AI, İşletme Çalışmalarını Nasıl Yeniden Şekillendiriyor? Bir Sürdürülebilirlik Ekibini İzleyin

Şu anda bir analist, bir düzenleyici, bir müşteri veya yönetim kurulunun şirketin karbon ayak izini öğrenmek istediği için dört yüz fatura klasörüne bakıyor ve bu sayı büyük ölçüde bu belgelerde gizli.

Bu işi yapan AI sistemlerini inşa etmek, bana bir şeyi kanıtladı: şirketlerin sürdürülebilirlik ekipleri, yapısal koşulların bunu erken aşamada gündeme getirmesi nedeniyle AI benimsemesinde diğer işletme bölümlerinden birkaç yıl önde gidiyorlar. Beyaz yakalı işlerde AI’nin nasıl gerçekten şekil verdiğini anlamak istiyorsanız, bu gruba dikkat etmek gerekiyor.

Değişim görev seviyesinde gerçekleşiyor

Verilere bakarak başlayın. McKinsey’in son AI durum araştırması, işletmelerin %88’inin en az bir iş fonksiyonunda AI kullandığını ve yaklaşık dörtte birinin AI ajanlarını bir veya iki fonksiyonda ölçeklendirerek kullandığını buldu. Benimseme neredeyse evrensel, ancak dönüşüm değil. Değişim nerede gerçekleşiyor? Cevap, tutarlı bir şekilde, görev seviyesinde.Anthropic’in Ekonomik Endeksi, milyonlarca gerçek dünya AI konuşmasını analiz ederek, kullanımın %57’sinin tam otomasyondan (%43) daha fazla augmentasyon olduğunu ve yalnızca %4’ünün AI’yi görevlerinin üçte ikisinden fazlasında kullandığını buldu. AI, işlerin içindeki bireysel görevlere yayılıyor.

Çalışanlar üzerindeki etkiler zaten ölçülebilir. Stanford’un 2026 AI Endeksi, müşteri desteğinde %14-15, yazılım geliştirmede %26 gibi gerçek ancak düzensiz verimlilik kazançları raporladı ve 2024’ten bu yana 22-25 yaş arasındaki yazılım geliştiricilerde लगभग %20’lik bir istihdam azalışını belgeledi, bu da AI’ye atfedilebilen ilk beyaz yakalı sözleşme. Daha geniş bir perspektiften bakıldığında, Dünya Ekonomi Forumu’nun Gelecek İşler Raporu, 2030’a kadar 170 milyon iş yaratılacağını ve 92 milyon işin yerini alacak olduğunu ve bu sırada temel becerilerin %39’unun değişeceğini öngörüyor. İşler genellikle ortadan kaybolmayacak, ancak bileşimi görev görevine yeniden düzenlenmektedir ve yeniden düzenleme başlamıştır.

Neden sürdürülebilirlik ekipleri erken başladı

Üç yapısal koşul, sürdürülebilirliği bu eğrinin önüne itti:

İlk olarak, veri yükü personelin sayısıyla kıyaslandığında çok büyüktür. Karbon muhasebesi, bir çevre kılığında giydirilmiş bir veri mühendisliği sorunudur. Girdiler, faturalar, yakıt makbuzları, navlun faturaları, soğutucu günlükleri ve tedarikçi elektronik tablolarıdır – binlerce belge, tutarlı olmayan formatlarda, hiçbirisi makine tarafından okunmak üzere tasarlanmamıştır. Sorumlu ekipler genellikle bir milyar dolarlık bir şirket için iki veya üç kişiden oluşur. BSR, yirmi şirket sürdürülebilirlik ekibiyle AI kullanımıyla ilgili olarak konuştu ve aynı modeli buldu: zaman, verilerin toplanması ve temizlenmesine gider, ne hakkında karar verilmesine değil.

İkincisi, son tarihler sert ve cezalar gerçektir. California’nın SB 253 yasası uyarınca, 1 milyar doların üzerinde geliri olan ve eyalette faaliyet gösteren şirketler, 2026’dan itibaren 1. ve 2. kapsamda sera gazı emisyonlarını raporlamak zorundadır, 3. kapsam takip edecek ve uyumsuzluk için idari cezaları 500.000 dolara kadar çıkacaktır. Avrupa’nın Kurumsal Sürdürülebilirlik Raporlama Direktifi (CSRD) kendi zamanlamasını dayatıyor. Düzenleme, “bunu otomatikleştirmek güzel olurdu” ifadesini “bunu personele yol açamayız” haline getirir, bu da bütçeleri değiştirir.

Üçüncüsü, işin doğal bir işbölümü vardır. Veri çıkarma ve yargı arasında net bir fark vardır. Makineler, karmaşık belgelerden kilowatt-saat, term ve galonları çıkarmada, bunları emisyon faktörlerine eşleştirmekte ve ayda ayda %400’lük artış gösteren sayaç okumalarını yakalamada uzmanlaşır. İnsanlar, organizasyon sınırlarını belirlemede, metodolojileri seçmede ve sayıya sahip olduktan sonra ne yapacağını anlamada gereklidir. Bilgi işinin few alanları böyle net bir şekilde bölünür. Sürdürülebilirlik böyle yapar, bu nedenle AI, sürdürülebilirlik raporlamasını çoğu komşu fonksiyondan daha hızlı bir şekilde dönüştürüyor.

Roller nasıl evrimleşiyor

Ciddi bir şekilde bu araçları benimseyen ekiplerde neler olduğunu izledim: işin merkezi yer değiştiriyor.

PDF’lerden elektronik tablolara sayı girmeye daha az zaman harcama, makine tarafından üretilen istisnaları inceleme, doğrulama ve sonucu savunma için daha fazla zaman harcama. İklim ifşaatları üçüncü taraf güvenceye doğru ilerliyor ve “model öyle dedi” savunulabilir bir denetim izi değildir. Bir insan, sayıya arkasını verebilmelidir. Analistin temel becerisi, veri girişinden makinenin yanlış olduğu zamanı bilmeye kayar.

Bu, açık bir zafer olarak tanımlanmasını biraz geri çekmek isterim. Gerçek bir ticaret-off vardır: junior personele manuel işi hiç yapmadıklarında, nasıl yargı geliştirecekler? Binlerce çıkarılan faturayı inceleme, yanlış bir sayının nasıl göründüğünü öğretir. Stanford araştırmacıları aynı endişeyi işaret ediyor: ağır AI bağımlılığı, uzun vadeli bir öğrenme maliyeti taşıyabilir. Sanırım kimsenin burada tam bir cevabı yok. Şirketlerin artık junior rolleri kasıtlı olarak tasarlamaları gerekiyor, aksinin olması için kazara izin vermemek gerekiyor.

Sürdürülebilirlik ekiplerinin en iyi bildiği ticaret-off

Bu işletme köşesinin neden izlenmesi gerektiğini gösteren bir başka neden daha var. Sürdürülebilirlik ekipleri, kendi araçlarının enerji ve çevresel maliyetini saymak zorunda olan AI benimseyicileri. Uluslararası Enerji Ajansı, veri merkezi elektrik tüketiminin 2030’a kadar yaklaşık iki katına çıkacağına, yaklaşık 945 terawatt-saat ve küresel elektriğin %3’üne ulaşacağına öngörüyor. Aynı zamanda AI görevi başına kullanılan enerjinin şaşırtıcı bir oranda düştüğü doğru. Her ikisi de aynı anda doğru ve bir sürdürülebilirlik ekibinin her iki framingi de seçemez, çünkü tüketim her durumda birinin emisyon envanterine girer.

Bu kısıtlama, diğer işletme bölümlerinin kopyalayacağı bir disiplin üretir: modeli görevle eşleştirin. Bir faturadan alanları çıkarmak, ilk ilkelerden hareket eden en büyük sınır modelini gerektirmez; daha küçük, daha ucuz, daha verimli bir sistem genellikle daha iyi yapar ve daha az enerji ile yapar. İzlenen AI kullanımı, tüketimin bir girdi olarak izlendiği ve ardından bir düşünce olarak değil, enerji maliyetini ölçen bir girdi olarak düşünüldüğü zaman geliyor. Sürdürülebilirlik, ölçmelerin işi olduğu için önce oraya ulaşıyor.

İşletmenin geri kalanının öğrenebileceği şeyler

Sürdürülebilirliği öne iten koşullar benzersiz değil. Veri ile personelin sayısı arasında büyük bir orantısal fark olan, dış taraflara karşı sert son tarihlerle hesap verebilir ve yapısal belgelerle gömülü olan herhangi bir fonksiyon, aynı eğriyi takip edecek: finans, satın alma, hukuk ve daha fazlası. Bu olduğunda, sürdürülebilirlik oyun kitabı çalınmaya değer: yargıdan çok, işin otomatikleştirilmesini engelleyen işi otomatikleştirin; herhangi bir şeyin incelemeye dayanması gerekiyorsa, bir insanı sorumlu tutun; ve otomasyonun size, dolar ve enerji olarak ne mal olduğunu ölçün.

İlginç soru asla “AI işleri almayacak mı?” değildi. “Makineler hangi görevleri alır, hangi sırayla ve insanlar geri gelen saatlerle ne yapacak?”

Sürdürülebilirlik ekipleri, bu soruyu, bir düzenleyici son tarihine ve denetçilerin işlerini kontrol ettiği bir zamanda cevaplıyor. Bu, AI’nin işletme çalışmalarını yeniden şekillendirdiği bir ön izleme olarak alınabilir.