テッド・コーニッシュは、Gravityの共同創設者兼CTOであり、工業企業向けの炭素データを抽出・構造化するAIシステムを構築しています。Gravity以前は、Tableauのエンジニアでした。
どこかで今、分析者は、規制機関、顧客、または取締役会が会社の炭素フットプリントを知りたいと考えているため、400件の公益料金のフォルダを見ているところです。この数字の多くは、これらの文書の中に埋もれています。このような仕事をするAIシステムを構築することは、企業のサステナビリティチームが、構造的な条件が早期に問題を引き起こしたため、AIの採用において企業の他の部分よりも数年先んじていることを私に確信させました。如果あなたが、実際にAIが白色の仕事をどのように変えるかを理解したいのであれば、彼らは注目すべきグループです。タスクレベルで変化が起こっているデータが何を言っているかから始めましょう。 マッキンゼーの最新のAIサーベイによると、88%の組織が現在、少なくとも1つのビジネス機能でAIを使用しており、約4分の1の企業が、エンタープライズのどこかでAIエージェントを拡大していますが、通常は1つまたは2つの機能のみです。採用はほぼ普遍的ですが、変革はそうではありません。では、変化はどこで起こっているのでしょうか？ 答えは、タスクレベルです。 Anthropicの経済指数は、実世界のAI会話を数百万件分析し、使用は自動化(43%)よりも補助(57%)に偏り、約4%の職業がタスクの3/4以上でAIを使用していることを発見しました。AIは、仕事の中の個々のタスクにわたって拡散しています。労働者への影響はすでに測定可能です。 スタンフォードの2026 AIインデックスは、実際だが不均一な生産性の向上(およそ14〜15%のカスタマーサポートに対して、26%のソフトウェア開発)を報告し、2024年以降、22〜25歳のソフトウェア開発者の雇用がほぼ20%減少したことを文書化しており、これはAIに起因する初めての測定可能な白色の収縮です。より広い範囲にズームアウトすると、 世界経済フォーラムの未来の仕事報告書は、2030年までに170万の仕事が創出され、9200万の仕事が置き換えられ、途中で39%のコアスキルが変更されることを予測しています。仕事はほとんど消え去ることはありませんが、その構成はタスクごとに再配置されています。そして、再配置は始まっています。サステナビリティチームが先んじた理由サステナビリティを先頭に押し出す3つの構造的な条件があります： 第一に、データの負担は従業員数に比べて巨大です。炭素会計は、環境を装ったデータエンジニアリングの問題です。入力は公益料金、燃料レシート、運送請求書、冷媒ログ、サプライヤーのスプレッドシートであり、機械が読み取ることができるように設計されていない数千の文書が含まれています。担当チームは、時には10億ドルの会社で2〜3人です。 BSRは、20の企業のサステナビリティチームにAIの使用について聞きましたが同じパターンを見つけました：時間はデータの収集とクリーンアップに費やされるので、そこで何をするかを決定することには費やされません。第二に、締め切りは厳しいし、罰則は現実です。カリフォルニア州のSB 253の下で、 州内で事業を行う10億ドル以上の収入を持つ企業は、2026年からスケープ1および2の温室効果ガス排出量を報告する必要があり、スケープ3は後に続き、違反に対する行政罰は50万ドルまでです。欧州の企業のサステナビリティ報告指令(CSRD)には独自のタイムラインがあります。規制は、「自動化しておきたい」ということを「人で対応できない」ということにかえます。これは予算を動かします。第三に、仕事は自然な労働の分業があります。汚い文書からキロワット時、熱量、ガロンを引き出すことと、判断することには明確な違いがあります。機械は、メーター読みが月間で400%増加したことを把握したり、排出係数にマッピングしたりすることにおいて優れています。組織の境界を決定したり、方法論を選択したり、数字が得られたらどうするかを判断するには、人間が必要です。知識労働のドメインの中で、このように明確に分かれるものは珍しいです。サステナビリティはそうです。それがなぜ AIがサステナビリティ報告を変革している最も速い分野の1つである理由です。役割の進化私は、ツールを真剣に採用したチームで何が起こるかを見てきました：仕事の重心が移動します。 PDFからスプレッドシートへの数字入力の時間が減り、例外のレビュー、機械が生成したものの検証、結果の擁護に費やす時間が増えます。気候開示は第三者による保証に向かっており、「モデルはそう言った」というのは擁護できる監査証跡ではありません。人間が数字を裏付ける必要があります。分析者のコアスキルは、データ入力から、機械が間違っているかどうかを知ることにシフトします。私は誰かがこれを明確な勝利と表現することに反対します。実際のトレードオフがあります：ジュニアの人々が手動作業を決して行わない場合、判断力をどうやって身につけますか？ 1000件の抽出された請求書を確認することは、間違った数字がどう見えるかを教えてくれます。スタンフォードの研究者は、AIへの過度の依存が長期的な学習コストをもたらす可能性があるという同じ懸念を指摘しています。誰も完全な答えを持っていないと思います。企業は、ジュニアの役割を意図的に設計する必要があります。つまり、偶然に専門知識を構築するのではなく、下働きをさせます。サステナビリティチームが最もよく知っているトレードオフ企業のこの部分が注目に値するもう1つの理由があります。サステナビリティチームは、自身のツールのエネルギーと環境コストを数えることを義務付けられている、AIの唯一の採用者です。 国際エネルギー機関は、データセンターの電力消費量が2030年までに約945テラワット時、世界の電力の約3%に達するまでに倍増することを予測しています。AIタスクあたりの使用エネルギーは、驚くほどの割合で減少しています。どちらも同時に真実であり、サステナビリティチームは、どちらかを都合の良いものを選択することはできません。消費量は、どちらの場合でも誰かの排出量インベントリに記載されるからです。この制約は、企業の他の部分が模倣するべき規律を生み出します： モデルをタスクに合わせます。 公益料金からフィールドを抽出するには、最先端のモデルが最初の原理から推論する必要はありません。より小さく、安く、効率的なシステムが通常、より優れて、エネルギーも少なく済みます。消費量を入力として追跡する、計測されたAIの使用は、最終的にはすべての機能にやって来ます。サステナビリティは、計測が仕事だから、先に来ます。企業の他の部分が学べることサステナビリティを先頭に押し出した条件は、独自のものではありません。データに比べて小さく、外部の当事者に厳しい締め切りで、構造化されていない文書で埋もれている機能は、同じ曲線に従います：財務、調達、法務など。そうしたとき、サステナビリティのプレイブックは盗んで使えるものです：判断を圧迫する作業を自動化し、判断自体を自動化しない；人間が検証できるものについては、人間が責任を負う；自動化のコストを、ドルとエネルギーで測ります。面白い質問は決して「AIは仕事を奪うの？」ではありませんでした。それは「どのタスクが機械に移動するか、どのような順序で、そして人々は戻ってきた時間をどう使うか？」ということです。 サステナビリティチームは、規制上の締め切りで、監査人が仕事を確認する中、質問に答えています。それは、AIによって形作られる企業の予告編として得られるものはほとんどありません。
