手机版|
二维码|
企业管理层已经看到投资 IT 对可持续发展的推动作用，88%的高管计划在未来 12 个月加大相关投资。
90% 的受访高管认为，AI将对可持续发展目标产生积极影响，但超过一半的组织并未利用AI来实现这一目标。
企业管理层和普通员工对可持续发展的认识和期待存在较大差距。
北京2024年11月13日 -- 近日，IBM（纽约证券交易所：IBM）首次发布《《可持续发展准备工作状态报告》（Sustainability Readiness Report）报告。结果显示，88% 的企业高管计划在未来 12 个月加大IT 投资以实现可持续发展；来自各个行业超过半数的受访者认为，投资可持续发展技术是一个增长契机，而不仅仅是降低成本。
IBM发布首份《可持续发展准备工作状态报告》报告
尽管企业高管对可持续发展相关技术持乐观态度，但报告显示，其行动与愿景还有明显差距，尤其是在人工智能（AI）技术的应用上。
上述报告由 Morning Consult 独立完成，并由 IBM 赞助、分析和发布。2024 年 4 月至 5 月期间，我们对 9 个国家、15 个行业的 2790 名业务领导者和决策者进行了访谈。报告还包括Water Corporation（澳大利亚）、Downer Group（澳大利亚和新西兰）和 Neste（芬兰）等公司应用技术助力可持续发展的应用案例。
AI潜力尚未发掘
绝大多数受访者都对AI在可持续发展方面的潜力持积极态度：90% 的受访高管认为，AI将对其可持续发展目标的实现产生积极影响。然而，56% 的受访企业尚未积极使用AI来实现可持续发展。预算限制可能是重要原因：许多受访者表示，财务规划是投资可持续发展面临的首要挑战。报告显示，48% 的可持续发展 IT 投资是"一次性"的，而不是由常规经营预算提供资金。
为了负责任地挖掘AI的潜力，企业还需要考虑使用AI带来的能耗。一些企业已经制定了更加可持续的IT战略，如优化数据处理、投资更节能的处理器和利用开源合作。这些战略不仅能减少AI的环境足迹，还能提高运营效率和成本效益。此外，寻找合适的AI人才也是一个问题：上述报告显示，在当前技能短缺的情况下，如何留住经验丰富的员工已成为企业面临的三大可持续发展挑战之一。
IBM 首席可持续发展官 Christina Shim表示："企业已经看到AI在推动可持续发展和业务收益上的巨大潜力，能够兼顾二者的企业尤其令人兴奋。在采用AI的同时，企业高管应深思熟虑，尽可能地减少对环境的影响。数据显示，企业在可持续发展和控制成本上还有很大的进步空间。"
衡量可持续发展并非易事
随着企业将可持续发展实践和技术融入运营，有一个关键问题仍悬而未决：如何衡量可持续发展？受访高管大多关注资源效率，将可再生能源消耗、总能源消耗和回收列为衡量可持续发展成果的关键指标。（IBM 同样通过兆瓦时的能源消耗、全球可再生能源消耗的电力百分比，以及按重量计算的垃圾填埋场与焚烧垃圾的百分比来衡量这些指标。）
报告还显示，衡量可持续发展的关键绩效指标（KPI）是受访企业当前面临的三大挑战之一。50% 的受访高管指出，他们用于衡量可持续发展KPI的数据并不成熟，这可能会使报告过程更具挑战。
IBM ESG 和资产管理产品负责人兼副总裁 Kendra DeKeyrel 表示："无论企业是计划开始可持续发展之旅，还是已经积累了部分经验，收集数据并进行准确分类都至关重要。上述研究表明，企业高管了解数据驱动的可持续发展战略的重要性，并愿意进行技术投资。"
超过半数的受访者表示在报告和合规方面遇到挑战，只有部分受访者 (29%) 认为，提高报告的准确性是他们最希望从技术投资中获得的三大收益之一。例如，Ikano 集团已经通过技术投资实现了ESG 数据采集和分析自动化，并获得显著收益：比如，为《企业可持续性发展报告指令》（CSRD）报告进行15000 多种数据类型的采集和跟踪，从而节省数千个工时。
高管与员工之间存在认知差距
报告显示，在对可持续发展的认知和期望上，企业的管理层与普通员工之间存在脱节。在提高气候弹性方面，核心管理层比副总裁和总监级别的管理人员更乐观。事实上，在受访的高层管理人员中，67% 的人表示在气候弹性方面采取了积极主动的措施，而在更低级别的决策者中，这一比例仅为 56%。这种差异同样体现在金融风险、物理基础设施风险和供应链风险等方面。
可行性建议
IBM 的《可持续发展准备工作状态报告》为希望应对可持续发展挑战的企业和高管提供了重要参考，建议包括：
投资适合自身的AI工具。例如，生成式AI可以提供洞察，识别减少碳排放的机会，并为更加可持续的业务创建场景和算法。这可以为企业提供必要洞察来应对气候危机，并将可持续发展的愿景转化为具体行动。
充分利用数据，缩小决策者之间的认知差距。随着可持续发展面临的首要挑战不断变化，组织应收集整个业务领域的数据，更深刻地了解各级别决策者之间的认知差异。利用数据分析和报告工具可以发现盲点，在整个组织内保持可见性和一致性。
