Vuoi vedere come l’AI ridisegna il lavoro aziendale? Guarda un team di sostenibilità

Da qualche parte, in questo momento, un analista sta guardando una cartella di quattrocente bollette di servizi pubblici perché un regolatore, un cliente o il consiglio di amministrazione vuole sapere l’impronta carbonica dell’azienda, e gran parte di quel numero è sepolto in quei documenti.

Costruire sistemi di intelligenza artificiale che eseguano questo lavoro mi ha convinto di qualcosa: i team di sostenibilità aziendale stanno correndo alcuni anni avanti rispetto al resto dell’azienda nell’adozione dell’AI, perché le condizioni strutturali hanno forzato la questione in anticipo. Se vuoi capire come l’AI ridisegna effettivamente il lavoro di collare bianco nella pratica, sono il gruppo da guardare.

Il cambiamento sta avvenendo a livello di attività

Inizia con ciò che dicono i dati. L’ultimo sondaggio sull’AI di McKinsey ha scoperto che l’88% delle organizzazioni utilizza ora l’AI in almeno una funzione aziendale, e circa un quarto segnala di aver scalato gli agenti di AI in qualche parte dell’azienda, anche se di solito solo in una o due funzioni. L’adozione è quasi universale, ma la trasformazione non lo è. Quindi, dove sta avvenendo il cambiamento? La risposta, costantemente, è a livello di attività. L’indice economico di Anthropic, che ha analizzato milioni di conversazioni di AI nel mondo reale, ha scoperto che l’utilizzo era distorto verso l’aumento (57%) rispetto all’automazione completa (43%), e che solo circa il 4% delle occupazioni utilizzava l’AI per tre quarti o più delle loro attività. L’AI si sta diffondendo attraverso le attività individuali all’interno dei lavori.

Gli effetti sui lavoratori sono già misurabili. L’indice AI di Stanford segnala guadagni di produttività che sono reali ma irregolari (circa il 14-15% nel supporto clienti, rispetto al 26% nello sviluppo software) e documenta un calo di quasi il 20% dal 2024 dell’occupazione per gli sviluppatori di software di età compresa tra 22 e 25 anni, una delle prime contrazioni misurabili di lavoro di collare bianco attribuibili all’AI. Zoomando ulteriormente, il Rapporto sul futuro del lavoro del World Economic Forum prevede la creazione di 170 milioni di posti di lavoro e la sostituzione di 92 milioni entro il 2030, con il 39% delle competenze di base che cambieranno lungo la strada. I lavori non scompariranno, ma la loro composizione sta venendo riorganizzata attività per attività, e la riorganizzazione è iniziata.

Perché i team di sostenibilità sono arrivati prima

Tre condizioni strutturali hanno spinto la sostenibilità in prima linea:

Primo, il carico di dati è enorme rispetto al numero di dipendenti. La contabilità del carbonio è un problema di ingegneria dei dati che indossa un abito ambientale. Gli input sono bollette di servizi pubblici, ricevute di carburante, fatture di trasporto, registri di refrigeranti e fogli di calcolo dei fornitori, migliaia di documenti in formati incoerenti, nessuno dei quali è stato progettato per essere leggibile dalle macchine. I team responsabili sono spesso composti da due o tre persone in un’azienda da un miliardo di dollari. BSR ha intervistato venti team di sostenibilità aziendale sull’utilizzo dell’AI e ha trovato lo stesso modello: il tempo viene speso per raccogliere e pulire i dati, non per decidere cosa fare con essi.

Secondo, le scadenze sono rigide e le penalità sono reali. Sotto la legge SB 253 della California, le aziende con oltre 1 miliardo di dollari di entrate che operano nello stato devono segnalare le loro emissioni di gas serra di scope 1 e 2 a partire dal 2026, con le emissioni di scope 3 da seguire e penalità amministrative fino a 500.000 dollari per la non conformità. La direttiva europea sulla segnalazione della sostenibilità aziendale (CSRD) impone i propri tempi. La regolamentazione converte “sarebbe bello automatizzare questo” in “non possiamo permetterci di non automatizzare questo”, il che sposta i budget.

Terzo, il lavoro ha una divisione naturale del lavoro. C’è una chiara differenza tra estrazione e giudizio. Le macchine eccellono nell’estrazione di kilowattora, termi e galloni da documenti disordinati, mappandoli su fattori di emissione e catturando la lettura del contatore che è aumentata del 400% mese su mese. Gli esseri umani sono necessari per le parti difficili: decidere i confini organizzativi, scegliere le metodologie e capire cosa fare con il numero una volta che lo si ha. Pochi domini di lavoro della conoscenza si dividono in questo modo. La sostenibilità si divide, ed è per questo che l’AI sta trasformando la segnalazione di sostenibilità più velocemente della maggior parte delle funzioni adiacenti.

Come stanno evolvendo i ruoli

Ecco cosa ho visto accadere ai team che adottano seriamente questo strumento: il centro di gravità del lavoro si sposta.

Meno tempo trascorso a digitare numeri da PDF in fogli di calcolo, e più tempo a rivedere eccezioni, convalidare ciò che la macchina ha prodotto e difendere il risultato. Le dichiarazioni climatiche stanno muovendosi verso la garanzia di terze parti e “il modello ha detto così” non è un percorso di audit difendibile. Un essere umano deve essere in grado di sostenere il numero. La competenza principale dell’analista si sposta dall’inserimento dei dati alla conoscenza di quando la macchina è sbagliata.

Vorrei anche fare una leggera retromarcia su chi descrive questo come una vittoria inequivocabile. C’è un vero compromesso: se le persone junior non fanno mai il lavoro manuale, come sviluppano il giudizio? La revisione di mille bollette estratte insegna cosa sembra un numero sbagliato. I ricercatori di Stanford segnalano la stessa preoccupazione che una forte dipendenza dall’AI possa comportare un costo di apprendimento a lungo termine. Non credo che qualcuno abbia una risposta completa qui. Le aziende devono ora progettare ruoli junior in modo deliberato, invece di lasciare che il lavoro di routine costruisca l’esperienza per caso.

Il compromesso che i team di sostenibilità conoscono meglio

C’è un’altra ragione per cui questo angolo dell’azienda è degno di essere osservato. I team di sostenibilità sono gli unici adottanti di AI che devono contare il costo energetico e ambientale dei propri strumenti. L’Agenzia internazionale dell’energia prevede che il consumo di elettricità dei centri di dati raddoppierà entro il 2030, raggiungendo circa 945 terawattore, avvicinandosi al 3% dell’elettricità globale. È anche vero che l’energia utilizzata per ogni attività di AI è stata diminuendo a un ritmo notevole. Entrambe le affermazioni sono vere allo stesso tempo, e un team di sostenibilità non può scegliere quale cornice sia più conveniente, perché il consumo atterra comunque nell’inventario delle emissioni di qualcuno.

Questa costrizione produce una disciplina che il resto dell’azienda farebbe bene a copiare: abbina il modello all’attività. L’estrazione di campi da una bolletta di servizi pubblici non richiede il più grande modello di frontiera che ragiona dai principi primi; un sistema più piccolo, più economico e più efficiente lo fa di solito meglio e a una frazione dell’energia. L’uso misurato dell’AI, dove il consumo è un input tracciato invece di un ripensamento, sta arrivando per ogni funzione alla fine. La sostenibilità arriva prima perché misurare le cose è il loro lavoro.

Cosa può imparare il resto dell’azienda

Le condizioni che hanno spinto la sostenibilità in avanti non sono uniche. Qualsiasi funzione che sia piccola rispetto ai propri dati, responsabile nei confronti di parti esterne con scadenze rigide e sepolta in documenti non strutturati seguirà la stessa curva: finanza, approvvigionamento, legale e altro. Quando ciò accade, la strategia di sostenibilità vale la pena di essere rubata: automatizzare il lavoro che soffoca il giudizio, non il giudizio stesso; mantenere un essere umano responsabile di tutto ciò che deve reggere a un esame; e misurare cosa costa l’automatizzazione, in dollari e energia.

La domanda interessante non è mai stata “l’AI prenderà i lavori?” È “quali attività si spostano verso le macchine, in quale ordine e cosa fanno le persone con le ore che tornano?”

I team di sostenibilità stanno rispondendo a quella domanda, su una scadenza regolamentare, con gli auditor che controllano il loro lavoro. Questo è quanto di più vicino a un’anteprima dell’azienda ridisegnata dall’AI che puoi ottenere.