Jak cyfrowe zarządzanie wiedzą ułatwia pracę Nie radzisz sobie z własnym laboratorium? 

Kierownicy laboratoriów znajdują się pod ciągłą presją: brak wykwalifikowanych pracowników, rosnące obowiązki związane z dokumentacją oraz wiedza, która ginie wraz z każdą zmianą personelu. Nic dziwnego, że wielu z nich czuje się przytłoczonych. Cyfrowe zarządzanie wiedzą pokazuje, jak można odciążyć codzienną pracę w laboratorium.

Niedawno spotkałem się na kawie z kilkoma byłymi kolegami z czasów, gdy pracowałem jako technik serwisowy. Wtedy wspólnie instalowaliśmy, naprawialiśmy i konserwowaliśmy sprzęt laboratoryjny – a potem dość szybko rzucaliśmy klientów na głęboką wodę. Tak to po prostu wyglądało. Podczas rozmowy o dawnych czasach wszyscy zauważyliśmy tę samą tendencję: wiele się zmieniło.

Kawa, trzech byłych współpracowników – i wspólna obserwacja

Kiedyś instalacja przebiegała mniej więcej tak: montaż urządzenia, krótkie wprowadzenie, gotowe. Potem praktycznie wyprowadzano nas za drzwi – klienci chcieli sami zabrać się do pracy. Dzisiaj wygląda to inaczej. Instruktaże są dłuższe, dokładniejsze i bardziej szczegółowe. Technicy serwisowi są obecnie niemal proszeni o wyjaśnienie każdej funkcji po raz drugi lub trzeci, zanim będą mogli wyjść.

Nie był to odosobniony przypadek w naszej rozmowie. Takie same opinie słyszę od wszystkich moich kontaktów: coraz więcej pracowników laboratoriów ma trudności z rzeczywistym opanowaniem obsługi własnych urządzeń i procesów. Złośliwi twierdzą, że nawet w 80 procentach zgłoszeń serwisowych przyczyna usterki leży po stronie obsługującego urządzenie.

Czy to sprzęt się pogarsza, czy też pracownicy tracą na wydajności? Nie jest to aż tak proste. Prawdziwy problem leży gdzie indziej: w stale rosnącej złożoności, z jaką borykają się pracownicy w codziennej pracy we współczesnym laboratorium. Wyróżniają się tu szczególnie trzy przyczyny.

Powód 1: Automatyzacja zwiększa złożoność

Obecnie laboratoria są zautomatyzowane w większym stopniu i w szerszym zakresie niż kiedykolwiek wcześniej. Całe łańcuchy procesów – od przygotowania próbek po analizę wyników – przebiegają obecnie w sposób zautomatyzowany. Jest to zasadniczo pozytywna zmiana: szybsza, zapewniająca większą powtarzalność i większą wydajność.

Jednak każde dodatkowe ogniwo w takim łańcuchu automatyzacji stanowi również dodatkowe potencjalne źródło błędu. Jeśli błąd pojawi się na końcu łańcucha, na przykład na detektorze, ustalenie przyczyny może szybko stać się skomplikowane. Czy przyczyną było przygotowanie próbki? A może któryś z etapów pośrednich? W nieprawidłowej kalibracji sprzed trzech tygodni? Im dłuższy łańcuch, tym więcej potencjalnych źródeł błędów – i tym bardziej pracochłonne jest ich wykrywanie.

Powód 2: Wiedza wciąż znajduje się w segregatorach i w głowach

Moim zdaniem drugi punkt trafia w sedno problemu: aby podjąć właściwą decyzję, potrzebny jest kontekst. A wielu pracowników laboratorium wciąż czerpie ten kontekst ze starych dzienników, rozrzuconych podręczników, odręcznych notatek, a w najgorszym przypadku nawet od tego jednego kolegi, który po prostu wie wszystko o laboratorium i znajdującym się w nim sprzęcie.

Pojawia się błąd, zaczynają się poszukiwania. Przegląda się foldery, pyta kolegów, przeszukuje segregatory i półki. Przy odrobinie szczęścia po 60 minutach wiadomo już, co w ogóle spowodowało ten błąd. Tylko że: teraz znamy już przyczynę, ale wciąż nie znamy rozwiązania. Rozpoczyna się druga runda poszukiwań. Właśnie w tym tkwi sedno automatyzacji: kto automatyzuje, nie opanowując jednocześnie niezbędnej wiedzy, ryzykuje, że automatyzacja ostatecznie będzie kosztować więcej czasu i pieniędzy, niż kiedykolwiek pozwoliła zaoszczędzić.

Powód 3: Niedobór wykwalifikowanych pracowników pogarsza sytuację

Trzeci, często niedoceniany czynnik: po prostu brakuje wykwalifikowanych pracowników laboratoryjnych. Wolne stanowiska są coraz częściej obsadzane przez osoby zmieniające branżę, a nie przez personel laboratoryjny z klasycznym wykształceniem, a także zauważalnie spadła jakość kształcenia laboratoryjnego. Nowi pracownicy mają mniej praktycznego doświadczenia, po raz pierwszy stykają się ze złożonym systemem – i początkowo rozumieją tylko jego niewielką część.

Rosnąca złożoność wynikająca z automatyzacji, analogowe zarządzanie wiedzą oraz malejący poziom specjalistycznego wykształcenia: to trzy zasadniczo niezależne tendencje, które wzajemnie się wzmacniają. Nic więc dziwnego, że szkolenia stają się coraz dłuższe, a wśród pracowników laboratoriów narasta niepewność – i nic dziwnego, że tak wielu z nich po prostu czuje się przytłoczonych codzienną pracą w laboratorium.

Kluczowy czynnik: zarządzanie wiedzą

Spośród tych trzech czynników na jeden można wywrzeć szczególnie duży wpływ – i to właśnie on ma największą siłę oddziaływania: zarządzanie wiedzą. Prawidłowo wdrożone może ono złagodzić znaczną część opisanych problemów. Jeśli każdy błąd, każde rozwiązanie i każda sztuczka są natychmiast dostępne i powiązane z odpowiednim urządzeniem, czas potrzebny na wykrycie błędu nie skraca się z 60 do 55 minut – ale często do zaledwie kilku sekund.

Ważne: cyfrowe zarządzanie wiedzą nie powinno zastępować istniejących systemów LIMS lub ELN, lecz je uzupełniać. Systemy LIMS i ELN zarządzają próbkami, wynikami i przebiegami pracy – ale rzadko uwzględniają ukrytą wiedzę empiryczną pracowników: dlaczego urządzenie nr 3 działa inaczej niż urządzenie nr 4? Jaki zabieg niezawodnie zapobiega konkretnemu błędowi? Właśnie do tego rodzaju wiedzy potrzebny jest odrębny system dostosowany do potrzeb laboratorium.

Czym musi się charakteryzować system zarządzania wiedzą dostosowany do potrzeb laboratorium

Cyfrowe dzienniki zamiast papierowych: zamiast prowadzić równolegle dziesiątki papierowych dzienników, przeglądy, konserwacje i nieprawidłowości są gromadzone w jednym, umożliwiającym wyszukiwanie systemie cyfrowym – z tagami i indywidualnie konfigurowalnymi polami wprowadzania danych zamiast notatek w postaci tekstu ciągłego, których nikt nie jest w stanie odnaleźć.

Wiki powiązane z urządzeniem: zamiast rozpraszać wiedzę po różnych wiki, dyskach sieciowych i skrzynkach e-mailowych, jest ona bezpośrednio powiązana z danym urządzeniem, metodą lub etapem procesu. Dzięki temu nawet nowi lub mało doświadczeni pracownicy mogą w razie potrzeby szybko znaleźć odpowiednie informacje – bez konieczności szukania najpierw doświadczonego kolegi.

Wsparcie sztucznej inteligencji w codziennej pracy: Sztuczna inteligencja zintegrowana z systemem pozwala aktywnie wykorzystywać zgromadzoną wiedzę: odpowiada na pytania dotyczące urządzeń i procesów w oparciu o własną, zweryfikowaną dokumentację – zamiast korzystać z ogólnej wiedzy dostępnej w Internecie, która w regulowanym środowisku laboratoryjnym często okazuje się mało przydatna.

Efekt uboczny: mniej stresujące audyty

W dyskusjach na temat zarządzania wiedzą często nie docenia się jednego aspektu: wpływu na audyty. Gdy wyniki kontroli, odchylenia, historia urządzeń oraz związane z nimi praktyczne doświadczenie są dostępne w sposób scentralizowany, z możliwością przeszukiwania i w pełni udokumentowane, przygotowanie do audytu zmienia się z kilkudniowego przeszukiwania segregatorów w kwestię kilku kliknięć. Pewność audytowa nie wynika zatem z dodatkowego wysiłku tuż przed terminem, lecz pojawia się automatycznie, jako produkt uboczny codziennej pracy – wiedza jest udostępniana i od samego początku uwzględniana z myślą o audycie.

Opłaca się to również w kontekście niedoboru wykwalifikowanych pracowników: nowi pracownicy znacznie szybciej wdrażają się do pracy, jeśli nie muszą najpierw mozolnie pytać, gdzie znaleźć daną wiedzę, lecz znajdują ją bezpośrednio przy danym urządzeniu lub na danym etapie procesu. Odciąża to doświadczonych współpracowników, którzy w przeciwnym razie musieliby ciągle odpowiadać na te same pytania – a także zmniejsza właśnie tę niepewność, która sprawia, że konieczne są opisane na początku coraz dłuższe szkolenia wprowadzające.

Szybkie rozpoczęcie pracy bez konieczności posiadania własnej infrastruktury IT

Częstym zarzutem wobec nowego oprogramowania w laboratorium jest to, że jest ono zbyt skomplikowane, wymaga zbyt długiego czasu wdrożenia i wiąże się ze zbyt dużym nakładem pracy ze strony działu IT. Nowoczesne rozwiązania oparte na chmurze (SaaS – Software as a Service) w znacznym stopniu eliminują ten zarzut: nie jest potrzebna własna infrastruktura serwerowa ani trwające miesiące projekty informatyczne. Wdrożenie w ciągu około dwóch tygodni jest realistyczne, jeśli od samego początku uwzględni się strukturę i procesy.

Wniosek: Automatyzacja – tak, ale nie bez odpowiedniej wiedzy

Automatyzacja w laboratorium będzie się nadal rozwijać – nie da się tego uniknąć. Najważniejsze pytanie brzmi jednak: czy zgromadzona wiedza rozwija się wraz z nią, czy też pozostaje w teczach, dziennikach i głowach poszczególnych pracowników?

Kto wcześnie zainwestuje w ustrukturyzowane zarządzanie wiedzą dostosowane do potrzeb laboratorium, nie tylko skraca czas poszukiwania poszczególnych usterek z godzin do minut. Sprawia też, że jego laboratorium staje się ogólnie bardziej odporne na zmiany kadrowe, niedobór wykwalifikowanych pracowników oraz rosnącą złożoność współczesnej analityki. A także sprawia, że pytanie „Czy czujesz się przytłoczony własnym laboratorium?” w dłuższej perspektywie przestaje budzić strach.