ในการประเมินซอฟต์แวร์ที่สำคัญต่อความปลอดภัย เช่น ระบบรถยนต์ไร้คนขับ (AV) การใช้ข้อมูลความล้มเหลวในอดีตเป็นสิ่งจำเป็นสำหรับการอ้างสิทธิ์ด้านความน่าเชื่อถือ อย่างไรก็ตาม งานวิจัยนี้ระบุว่าหากข้อมูลเหล่านั้นไม่ละเอียดพอ (เช่น บันทึกแค่ว่าล้มเหลวแต่ไม่บอกสาเหตุหรือบริบทที่ชัดเจน) จะส่งผลต่อการวิเคราะห์ทางสถิติ
ผู้วิจัยได้นำเสนอวิธีการทางสถิติแบบ Conservative Bayesian Inference (CBI) เพื่อตรวจสอบความทนทานของข้อสรุปด้านความปลอดภัย โดยพบว่าแม้ผู้ประเมินจะพยายามวิเคราะห์อย่างระมัดระวังเพียงใด ข้อมูลที่มีรายละเอียดต่ำก็ยังมักจะให้ผลลัพธ์ที่ดูปลอดภัยเกินจริง ซึ่งอาจนำไปสู่ความเสี่ยงในโลกจริง งานวิจัยนี้จึงเรียกร้องให้มีการเก็บข้อมูลที่มีความละเอียดสูงขึ้นเพื่อการประเมินความปลอดภัยที่ถูกต้อง
