Haluatko nähdä, miten tekoäly muuttaa yrityksen työtä? Katso kestävän kehityksen tiimiä

Jossain tässä hetkessä analyytikko tarkastelee kansioita, joissa on neljäsataa sähkö- ja vesilaskua, koska sääntelijä, asiakas tai hallitus haluaa tietää yrityksen hiilijalanjäljen, ja suurin osa tästä luvusta on haudattu näihin asiakirjoihin.

Tekoälyjärjestelmien rakentaminen on vakuuttanut minut siitä, että yritysten kestävän kehityksen tiimit ovat edellä muuta yritystä tekoälyn omaksumisessa, koska rakenteelliset olosuhteet pakottivat asian eteenpäin aikaisin. Jos haluat ymmärtää, miten tekoäly muuttaa käytännössä valko- ja sinistä työtä, he ovat ryhmä, jota kannattaa seurata.

Muutos tapahtuu tehtävätasolla

Aloita siitä, mitä data kertoo. McKinsey:n viimeisin tekoälykysely osoitti, että 88 %:lla organisaatioista on tekoälyä joissakin liiketoimintafunktioissa, ja noin neljännes ilmoittaa tekoälyagenttien laajentamisesta jossakin yrityksen osassa, vaikka yleensä vain yhdessä tai kahdessa funktiossa. Omaksuminen on lähes yleinen, mutta muutos ei ole. Missä siis tapahtuu muutosta? Vastaus on yhdenmukaisesti tehtävätasolla. Antrhopicin taloudellinen indeksi, joka analysoi miljoonia todellisia tekoälykeskusteluja, osoitti, että käyttö oli vinoutunut kohti täydentämistä (57 %) verrattuna täydelliseen automaatioon (43 %), ja että vain noin 4 %:lla ammateista käytettiin tekoälyä kolme neljäsosaa tai enemmän tehtävistä. Tekoäly leviää yksittäisten tehtävien sisällä työssä.

Vaikutukset työntekijöihin ovat jo mitattavissa. Stanfordin 2026 tekoälyindeksi raportoi tuottavuusparannuksia, jotka ovat todellisia mutta epätasaisia (noin 14–15 %:lla asiakastuessa, verrattuna 26 %:iin ohjelmistokehityksessä) ja dokumentoi lähes 20 %:n laskun ohjelmistokehittäjien työllisyydessä ikäryhmässä 22–25 vuotta, yhden ensimmäisistä mitattavista valkoisen kauluksen supistumisista, jotka voidaan liittää tekoälyyn. Zoomaamalla tarkemmin, Maailman talousfoorumin tulevaisuuden työraportti ennustaa 170 miljoonan työn luomista ja 92 miljoonan työn korvaamista vuoteen 2030 mennessä, ja 39 %:lla perustaidoista muuttuu matkalla. Työt eivät yleensä häviä, mutta niiden koostumus muuttuu tehtävittäin, ja muutos on aloitettu.

Miksi kestävän kehityksen tiimit pääsivät eturintamaan

Kolme rakenteellista olosuhdetta työnsivät kestävän kehityksen eturintamaan:

Ensinnäkin, datan taakka on suuri suhteessa henkilöstöön. Hiilijalanjäljen laskeminen on data-insinööritieteellinen ongelma, joka on pukeutunut ympäristövaatetus. Syötteinä ovat sähkö- ja vesilaskut, polttoainereitt, kuljetuslaskut, kylmäaineiden lokit ja toimittajien taulukot, tuhannet asiakirjat epäjohdonmukaisissa formaateissa, joista ei ole suunniteltu koneellista lukemista. Vastuussa olevat tiimit ovat usein kaksi tai kolme henkilöä miljardien dollarin yrityksessä. BSR haastatteli kahtakymmentä yritysten kestävän kehityksen tiimiä heidän tekoälykäytöstään ja löysi saman mallin: aika menee datan keräämiseen ja puhdistamiseen, ei siihen, mitä tehdä siitä.

Toiseksi, määräajat ovat kovat ja rangaistukset ovat todellisia. Kalifornian SB 253 -lain mukaan yli miljardin dollarin liikevaihtoa tekevät yritykset, jotka toimivat osavaltiossa, on ilmoitettava hiilidioksidipäästöistään vuodesta 2026 alkaen, ja hallinnolliset rangaistukset ovat jopa 500 000 dollaria epäilyn tapauksessa. Euroopan unionin kestävän kehityksen ilmoitusdirektiivi asettaa omat aikarajansa. Sääntely muuttaa “olisi kiva automatisoida tämä” “emme voi henkilöstöllä ratkaista tätä”, mikä siirtää budjetteja.

Kolmanneksi, työllä on luonnollinen työnjako. On selvä ero erottamisen ja tuomion välillä. Konemat ovat erittäin hyviä irrottaessaan kilowattitunteja, termejä ja gallonien määriä sekavista asiakirjoista, kartoittaessaan ne päästötekijöihin ja havaitessaan mitatilanteen, joka on hypännyt 400 % kuukaudessa. Ihmisten tarve on vaikeissa osissa: organisaatioiden rajojen määrittely, menetelmien valinta ja ratkaiseminen, mitä tehdä luvulla, kun sinulla on se. Harvat tietotyön alat jakautuvat näin selkeästi. Kestävän kehityksen tiimit pääsevät eturintamaan, koska heidän työnsä on mitata asioita.

Miten roolit kehittyvät

Tämä on, mitä olen nähnyt tapahtuvan tiimeillä, jotka ottavat tämän työkalun vakavasti: työn keskipiste siirtyy.

Vähemmän aikaa numeroiden syöttämiseen PDF-tiedostoista taulukoihin ja enemmän aikaa poikkeusten tarkastamiseen, koneen tuottaman tuloksen vahvistamiseen ja tuloksen puolustamiseen. Ilmastoilmoitukset siirtyvät kohti kolmannen osapuolen varmistusta, ja “malli sanoi niin” ei ole puolustettavissa oleva auditointi. Ihmisen on oltava kykeneväisiin puolustamaan lukua. Analyytikon perustaito siirtyy datan syöttämisestä siihen, tietääkö kone väärän numeron.

Vastustin myös kaikkia, jotka kuvaavat tätä yksiselitteiseksi voitoksi. On olemassa todellinen vastakauppa: jos nuoret ihmiset eivät tee manuaalista työtä, miten he kehittävät tuomionsa? Tuhat irrotettua laskua opettaa, miltä väärä numero näyttää. Stanfordin tutkijat korostavat samaa huolta, että voimakas tekoälyriippuvuus voi kantaa pitkän aikavälin oppimiskustannuksia. En usko, että kukaan voi antaa täydellistä vastausta tähän vielä. Yritysten on nyt suunniteltava nuorten rooleja tarkoituksella, sen sijaan, että antaisivat töiden kasvaa vahingossa.

Kestävän kehityksen tiimien parasta osaamista

On yksi syy, miksi tämä yrityksen kulma on arvokasta seuraamista. Kestävän kehityksen tiimit ovat ainoat tekoälyn käyttäjät, jotka joutuvat laskemaan oman työkalunsa energian ja ympäristökustannukset. Kansainvälinen energiatutkimuslaitos ennustaa, että datakeskuksien sähkönkulutus tulee lähes kaksinkertaistumaan vuoteen 2030 mennessä, noin 945 terawattituntiin, lähestyen 3 %:a maailman sähkönkulutuksesta. On myös totta, että tekoälytehtävien energiankulutus on laskenut huomattavan nopeasti. Molemmat ovat totta samanaikaisesti, ja kestävän kehityksen tiimin on otettava kulutus huomioon, koska se menee jokuun päästörekisteriin joka tapauksessa.

Tämä rajoitus luo kurin, jota muu yritys voisi hyvin omaksua: sovella mallia tehtävään. Kenttien irrottaminen sähkö- ja vesilaskusta ei vaadi suurinta rajapintamallia, joka perustuu ensisijaisiin periaatteisiin; pienempi, halvempi, tehokkaampi järjestelmä tekee yleensä sen paremmin ja energian murto-osaan. Mittauspohjainen tekoäly, jossa kulutus on seurattu syöte, tulee lopulta jokaiselle toiminnolle. Kestävän kehityksen tiimit pääsevät sinne ensin, koska mitattavuus on heidän työnsä.

Mitä muu yritys voi oppia

Olosuhteet, jotka työnsivät kestävän kehityksen eteen, eivät ole yksittäisiä. Mikä tahansa funktio, joka on pieni suhteessa datansa, vastuussa ulkoisille osapuolille kovat määräajat ja haudattu rakenteettomiin asiakirjoihin, seuraa samaa kaarta: rahoitus, hankinta, oikeus ja enemmän. Kun se tapahtuu, kestävän kehityksen pelikirja on arvokasta varastaa: automatisoi työ, joka syrjäyttää tuomion, ei itse tuomio; pidä ihminen vastuussa kaikista, mitä on tarkastettava; ja mittaa, mitä automaatio maksaa, sekä dollareina että energiana.

Mielenkiintoinen kysymys ei koskaan ollut “otkootko tekoäly työt?” Se on “mitkä tehtävät siirtyvät koneille, missä järjestyksessä ja mitä ihmiset tekevät saamillaan tunteilla?”

Kestävän kehityksen tiimit vastaavat tähän kysymykseen määräaikaan mennessä, tarkastajien tarkastellessa heidän työtään. Se on hyvä esikatselu tekoälyyn perustuvasta yrityksestä.