Na sustentabilidade, durante muito tempo pontuava-se com base em intenções: um certificado, um relatório anual, uma declaração no concurso sobre redução de CO2. Os dados subjacentes — consumo de energia por processo, origem dos materiais, quilómetros de transporte, fluxos de resíduos — eram recolhidos de forma irregular, normalmente uma vez por ano, muitas vezes com meses de atraso. Quem tinha primeiro uma boa história ganhava a comparação, mesmo que essa história estivesse ligeiramente adiantada em relação à realidade.
Essa assimetria entre afirmação e prova muda de figura no momento em que a recolha e o rastreamento dos dados passam, em grande parte, a ser feitos pela IA. Dados provenientes de sistemas — medidores de energia, planeamentos logísticos, ordens de compra, planos de produção — podem ser continuamente agregados e comparados com normas sem que ninguém tenha de compilar um relatório trimestral. O que resta como trabalho humano é a interpretação: será esta redução resultado de uma alteração estrutural ou de um mês favorável, e que excepções nos números exigem uma explicação que ninguém dá automaticamente.
Por trás de uma afirmação de sustentabilidade existem três tipos de trabalho, e não se deslocam ao mesmo ritmo.
A recolha e consolidação de números provenientes de sistemas de medição, ERP e dados de fornecedores é, em grande parte, algo que a IA pode assumir: é repetitivo, estruturado e verificável face a uma norma. As empresas que já tinham os seus sistemas ligados são as que veem esta parte deslocar-se mais rapidamente.
A ponderação de sinais contraditórios — um fornecedor que, no papel, cumpre a norma mas que, na prática, se desvia, um número de redução que não corresponde ao aumento da produção — é trabalho com supervisão humana: a IA sinaliza o desvio, uma pessoa avalia se é relevante e porquê. Essa supervisão não é decorativa; determina se um relatório está correcto no momento em que um auditor ou cliente questiona.
A formulação de uma estratégia de sustentabilidade, a escolha de qual cadeia tornar mais sustentável e a que ritmo, e a ponderação entre custos e reputação continuam a ser trabalho humano. Trata-se de uma decisão de gestão, não de um exercício de cálculo.
O cliente não percebe a diferença por um número de sustentabilidade mais elevado, mas pela rapidez e pela granularidade da resposta. Um fornecedor que consolida os seus dados continuamente pode, face a uma pergunta específica — a pegada de carbono desta entrega em particular, não do ano inteiro — dar imediatamente um número, com um rasto até à fonte. Um fornecedor que ainda soma isso manualmente uma vez por ano dá uma estimativa ou remete para o último relatório.
Num processo de concurso, essa diferença pesa mais do que o número médio de sustentabilidade em si. Um comprador que tem de demonstrar que a sua própria cadeia cumpre a regulamentação prefere um fornecedor que consiga comprovar, por envio, o que foi emitido, a um fornecedor com uma média anual mais bonita e sem dados subjacentes.
A mudança acontece mais rapidamente em empresas onde os sistemas de origem já estão estruturados: medidores de energia ligados, cadeias de fornecedores digitalizadas, códigos de produto inequívocos. Em empresas onde esses dados ainda estão em folhas de cálculo e formulários avulsos, a IA não consegue consolidar aquilo que não foi fornecido de forma estruturada — aí o trabalho continua largamente manual, com o mesmo atraso de sempre.
Isso significa que dois concorrentes com ambições de sustentabilidade semelhantes podem, ainda assim, apresentar um nível de prova muito diferente, não porque um seja menos sustentável, mas porque a base de dados de um se presta à consolidação automatizada e a do outro não. Para um comprador que compara nesta dimensão, essa distinção é muitas vezes mais importante do que o número reportado em si.
A sustentabilidade raramente se apresenta isolada num concurso público. É ponderada juntamente com a certificação, juntamente com a questão de saber se um fornecedor assume garantias e riscos através da assunção de garantias e riscos, e juntamente com aspectos práticos como a facilidade de negócio. Um fornecedor que apresenta prova na sustentabilidade mas apenas uma afirmação nas outras dimensões não ganha automaticamente a comparação — a pontuação só conta quando cada dimensão, isoladamente, se sustenta.
Se essa supervisão de números e a interpretação daí resultante já funcionam assim na sua própria organização, ou ainda acontecem em grande parte manualmente, é uma questão sobre que trabalho, nesta empresa, pode efectivamente ser assumido pela IA — é isso que o rastreio de trabalho da FTE TO AI traz à luz, tarefa a tarefa. Quem quiser associar isso a uma comparação concreta com concorrentes encontra a abordagem em como pontuar um concorrente sem fazer suposições e em como comparar a sua empresa com os concorrentes.
A questão de saber se a IA desempenha um papel nas decisões relativas ao pessoal está fora do âmbito do que aqui se responde: para isso aplicam-se requisitos legais próprios, independentes deste benchmark.
O que aqui se pode responder é: em que pensa vencer em termos de sustentabilidade, e se essa afirmação se sustenta face a um concorrente. A verificação gratuita de dimensões permite-lhe identificar em que pensa vencer e mostra quais dessas afirmações podem ser defendidas com prova. O benchmark completo, com a comparação em todas as dimensões simultaneamente, está em construção.