Sztuczna inteligencja i cyfryzacja stają się dziś jednym z najważniejszych narzędzi wspierających realizację strategii ESG. Pomagają automatyzować zbieranie danych, monitorować wskaźniki środowiskowe, analizować ryzyka oraz przygotowywać raporty wymagane przez regulatorów. Jednocześnie coraz częściej pojawia się pytanie, czy korzyści wynikające z wykorzystania AI nie są niwelowane przez rosnący ślad węglowy centrów danych zasilających tę technologię.
– Kluczowe jest spojrzenie na bilans całego rozwiązania. Jeżeli dzięki automatyzacji organizacja ogranicza liczbę błędów, redukuje zużycie zasobów, usprawnia logistykę, optymalizuje zużycie energii czy szybciej identyfikuje obszary generujące nadmierne emisje, to korzyści środowiskowe mogą znacząco przewyższyć koszt energetyczny infrastruktury – podkreśla Mateusz Skowron, dyrektor ds. transformacji cyfrowej w Univio.
AI: szansa czy zagrożenie
AI może być bardzo mocnym wsparciem, zarówno w raportowaniu ESG, jak i w budowaniu strategii zrównoważonego rozwoju. Kluczowe jest jednak to, żeby nie traktować jej jako rozwiązania domyślnego dla każdego procesu. Najpierw powinniśmy określić problem, a dopiero potem dobrać do niego odpowiednią technologię.
– W raportowaniu ESG AI daje największą wartość tam, gdzie trzeba przetworzyć dużą ilość rozproszonych i nieustrukturyzowanych informacji. Może na przykład odczytywać dane z dokumentów dostawców, umów czy faktur, analizować raporty spółek z grupy, klasyfikować informacje albo wskazywać anomalie i braki w danych. To zadania, które wcześniej wymagałyby wielu godzin pracy manualnej – podkreśla Anna Stachyrak, liderka ESG w KPMG w Polsce. Zaznacza, że nie oznacza to jednak, że AI powinna wykonywać wszystko. Jeżeli trzeba pobrać dane o zużyciu energii z kilkudziesięciu systemów, przeliczyć je według określonych współczynników emisyjności i skonsolidować na potrzeby raportu, często lepszym rozwiązaniem będą standardowe narzędzia do integracji, przetwarzania i raportowania danych. Są bardziej przewidywalne, łatwiejsze do kontroli i audytu, a przy tym zazwyczaj mniej zasobochłonne.
Podobnie można patrzeć na wykorzystanie AI przy tworzeniu strategii ESG. Technologia może w krótkim czasie przeanalizować setki regulacji, raportów branżowych i publikacji konkurentów, uporządkować informacje od interesariuszy, pomóc identyfikować nowe ryzyka oraz przygotowywać warianty scenariuszy transformacji.
– Nie zastąpi jednak eksperckiego osądu przy ocenie podwójnej istotności, wyborze priorytetów czy ustalaniu poziomu ambicji organizacji. AI powinna zwiększać zdolność organizacji do podejmowania lepszych decyzji, a nie podejmować te decyzje za nią – podkreśla Stachyrak. Wtóruje jej dr Agata Rudnicka, dyrektorka zarządzania wiedzą Forum Odpowiedzialnego Biznesu.
– Przede wszystkim należy odpowiedzieć sobie na pytanie, gdzie faktycznie użycie AI doda wartości. Nie wszystkie operacje wymagają angażowania dużych modeli językowych. Złożoność łańcuchów wartości i mnogość tematów ESG i tak nadal wymaga głębszej refleksji nad każdym z nich, bo przecież różne są działania realizowane dla obszaru społecznego, środowiskowego czy ładu organizacyjnego. Możliwe jest natomiast takie zaplanowanie procesu, żeby użycie dużych modeli nie zawsze było konieczne, jeśli praca odbywa się np. na tych samych formułach matematycznych jak przy wyliczaniu części wskaźników ESG – podkreśla.
Potrzebna jest również większa świadomość w firmach. Wiele zespołów nadal postrzega AI jako niewidzialną usługę dostępną jednym kliknięciem. Tymczasem każde zapytanie, każda analiza czy trenowanie modelu oznacza zużycie energii i zasobów infrastruktury. Dlatego edukacja użytkowników, menedżerów oraz zespołów technologicznych staje się równie ważna jak sama technologia.
– Szczególną rolę mają tu do odegrania architekci rozwiązań. Tak jak dziś uwzględniają bezpieczeństwo, skalowalność czy koszty utrzymania systemów, tak w przyszłości powinni oceniać również wpływ projektowanych rozwiązań na środowisko – mówi przedstawiciel Univio. Wskazuje, że coraz większego znaczenia nabiera podejście GreenOps, które pozwala monitorować i optymalizować ślad środowiskowy infrastruktury cyfrowej. Istnieją już narzędzia wspierające takie działania.
– Platformy, takie jak CarbonAI, Microsoft Emissions Impact Dashboard, AWS Customer Carbon Footprint Tool czy Google Cloud Carbon Footprint, pomagają mierzyć wpływ infrastruktury i usług cyfrowych na środowisko oraz identyfikować obszary wymagające optymalizacji – wskazuje Skowron.
Centra danych pod lupą
Rosnąca skala wykorzystania AI przekłada się bezpośrednio na zapotrzebowanie na infrastrukturę centrów danych. Według United Nations University, Institute for Water, Environment and Health w 2025 r. zużyły one globalnie około 448 TWh energii elektrycznej, co odpowiadałoby 11. miejscu na świecie, gdyby porównać je z konsumpcją energii poszczególnych państw. AI odpowiadała za około jedną piątą tego zapotrzebowania, a do 2030 r. udział ten może wzrosnąć do 40 proc.
– Z perspektywy ESG istotne jest jednak, aby nie sprowadzać tego wpływu wyłącznie do śladu węglowego. W 2025 r. zużycie energii przez centra danych było związane ze śladem węglowym rzędu 189 mln ton CO2, ale również ze śladem wodnym na poziomie około 4,5 bln litrów oraz śladem wykorzystania gruntów wynoszącym około 6,9 tys. km kw. W praktyce oznacza to, że wraz z dalszym rozwojem AI coraz większego znaczenia nabiera nie tylko emisyjność wykorzystywanej energii, ale cały profil zasobowy tej technologii – obejmujący także wodę, grunty i infrastrukturę. I właśnie z tego wynika potrzeba znalezienia „złotego środka” – podkreśla Stachyrak.
Dodaje, że skoro wykorzystanie mocy obliczeniowej przekłada się na realne zużycie energii, wody i infrastruktury, organizacje powinny traktować AI jak każdy inny zasób: angażować ją tam, gdzie korzyść biznesowa rzeczywiście uzasadnia ponoszony koszt. W praktyce oznacza to dobór rozwiązania do problemu, a nie odwrotnie. Jeżeli prostsza automatyzacja, integracja systemów czy klasyczny model analityczny pozwalają osiągnąć ten sam rezultat, wykorzystanie generatywnej AI może być po prostu nieefektywne – zarówno kosztowo, jak i środowiskowo. Z kolei tam, gdzie AI pozwala znacząco zwiększyć skalę analizy, jakość decyzji lub produktywność, jej zastosowanie ma pełne uzasadnienie. Z perspektywy zrównoważonego rozwoju nie chodzi więc o to, żeby używać mniej AI, tylko żeby nie używać jej więcej, niż rzeczywiście potrzebujemy.
Co ciekawe, według analizy PwC „Could net-zero AI become a reality?” w nadchodzącej dekadzie sztuczna inteligencja może zwiększyć efektywność energetyczną na tyle, że zaoszczędzi tyle energii, ile sama zużywa. Całkowite zużycie energii w centrach danych w latach 2024–2035 przy szerokim wykorzystaniu AI w porównaniu ze scenariuszem bez jej zastosowania byłoby od 18 proc. do nawet 21 proc. wyższe.
– Warto podkreślić, że centra danych mogą stać się aktywnym uczestnikiem transformacji energetycznej. Według szacunków Polskiego Stowarzyszenia Centrów Danych ciepło odpadowe z centrów danych mogłoby pokryć nawet 17 proc. całkowitego zapotrzebowania na ciepło sieciowe, stając się ważnym elementem dekarbonizacji ciepłownictwa. To przykład na to, jak przemysł cyfrowy może wspierać cele środowiskowe – komentuje dr inż. Joanna Rucińska, menedżer ESG PwC Polska i adiunkt Wydziału Inżynierii Środowiska Politechniki Warszawskiej. Dodaje, że kluczowe staje się zatem nie tylko to, ile energii, wody oraz surowców zużywają rozwiązania AI, ale również jaką wartość przynoszą w postaci redukcji emisji czy poprawy efektywności energetycznej i innych zasobów. Ekspertka PwC wskazuje, że z perspektywy regulacyjnej unijne przepisy coraz wyraźniej wskazują na kwestię śladu środowiskowego infrastruktury cyfrowej.
– Znowelizowana dyrektywa Parlamentu i Europejskiego i Rady 2023/1791 o efektywności energetycznej wprowadza obowiązkowe raportowanie dla centrów danych o mocy IT powyżej 0,5 MW, obejmujące kluczowe wskaźniki: zużycie energii, zużycie wody, wykorzystanie ciepła odpadowego oraz udział energii odnawialnej w zaopatrzeniu. To pierwszy tego typu zharmonizowany system raportowania dla sektora na poziomie UE – informuje Rucińska. Dodaje, że warto jednak zauważyć, że obecne regulacje UE dotyczące raportowania ESG nie zawierają jeszcze bezpośrednich, dedykowanych wymogów dotyczących śladu węglowego sztucznej inteligencji jako odrębnej kategorii. Obowiązki raportowe skupiają się na infrastrukturze jako całości, nie rozdzielając wpływu poszczególnych obciążeń obliczeniowych, w tym AI.
ESG to nie koszt
Jednym z największych nieporozumień w myśleniu o ESG jest traktowanie go jako kosztu. – Obserwuję ten schemat od blisko 30 lat – w płatnościach, przedsięwzięciach przemysłowych i nieruchomościach. W momencie, w którym firma zaczyna mierzyć to, czym zarządza, koszt przestaje być kosztem samym w sobie, a staje się elementem lepszego zarządzania. Dobrze zaprojektowana transformacja obniża koszty, ogranicza ryzyko i – co często umyka – daje zarządzającym dane, których wcześniej nie mieli – podkreśla Emiliano Caradonna, prezes mPay.
Dodaje, że dużym wyzwaniem jest powszechne przekonanie, że ESG to przede wszystkim obowiązek sprawozdawczy, a nie narzędzie zarządcze. Różnicy nie zrobią kolejne przepisy. Zrobią ją technologia, która automatycznie zbiera dane u źródła, oraz kompetencje ludzi, którzy potrafią z nich korzystać. Kiedy menedżer traktuje dane o emisjach z taką samą powagą jak pozycję w rachunku wyników, ESG przestaje być papierologią, a staje się dyscypliną zarządczą. Ta zmiana dokonuje się raczej w sali szkoleniowej niż w kolejnej dyrektywie.
– Polska nie musi przy tym kopiować gotowych rozwiązań. Cyfryzacja płatności daje dostęp do danych transakcyjnych opisujących rzeczywiste zachowania, a nie deklaracje. W swojej pracy poświęconej Lean Circularity pokazywałem, że eliminowanie szumu informacyjnego i zamykanie obiegów zasobów to w istocie dwa spojrzenia na ten sam proces. Tę samą logikę można zastosować do mobilności. Przyszłość ESG widzę właśnie tutaj: nie w kolejnych deklaracjach, lecz w technologii i kompetencjach, które zamieniają odpowiedzialność w mierzalną przewagę – podsumowuje Caradonna.
Zmiana ma charakter fundamentalny. ESG stało się już elementem procesu decyzyjnego. Oznacza to, że zmienia się perspektywa czasowa, w jakiej biznes powinien planować swoje cele. Na podstawie bieżących wydarzeń oraz już doświadczanych zjawisk można wyprzedzająco zaplanować alternatywne scenariusze, zwłaszcza jeśli ten, który sprawdzał się od zawsze, teraz może zawieść.
– Dotyczy to tak krytycznych kwestii, jak dostęp do zasobów, relacje z partnerami biznesowymi czy odporność na ryzyka klimatyczne. Analizując poszczególne obszary działalności, przedsiębiorstwa zauważają jedną prawidłowość. Ciągłość działania oraz możliwość rozwoju uzależnione są od niezakłóconych przepływów oraz gotowości na ryzyka – mówi przedstawicielka FOB. Dodaje, że obecnie coraz częściej ESG rozumiany jest właśnie jako koncepcja, która ułatwia podejmowanie decyzji w warunkach niepewności. Ograniczanie potencjalnych wyzwań to m.in. inwestowanie w rozwiązania, które zapewnią dobrą pozycję przedsiębiorstwa, zarówno teraz, jak i za kilka lat. Dlatego coraz więcej dyskutuje się o tym, jak zamknąć obieg i zatrzymać zasoby w danym miejscu, o tym, jak efektywnie prowadzić recykling czy zabezpieczać aktywa na wypadek nieoczekiwanych zjawisk pogodowych. To kwestie stricte biznesowe, będące sednem ESG.
