La L. 198/2025 (conversione del D.L. 159/2025) impone al Ministero del Lavoro, d’intesa con INAIL, di adottare entro sei mesi linee guida nazionali per l’identificazione, il tracciamento e l’analisi dei mancati infortuni (near miss), con regole sulla comunicazione dei dati aggregati e un rapporto annuale.
Il legislatore chiede coerenza con le procedure INAIL già esistenti. In questo articolo mettiamo in fila, le cinque principali pubblicazioni INAIL già disponibili, spiegando a chi sono rivolte, cosa offrono, cosa guardare, e quali passi RSPP e HSE possono avviare subito per farsi trovare pronti, e identificare i near miss per prevenire gli infortuni.
“Il grande vantaggio del giocare col fuoco è che non ci si scotta mai. Sono solo coloro che non sanno giocarci che si bruciano del tutto” – Oscar Wilde –
Cos’è un Near Miss nella sicurezza sul lavoro?
Un near miss è un incidente senza danno ma con potenziale lesivo. Trattarlo come “evento sentinella” consente di vedere in anticipo punti deboli tecnici, organizzativi o procedurali e di intervenire prima che la stessa dinamica generi un infortunio. È esattamente il giocare con il fuoco senza scottarsi mai, di Oscar Wilde prima citato non a caso.
Evidenziare tutte le criticità di un incidente, senza averne le conseguenze, è di fatto un evento fortunato per l’azienda, perché può scoprire difetti e rischi, senza peraltro pagare un “prezzo di sangue” per usare termini anglosassoni.
Le novità dell’art.15 L.198/2025 per le aziende
L’articolo 15 del D.L. 31 ottobre 2025, n. 159 – convertito dalla L. 29 dicembre 2025, n. 198 – prevede che entro sei mesi siano adottate linee guida per l’identificazione, il tracciamento e l’analisi dei near miss per le imprese con più di 15 dipendenti.
Un decreto del Ministero del Lavoro stabilirà come le aziende dovranno comunicare i dati aggregati sugli eventi e sulle azioni correttive/preventive, nonché i criteri per un rapporto annuale di monitoraggio. La norma chiede esplicitamente di tenere conto delle procedure INAIL già esistenti, così da evitare duplicazioni e valorizzare i percorsi già attuati: è un invito chiaro a implementare subito un modello di segnalazione dei mancati infortuni basato su standard riconosciuti.
Analisi dei near miss: pattern ricorrenti e indicatori di processo
Le analisi INAIL, ad esempio nella cantieristica navale, mostrano pattern ricorrenti: cadute dall’alto dell’infortunato, cadute di gravi, collisioni/investimenti. Sugli stessi ambiti, i near miss segnalati prima e analizzati poi presentano proporzioni e soluzioni che aiutano a intervenire prima (allestimenti in quota, movimentazione carichi, visibilità/organizzazione degli spazi, segnaletica, impiantisca ed adeguamenti ad hoc ecc.).
Un secondo punto cruciale è il passaggio da indicatori di esito (quanti near miss) a indicatori di processo (quante analisi chiuse, quanto rapidamente, con quale efficacia), così da misurare e migliorare: è la direzione indicata dalla letteratura e ribadita nei documenti INAIL più recenti. Questo punto consente anche di comunicare quanto fatto e non rompere la catena. Nessuno segnalerà eventi se non ha reale contezza, che queste azioni hanno risultati concreti.
I modelli di analisi scompongono l’evento in incidente, contatto e danno, e classificano le cause nelle principali famiglie (attività dell’operatore/terzi, utensili/macchine/impianti, contesto): un linguaggio comune per ricostruire le dinamiche e confrontare i casi.
Le 5 pubblicazioni INAIL per la gestione dei near miss
01. Il supporto per segnalazione e analisi dei near miss (Documento INAIL- CONFIMI, 2024).
Che cos’è – Il documento INAIL–Confimi propone un modello tecnico‑organizzativo sostenibile per le PMI (ma utile a tutti), basato sulla procedura PSAT1 e su modulistica standard: S.NM.NC (segnalazione near miss/NC), AT.NM.NC (analisi & trattamento), SAT.INF (infortuni).
Perché usarlo adesso – È la via più veloce per strutturare la raccolta dei near miss e allineare i campi dati con un futuro invio aggregato nazionale. Prevede ruoli, feedback, KPI semplici e ripetibili.
Cosa guardare – La PSAT1 come “porta unica” degli eventi; i campi minimi (evento, dinamica, cause, barriere, azioni, responsabile, scadenza, verifica); la possibilità di integrare con strumenti digitali.
02. Modelli di gestione dei near miss (MGNM) – INAIL & Fincantieri (2022)
Che cos’è – Un modello di gestione “di filiera” che integra Infor.Mo con la metodologia bow‑tie per mappare cause e barriere (preventive e protettive), condividere i casi tra siti/cantieri e misurare con leading/lagging.
Perché usarlo adesso – Permette di passare dalla segnalazione all’azione mirata: la bow‑tie evidenzia quali barriere non hanno funzionato (KO) e quali invece hanno fermato l’evento (OK), orientando interventi tecnici, organizzativi o formativi.
Cosa guardare – Gli esempi applicativi (es. cadute di gravi, collisioni, cadute dall’alto) e l’analogia tra pattern dei near miss e degli infortuni gravi/mortali, utile per “giocare d’anticipo”.
03. Gestione incidenti: procedura per la segnalazione dei near miss (INAIL e UNITALIA 2021)
Che cos’è – La procedura operativa INAIL elaborata con Utilitalia e Fondazione Rubes Triva che definisce flussi, ruoli, tempi, modulistica e verifica dell’efficacia (integrazione con Infor.Mo). È il riferimento per la standardizzazione interna.
Perché usarla adesso – Mette ordine nei passaggi (segnalazione → registrazione → comunicazione → follow‑up), chiarendo chi fa cosa e quando, anche in cantiere e in presenza di appaltatori.
Cosa guardare – Le figure coinvolte (lavoratore, preposto, SPP/RSPP, RLS, Datore), la gestione dei cantieri anche edili e la sezione su verifica dell’applicazione/efficacia delle soluzioni.
04. Piattaforma Condivido (Progetto INAIL 2025)
Che cos’è – Un progetto di ricerca INAIL (Dimeila) con università e ASL che mette a disposizione una piattaforma web per segnalazione–analisi–trattamento con logiche open data e reti collaborative pubblico‑private, pensata anche per le PMI.
Perché usarla adesso – Consente di scalare la pratica, confrontare (benchmark), e costruire fin d’ora la base dati che il futuro rapporto nazionale vorrà valorizzare.
Cosa guardare – La struttura dei campi (coerenti con Infor.Mo “light”), i ruoli (aziende/associazioni/enti), la condivisione anonima delle esperienze e le funzioni di dashboard.
05. Il “focus tecnico” INAIL (CTSS/Contarp/CSA/Dimeila): documenti 2021–2024
Che cos’è – Il tessuto metodologico comune: definizioni e schemi coerenti, psicologia del feedback al segnalatore, analisi cause (Infor.Mo), raccordo con il SGSSL e con il ciclo PDCA. Lo si ritrova esplicitamente nella procedura 2021 e nel documento INAIL–Confimi 2024 (con i team tecnici citati in frontespizio/crediti).
Perché usarlo adesso – È l’ossatura che garantisce coerenza tra una guida e l’altra (anche in vista della nuova linea guida ministeriale).
Cosa guardare – Terminologia condivisa, modelli di modulo e flussogrammi, collegamento con ISO 45001 e con la reportistica del SGSL.
Integrare procedure, analisi e tecnologia: la “strada maestra”
Dalla analisi critica dei vari documenti emergono tre messaggi utili per riformulare il quadro in chiave operativa:
a) Dalla pratica al metodo: la procedura (2021) chiarisce flussi/ruoli e mette al centro il feedback al segnalatore; l’analisi (Infor.Mo e, quando serve, bow‑tie) trasforma il “perché è successo” in piano d’azione; la componente tecnologica (PSAT1 + eventuale piattaforma digitale) standardizza campi e responsabilità e rende misurabili i progressi. È l’integrazione di questi tre piani a “fare” un programma.
b) Dai casi ai pattern: la verifica sui dataset Fincantieri mostra che molte dinamiche dei near miss anticipano quelle degli infortuni gravi (cadute dall’alto, cadute di gravi, collisioni). La bow‑tie rende visibili le barriere che hanno fallito o funzionato (KO/OK), così le azioni correttive sono mirate.
c) Idea di integrare PDCA e ISO 45001: integrare near miss e SGSL (riesami, indicatori, audit) non è burocrazia: significa dimostrare efficacia e chiudere il cerchio dal dato alla decisione, in linea con i principi delle linee guida UNI‑INAIL e con l’impostazione dei sistemi certificabili.
Cosa possono fare da subito RSPP e HSE
Per farsi trovare pronti alle nuove linee guida 2025 sui near miss, i professionisti della sicurezza dovrebbero:
- Adottare o armonizzare la procedura interna, attivare i moduli di raccolta dati (segnalazione near miss/NC, analisi & trattamento, infortuni) e definire chi compila e chi valida.
- Uniformare le definizioni e la tassonomia (ad es. Infor.Mo) per scrivere i casi nello stesso modo in tutti i reparti/siti/ditte.
- Formare lavoratori, preposti e RLS su cos’è un near miss e come segnalarlo (incluso canale digitale/QR), con feedback sullo stato delle azioni.
- Passare dai casi alle cause: adottare un metodo di analisi (ad es. Infor.Mo, Ishikawa, 5 whys
,ecc.) e, sui cluster più critici, strumenti più dettagliati (ad es. Bow‑Tie, Tripod Beta, Barrier analysis,ecc) - Stabilire 5–7 KPI semplici (volume segnalazioni; % analisi chiuse; time‑to‑closure; ripetitività; azioni con esito OK alla verifica di efficacia) e un cruscotto per Direzione/Comitato SSL.
- Integrare near miss e SGSL: portare gli esiti nel riesame, aggiornare formazione/manutenzioni/procedure, collegare a audit e OT23/ISI quando applicabile.
- Valutare una piattaforma informatica per scalare la pratica, beneficiare del benchmark e prepararsi all’interscambio informativo che il rapporto nazionale vorrà valorizzare.
Dal near miss all’azione in dieci punti
L’implementazione di un sistema di analisi e trattamento dei near miss si sviluppa attraverso le dieci fasi di seguito sintetizzate:
| Fase | Cosa fare / Output | Strumenti | |
| 1 | PROCEDURA | Una procedura ad hoc, è fondamentale da un lato per delineare la policy aziendale e le relative responsabilità e dall’ altro configura metodi, moduli e strumenti da usare per regolamentare l’intero processo, qui sotto descritto. La formazione sulla procedura | Procedura near miss Modulistica Formazione |
| 2 | SEGNALAZIONE | Lavoratore/Preposto/RLS compila modulo Near Miss (anche canale digitale/QR). Feedback immediato: presa in carico da parte di reparti specializzati ad analizzarla. | Segnalazione tramite modulistica PRO |
| 3 | CLASSIFICAZIONE | SPP verifica definizioni (near miss / non conformità / infortunio/ incidente/ eventi sentinella), contesto interno/appalto, gravità/potenziale e inizia a delineare criticità e possibili cause. | Classificazione Indicizzazione |
| 4 | ANALISI | La raccolta dati sul campo può avvenire anche tramite check list dedicate. L’analisi delle cause avviene tramite strumenti consolidati per incidente, determinanti/modulatori. Per cluster critici usa bow‑tie (barriere preventive/protettive, KO/OK). Da qui anche le soluzioni e gli adeguamenti. | Check list Analisi delle cause |
| 5 | DECISIONE | Compilare i moduli relativi alle azioni correttive/preventive, responsabili, scadenze, risorse. Priorità su rischi ad alta frequenza/potenziale. Dare evidenza di tempistiche e azioni (chiusura, rapidità, efficacia), così da misurare e migliorare. | Azioni correttive Azioni immediate KPI |
| 6 | IMPLEMENTAZIONE | Esecuzione azioni; aggiornare in primis anche il DVR, ma poi procedure, formazione, manutenzioni, DPI; comunicazione ai reparti/appaltatori. | Modifica DVR, procedure, formazione, manutenzione |
| 7 | VERIFICA EFFICACIA | Chiude il ciclo PDCA con controllo esito e chiusura azioni correttive; se inefficace, riesame e nuova azione. KPI: % analisi chiuse, time-to-closure, ripetitività. | Verifica efficacia PDCA, KPI |
| 8 | CONDIVISIONE | Lezioni apprese in primis tramite i feedback ai segnalatori, al reparto. Condivisione durante le sessioni formative interne, nelle riunioni SSL; tra siti/fornitori; valutare piattaforma digitale per feedback, benchmark e open data. | Comunicazione, formazione, addestramento |
| 9 | REPORTING AGGREGATO | Vista annuale per categorie e cause; preparare i dati per la comunicazione nazionale (DM). L’incrocio dei dati dovrebbe dare dati positivi (>near miss analizzati <infortuni) | Analisi dati, dashboard, art. 35 Dlgs 81/08 |
| 10 | RIESAME (PDCA) | Integrare esiti nel SGSL/ISO 45001 così come nel SG 231/01: obiettivi, piani, audit, formazione, manutenzioni, budget prevenzione, dati aggregati, andamenti, previsioni. | Riesame direzione, obiettivi, audit |
Perché conviene muoversi ora
Il quadro normativo non chiede di inventare da capo: chiede di mettere a sistema ciò che già funziona. Le cinque pubblicazioni INAIL offrono procedura, metodo, strumenti e piattaforma: chi standardizza oggi segnalazione, analisi e feedback dei near miss – con procedure, metodi di analisi strutturati e KPI – si troverà allineato ai futuri requisiti di comunicazione aggregata e, soprattutto, ridurrà molto la probabilità che un mancato infortunio diventi un infortunio vero, garantendo la piena conformità alla Legge 198/2025.
L’Intelligenza Artificiale è al suo terzo ciclo di hype, il primo è avvenuto negli anni Sessanta dopo la conferenza di Dartmouth dove è stato creato il termine AI, il secondo negli anni Ottanta con le Lisp machines e i sistemi esperti, il terzo ora con i Large Language Models e l’esplosione di ChatGPT.
È possibile che anche questa ondata termini con un “inverno” dell’AI, dopo tanti fasti e tanti investimenti può tutto rivelarsi solo una bolla mediatica e speculativa come è già avvenuto nelle altre due volte precedenti? Perché questo tema è così speciale da riuscire a rinascere dalle sue ceneri e ripartire con un coinvolgimento così profondo e globale come nessun altro tema tecnologico riesce a fare?
Riflettere su queste due domande ci aiuterà a capire se e quanto il passato possa aiutarci a interpretare il futuro.
L’intelligenza artificiale: dalla conferenza di Dartmouth ai Large Language Models
Il mondo della ricerca scientifica si è subito accorto, dopo la conferenza di Dartmouth nel 1956, quanto abile fosse stato John McCarthy nell’associare le due parole “intelligenza” e “artificiale”: era una calamita potentissima che attirava le risorse destinate all’università drenando i fondi a tutti gli altri temi di ricerca.
Tutti erano affascinati dalla possibilità di avere macchine intelligenti: i militari, che in piena guerra fredda speravano di avere l’arma risolutiva, l’industria, affamata di progettisti, i servizi, sempre alla ricerca di nuovo personale competente, l’uomo della strada, assetato di progresso ma anche terrorizzato dalla possibilità che gli scienziati creassero qualcosa che potesse scappare di mano.
Era un tema scientifico, ma anche un’abile mossa di marketing!
Ciclo di hype dell’AI: un fenomeno destinato a ripetersi?
Il mito di qualcosa di più abile dell’uomo stesso si ritrova in tutta la storia dell’umanità. È la paura di chi ci sostituirà come dominatore del mondo: non sarà più veloce o con denti più affilati, sarà più intelligente di noi.
Da Frankenstein a Terminator, dagli UFO al Golem, la mente umana è da sempre spaventata da creature aliene o artificiali che non può controllare.
Ma notiamo lo stratagemma concettuale di John McCarthy: l’Intelligenza Artificiale è uno scopo, non un metodo. Quando vediamo un normale hype tecnologico, sotto troviamo dei sistemi che hanno realizzato un avanzamento scientifico e permettono di costruire qualcosa di utile che prima non esisteva.
Come la potenza di calcolo e i dati alimentano l’intelligenza artificiale
È stato così per l’elettricità o per Internet, riuscire a governare un fenomeno naturale e a trasmettere dati ad alta velocità ha poi aperto mille altre possibilità, ma l’avanzamento tecnologico era dato da un ben preciso metodo ingegneristico.
Passato lo stupore per la luce che illumina le case grazie all’elettricità segue lo stupore per il frigorifero o per il televisore, ma l’elettricità resta l’elettricità e non ci sorprende più.
L’Intelligenza Artificiale invece può di volta in volta agganciarsi agli avanzamenti tecnici che possono portare alla sua realizzazione. È appunto uno scopo che si avvale di tutti i metodi che le sono utili e non si esaurisce con la maturità del sistema che ha potuto cavalcare.
Non fa nascere nuovi figli che catturano la nostra attenzione, è essa stessa che si ripropone al nostro interesse.
Il futuro dell’AI: quando diventa utile per milioni di persone
Abbiamo così risposto alla seconda domanda: è proprio nella definizione di “Intelligenza Artificiale” che si nasconde la possibilità di ripetuti cicli di attenzione mediatica, ogni nuova tecnica che porta ad avanzamenti significativi farà ripartire il picco di visibilità e aspettative esagerate seguite da un momento di disillusione, appunto il ciclo di hype teorizzato da Gartner.
A differenza delle altre tecnologie che percorrono il ciclo di vita una volta sola, l’Intelligenza Artificiale sembra vivere un loop di Gartner infinito. A ogni ripartenza delle aspettative sull’AI possiamo associare un avanzamento tecnico, nel ciclo attuale le nuove possibilità che lo hanno attivato sono due: la grande disponibilità di dati e la potenza di calcolo.
Ogni giorno in Internet viene creata una quantità enorme di dati. Basta pensare alle pagine dei giornali e allargare la visione ai giornali di tutto il mondo. Questi dati non sono solo facilmente leggibili, sono anche correlabili tra loro in tutte le lingue: se cade un aereo la notizia sarà presente praticamente ovunque e facilmente riconoscibile.
È come se ogni giorno venisse creata una immensa stele di Rosetta.
Il web non è solo una nuova creazione, è anche memoria. I dati si accumulano e sono sempre disponibili per l’addestramento dei sistemi intelligenti. Processare questi volumi così importanti richiede una quantità incredibilmente elevata di calcoli. Non calcoli complessi, ma tanti calcoli.
Un’azienda aveva scoperto che per realizzare giochi che presentassero una fluidità visiva delle immagini, tanto da sembrare un film, bisognava dividere lo schermo in piccole zone di pochi pixel e processare ogni zona in parallelo.
Questa azienda era NVidia! Non calcoli difficili, ma tanto parallelismo.
Mentre i grandi dei chip realizzavano CPU sempre più potenti nel singolo calcolo e con un numero contenuto di core, NVidia realizzava GPU con un numero immenso di core molto semplici.
Per dare una unità di misura le GPU H100 che sono state i muli da soma dell’addestramento di ChatGPT, Gemini e Claude hanno circa 10.000 core, contro gli 8 o 16 di una tipica CPU Intel o AMD.
La vera innovazione dell’AI: l’utilità quotidiana
Questi comunque sono elementi tecnici, notevoli e importanti, ma sempre tecnici. Anche l’algoritmo di risoluzione dei dimostratori di teoremi automatici o l’alfa-beta pruning, che taglia l’albero di gioco, erano notevoli e importanti, ma non sono bastati a fermare l’inverno dell’AI che è seguito all’esplosione degli anni Ottanta.
Per quanto l’avanzamento tecnologico sia significativo, da solo non è sufficiente. Per giustificare il successo continuativo dell’innovazione dobbiamo guardare da un’altra parte: dobbiamo guardare il lato umano.
Solo quando l’innovazione è utile a molte persone potrà essere persistente.
Uno dei più grandi successi dell’AI anni Ottanta è stato il programma DeepBlue, capace di battere il campione del mondo di scacchi.
Terminata la serie di partite del torneo, Kasparov è tornato a casa bastonato e incredulo, ma alla fine questo fenomeno dell’AI aveva coinvolto una sola persona.
Per tutti gli altri c’è stata una notizia, magari un filosofeggiare del destino dell’uomo per qualche tempo, ma poi tutto è tornato come prima.
Oggi si stima che ChatGPT sia usato da 800 milioni di persone.
Quando un genitore viene chiamato dal figlio “Mi aiuti a fare i compiti … quanto alto è il Monte Bianco?” il pensiero ricorrente è “Me lo avevano insegnato alle elementari, possibile che non riesco a ricordarmelo? Per fortuna c’è ChatGPT, altrimenti dovrei cercare in internet o scartabellare l’enciclopedia …”
Quando una tecnologia diventa utile e trasparente per milioni di persone ecco che diventa la vera innovazione e la vera innovazione non sparisce in un fantomatico inverno tecnologico.
Vuoi saperne di più?
