Op duurzaamheid werd lang gescoord op intentie: een certificaat, een jaarverslag, een uitspraak in de tender over CO2-reductie. De onderliggende data — energieverbruik per proces, herkomst van materialen, transportkilometers, afvalstromen — werd met horten en stoten verzameld, meestal eenmaal per jaar, vaak met vertraging van maanden. Wie als eerste een goed verhaal had, won de vergelijking, ook als het verhaal net iets voorliep op de werkelijkheid.
Die asymmetrie tussen claim en bewijs verschuift zodra het verzamelen en herleiden van data zelf grotendeels door AI gebeurt. Data die uit systemen komt — energiemeters, logistieke planningen, inkooporders, productiedraaiboeken — kan doorlopend worden samengevoegd en tegen normen afgezet zonder dat iemand een kwartaalrapport hoeft samen te stellen. Wat overblijft als mensenwerk is de duiding: is deze reductie het gevolg van een structurele verandering of van een gunstige maand, en welke uitzonderingen in de cijfers vragen om een verklaring die niemand automatisch geeft.
Achter een duurzaamheidsclaim zitten drie soorten werk, en ze verschuiven niet gelijk op.
Het verzamelen en consolideren van cijfers uit meetsystemen, ERP en leveranciersdata is grotendeels iets dat AI kan overnemen: het is repetitief, gestructureerd en controleerbaar tegen een norm. Bedrijven die hun systemen al hadden gekoppeld, zien dit deel het snelst verschuiven.
Het afwegen van tegenstrijdige signalen — een leverancier die op papier aan de norm voldoet maar in de praktijk afwijkt, een reductiecijfer dat niet aansluit bij de productiestijging — is werk met menselijk toezicht: AI signaleert de afwijking, een persoon beoordeelt of die relevant is en waarom. Dat toezicht is niet decoratief; het bepaalt of een rapportage klopt op het moment dat een auditor of klant doorvraagt.
Het formuleren van een duurzaamheidsstrategie, het kiezen welke keten wordt verduurzaamd en in welk tempo, en het afwegen van kosten tegen reputatie blijft mensenwerk. Dat is een bestuurlijke keuze, geen rekenopgave.
De klant merkt het verschil niet aan een hoger duurzaamheidscijfer, maar aan de snelheid en granulariteit van het antwoord. Een aanbieder die zijn data doorlopend laat consolideren, kan op een specifieke vraag — de CO2-voetafdruk van deze ene levering, niet van het hele jaar — meteen een cijfer geven, met een spoor naar de bron. Een aanbieder die dat nog jaarlijks handmatig optelt, geeft een schatting of verwijst naar het laatste rapport.
In een tenderproces telt dat verschil zwaarder dan het gemiddelde duurzaamheidscijfer zelf. Een inkoper die moet aantonen dat zijn eigen keten voldoet aan regelgeving, heeft liever een leverancier die per zending kan bewijzen wat er is uitgestoten dan een leverancier met een mooier jaargemiddelde en geen onderliggende data.
De verschuiving gaat sneller bij bedrijven waar de bronsystemen al gestructureerd zijn: gekoppelde energiemeters, gedigitaliseerde leveranciersketens, eenduidige productcodes. Bij bedrijven waar die data nog in spreadsheets en losse formulieren staat, kan AI niet consolideren wat niet gestructureerd is aangeleverd — daar blijft het werk grotendeels handmatig, met dezelfde vertraging als voorheen.
Dat betekent dat twee concurrenten met vergelijkbare duurzaamheidsambities toch een heel ander bewijsniveau kunnen laten zien, niet omdat de een minder duurzaam is, maar omdat de databasis van de een wel en van de ander niet geschikt is voor geautomatiseerde consolidatie. Voor een koper die op deze dimensie vergelijkt, is dat onderscheid vaak belangrijker dan het gerapporteerde cijfer zelf.
Duurzaamheid staat zelden op zichzelf in een aanbesteding. Ze wordt meegewogen naast certificering, naast de vraag of een leverancier garanties en risico's overneemt via garantie- en risico-overname, en naast praktische zaken als gemak van zakendoen. Een aanbieder die op duurzaamheid met bewijs komt maar op die andere dimensies met een claim, wint de vergelijking niet automatisch — de score telt pas als elke dimensie afzonderlijk standhoudt.
Of dat toezicht op cijfers en de daaruit volgende duiding in uw eigen organisatie al zo werkt, of nog grotendeels handmatig gebeurt, is een vraag over welk werk in dit bedrijf werkelijk door AI is over te nemen — dat brengt de werkscan van FTE TO AI per taak in beeld. Wie dat wil koppelen aan een concrete vergelijking met concurrenten, vindt de aanpak daarvoor in hoe u een concurrent zonder aannames scoort en in hoe u uw bedrijf tegen concurrenten benchmarkt.
De vraag of AI bij personeelskeuzes een rol speelt, valt buiten wat hier wordt beantwoord: daarvoor gelden eigen wettelijke vereisten, los van deze benchmark.
Wat hier wel te beantwoorden is: waarop u denkt te winnen op duurzaamheid, en of die claim standhoudt tegenover een concurrent. De gratis dimensiecheck laat u benoemen waarop u denkt te winnen en toont welke van die claims met bewijs te verdedigen zijn. De volledige benchmark, met de vergelijking op alle dimensies tegelijk, is in aanbouw.