Chcete vidět, jak AI mění práci v podniku? Sledujte udržitelnostní tým

Někde právě teď analytik zírá na složku se čtyřmi stovkami účtů za energie, protože regulátor, zákazník nebo představenstvo chce vědět, jaká je uhlíková stopa společnosti, a většina této čísla je pohřbena v těchto dokumentech.

Stavba AI systémů, které tuto práci zvládají, mě přesvědčila o jedné věci: firemní udržitelnostní týmy jsou o několik let před zbytkem podniku v adopci AI, protože strukturní podmínky donutily tuto otázku řešit dříve. Pokud chcete pochopit, jak AI skutečně mění práci v bílé krátké, jsou to týmy, které byste měli sledovat.

Změna se děje na úrovni úkolů

Začněte s tím, co říkají data. Poslední průzkum McKinsey o stavu AI zjistil, že 88 % organizací nyní používá AI alespoň v jedné obchodní funkci, a zhruba čtvrtina hlásí, že AI agenty rozšiřují někde v podniku, i když obvykle pouze v jedné nebo dvou funkcích. Adopce je téměř univerzální, ale transformace není. Kde se tedy děje změna? Odpověď, konzistentně, je na úrovni úkolů. Ekonomický index Anthropic, který analyzoval miliony skutečných AI konverzací, zjistil, že použití je nakloněno směrem k augmentaci (57 %) spíše než k plné automatizaci (43 %), a že pouze asi 4 % povolání používalo AI pro tři čtvrtiny nebo více svých úkolů. AI se šíří napříč jednotlivými úkoly uvnitř pracovních míst.

Efekty na pracovníky jsou již měřitelné. Zpráva Stanfordu o AI z roku 2026 uvádí, že produktivita se zvýšila, ale nerovnoměrně (přibližně 14–15 % v zákaznické podpoře, ve srovnání s 26 % ve softwarovém vývoji) a dokumentuje téměř 20% pokles zaměstnanosti softwarových vývojářů ve věku 22 až 25 let, jeden z prvních měřitelných kontrahentů bílé krátky přisuzovaných AI. Pokud se dále přiblížíme, Zpráva Světového ekonomického fóra o budoucnosti práce předpovídá, že do roku 2030 bude vytvořeno 170 milionů pracovních míst a 92 milionů pracovních míst bude zrušeno, přičemž 39 % základních dovedností se změní. Pracovní místa většinou nezmizí, ale jejich složení se mění úkol po úkolu, a toto měnění již začalo.

Proč udržitelnostní týmy došly dříve

Tři strukturní podmínky tlačily udržitelnost do čela této křivky:

První, zátěž dat je obrovská ve srovnání s počtem zaměstnanců. Účetnictví uhlíku je problémem inženýrství dat v převleku pro životní prostředí. Vstupy jsou účty za energie, palivové účty, faktury za dopravu, logy chladicích médií a tabulky dodavatelů, tisíce dokumentů v nesourodých formátech, žádné z nich nejsou navrženy tak, aby byly strojově čitelné. Týmy odpovědné za ně jsou často dva nebo tři lidé v podniku s miliardovým obratem. BSR pohovořil s dvaceti firemními udržitelnostními týmy o jejich použití AI a zjistil stejný vzorec: čas se věnuje sběru a čištění dat, ne rozhodování o tom, co s nimi dělat.

Druhý, lhůty jsou tvrdé a pokuty jsou reálné. Podle kalifornského zákona SB 253 společnosti s více než 1 miliardou dolarů v příjmu, které podnikají ve státě, musí hlásit své emise skleníkových plynů v rozsahu 1 a 2, počínaje rokem 2026, s rozsahem 3, který bude následovat, a správními pokutami až do 500 000 dolarů za nesplnění. Směrnice EU o udržitelnosti firem (CSRD) ukládá své vlastní termíny. Regulace mění “bylo by hezké automatizovat to” na “nemůžeme se vyhnout tomu, že to uděláme sami”, což mění rozpočty.

Třetí, práce má přirozené rozdělení práce. Existuje jasný rozdíl mezi extrakcí a úsudkem. Stroje vynikají v tom, že vytažou kilowatt-hodiny, termy a galony z nesourodých dokumentů, mapují je na emisní faktory a chytí měření, které skočilo o 400 % měsíčně. Lidé jsou potřeba pro těžké části: rozhodování o organizačních hranicích, výběr metodologie a zjištění, co dělat s číslem, až ho máte. Málokterá oblast znalostní práce má toto rozdělení tak čisté. Udržitelnost ano, a proto AI transformuje udržitelnostní reportování rychleji než většina sousedních funkcí.

Jak se mění role

Toto je to, co jsem sledoval na týmech, které vážně přijaly tuto výbavu: střed gravitace práce se mění.

Méně času stráveného zadáváním čísel z PDF do tabulek a více času prohlížením výjimek, ověřováním toho, co stroj vyprodukoval, a obhajobou výsledku. Klimatické zprávy se pohybují směrem k třetím stranám, a “model řekl tak” není obhajitelná stopa auditu. Člověk musí být schopen stát za číslem. Jádrové dovednosti analytika se mění z zadávání dat na znalost, kdy je stroj špatný.

Také bych mírně zpochybnil každého, kdo popisuje tuto změnu jako jednoznačné vítězství. Existuje skutečná kompromis: pokud mladí lidé nikdy nebudou vykonávat manuální práci, jak rozvinou své úsudky? Prohlížení tisíců extrahovaných účtů učí vás, jak vypadá špatné číslo. Výzkumníci ze Stanfordu poukazují na stejnou obavu, že silná závislost na AI může nést dlouhodobou nákladovou cenu učení. Nemyslím si, že někdo má kompletní odpověď zde. Společnosti nyní musí navrhovat juniorské role úmyslně, místo aby nechaly práci budovat odbornost náhodou.

Kompromis, který udržitelnostní týmy znají nejlépe

Existuje ještě jeden důvod, proč je tato část podniku hodná sledování. Udržitelnostní týmy jsou jedinými přijímateli AI, kteří musí počítat energetickou a environmentální cenu svých vlastních nástrojů. Mezinárodní agentura pro energii předpovídá, že spotřeba elektřiny datových center se téměř zdvojnásobí do roku 2030, na přibližně 945 terawatt-hodin, blížící se 3 % celosvětové spotřeby elektřiny. Je také pravda, že energie spotřebovaná na jeden úkol AI se snižuje rychlým tempem. Obě tyto skutečnosti jsou pravdivé a udržitelnostní tým nemůže zvolit tu výklad, která je mu výhodná, protože spotřeba dopadá do někoho jiného emisního inventáře.

Tato omezení vytvářejí disciplínu, kterou by si zbytek podniku měl osvojit: přizpůsobit model úkolu. Extrahování polí z účtu za energie nevyžaduje největší model na hranici, který odvozuje z prvního principu; menší, levnější a efektivnější systém to obvykle dělá lépe a za zlomek energie. Měřená spotřeba AI, kde je spotřeba sledovaným vstupem, a ne následkem, brzy přijde pro každou funkci. Udržitelnost se k tomu dostane jako první, protože měření věcí je jejich práce.

Co může zbytek podniku naučit

Podmínky, které udržitelnostní týmy posunuly dopředu, nejsou jedinečné. Každá funkce, která je malá ve srovnání se svými daty, odpovědná externím stranám na tvrdých termínech a pohřbená v nestrukturovaných dokumentech, bude následovat stejnou křivku: finance, nákup, právní a další. Když se to stane, je udržitelnostní playbook hodný krádeže: automatizovat práci, která vytlačuje úsudek, ne sám úsudek; zachovat lidskou odpovědnost za cokoliv, co potřebuje obstát ve zkoušce; a měřit, co automatizace stojí, v dolarech a energii.

Zajímavá otázka nebyla nikdy “zničí AI pracovní místa?” Je to “které úkoly se přesunou do strojů, v jakém pořadí a co lidé dělají s hodinami, které se vrátí?”

Udržitelnostní týmy odpovídají na tuto otázku, na regulatorní termín, s auditory, kteří kontrolují jejich práci. To je tak dobrá ukázka AI-přestavovaného podniku, jakou budete mít.