Την τελευταία δεκαετία, βιώνουμε αλλαγές που εξελίσσονται ή επιταχύνονται με πρωτοφανή ρυθμό, με επιπτώσεις που επηρεάζουν κάθε πτυχή της ανθρώπινης δραστηριότητας, διαμορφώνοντας μια νέα παγκόσμια συνθήκη. Από την πανδημία του COVID-19 και μια σειρά γεωπολιτικών και κοινωνικών αλλαγών έως την κλιματική αλλαγή, ο κίνδυνος έναντι της διασφάλισης ενός βιώσιμου μέλλοντος για τις επόμενες γενιές είναι υπαρκτός και χρίζει σοβαρής και αποτελεσματικής αντιμετώπισης.
Ταυτόχρονα, στο ίδιο χρονικό πλαίσιο, η ανάπτυξη νέων τεχνολογιών και η δημιουργία λύσεων και εργαλείων έχουν φέρει απτές αλλαγές σε κάθε πτυχή της ανθρώπινης δραστηριότητας. Σε αυτή λοιπόν τη δεκαετία της τεχνολογίας και της κλιματικής αλλαγής, διαφαίνεται πως για να ανταποκριθούμε στις προκλήσεις του σήμερα αλλά και του αύριο πρέπει να διαμορφώσουμε βιώσιμες και ανθεκτικές στρατηγικές και πολιτικές αξιοποιώντας αποδοτικά όλα τα διαθέσιμα μέσα.
Τόσο η βιώσιμη ανάπτυξη όσο και ο ψηφιακός μετασχηματισμός είναι αρκετά ψηλά στην προτεραιότητα κρατών και επιχειρήσεων. Και αν στη λογική αυτή, η βιώσιμη ανάπτυξη χρειάζεται την τεχνολογία για την επίτευξη των στόχων της, οφείλουμε να παραδεχτούμε πώς και η τεχνολογία πρέπει να ενσωματώσει τις αξίες της βιωσιμότητας στον πυρήνα της δραστηριότητάς της έτσι ώστε να γίνεται πιο αποδοτική και να δημιουργεί αξία σε ζητήματα κοινωνικά αλλά και περιβαλλοντικά.
Με βάση όσα αποτυπώσαμε στο αφιέρωμα του ΔΙΚΤΥΟΥ για τη Μεταρρύθμιση στην Ελλάδα και την Ευρώπη με τίτλο «Ο ρόλος των Επιχειρήσεων στη Βιώσιμη Ανάπτυξη – Κριτήρια ESG και Τεχνητή Νοημοσύνη – Η συνεισφορά του ψηφιακού μετασχηματισμού», φαίνεται πως η πορεία προς τη βιώσιμη ανάπτυξη είναι «χαραγμένη» μέσα από στρατηγικούς στόχους και ορόσημα. Παράλληλα, για την έγκυρη και έγκαιρη επίτευξη των στόχων χρειάζεται και ένας σαφής και μετρήσιμος «οδικός χάρτης».
Βασιλική Μπέσιου, Μέλος του Διοικητικού Συμβουλίου του ΔΙΚΤΥΟΥ, Πολιτικός Μηχανικός και Sustainability and Climate Change Adaptation Expert
Ο Πίτερ Ντρούκερ (1909-2005), μία εμβληματική μορφή στην ιστορία του management είχε πει πριν χρόνια – και όταν δεν υπήρχε ακόμα η δυνατότητα των σημερινών εργαλείων και ψηφιακών τεχνολογιών – πως μπορείς να διαχειριστείς (αποτελεσματικά) μόνο αυτό που μπορείς να μετρήσεις. Σήμερα είναι προφανές πως για να μειώσεις ή να βελτιώσεις κάτι συστηματικά οφείλεις να το παρακολουθείς, να το μετράς και να αναλύσεις τα διαθέσιμα γι’ αυτό δεδομένα. Με τον τρόπο αυτό όχι μόνο δημιουργείς αξία, αλλά αξιοποιείς τις διαδικασίες και την πληροφορία με στόχο να βελτιώνεσαι και να προσαρμόζεσαι διαρκώς. Και φυσικά τα διαθέσιμα τεχνολογικά μέσα και εργαλεία αποτελούν καταλύτη ώστε η διαδικασία αυτή να γίνει πιο αποτελεσματική και μετρήσιμα αποδοτική τόσο σε επίπεδο εταιριών όσο και σε επίπεδο κρατών.
Καθώς τα κριτήρια ESG μας οδηγούν στην καταγραφή μετρήσιμων και κυρίως συγκρίσιμων μεγεθών βάση των οποίων αξιολογούνται οι επιπτώσεις των δραστηριοτήτων και των λειτουργιών των επιχειρήσεων στην κοινωνία και το περιβάλλον, γίνεται αντιληπτό πως σε συνδυασμό με τις δυνατότητες που προκύπτουν από τον ψηφιακό μετασχηματισμό της, μια επιχείρηση μπορεί όχι μόνο να λειτουργεί ταχύτερα και πιο αποτελεσματικά, αλλά μπορεί επίσης να αλλάξει την αντίληψη για το πώς επιλύει προβλήματα και διαμορφώνει λύσεις.
Πάνω λοιπόν σε αυτή τη λογική αναδεικνύεται η μεγάλη σημασία και αξία των δεδομένων. Και μαζί με αυτό μια θεμελιώδης πρόκληση – αυτή της αποτελεσματικής αξιοποίησης τους.
Σε αυτό το σημείο, όταν το χρονικό πλαίσιο μέσα στο οποίο συζητάμε είναι η εποχή της 4ης (προς 5ης ) Βιομηχανικής Επανάστασης, δεν θα μπορούσε να απουσιάζει η μεταβλητή των διαθέσιμων τεχνολογιών αιχμής, όπως η Τεχνητή Νοημοσύνη (ΑΙ).
Πώς όμως μπορεί πρακτικά η Τεχνητή Νοημοσύνη να ενισχύσει και να βοηθήσει σε πιο αποδοτική εφαρμογή των κριτηρίων ESG και την επίτευξη των στόχων Βιώσιμης Ανάπτυξης;
Η απάντηση βρίσκεται στη δυνατότητα που μας δίνει η ΤΝ να μπορούμε να αναγνωρίζουμε, να αναλύουμε και να επεξεργαζόμαστε τεράστια σύνολα δεδομένων, να εξάγουμε πληροφορίες και να αυτοματοποιούμε εργασίες σε εξαιρετικά μικρά χρονικά διαστήματα.
Με τη δυνατότητα αυτή, η κρίσιμη παράμετρος και πρόκληση που ονομάζεται δεδομένα (data) και αποτελεί βασικό στοιχείο στην εξίσωση των κριτηρίων ESG και των στόχων βιωσιμότητας, αναδεικνύεται και αξιοποιείται γρήγορα και αποτελεσματικά. Απαντώντας σε συγκεκριμένα ζητήματα και δυσκολίες, όπως η έλλειψη ή και ο κατακερματισμός διαθέσιμων δεδομένων, η έλλειψη ενοποιημένων προτύπων, οι χρονοβόρες διαδικασίες αλλά και η ανεπάρκεια πόρων, η Τεχνητή Νοημοσύνη συνεισφέρει στην παρακολούθηση των δεικτών και τη σύνταξη εκθέσεων (ESG reporting) μέσα από διάφορους τρόπους όπως:
- Αυτόματη συλλογή – αναγνώριση και ανάλυση δεδομένων
- Κατηγοριοποίηση και ταξινόμηση δεδομένων
- Έλεγχος συμβατότητας / Εναρμόνισης με πρότυπα
- Μείωση χρόνου επεξεργασίας δεδομένων
- Εξοικονόμηση κόστους και πόρων
- Εντοπισμός ασυνεχειών – παραβάσεων
- Παραγωγή συμπερασμάτων και προβλέψεων
Την ίδια στιγμή όμως που συζητάμε και αναλύουμε τους πολλαπλούς τρόπους με τους οποίους μπορεί η ΤΝ να ενισχύσει και να εξελίξει την παρακολούθηση και καταγραφή κριτήριων ESG, θα πρέπει να είμαστε πολύ προσεκτικοί ώστε τα πλεονεκτήματα από αυτή τη «συνέργεια» να μη μετατραπούν σε μειονεκτήματα και διαταράξουν άθελα μας την πολυπόθητη ισορροπία που θέλουμε να πετύχουμε μέσα από τη επίτευξη των στόχων βιωσιμότητας.
Έτσι, την ίδια στιγμή που μέσω ΤΝ αναλύουμε περιβαλλοντικά δεδομένα, μοτίβα κατανάλωσης ενέργειας και λειτουργίες αλυσίδων εφοδιασμού για τη μείωση των εκπομπών άνθρακα, δεν θα πρέπει να ξεχνάμε πως άσκοπη και υπέρμετρη χρήση ΤΝ μπορεί να δημιουργήσει ένα αυξημένο περιβαλλοντικό αποτύπωμα (απαίτηση σημαντικών υπολογιστικών πόρων και επομένως ενέργειας).
Στην προσπάθεια μας να αναζητήσουμε και να βρούμε πολλαπλά και αξιόπιστα δεδομένα, δεν θα πρέπει να αμελούμε ζητήματα ασφάλειας και ιδιωτικότητας, καθώς η χωρίς κανόνες συλλογή και χρήση των δεδομένων εγείρει ανησυχίες για ζητήματα παραβίασης απορρήτου.
Αποζητώντας τη διαφάνεια στη λήψη αποφάσεων, οφείλουμε να θυμόμαστε πως οι αλγόριθμοι της μηχανικής μάθησης θεωρούνται πολλές φορές μαύρα κουτιά (black boxes), καθιστώντας δύσκολη την κατανόηση τόσο των διαδικασιών όσο και των αποτελεσμάτων τους.
Ταυτόχρονα θα πρέπει να ελέγχουμε ώστε τα δεδομένα με τα οποία «εκπαιδεύουμε» τα συστήματα ΤΝ να μην κληρονομούν προκαταλήψεις που μπορεί να διαιωνίσουν ή να επιδεινώσουν ανισότητες ή ακόμα και να οδηγήσουν σε εσφαλμένες αξιολογήσεις.
Έμμεσα λοιπόν, αντιλαμβανόμαστε πως και οι ίδιες οι αρχές των κριτηρίων ESG αποτελούν περιβάλλον ελέγχου και καλής εφαρμογής για τεχνολογίες όπως η Τεχνητή Νοημοσύνη επιδιώκοντας τη μέγιστη απόδοση κόστους – οφέλους. Η υπεύθυνη υιοθέτηση λοιπόν της Τεχνητής Νοημοσύνης ως εργαλείο εξέλιξης και επιτυχούς ενσωμάτωσης των κριτηρίων ESG τόσο στη λειτουργία μιας εταιρίας (προς το παρόν) αλλά ακόμα και στη διαμόρφωση στρατηγικών και πολιτικών σε σχέση με τη Βιώσιμη Ανάπτυξη φαίνεται να είναι το κλειδί για μια υπεύθυνη και βασισμένη σε δεδομένα (data-driven) ορθολογική λήψη αποφάσεων και βιώσιμων πρακτικών.
Με διαρκή έλεγχο, επαλήθευση και εξειδικευμένο ανθρώπινο δυναμικό κατάλληλα εκπαιδευμένο να παρακολουθεί και να κατευθύνει τη λήψη αποφάσεων, μπορούμε, μαζί με το κατάλληλο θεσμικό πλαίσιο, να επιτύχουμε τη μέγιστη δυνατή «εκμετάλλευση» τόσο της Τεχνητής Νοημοσύνης όσο και άλλων νέων τεχνολογιών προς όφελος όχι μόνο των επιχειρήσεων – οι οποίες μπορούν και οφείλουν να παίζουν καθοριστικό ρόλο στην αντιμετώπιση μεγάλων προκλήσεων – αλλά και των ίδιων κοινωνιών μας.
Η Βασιλική Μπέσιου είναι Μέλος του Διοικητικού Συμβουλίου του ΔΙΚΤΥΟΥ, Πολιτικός Μηχανικός και Sustainability and Climate Change Adaptation Expert
