På bæredygtighed blev der længe scoret på hensigt: et certifikat, en årsrapport, en udtalelse i udbuddet om CO2-reduktion. De underliggende data — energiforbrug pr. proces, materialers oprindelse, transportkilometer, affaldsstrømme — blev indsamlet med afbrydelser, som regel én gang om året, ofte med måneders forsinkelse. Den der først havde en god historie, vandt sammenligningen, også hvis historien lå en smule foran virkeligheden.
Denne asymmetri mellem påstand og bevis forskydes, så snart indsamlingen og sporingen af data i vid udstrækning sker via AI selv. Data der kommer fra systemer — energimålere, logistikplaner, indkøbsordrer, produktionsdraaiboeken — kan løbende samles og holdes op mod standarder, uden at nogen behøver at udarbejde en kvartalsrapport. Det der er tilbage som menneskeligt arbejde, er fortolkningen: er denne reduktion resultatet af en strukturel ændring eller af en gunstig måned, og hvilke afvigelser i tallene kræver en forklaring, som ingen automatisk giver.
Bag en bæredygtighedspåstand ligger tre former for arbejde, og de forskydes ikke i samme tempo.
Indsamling og konsolidering af tal fra målesystemer, ERP og leverandørdata er i vid udstrækning noget AI kan overtage: det er repetitivt, struktureret og kan kontrolleres mod en standard. Virksomheder der allerede havde koblet deres systemer sammen, ser denne del forskyde sig hurtigst.
At afveje modstridende signaler — en leverandør der på papiret overholder standarden, men i praksis afviger, et reduktionstal der ikke stemmer overens med produktionsstigningen — er arbejde med menneskeligt tilsyn: AI signalerer afvigelsen, en person vurderer om den er relevant og hvorfor. Det tilsyn er ikke dekorativt; det afgør om en rapportering holder i det øjeblik en revisor eller kunde spørger ind til den.
At formulere en bæredygtighedsstrategi, vælge hvilken kæde der skal gøres mere bæredygtig og i hvilket tempo, og afveje omkostninger mod omdømme, forbliver menneskeligt arbejde. Det er et ledelsesvalg, ikke en beregningsopgave.
Kunden mærker ikke forskellen på et højere bæredygtighedstal, men på hastigheden og detaljeringsgraden af svaret. En leverandør der løbende lader sine data konsolidere, kan på et konkret spørgsmål — CO2-aftrykket for netop denne ene levering, ikke for hele året — straks give et tal, med et spor til kilden. En leverandør der stadig lægger det sammen manuelt en gang om året, giver et skøn eller henviser til den seneste rapport.
I en udbudsproces vejer den forskel tungere end selve det gennemsnitlige bæredygtighedstal. En indkøber der skal påvise, at sin egen kæde overholder lovgivningen, foretrækker en leverandør der pr. forsendelse kan dokumentere, hvad der er udledt, frem for en leverandør med et pænere årsgennemsnit og ingen underliggende data.
Forskydningen går hurtigere hos virksomheder hvor kildesystemerne allerede er strukturerede: koblede energimålere, digitaliserede leverandørkæder, entydige produktkoder. Hos virksomheder hvor de data stadig ligger i regneark og løse formularer, kan AI ikke konsolidere det, der ikke er leveret struktureret — dér forbliver arbejdet i vid udstrækning manuelt, med samme forsinkelse som før.
Det betyder, at to konkurrenter med sammenlignelige bæredygtighedsambitioner alligevel kan fremvise et helt forskelligt bevisniveau, ikke fordi den ene er mindre bæredygtig, men fordi den enes databasis er egnet til automatiseret konsolidering, og den andens ikke er. For en køber der sammenligner på denne dimension, er den forskel ofte vigtigere end det rapporterede tal i sig selv.
Bæredygtighed står sjældent alene i et udbud. Den vejes sammen med certificering, med spørgsmålet om en leverandør overtager garantier og risici via garanti- og risikoovertagelse, og med praktiske forhold som nemhed i samhandel. En leverandør der kommer med bevis på bæredygtighed, men med en påstand på de øvrige dimensioner, vinder ikke automatisk sammenligningen — scoren tæller først, når hver dimension for sig holder stand.
Om det tilsyn med tal og den deraf følgende fortolkning i deres egen organisation allerede fungerer sådan, eller stadig i vid udstrækning foregår manuelt, er et spørgsmål om hvilket arbejde i denne virksomhed reelt kan overtages af AI — det afdækker FTE TO AI's arbejdsscan opgave for opgave. Den der ønsker at koble dette til en konkret sammenligning med konkurrenter, finder fremgangsmåden hertil i hvordan man scorer en konkurrent uden antagelser og i hvordan man benchmarker sin virksomhed mod konkurrenter.
Spørgsmålet om AI spiller en rolle i personalevalg, falder uden for det, der besvares her: for det gælder egne lovmæssige krav, uafhængigt af dette benchmark.
Hvad der derimod kan besvares her: hvor De tror, De vinder på bæredygtighed, og om den påstand holder stand over for en konkurrent. Den gratis dimensionstjek lader Dem angive, hvor De tror, De vinder, og viser hvilke af disse påstande der kan forsvares med bevis. Det fulde benchmark, med sammenligningen på alle dimensioner samtidig, er under udarbejdelse.