AI w ESG: rekomendacje dla organizacji

AI może realnie wzmocnić ESG, ale tylko wtedy, gdy jest wdrażana świadomie, mierzalnie i z udziałem ludzi. Firmy, które już dziś połączą technologię, kompetencje i odpowiedzialność, będą lepiej przygotowane na presję regulacyjną i oczekiwania rynku w kolejnych latach.

O czym się mówi za mało – ślad środowiskowy AI

Choć generatywna sztuczna inteligencja rośnie w siłę, to wiele organizacji nie mierzy jej wpływu na środowisko. Z raportu Capgemini Developing Sustainable Gen AI (por. https://www.capgemini.com/insights/research-library/sustainable-gen-ai/) wynika, że aż 80% firm zwiększyło inwestycje w AI, podczas gdy tylko 12% z nich aktywnie mierzy jej ślad środowiskowy – bez tego realizacja celów ESG może być zagrożona.

Raport pokazuje, że mimo rosnącej świadomości wpływu AI na środowisko, mierzenie emisji i zużycia energii pozostaje marginalnym elementem strategii technologicznych — tylko 27% organizacji porównuje zużycie energii poszczególnych modeli AI, a zaledwie 20% uwzględnia te kryteria przy wyborze narzędzi.

To istotne, bo wykorzystanie intensywnej mocy obliczeniowej wiąże się z dużym zużyciem energii, a praktyki pomiarowe są kluczowe w procesie raportowania środowiskowego. Ponadto firmy prognozują, że udział emisji generowanych przez AI w ich całkowitym śladzie węglowym może rosnąć w kolejnych latach.

Takie podejście pozwala nie tylko raportować dane, ale też budować realne cele redukcyjne.

W analizach branżowych AI jest uznawana za narzędzie zwiększające przejrzystość i jakość danych, pozwalając organizacjom szybciej identyfikować luki i niezgodności w raportach — oczywiście pod warunkiem właściwego nadzoru. Warto bowiem pamiętać o tym, że nawet najlepsze narzędzia AI nie mogą w pełni zastąpić eksperckiego nadzoru. Sztuczna inteligencja świetnie radzi sobie z przetwarzaniem danych i identyfikacją schematów, ale bez człowieka w pętli (human in the loop) mamy ryzyka: błędne dane, przestarzałe informacje, brak kontekstu czy „nadprodukcja” analiz, które mogą wprowadzać w błąd (jeśli wielu uczestników rynku polega na podobnych modelach sztucznej inteligencji, różnorodność osądów może spaść, a ta w ESG jest jedną z kluczowych zmiennych).

Należy mieć zatem na uwadze, że AI w ESG to nie automatyczny generator raportów, ale technologia wspierająca decyzje — pod warunkiem, że działalność ludzka zachowuje kontrolę i odpowiedzialność.

Rozwiązania, które czekają na pełne wykorzystanie

Sztuczna inteligencja oferuje więcej niż automatyczne zestawienia danych. Na horyzoncie są rozwiązania, które mogą zrewolucjonizować ESG:

• realtime reporting – raportowanie wskaźników ESG w czasie rzeczywistym,
• predykcja ryzyk ESG – prognozowanie potencjalnych zagrożeń zanim się zmaterializują,
• AI-assisted due diligence – inteligentne wsparcie procesów due diligence, szczególnie w łańcuchach dostaw.

Technologie te mogą przyspieszyć reakcję na ryzyka i poprawić jakość decyzji, ale ich wdrożenie wymaga strategii, zasobów i kompetencji.

Kompetencje, które dziś warto budować

Raporty branżowe, takie jak przygotowany przez KPMG Nowoczesny CFO w transformującej się firmie, wskazują, że automatyzacja procesów ESG w wielu organizacjach jest nadal na niskim poziomie, a kluczowym ograniczeniem są kompetencje zespołów. W praktyce oznacza to, że organizacje poszukują specjalistów łączących:

• wiedzę o ESG (regulacje, wskaźniki, standardy),
• kompetencje technologiczne (analiza danych, narzędzia AI),
• umiejętność interpretacji wyników i komunikacji z zarządem.

To połączenie staje się dziś jednym z najbardziej poszukiwanych profili, bo tylko takie kompetencje pozwalają skutecznie wdrażać AI w procesy ESG i realizować cele zrównoważonego rozwoju.

Jak odpowiedzialnie i skutecznie wdrażać AI w obszarze ESG

Największą luką jest brak pomiaru wpływu AI na środowisko. Dlatego pierwszym krokiem nie powinno być skalowanie narzędzi, lecz:

• włączenie zużycia energii i emisji AI do istniejących ram ESG,
• współpraca z dostawcami chmury i narzędzi AI, którzy udostępniają dane środowiskowe,
• testowanie różnych modeli pod kątem energochłonności, a nie tylko jakości wyników.

Traktuj AI jak każdy inny proces operacyjny podlegający raportowaniu ESG, a nie jak „czarną skrzynkę”.

Kluczowe jest utrzymanie modelu human in the loop. W praktyce oznacza to:

• brak automatycznego generowania finalnych raportów ESG bez walidacji,
• jasno zdefiniowane role: AI analizuje, człowiek interpretuje i zatwierdza,
• dokumentowanie, gdzie i w jaki sposób AI było wykorzystywane w procesie raportowym.

Odpowiedzialność regulacyjna i reputacyjna zawsze musi pozostać po stronie człowieka.

Organizacje często próbują automatyzować wszystko naraz. Tymczasem AI najlepiej sprawdza się w:

• konsolidacji danych ESG z wielu źródeł,
• analizie nieustrukturyzowanych informacji (polityki, raporty, komunikaty),
• identyfikacji trendów i potencjalnych ryzyk ESG,
• przygotowaniu roboczych wersji analiz i zestawień.

Automatyzuj analizę i przygotowanie danych, nie odpowiedzialność decyzyjną.

Raport „Nowoczesny CFO w transformującej się firmie” pokazuje, że niski poziom automatyzacji ESG wynika w dużej mierze z braków kompetencyjnych. Najbardziej pożądane dziś są osoby, które:

• rozumieją standardy ESG i regulacje (CSRD, ESRS),
• potrafią pracować z danymi i narzędziami AI,
• umieją krytycznie oceniać wyniki generowane przez algorytmy.

Szkolenia z AI w ESG powinny łączyć wiedzę merytoryczną z praktyczną pracą na narzędziach, a nie ograniczać się do teorii.

Choć wiele rozwiązań AI w ESG dopiero raczkuje na rynku polskim, raporty i analizy wskazują kilka kierunków, które warto uwzględnić już dziś:

• realtime ESG reporting – bieżący monitoring wskaźników zamiast raportów „raz w roku”,
• predykcja ryzyk ESG – identyfikacja zagrożeń zanim wpłyną na wyniki finansowe,
• AI-assisted due diligence – szczególnie w kontekście łańcuchów dostaw i ryzyk reputacyjnych.

Więcej artykułów z zakresu ESG przeczytasz w Monitorze CDK. Pobierz TUTAJ

Poznaj najbliższe szkolenia z zakresu ESG