Ted Kornish, 联合创始人兼首席技术官，Gravity Ted Kornish 联合创始人兼首席技术官，Gravity

想看看AI如何重塑企业工作吗？看一下可持续性团队

就在某个地方，一位分析师正在盯着一个包含四百个公用事业账单的文件夹，因为监管机构、客户或董事会想要知道公司的碳足迹，而这些数字大部分都埋藏在这些文件中。构建能够执行此类工作的AI系统让我深信：企业的可持续性团队比企业的其他部门更早地采用了AI，因为结构性条件迫使他们早期解决这个问题。如果你想了解AI如何实际地重塑白领工作，观察他们是最好的选择。变化正在发生在任务层面从数据开始。 麦肯锡最新的AI调查发现，88%的组织现在在至少一个业务功能中使用AI，大约四分之一的组织报告称在企业的某个地方扩大了AI代理，尽管通常只在一个或两个功能中。采用是几乎普遍的，但转型并非如此。那么，变化发生在哪里？答案始终是任务层面。 Anthropic的经济指数，分析了数百万个真实世界的AI对话，发现使用偏向于增强（57%）而非完全自动化（43%），且只有大约4%的职业使用AI执行了三分之四或更多的任务。AI正在渗透到工作中的各个任务中。对工人的影响已经可以衡量。 斯坦福2026年AI指数报告了真正但不均匀的生产力增益（大约在客户支持中为14-15%，在软件开发中为26%），并记录了2024年以来软件开发人员（22至25岁）就业人数近20%的下降，这是白领工作中可归因于AI的首次可衡量的收缩。放大视野，世界经济论坛的未来工作报告预测到2030年将会创造170万个工作岗位和92万个失业岗位，沿途将会改变39%的核心技能。工作岗位不会消失，但其组成正在被任务逐一重组，而重组已经开始。为什么可持续性团队领先三个结构性条件推动了可持续性团队的发展： 首先，数据负担与人数相对较大。碳核算是一个数据工程问题，伪装成环境问题。输入包括公用事业账单、燃料收据、运费发票、制冷剂日志和供应商电子表格，成千上万的文件格式不一致，均未设计为机器可读。负责的团队通常是某个十亿美元公司的两三个人。 BSR采访了二十个企业可持续性团队关于他们的AI使用情况，发现了同样的模式：时间花在收集和清理数据上，而不是决定如何处理这些数据。第二，截止日期是硬性规定，惩罚是真实的。在加利福尼亚州的SB 253法案下， 在该州开展业务的收入超过10亿美元的公司必须从2026年开始报告其1号和2号范围的温室气体排放，3号范围的排放将在后续跟进，并且不遵守规定将面临最高50万美元的行政处罚。欧盟的公司可持续性报告指令（CSRD）也施加了自己的时间表。监管将“我们希望自动化这一过程”转变为“我们无法通过人员来应对这一问题”，这会转移预算。第三，工作有自然的劳动分工。有明显的区别在于提取和判断。机器擅长从杂乱的文件中提取千瓦时、热量和加仑，映射到排放因子，并捕捉每月跳跃400%的表计读数。人类需要用于困难的部分：决定组织边界，选择方法，并弄清楚如何处理数字一旦你有了它。很少有知识工作领域可以清晰地划分这一点。可持续性做到了，这就是为什么 AI正在比大多数相邻功能更快地转变可持续性报告。角色如何演变以下是我观察到的采用这种工具的团队发生的事情：工作的重心发生了变化。 花在从PDF到电子表格中输入数字的时间减少了，审查异常、验证机器产生的结果和为结果辩护的时间增加了。气候披露正在转向第三方保证，“模型这么说”并不是可辩护的审计跟踪。人类必须能够站出来支持数字。分析师的核心技能从数据输入转变为知道何时机器是错误的。我也会对任何将其描述为无可争议的胜利的人进行温和的反驳。有一个真正的权衡：如果初级人员永远不做手动工作，他们如何发展判断力？审查一千个提取的账单会教你错误数字的样子。斯坦福的研究人员也提出了同样的担忧，即过度依赖AI可能会带来长期的学习成本。我不认为有人有一个完整的答案。公司现在必须故意设计初级角色，而不是让苦力工作无意中构建专业知识。可持续性团队最了解的权衡还有一个原因使得企业的这个角落值得关注。可持续性团队是唯一需要计算自己工具的能源和环境成本的AI采用者。 国际能源机构预测，数据中心的电力消耗将在2030年前后翻倍，达到大约945太瓦时，接近全球电力消耗的3%。同时，AI任务的能耗也以惊人的速度下降。两者同时为真，可持续性团队不能选择哪种说法更方便，因为消耗无论如何都会出现在某个人的排放清单中。这种约束产生了其他企业可以效仿的纪律： 将模型与任务匹配。从公用事业账单中提取字段不需要最大的边缘模型从第一原理推理；通常较小、较便宜、更高效的系统可以更好地完成此任务，并且能耗仅为原来的几分之一。测量的AI使用情况，即消耗是跟踪的输入而不是事后思考，将最终来到每个功能。可持续性首先到达那里，因为测量是他们的工作。企业其他部分可以学到什么推动可持续性领先的条件并非独一无二。任何相对于其数据而言规模较小、对外部方的硬性截止日期负责、埋藏在无结构文档中的功能都将遵循同样的曲线：财务、采购、法律等。当这种情况发生时，可持续性游戏规则值得偷学：自动化挤占判断力的工作，而不是判断本身；保持人类对任何需要经受审查的结果负责；并衡量自动化的成本，你在美元和能耗方面的成本。有趣的问题从来不是“AI会取代工作吗？”而是“哪些任务转移到机器上，按什么顺序，人们会用回来的时间做什么？” 可持续性团队正在回答这个问题，在监管截止日期内，以审计员检查他们的工作为条件。这是你能得到的对AI重塑企业的最佳预览。