ต้องการเห็น AI เปลี่ยนแปลงการทำงานขององค์กรหรือไม่? ดูทีมความยั่งยืน

ที่ไหนสักแห่งในขณะนี้ นักวิเคราะห์กำลังจ้องมองโฟลเดอร์ที่มีใบเรียกเก็บเงินสาธารณูปโภค 400 ใบ เนื่องจากผู้ควบคุมดูแล ลูกค้า หรือคณะกรรมการต้องการทราบรอยเท้าของคาร์บอนของบริษัท และจำนวนมากของตัวเลขนั้นถูกฝังอยู่ในเอกสารเหล่านั้น

การสร้างระบบ AI ที่ทำงานนี้ได้ทำให้ฉันเชื่อมั่นในบางสิ่ง: ทีมความยั่งยืนทางธุรกิจกำลังเดินหน้าไปข้างหน้าขององค์กรในเรื่องการนำ AI มาใช้ เนื่องจากสภาพแวดล้อมทางโครงสร้างบังคับให้เกิดขึ้นก่อน หากคุณต้องการทราบว่า AI เปลี่ยนแปลงการทำงานขององค์กรในทางปฏิบัติอย่างไร พวกเขาคือกลุ่มที่คุณควรสังเกต

การเปลี่ยนแปลงเกิดขึ้นที่ระดับงาน

เริ่มต้นด้วยสิ่งที่ข้อมูลบอกเราว่า การสำรวจสถานะของ AI ของ McKinsey พบว่า 88% ขององค์กรใช้ AI ในฟังก์ชั่นธุรกิจอย่างน้อยหนึ่งฟังก์ชั่น และประมาณหนึ่งในสี่รายงานว่ามีการขยาย AI ในบางฟังก์ชั่นขององค์กร แม้ว่าโดยทั่วไปจะอยู่ในฟังก์ชั่นเดียวหรือสองฟังก์ชั่น การนำ AI มาใช้ได้เกิดขึ้นเกือบทั่วทั้งองค์กร แต่การเปลี่ยนแปลงไม่ได้发生ทั่วทั้งองค์กร ดังนั้นการเปลี่ยนแปลงเกิดขึ้นที่ไหน? คำตอบคือที่ระดับงาน ดัชนีเศรษฐกิจของ Anthropic ซึ่งวิเคราะห์ข้อมูลการสนทนาของ AI ในโลกแห่งความเป็นจริงหลายล้านรายการ พบว่าการใช้งาน AI มีความเอียงไปทางการเพิ่มประสิทธิภาพ (57%) มากกว่าการอัตโนมัติเต็มรูปแบบ (43%) และพบว่าเพียง 4% ของอาชีพที่ใช้ AI สำหรับงานสามในสี่หรือมากกว่านั้น AI ได้แพร่กระจายไปทั่วงานภายในอาชีพ

ผลกระทบต่อผู้ทำงานได้สามารถวัดได้แล้ว รายงานดัชนี AI ของ Stanford ระบุผลผลิตที่เพิ่มขึ้นจริงแต่ไม่เท่าเทียมกัน (ประมาณ 14-15% ในการสนับสนุนลูกค้า เทียบกับ 26% ในการพัฒนาซอฟต์แวร์) และบันทึกการลดลงของการจ้างงานสำหรับนักพัฒนาซอฟต์แวร์ในช่วงอายุ 22-25 ปี ซึ่งเป็นการหดตัวของงานในฝั่ง白领ที่สามารถวัดได้ครั้งแรกที่เกิดจาก AI เมื่อมองออกไปไกลกว่านั้น รายงานอนาคตของงานของ World Economic Forum คาดการณ์ว่าจะมีการสร้างงาน 170 ล้านตำแหน่งและงาน 92 ล้านตำแหน่งที่ถูกแทนที่ภายในปี 2030 โดยมีการเปลี่ยนแปลงทักษะหลัก 39% ในระหว่างนั้น งานส่วนใหญ่จะไม่หายไป แต่ส่วนประกอบของงานกำลังถูกจัดเรียงใหม่ตามงาน และการเรียงสับเปลี่ยนได้เริ่มต้นแล้ว

ทีมความยั่งยืนทำไม่ได้ถึงจุดนี้ก่อน

มีสภาพแวดล้อมทางโครงสร้างสามประการที่ผลักดันความยั่งยืนที่จุดนี้:

ประการแรก ภาระข้อมูลมีขนาดใหญ่เมื่อเทียบกับจำนวนพนักงาน การบัญชีคาร์บอนเป็นปัญหาด้านวิศวกรรมข้อมูลที่สวมชุดยั่งยืน ใบเรียกเก็บเงินสาธารณูปโภค ใบเสร็จเชื้อเพลิง ใบเสร็จการขนส่ง บันทึกการเปลี่ยนแปลง และตารางของซัพพลายเออร์ เป็นเอกสารที่มีจำนวนหลายพันรายการในรูปแบบที่ไม่สอดคล้องกัน ซึ่งไม่ได้ออกแบบมาให้อ่านได้ด้วยเครื่องจักร ทีมที่รับผิดชอบมักจะมีเพียงสองหรือสามคนในบริษัทที่มีมูลค่าหลายพันล้านดอลลาร์ BSR สัมภาษณ์ทีมความยั่งยืนทางธุรกิจ 20 ทีม เกี่ยวกับการใช้ AI และพบว่ารูปแบบเดียวกัน: เวลาไปกับการรวบรวมและทำความสะอาดข้อมูล ไม่ใช่การตัดสินใจว่าจะทำอะไรเกี่ยวกับมัน

ประการที่สอง มีเส้นตายที่แน่นอนและค่าปรับที่แท้จริง ตาม SB 253 ของแคลิฟอร์เนีย บริษัทที่มีรายได้มากกว่า 1 พันล้านดอลลาร์ที่ดำเนินธุรกิจในรัฐ จะต้องรายงานการปล่อยก๊าซเรือนกระจกประเภท 1 และ 2 ของตนเริ่มตั้งแต่ปี 2026 โดยมีการปล่อยก๊าซเรือนกระจกประเภท 3 ต่อไป และมีการปรับโทษการบริหารสูงสุด 500,000 ดอลลาร์สำหรับการไม่ปฏิบัติตามข้อกำหนด ระเบียบการรายงานความยั่งยืนทางธุรกิจของยุโรป (CSRD) ก็มีกรอบเวลาเช่นกัน การควบคุมดูแลเปลี่ยน “เราควรจะอัตโนมัตินี้” เป็น “เราทำไม่ได้โดยไม่ต้องอัตโนมัตินี้” ซึ่งย้ายงบประมาณ

ประการที่สาม มีการแบ่งงานตามธรรมชาติ มีความแตกต่างที่ชัดเจนระหว่างการดึงข้อมูลและการตัดสินใจ เครื่องจักรทำงานได้ดีในการดึงข้อมูลจากเอกสารที่ไม่เรียบร้อย การแมปไปยังปัจจัยการปล่อยก๊าซ และการตรวจจับการอ่านมิเตอร์ที่เพิ่มขึ้น 400% ในเดือนหนึ่ง มนุษย์จำเป็นต้องมีการตัดสินใจส่วนที่ยาก: การตัดสินใจเกี่ยวกับขอบเขตขององค์กร การเลือกแนวทาง และการหาวิธีแก้ไขปัญหาเมื่อคุณมีตัวเลขแล้ว ไม่มีโดเมนของการทำงานที่มีการแบ่งงานที่ชัดเจนเช่นนี้ ความยั่งยืนทำได้ ซึ่งเป็นเหตุผลที่ AI กำลังเปลี่ยนแปลงการรายงานความยั่งยืน เร็วกว่าฟังก์ชันอื่นๆ ที่อยู่ข้างๆ

วิธีการเปลี่ยนแปลงของบทบาท

นี่คือสิ่งที่ฉันสังเกตเห็นเกิดขึ้นในทีมที่ใช้เครื่องมือนี้อย่างจริงจัง: จุดศูนย์กลางของงานเปลี่ยนไป

ใช้เวลาน้อยลงในการพิมพ์ตัวเลขจาก PDF ไปยังตารางและใช้เวลามากขึ้นในการทบทวนข้อผิดพลาด การตรวจสอบสิ่งที่เครื่องจักรสร้างขึ้น และการป้องกันผลลัพธ์ การเปิดเผยเรื่องสภาพอากาศกำลังจะเปลี่ยนไปสู่การรับรองของบุคคลที่สาม และ “เครื่องจักรบอกว่า” ไม่ใช่หลักฐานการตรวจสอบที่สามารถป้องกันได้ มนุษย์จะต้องสามารถยืนหยัดหลังตัวเลขได้ ทักษะหลักของนักวิเคราะห์เปลี่ยนจากการติดตัวเลขไปสู่การรู้ว่าเมื่อไหร่ที่เครื่องจักรผิดพลาด

ฉันจะโต้แย้งอย่างอ่อนไหวกับใครก็ตามที่อธิบายสิ่งนี้ว่าเป็นชัยชนะที่ไม่มีข้อเสีย มีการแลกเปลี่ยนอยู่: หากผู้ที่มีอายุน้อยไม่เคยทำงานด้วยมือ ลูกจ้างจะพัฒนาการตัดสินใจอย่างไร การทบทวนสัญญา 1,000 ฉบับจะสอนคุณว่าหมายเลขที่ไม่ถูกต้องดูเหมือนอย่างไร นักวิจัยของ Stanford ยกข้อกังวลเดียวกันว่าการพึ่งพา AI อย่างหนักอาจมีค่าใช้จ่ายในการเรียนรู้ในระยะยาว ฉันไม่คิดว่าใครมีคำตอบที่สมบูรณ์แบบในเรื่องนี้ บริษัทต่างๆ ต้องออกแบบบทบาทของผู้ที่มีอายุน้อยโดยเจตนา แทนที่จะปล่อยให้grunt work สร้างความเชี่ยวชาญโดยไม่ตั้งใจ

การแลกเปลี่ยนที่ทีมความยั่งยืนทราบดีที่สุด

มีเหตุผลอีกอย่างหนึ่งที่มุมนี้ขององค์กรน่าสนใจ ทีมความยั่งยืนที่นำ AI มาใช้เป็นกลุ่มเดียวที่ต้องคำนวณต้นทุนพลังงานและสิ่งแวดล้อมของเครื่องมือของตนเอง International Energy Agency คาดการณ์ ว่าการบริโภคไฟฟ้าของศูนย์ข้อมูลจะเพิ่มขึ้นประมาณสองเท่าภายในปี 2030 เป็นประมาณ 945 เทอราแวตต์ชั่วโมง ซึ่งใกล้เคียงกับ 3% ของการบริโภคไฟฟ้าทั่วโลก นอกจากนี้ยังเป็นความจริงที่ว่าพลังงานที่ใช้ต่องาน AI ได้ลดลงในอัตราที่น่าประทับใจ ทั้งสองสิ่งนี้เป็นจริงในเวลาเดียวกัน และทีมความยั่งยืนทำไม่ได้เลือกเฟรมที่สะดวกเพราะการบริโภคกลายเป็นส่วนหนึ่งของการบัญชีของใครบางคนอย่างไรอย่างนั้น

ข้อจำกัดนี้ทำให้เกิดระเบียบวินัยที่องค์กรอื่นๆ ควรจะคัดลอก: จับคู่แบบจำลองกับงาน การดึงข้อมูลจากใบเรียกเก็บเงินสาธารณูปโภคไม่ต้องการแบบจำลองขนาดใหญ่ที่สุด การให้เหตุผลจากหลักการแรก การใช้ระบบที่เล็กกว่า ราคาถูกกว่า และมีประสิทธิภาพมากกว่าโดยทั่วไปจะทำงานได้ดีกว่าและใช้พลังงานเพียงเศษเสี้ยว การใช้ AI ที่วัดได้ โดยที่การบริโภคเป็นข้อมูลเข้าที่ติดตาม ไม่ใช่เรื่องรองจากนั้น กำลังจะเกิดขึ้นทุกฟังก์ชั่นในที่สุด ความยั่งยืนทำได้ก่อนเพราะการวัดสิ่งต่างๆ เป็นงานของพวกเขา

สิ่งที่องค์กรอื่นๆ สามารถเรียนรู้

สภาพแวดล้อมที่ผลักดันความยั่งยืนไปข้างหน้าไม่ใช่สิ่งเฉพาะตัว ฟังก์ชั่นใดๆ ที่มีขนาดเล็กเมื่อเทียบกับข้อมูลของมัน มีความรับผิดชอบต่อฝ่ายภายนอกตามเส้นตายที่แน่นอน และถูกฝังอยู่ในเอกสารที่ไม่มีโครงสร้างจะตามเส้นโค้งเดียวกัน: การเงิน การจัดซื้อ การกฎหมาย และอื่นๆ เมื่อเกิดขึ้น เล่นบุ๊กของความยั่งยืนมีค่า: อัตโนมัติงานที่เบียดบังการตัดสินใจ ไม่ใช่ตัวการตัดสินใจเอง; รักษาคนให้ความรับผิดชอบสำหรับสิ่งที่ต้องยืนหยัดต่อการตรวจสอบ; และวัดสิ่งที่การอัตโนมัติทำคุณเสียค่าใช้จ่ายในดอลลาร์และพลังงาน

คำถามที่น่าสนใจไม่เคยเป็น “AI จะเอางานไปหรือไม่?” แต่เป็น “งานไหนจะย้ายไปที่เครื่องจักร ในลำดับใด และคนจะทำอะไรกับเวลาที่ได้คืน?”

ทีมความยั่งยืนทำงานตอบคำถามนี้ ในเส้นตายที่กำหนดโดยกฎระเบียบ โดยมีคนตรวจสอบงานของพวกเขา นั่นเป็นภาพที่ดีที่สุดขององค์กรที่ถูกเปลี่ยนแปลงโดย AI ที่คุณจะได้เห็น