Als klanten duurzaamheid meewegen in een inkoopbeslissing, vergelijken ze niet uw intenties maar uw bewijs. Een CO2-cijfer per product, een ketenanalyse, een certificaat dat aansluit bij de norm van de klant, een antwoord op een duurzaamheidsvragenlijst dat klopt met de rest van uw dossier. Wie deze dimensie wint, is niet per se het bedrijf met de beste onderliggende prestatie. Het is vaak het bedrijf dat het bewijs sneller en consistenter op tafel legt op het moment dat de klant erom vraagt.
Dat is precies waar het werk zit: gegevens verzamelen uit inkoop, productie en logistiek, ze aggregeren tot een cijfer per product of dienst, en dat cijfer herleidbaar houden zodra een auditor of klant doorvraagt. Tot voor kort was dat werk waarvoor u mensen nodig had die weken bezig waren met spreadsheets, leveranciersopgaven en handmatige controles. Dat bepaalde hoe snel u kon reageren op een aanbesteding met duurzaamheidseisen.
Het werk achter duurzaamheid als verkoopargument bestaat grofweg uit drie lagen. Ten eerste het verzamelen van basisdata: energieverbruik, materiaalstromen, transportkilometers, afvalcijfers. Ten tweede de vertaling van die data naar een norm of standaard die de klant herkent, zoals een CO2-footprint per eenheid of een score volgens een sectorkader. Ten derde de onderbouwing: kunt u aantonen waar een cijfer vandaan komt als iemand het toetst.
De eerste laag is grotendeels een kwestie van gegevens ontsluiten en consistent structureren, iets waarvoor AI in toenemende mate ingezet wordt om data uit facturen, leveranciersportalen en interne systemen automatisch te herkennen en samen te voegen. De tweede laag, de vertaling naar een norm, verschuift naar een model waarin AI een eerste indeling maakt en een mens die indeling goedkeurt of afkeurt met reden, omdat normen per klant en per sector verschillen en een verkeerde toepassing gevolgen heeft voor de geloofwaardigheid van het cijfer. De derde laag, de onderbouwing bij een audit, blijft voorlopig mensenwerk: iemand moet kunnen uitleggen waarom een cijfer klopt, niet alleen dat een systeem het heeft berekend.
Zodra het verzamelen en aggregeren van duurzaamheidsdata grotendeels geautomatiseerd is, verandert wat onderscheidend is. Vroeger won het bedrijf met de grootste dedicated staf voor duurzaamheidsrapportage: meer mensen, meer capaciteit om aanvragen te beantwoorden. Als die capaciteit vrijkomt doordat een groot deel van het verzamelwerk zelf gebeurt, verschuift het onderscheid naar de kwaliteit van de onderliggende data en naar de snelheid waarmee een bedrijf een nieuwe klantvraag kan beantwoorden zonder een nieuw project op te starten.
Dit gebeurt niet overal in hetzelfde tempo. Een bedrijf met geordende brondata, gestandaardiseerde inkoopprocessen en een heldere ketenstructuur kan dit werk sneller laten overnemen dan een bedrijf waar dezelfde gegevens verspreid over losse systemen en persoonlijke kennis van medewerkers liggen. Het verschil zit dus niet in de wil om te automatiseren, maar in hoe toegankelijk de onderliggende data al zijn. Wie dat op orde heeft, kan een duurzaamheidsvraag in een aanbesteding sneller en met meer detail beantwoorden dan een concurrent die nog handmatig cijfers bij elkaar zoekt. Dat verschil is meetbaar in doorlooptijd en in hoeveel van de gevraagde onderbouwing daadwerkelijk geleverd wordt, niet in een marketingclaim.
Waar personeelsbeslissingen aan de orde komen als gevolg van deze verschuiving, gelden daarvoor eigen wettelijke vereisten; dat is aan de werkgever, niet aan een vergelijking van concurrentieposities.
Duurzaamheid staat zelden op zichzelf in een inkoopbeslissing. Het wordt vaak samen gewogen met andere dimensies, en dezelfde verschuiving speelt daar ook: hoe automatisering van auditwerk de vergelijkbaarheid van certificeringen verandert, wat het voor de concurrentiepositie betekent als garantie- en risicobeoordelingen sneller onderbouwd kunnen worden, en waarom duurzaamheidsclaims in marketingteksten vaak inwisselbaar klinken tussen concurrenten. Wie op meerdere van deze dimensies tegelijk kijkt, ziet dat de bedrijven die vooroplopen dat meestal op meer dan één front doen, omdat de onderliggende datavaardigheid overdraagbaar is tussen dimensies.
De vraag welk deel van dit werk in uw eigen bedrijf daadwerkelijk door AI over te nemen is, en welk deel toezicht of mensenwerk blijft, is niet in algemene zin te beantwoorden. Dat hangt af van hoe uw data nu georganiseerd zijn en welke normen uw klanten hanteren. Die vraag wordt per taak beantwoord met de werkscan van FTE TO AI.
Om te weten of duurzaamheid een dimensie is waarop u wint of verliest, moet eerst duidelijk zijn waarop u claimt te winnen en of dat met bewijs te staven is. In de gratis dimensiecheck benoemt u waarop u denkt te winnen, en ziet u welke van die claims met bewijs te verdedigen is. De volledige benchmark, met uw positie en die van uw peer group op alle deal-beslissende dimensies, is in aanbouw.