischio: l'entropia dipende da come si raggruppano i rischi in tipi, e una tassonomia mal costruita produrrebbe un indice che misura la tassonomia stessa anziché la realtà. Serve dunque una classificazione standardizzata e condivisa, pena la non comparabilità tra valutazioni. Il secondo è la nota distinzione tra correlazione e causalità: anche una correlazione robusta tra entropia e frequenza di eventi non dimostrerebbe, da sola, un nesso causale. Il terzo è la persistente scarsità di eventi avversi, che richiederà di lavorare anche sui mancati infortuni e su orizzonti temporali lunghi. L'indice entropico, insomma, va inteso per ciò che può essere: una spia che segnala dove guardare meglio, non un verdetto che sostituisce il giudizio.
6. Conclusioni
Si è argomentato che la valutazione dei rischi dispone, nei modelli correnti, di un solo asse di misura — l'intensità del singolo rischio — e che le manca l'asse ortogonale della diversità del profilo complessivo. Si è proposto di colmare questa lacuna con gli strumenti della teoria dell'informazione e dell'ecologia: l'entropia di Shannon come misura della dispersione del pericolo, l'indice di Brillouin come sua forma rigorosa per insiemi finiti, l'indice di Shannon-Wiener come ponte informazionale. E si sono distinte tre letture entropiche — la statica, che fotografa la diversità di un profilo; la dinamica, che ne segue l'evoluzione nel tempo come spia di deriva organizzativa; la topologica, che attraverso l'informazione mutua dà una presa formale sulla sinergia tra rischi distribuiti sulla rete dell'organizzazione.
È il contributo più audace della serie, e il più incerto: la sua sostanza è un'ipotesi di ricerca, non un metodo collaudato. Ma è anche, per questo, il punto in cui la riflessione di un trentennio si proietta più avanti, verso ciò che gli strumenti di oggi rendono per la prima volta verificabile. Il profilo di rischio di un'organizzazione a legame debole non è solo un elenco di pericoli da pesare a uno a uno: è una struttura che ha una forma, una storia e una topologia, e l'entropia è il linguaggio che permette di misurarle. Resta da vedere se la realtà confermerà che quella forma, quella storia e quella topologia ci dicono qualcosa di vero sulla sicurezza delle persone. È una domanda che, finalmente, si può iniziare a porre con i dati in mano.
Bibliografia
Brillouin, L. (1956). Science and Information Theory. New York: Academic Press.
Bruscagli, A. (2014). Tecniche della prevenzione nell'ambiente e nei luoghi di lavoro: un modello relazionale per la valutazione dei rischi. Tesi di laurea, Università degli Studi di Firenze.
Cover, T. M., e Thomas, J. A. (2006). Elements of Information Theory (2ª ed.). Hoboken (NJ): Wiley-Interscience.
Decreto Legislativo 9 aprile 2008, n. 81. Attuazione dell'articolo 1 della legge 3 agosto 2007, n. 123, in materia di tutela della salute e della sicurezza nei luoghi di lavoro. Gazzetta Ufficiale della Repubblica Italiana, n. 101 del 30-04-2008.
Magurran, A. E. (2004). Measuring Biological Diversity. Oxford: Blackwell.
Pielou, E. C. (1966). The Measurement of Diversity in Different Types of Biological Collections. Journal of Theoretical Biology, 13, 131-144.
Shannon, C. E. (1948). A Mathematical Theory of Communication. The Bell System Technical Journal, 27(3), 379-423.
Weick, K. E. (1976). Educational Organizations as Loosely Coupled Systems. Administrative Science Quarterly, 21(1), 1-19.