Når kunder vejer bæredygtighed ind i en indkøbsbeslutning, sammenligner de ikke jeres intentioner, men jeres bevis. Et CO2-tal per produkt, en kædeanalyse, et certifikat der matcher kundens norm, et svar på et bæredygtighedsspørgeskema der stemmer med resten af jeres dossier. Den der vinder denne dimension, er ikke nødvendigvis den virksomhed med den bedste underliggende præstation. Det er ofte den virksomhed, der lægger beviset hurtigst og mest konsistent på bordet, i det øjeblik kunden efterspørger det.
Det er præcis der, arbejdet ligger: at samle data fra indkøb, produktion og logistik, aggregere dem til et tal per produkt eller ydelse, og holde det tal sporbart, når en auditor eller kunde spørger nærmere. Indtil for nylig var det arbejde, hvor man havde brug for medarbejdere, der brugte uger på regneark, leverandøropgørelser og manuelle kontroller. Det bestemte, hvor hurtigt man kunne reagere på et udbud med bæredygtighedskrav.
Arbejdet bag bæredygtighed som salgsargument består groft sagt af tre lag. Først indsamlingen af grunddata: energiforbrug, materialestrømme, transportkilometer, affaldstal. Dernæst oversættelsen af de data til en norm eller standard, som kunden genkender, såsom et CO2-fodaftryk per enhed eller en score efter en sektorramme. Til sidst dokumentationen: kan man vise, hvor et tal kommer fra, når nogen efterprøver det.
Det første lag er i vid udstrækning et spørgsmål om at frigøre data og strukturere dem konsistent, noget hvor AI i stigende grad bruges til automatisk at genkende og samle data fra fakturaer, leverandørportaler og interne systemer. Det andet lag, oversættelsen til en norm, forskydes til en model, hvor AI foretager en første indeling, og et menneske godkender eller afviser den indeling med begrundelse, fordi normer varierer fra kunde til kunde og fra sektor til sektor, og en forkert anvendelse har konsekvenser for tallets troværdighed. Det tredje lag, dokumentationen ved en audit, forbliver for nu menneskearbejde: nogen skal kunne forklare, hvorfor et tal er korrekt, ikke blot at et system har beregnet det.
Så snart indsamling og aggregering af bæredygtighedsdata i vid udstrækning er automatiseret, ændrer det, hvad der er afgørende. Tidligere vandt den virksomhed med den største dedikerede stab til bæredygtighedsrapportering: flere medarbejdere, mere kapacitet til at besvare forespørgsler. Når den kapacitet frigøres, fordi en stor del af indsamlingsarbejdet sker af sig selv, forskydes forskellen til kvaliteten af de underliggende data og til hastigheden, hvormed en virksomhed kan besvare en ny kundeforespørgsel uden at starte et nyt projekt.
Dette sker ikke i samme tempo alle steder. En virksomhed med ordnede kildedata, standardiserede indkøbsprocesser og en klar kædestruktur kan lade dette arbejde blive overtaget hurtigere end en virksomhed, hvor de samme data ligger spredt over løse systemer og medarbejderes personlige viden. Forskellen ligger altså ikke i viljen til at automatisere, men i hvor tilgængelige de underliggende data allerede er. Den der har det på plads, kan besvare et bæredygtighedsspørgsmål i et udbud hurtigere og med mere detalje end en konkurrent, der stadig samler tal manuelt. Den forskel er målbar i gennemløbstid og i, hvor meget af den efterspurgte dokumentation der faktisk leveres, ikke i en marketingpåstand.
Hvor personalebeslutninger kommer på tale som følge af denne forskydning, gælder der egne lovmæssige krav; det er op til arbejdsgiveren, ikke en sammenligning af konkurrencepositioner.
Bæredygtighed står sjældent alene i en indkøbsbeslutning. Det vejes ofte sammen med andre dimensioner, og den samme forskydning gør sig gældende der: hvordan automatisering af auditarbejde ændrer sammenligneligheden af certificeringer, hvad det betyder for konkurrencepositionen, når garanti- og risikovurderinger kan dokumenteres hurtigere, og hvorfor bæredygtighedspåstande i marketingtekster ofte lyder ombytteligt mellem konkurrenter. Den der ser på flere af disse dimensioner samtidig, ser, at de virksomheder der er længst fremme, som regel gør det på mere end én front, fordi den underliggende dataevne kan overføres mellem dimensioner.
Spørgsmålet om, hvilken del af dette arbejde i jeres egen virksomhed faktisk kan overtages af AI, og hvilken del der forbliver tilsyn eller menneskearbejde, kan ikke besvares generelt. Det afhænger af, hvordan jeres data er organiseret nu, og hvilke normer jeres kunder anvender. Det spørgsmål besvares opgave for opgave med arbejdsscanningen fra FTE TO AI.
For at vide, om bæredygtighed er en dimension, hvor I vinder eller taber, skal det først være klart, hvad I hævder at vinde på, og om det kan underbygges med bevis. I den gratis dimensionscheck angiver I, hvad I tror, I vinder på, og I ser, hvilke af disse påstande der kan forsvares med bevis. Den fulde benchmark, med jeres position og jeres peer groups position på alle deal-afgørende dimensioner, er under udarbejdelse.