Af Anders Brahe og Bo Øksnebjerg, partnere, EY
Man skal altid tage sig i agt, når to midaldrende mænd påstår, at alting var nemmere i gamle dage. Men på bæredygtighedsområdet er der noget om snakken.
For bare ti år siden var det ret simpelt at reducere sine klimaemissioner, spare på vandet eller reducere sin forurening. Udslidte maskiner skulle alligevel skiftes til nye (energieffektive) versioner. Ødselheden med vand og ressourcer kunne stoppes med et telefonopkald. Og kommunerne leverede gratis infrastruktur til affald og spildevand.
Med kunstig intelligens kan vi skabe mange af de gennembrud, der skal til for at gøre virksomhederne – og dermed vores samfund – mere bæredygtige
Alle tiltag var nemme og billige – og virksomhederne sparede penge, mens man leverede for mennesker og planet.
Men tiderne er skiftet.
Grønne, djævelske dilemmaer
I dag er det ikke for børn og sarte sjæle at levere på myndighedernes – og erhvervslivets egne – målsætninger inden for klima, vand eller cirkulær økonomi. Virksomhederne er ofte afhængige af deres udenlandske underleverandører og ny, uprøvet teknologi for at kunne levere forbedringer. Alle tiltag er djævelske dilemmaer, som hver er godt for noget, men ofte også skidt for noget andet.
Noget er dog bedre end i gamle dage. For med kunstig intelligens kan vi skabe mange af de gennembrud, der skal til for at gøre virksomhederne – og dermed vores samfund – mere bæredygtige.
Læs også: Guide: Hvordan bruger vi AI-værktøjer ansvarligt?
I EY har vi hjulpet mange virksomheder med at bruge AI til alt fra at optimere deres energiforbrug og overvåge processer, til at effektivisere varekæder, rapportere til myndighederne og mange andre ting, der øger effektiviteten til glæde for mennesker og planet. Derfor er vi ikke i tvivl om, at AI kommer til at blive en gamechanger i bæredygtighedens tjeneste, og at teknologien vil kunne løse mange af de udfordringer, som virksomhederne kæmper med i dag. Midaldrende mænd kan også være håbefulde.
Der er dog et stort ’men’.
Hvornår har I sidst opdateret jeres data?
Når I ikke indsamler data systematisk […], kan hverken jeres organisation eller jeres AI lave præcise forudsigelser
AI er ikke bedre end det datagrundlag, den lærer fra. Dårlige og mangelfulde data mindsker præcisionen og kan i værste fald sende din AI på afveje, der fører til fejlslutninger og forkerte analyser.
Vores erfaring er da også, at langt de fleste virksomheder er nødt til at gøre en betydelig indsats for at øge mængden og kvaliteten af deres data, inden de kan implementere AI-løsninger i deres bæredygtighedsarbejde.
Læs også: Ny AI-løsning holder styr på tusindvis af leverandørers klimaaftryk
Mange steder indsamles data i vidt forskellige dele af organisationen, der har hver deres systemer og data-setup. Mange virksomheder er vokset gennem opkøb, hvor de enkelte virksomheder har fået lov til at beholde deres gamle systemer. Andre lader hver enkelt afdeling indsamle netop deres data, som opbevares i et lokalt regneark.
Vil du fx have et overblik over jeres klimaaftryk, betyder det ofte, at data både skal hentes i finansafdelingens SAP-system, i energistyringssystemet, rejsebookingsystemet og i et Excel-ark på en studentermedarbejders PC i supply chain-afdelingen.
Mange indsamler og opdaterer først deres data, når de bliver efterspurgt; når man skal rapportere til myndighederne, eller når et medlem af bestyrelsen vil høre, hvordan det går med løngabet mellem mænd og kvinder.
Læs også: Brug af AI kan både styrke og undergrave CSRD-rapporteringen
Når I ikke indsamler data systematisk og ofte ændrer fokus eller format, kan hverken jeres organisation eller jeres AI lave præcise forudsigelser eller overvåge jeres net zero-rejse. Samtidig betyder de mange håndholdte løsninger, at kvaliteten af data ofte er lav, og at der er store huller i materialet.
Ideelt set burde alle data indsamles direkte fra kilden og automatisk overføres til et centralt system, hvor de lagres som ’stamdata’ i et ensartet format. Men i virkeligheden indtaster de fleste deres data manuelt eller fletter informationer fra spredte Excel-ark, som medarbejdere eller underleverandører indsender, når de bliver bedt om det.
Regneark fra regnskoven
Mange sustainability-folk river sig i håret, når de skal indsamle data fra palmeolie- eller gummileverandører, der bor midt i regnskoven i Indonesien eller Ghana
Disse siloer gør det ikke kun besværligt at indsamle data. Man risikerer også, at de samme data tælles med flere gange, fx hvis to afdelinger ikke har aftalt, præcist hvor hver deres rapporteringsansvar starter og slutter, eller hvis systemerne ikke fanger, at organisationen både betaler aconto og efterbetaler for strøm, varme og vand.
Udfordringerne i set-uppet kompliceres af, at det ofte i sig selv er en indviklet øvelse at indsamle bæredygtighedsdata. Store virksomheder kan have over 100.000 underleverandører, og mange råmaterialer kan nemt skifte hænder 5-10 gange i komplicerede varekæder, inden de når jeres varelagre. Mange sustainability-folk river sig i håret, når de skal indsamle data fra palmeolie- eller gummileverandører, der bor midt i regnskoven i Indonesien eller Ghana.
Læs også: AI kan være en game changer i den grønne omstilling
Benspænd er der altså nok af. Men der er heldigvis også løsninger.
AI er faktisk også en del af selve dataløsningen.
EY har udviklet et blueprint, der hjælper virksomheder med at blive AI-parate. Her etableres et overblik over alle data, der derefter mappes op mod organisationens behov. Derefter udvikles klare metrikker og KPI’er, som matcher virksomhedens forretnings- og bæredygtighedsstrategi.
På datasiden anbefaler vi som regel en såkaldt ’factory-model’, med faste systemer, governance og rammer for indsamlingen af data. Her nedbrydes siloerne, data ensrettes i format, og der udvikles protokoller for kvalitetskrav og -tjek.
Læs også: Hvem får gevinsten af AI?
AI er faktisk også en del af selve dataløsningen. Vi bruger AI til at oversætte virksomhedens ønsker om indsigt til de rette bæredygtighedsformater og -standarder. Samtidig bruger vi agenter til at varetage indsamlingen af data og sikre ensartetheden på tværs af organisationen.
Bedre data giver gode venner
Blev du lidt forpustet oven på al den data-snak? Fortvivl ikke. Vores erfaring er, at datainfrastruktur-projekterne ofte giver bæredygtighedsafdelingen masser af ny energi og vind i ryggen.
Som regel er hele organisationen trætte af dårlige data og det sure dobbeltarbejde. Ofte vælger virksomhederne også at bruge anledningen til at få orden på mange andre data, der ikke har noget med bæredygtighed at gøre. Finans, supply chain, HR og mange andre kæmper også med datarod, så jeres oprydning kan give stærke venner i andre afdelinger.
Læs også: Kvinder risikerer at blive sat af i AI-omstillingen
Men vigtigst af alt: Når der er styr på data, frigøres store mængder af tid, penge og ressourcer til at lave de indsatser, der virkelig giver impact for virksomheden og planeten. Baselines kommer på plads, og ny viden bliver systematisk indsamlet i real-time. Rapporteringen går nemt, fordi data kan trækkes fra kun en kilde og i præcist det format, der er brug for.
Og når AI får lov at arbejde på den nye datainfrastruktur, kan organisationen pludselig få nye indsigter og udvikle scenarier, som tager bæredygtighedsarbejdet til et helt nyt niveau.
Meget var måske bedre i gamle dage. Men AI kan skabe en ny guldalder for bæredygtighedsarbejdet i fremtiden.
Første skridt er dog, at I får styr på jeres data.
