Quer ver como a IA redefine o trabalho empresarial? Observe uma equipe de sustentabilidade

Em algum lugar, neste exato momento, um analista está olhando para uma pasta com quatrocentas contas de serviços públicos porque um regulador, um cliente ou a diretoria quer saber a pegada de carbono da empresa, e grande parte desse número está enterrado nesses documentos.

Construir sistemas de IA que façam esse trabalho me convenceu de algo: as equipes de sustentabilidade corporativa estão correndo à frente do resto da empresa na adoção de IA porque condições estruturais forçaram a questão cedo. Se você quer entender como a IA realmente redefine o trabalho de colarinho branco na prática, elas são o grupo a ser observado.

Mudança está acontecendo no nível da tarefa

Comece com o que os dados dizem. A última pesquisa sobre o Estado da IA da McKinsey descobriu que 88% das organizações agora usam IA em pelo menos uma função de negócios, e cerca de um quarto relatam escalonar agentes de IA em algum lugar da empresa, embora geralmente em apenas uma ou duas funções. A adoção é quase universal, mas a transformação não é. Onde está acontecendo a mudança? A resposta, consistentemente, é no nível da tarefa. O Índice Econômico da Anthropic, que analisou milhões de conversas de IA do mundo real, encontrou uso inclinado para aumento (57%) sobre automação completa (43%), e que apenas cerca de 4% das ocupações usaram IA para três quartos ou mais de suas tarefas. A IA está se difundindo por meio das tarefas individuais dentro dos empregos.

Os efeitos nos trabalhadores já são mensuráveis. O Índice de IA de 2026 da Stanford relata ganhos de produtividade que são reais, mas desiguais (cerca de 14-15% no suporte ao cliente, versus 26% no desenvolvimento de software) e documenta uma queda de quase 20% desde 2024 no emprego de desenvolvedores de software com idades entre 22 e 25 anos, uma das primeiras contrações de colarinho branco atribuíveis à IA. Ampliando a visão, o Relatório sobre o Futuro do Trabalho do Fórum Econômico Mundial projeta 170 milhões de empregos criados e 92 milhões deslocados até 2030, com 39% das habilidades centrais mudando ao longo do caminho. Os empregos não desaparecerão, mas sua composição está sendo rearranjada tarefa a tarefa, e o rearranjo já começou.

Por que as equipes de sustentabilidade chegaram cedo

Três condições estruturais empurraram a sustentabilidade para a frente dessa curva:

Primeiro, a carga de dados é enorme em relação ao número de funcionários. A contabilidade de carbono é um problema de engenharia de dados vestido com um traje ambiental. As entradas são contas de serviços públicos, recibos de combustível, faturas de frete, registros de refrigerantes, planilhas de fornecedores, milhares de documentos em formatos inconsistentes, nenhum projetado para ser legível por máquina. As equipes responsáveis são frequentemente duas ou três pessoas em uma empresa de um bilhão de dólares. A BSR entrevistou vinte equipes de sustentabilidade corporativa sobre o uso de IA e encontrou o mesmo padrão: o tempo vai para coletar e limpar dados, não para decidir o que fazer com eles.

Segundo, os prazos são duros e as penalidades são reais. Sob a SB 253 da Califórnia, as empresas com mais de 1 bilhão de dólares em receita que atuam no estado devem relatar suas emissões de gases de efeito estufa de escopo 1 e 2 a partir de 2026, com o escopo 3 a seguir e penalidades administrativas de até 500.000 dólares por não conformidade. A Diretiva de Relatórios de Sustentabilidade Corporativa da Europa (CSRD) impõe seus próprios prazos. A regulação converte “seria bom automatizar isso” em “não podemos resolver isso com pessoal”, o que move orçamentos.

Terceiro, o trabalho tem uma divisão natural de tarefas. Há uma clara diferença entre extração e julgamento. As máquinas se destacam em extrair quilowatts-horas, terms e galões de documentos desorganizados, mapeá-los para fatores de emissão e capturar a leitura do medidor que pulou 400% mês a mês. Os humanos são necessários para as partes difíceis: decidir limites organizacionais, escolher metodologias e descobrir o que fazer com o número uma vez que você o tenha. Poucos domínios de trabalho do conhecimento se dividem dessa forma clara. A sustentabilidade o faz, e é por isso que a IA está transformando os relatórios de sustentabilidade mais rápido do que a maioria das funções adjacentes.

Como os papéis estão evoluindo

Aqui está o que eu observei acontecer em equipes que adotam essa ferramenta com seriedade: o centro de gravidade do emprego se move.

Menos tempo digitando números de PDFs em planilhas e mais tempo revisando exceções, validando o que a máquina produziu e defendendo o resultado. As divulgações climáticas estão se movendo em direção à garantia de terceiros, e “o modelo disse assim” não é um rastro de auditoria defensável. Um ser humano precisa ser capaz de defender o número. A habilidade central do analista muda de entrada de dados para saber quando a máquina está errada.

Eu também sinto que é necessário questionar alguém que descreve isso como uma vitória inquestionável. Há uma troca real: se as pessoas mais jovens nunca fazem o trabalho manual, como elas desenvolvem o julgamento? Revisar mil contas extraídas ensina o que parece um número errado. Os pesquisadores da Stanford destacam a mesma preocupação de que a dependência pesada da IA possa ter um custo de aprendizado a longo prazo. Não acho que alguém tenha uma resposta completa aqui ainda. As empresas agora têm que projetar papéis júnior deliberadamente, em vez de deixar o trabalho braçal construir expertise por acaso.

A troca que as equipes de sustentabilidade conhecem melhor

Há mais uma razão pela qual esse canto da empresa vale a pena observar. As equipes de sustentabilidade são os únicos adotantes de IA obrigados a contar o custo energético e ambiental de suas próprias ferramentas. A Agência Internacional de Energia projeta que o consumo de eletricidade dos centros de dados dobrará por volta de 2030, para cerca de 945 terawatts-hora, aproximando-se de 3% da eletricidade global. Também é verdade que a energia usada por tarefa de IA tem caído a uma taxa notável. Ambos são verdadeiros ao mesmo tempo, e uma equipe de sustentabilidade não pode escolher a moldura conveniente, porque o consumo aterrissa no inventário de emissões de alguém de qualquer forma.

Essa restrição produz uma disciplina que o resto da empresa faria bem em copiar: combina o modelo com a tarefa. Extrair campos de uma conta de serviços públicos não requer o maior modelo de fronteira raciocinando a partir de princípios; um sistema menor, mais barato e mais eficiente geralmente o faz melhor e a uma fração da energia. O uso medido de IA, onde o consumo é uma entrada rastreada em vez de uma ideia posterior, está vindo para todas as funções eventualmente. A sustentabilidade chega lá primeiro porque medir coisas é o trabalho delas.

O que o resto da empresa pode aprender

As condições que empurraram a sustentabilidade para a frente não são únicas. Qualquer função que seja pequena em relação aos seus dados, responsável perante partes externas em prazos rigorosos e enterrada em documentos não estruturados seguirá a mesma curva: finanças, compras, jurídico e mais. Quando isso acontece, o playbook de sustentabilidade vale a pena roubar: automatize o trabalho que crowda o julgamento, não o julgamento em si; mantenha um ser humano responsável por qualquer coisa que precise ser defendida; e meça o que a automação custa, em dólares e energia.

A pergunta interessante nunca foi “a IA vai tirar os empregos?” É “quais tarefas se movem para as máquinas, em que ordem, e o que as pessoas fazem com as horas que voltam?”

As equipes de sustentabilidade estão respondendo a essa pergunta, em um prazo regulatório, com auditores verificando seu trabalho. Isso é o melhor vislumbre da empresa redefinida pela IA que você vai obter.