Chcesz zobaczyć, jak AI zmienia pracę w przedsiębiorstwie? Obserwuj zespół zrównoważonego rozwoju

Gdzieś teraz analityk przygląda się folderowi z czterystoma rachunkami za media, ponieważ regulator, klient lub zarząd chce wiedzieć, jaki jest ślad węglowy firmy, a duża część tej liczby jest zakopana w tych dokumentach.

Budowanie systemów AI, które wykonują tę pracę, przekonało mnie o czymś: zespoły zrównoważonego rozwoju są kilka lat przed resztą przedsiębiorstwa w zakresie wdrożenia AI, ponieważ warunki strukturalne wymusiły to wcześniej. Jeśli chcesz zrozumieć, jak AI naprawdę zmienia pracę biurową w praktyce, są to zespoły, które warto obserwować.

Zmiany zachodzą na poziomie zadań

Zacznijmy od tego, co mówią dane. Najnowsze badanie McKinsey’a na temat stanu AI wykazało, że 88% organizacji używa AI w co najmniej jednej funkcji biznesowej, a około jedna czwarta z nich raportuje skalowanie agentów AI w jakiejś części przedsiębiorstwa, choć zwykle tylko w jednej lub dwóch funkcjach. Wdrożenie AI jest prawie powszechne, ale transformacja nie jest. Gdzie więc zachodzą zmiany? Odpowiedź, konsekwentnie, brzmi: na poziomie zadań. Wskaźnik Ekonomiczny Anthropic, który analizował miliony prawdziwych rozmów z AI, wykazał, że użycie AI jest ukierunkowane na uzupełnienie (57%) raczej niż na pełną automatyzację (43%), i że tylko około 4% zawodów używa AI do trzech czwartych lub więcej zadań. AI rozprzestrzenia się na poszczególne zadania w ramach pracy.

Skutki dla pracowników są już mierzone. Raport AI Index z 2026 roku wykazał, że zyski produktywności są rzeczywiste, ale nierównomierne (około 14-15% w obsłudze klienta, w porównaniu z 26% w rozwoju oprogramowania) i udokumentował spadek zatrudnienia o prawie 20% od 2024 roku wśród programistów w wieku 22-25 lat, co jest jednym z pierwszych mierzalnych skurczów w zatrudnieniu na stanowiskach biurowych spowodowanych przez AI. Wyjmując to na szerszy plan, Raport o przyszłości pracy przewiduje, że do 2030 roku zostanie utworzonych 170 milionów miejsc pracy i 92 miliony miejsc pracy zostanie utraconych, przy czym 39% podstawowych umiejętności ulegnie zmianie w trakcie. Praca nie zniknie, ale jej skład będzie zmieniany zadanie po zadaniu, a zmiany już się zaczęły.

Dlaczego zespoły zrównoważonego rozwoju były na czele

Trzy warunki strukturalne pchnęły zrównoważony rozwój do przodu:

Po pierwsze, ciężar danych jest ogromny w stosunku do liczby pracowników. Rachunkowość węglowa to problem inżynierii danych w przebraniu środowiskowym. Dane wejściowe to rachunki za media, paragony paliwowe, faktury za transport, rejestry czynników chłodniczych i arkusze kalkulacyjne dostawców, tysiące dokumentów w niejednolitych formatach, żaden z nich nie został zaprojektowany, aby być czytany przez maszyny. Zespoły odpowiedzialne za to składają się często z dwóch lub trzech osób w firmie o wartości miliarda dolarów. BSR przeprowadziło wywiady z dwudziestoma zespołami zrównoważonego rozwoju na temat ich użycia AI i stwierdziło ten sam wzorzec: czas poświęcony na zbieranie i czyszczenie danych, a nie na decydowanie, co z nimi zrobić.

Po drugie, terminy są twarde, a kary są realne. Zgodnie z kalifornijskim SB 253, firmy z przychodem powyżej 1 miliarda dolarów, działające w stanie, muszą raportować swoje emisje gazów cieplarnianych z zakresu 1 i 2, począwszy od 2026 roku, a emisje z zakresu 3 będą miały miejsce później, z karą administracyjną do 500 000 dolarów za niezgodność. Dyrektywa UE w sprawie raportowania o zrównoważonym rozwoju (CSRD) nakłada własne terminy. Regulacja zmienia “byłoby miło zautomatyzować to” w “nie możemy sobie pozwolić na to, aby nie zautomatyzować”, co przesuwa budżety.

Trzeci, praca ma naturalny podział pracy. Istnieje wyraźna różnica między ekstrakcją a sądem. Maszyny doskonale radzą sobie z wyciąganiem kilowatogodzin, termów i galonów z nieładnych dokumentów, mapowaniem ich na czynniki emisji i wykrywaniem odczytu, który skoczył o 400% w ciągu miesiąca. Ludzie są potrzebni do trudnych części: decydowania o granicach organizacyjnych, wyboru metodologii i ustalenia, co zrobić z liczbą, gdy ją już masz. Niewiele dziedzin wiedzy dzieli się tak wyraźnie. Zrównoważony rozwój tak, dlatego AI przekształca raportowanie o zrównoważonym rozwoju szybciej niż większość sąsiednich funkcji.

Jak ewoluują role

Oto, co zaobserwowałem na zespołach, które poważnie przyjęły te narzędzia: środek ciężkości pracy się przesuwa.

Mniej czasu poświęca się na wprowadzanie liczb z plików PDF do arkuszy kalkulacyjnych, a więcej czasu na przegląd wyjątków, weryfikację tego, co wyprodukuje maszyna, i bronienie wyniku. Ujawnienia klimatyczne przechodzą w kierunku zapewnienia przez strony trzecie, a “model powiedział tak” nie jest defensywną ścieżką audytu. Człowiek musi być w stanie stanąć za liczbą. Podstawowa umiejętność analityka przesuwa się z wprowadzania danych do wiedzy, kiedy maszyna jest błędna.

Delikatnie odrzucę każdego, kto opisuje to jako nieambitwistyczne zwycięstwo. Istnieje prawdziwa wymiana: jeśli młodzi ludzie nigdy nie wykonują pracy ręcznej, jak rozwijają swoje osądy? Przeglądanie tysiąca wydobytych rachunków uczy, jak wygląda błędna liczba. Badacze z Stanfordu zwracają uwagę na ten sam problem, że ciężka zależność od AI może nieść długoterminowy koszt uczenia. Nie myślę, że ktoś ma kompletną odpowiedź tutaj. Firmy muszą teraz celowo projektować role juniorskie, zamiast pozwolić, aby praca wykonywała się przypadkowo.

Wymiana, której są świadome zespoły zrównoważonego rozwoju

Istnieje jeszcze jeden powód, dla którego ten zakątek przedsiębiorstwa jest wart obserwacji. Zespoły zrównoważonego rozwoju są jedynymi użytkownikami AI, którzy muszą liczyć koszt energetyczny i środowiskowy swoich własnych narzędzi. Międzynarodowa Agencja Energetyczna szacuje, że zużycie energii przez centra danych podwoi się do około 2030 roku, do około 945 terawatogodzin, zbliżając się do 3% światowej energii elektrycznej. Również prawdą jest, że energia zużywana na zadanie AI spadała w zdumiewającym tempie. Obie są prawdziwe jednocześnie, a zespół zrównoważonego rozwoju nie może wybrać wygodnego ujęcia, ponieważ zużycie ląduje w kimś wykazie emisji tak czy inaczej.

Ten warunek produkuje dyscyplinę, której reszta przedsiębiorstwa powinna naśladować: dopasuj model do zadania. Wyciąganie pól z rachunku za media nie wymaga największego modelu na granicy rozumowania z pierwszych zasad; mniejszy, tańszy, bardziej wydajny system zwykle robi to lepiej i przy ułamku energii. Pomiarowe użycie AI, gdzie zużycie jest śledzonym wejściem, a nie pomyślanym później, przyjdzie dla każdej funkcji ostatecznie. Zrównoważony rozwój po prostu dociera tam pierwszy, ponieważ mierzenie rzeczy jest ich pracą.

Czego reszta przedsiębiorstwa może się nauczyć

Warunki, które pchnęły zrównoważony rozwój do przodu, nie są unikalne. Każda funkcja, która jest mała w stosunku do swoich danych, odpowiedzialna przed zewnętrznymi stronami na twarde terminy i pogrzebana w nieustrukturyzowanych dokumentach, będzie podążała tym samym krzywym: finanse, zakupy, prawo i więcej. Kiedy to się stanie, podręcznik zrównoważonego rozwoju jest wart ukradzenia: zautomatyzuj pracę, która wypiera osąd, a nie sam osąd; zachowaj człowieka odpowiedzialnego za wszystko, co musi wytrzymać kontrolę; i zmierzyć, co kosztuje cię automatyzacja, w dolarach i energii.

Ciekawe pytanie nigdy nie brzmiało “czy AI zabierze pracę?” To “które zadania przechodzą na maszyny, w jakiej kolejności, i co ludzie robią z godzinami, które wracają?”

Zespoły zrównoważonego rozwoju odpowiadają na to pytanie, na termin regulacyjny, z audytorami, którzy sprawdzają ich pracę. To jest tak dobre podgląd na przedsiębiorstwo przekształcone przez AI, jak tylko możesz dostać.