AI kan accelerere ESG i forsyningskæden, men snubletrådene er mangfoldige

“Jeg er ikke sikker på, at vi har 100 procent gennemsigtighed i vores forsyningskæder lige nu. Den gode nyhed er, at kunstig intelligens har gjort os bedre i stand til at forstå, hvem og hvad der er i vores forsyningskæder. Den dårlige nyhed er, at vi nu ved, hvem og hvad der er i vores forsyningskæder. Med øget synlighed i forsyningskæden opdager vi, at vi ikke er så bæredygtige, som vi påstår – især når det gælder Scope 3”. Sådan lyder det fra Abe Eshkenazi. Han er administrerende direktør for Association for Supply Chain Management (ASCM) og en stor kender af disciplinen SCM. Han er også en ud af fem rutinerede supply chain folk, der har gennemført cirka 400 interviews med ledere, der har ansvar for ESG og supply chain strategi i amerikanske og europæiske virksomheder. Det er sket i perioden januar til marts 2025 til undersøgelsen ’Greener supply chains need smarter AI systems’, der er gennemført af ’The Economist Impact’ og sponsoreret af GEP.

Hvordan kan man skabe gennemsigtighed i 12.000 leverandører? Den udfordring har Juriaan Lombaers arbejdet med i en årrække som tidligere chief procurement officer hos Air France-KLM. Han er ligeledes en del af interview-panelet til undersøgelsen. “At have indsigt i første led (tier one, red.) er overkommeligt; ud over det, på tværs af tusindvis af leverandører, er det en udfordring”. Hans erfaring med Air France-KLM, der håndterede mere end tolv tusinde direkte leverandører, har vist ham, hvor vanvittigt svært det kan være at opnå gennemsigtighed.

På baggrund heraf fremstår generativ kunstig intelligens (AI) som et værktøj med stort potentiale. Teknologien kan for eksempel:

• scanne satellitbilleder for tegn på skovrydning, 
• gennemgå indkøbsdata for afvigelser eller 
• afsløre overtrædelser af arbejdsret skjult i retsdokumenter og lokale nyheder. 

Den lover hastighed, skala og en ny form for indsigt – en, som revisioner og selvrapportering ikke kan levere. Og selvom AI-adoptionen stadig er ujævn, viser tidlige anvendelser lovende resultater. 

En ud af fire virksomheder, rapporten har undersøgt, bruger allerede generativ kunstig intelligens til at støtte bæredygtighedsovervågning. Disse værktøjer hjælper virksomheder med at opdage risici, forbedre rapportering og planlægge operationer med lavere udledning. 

Læs også: Valg af søfragts-partner kan gøre kæmpeforskel for dit scope 3 (og bundlinjen)

Men – fremhæver rapporten - der er stadig udfordringer. Mange virksomheder kæmper fortsat med dårlig datakvalitet, inkonsistente leverandøroplysninger og med at omsætte prognoser til handling.

Undersøgelsen fremhæver særligt fem læringspunkter, der kendetegner det stadig umodne udviklingspunkt, som arbejdet med at anvende kunstig intelligens til at løfte ESG-udfordringen i forsyningskæden akutlet befinder sig på.

1.Uden pålidelige data kan AI ikke levere bæredygtighed 

Få virksomheder kan spore de udledninger, der er skjult i deres forsyningskæder, eller sikre, at deres leverandører opfører sig etisk. Kun en ud af fire virksomheder bruger kunstig intelligens til at støtte bæredygtigheds- og ESG-indsatser, på trods af at teknologien er relativt effektiv til disse forsyningskædefunktioner. De største begrænsninger for at implementere AI til ESG er ikke økonomiske: Næsten halvdelen af de virksomheder, vi har undersøgt, peger på dårlig datakvalitet som den største barriere for at bruge teknologien. Ufuldstændige leverandøroplysninger og inkonsistente metoder gør det svært at identificere uetiske praksisser eller modellere udledninger, især Scope 3. Som følge heraf kæmper virksomheder med at omsætte kunstig intelligens-genererede indsigter til handling. Alligevel kan enklere kunstig intelligens også hjælpe med at digitalisere forsyningskæder, hvilket ville give virksomhederne mulighed for at udnytte mere avancerede anvendelser af teknologien.

2. Etisk indkøb får et løft fra AI—men tilliden til tech er stadig skrøbelig 

Omkring syv ud af ti virksomheder, der bruger AI til etisk indkøb, siger, at det er effektivt til at støtte denne forsyningskædefunktion. Men næsten halvdelen af alle ledere er bekymrede for retfærdigheden i AI-baserede beslutninger. AI-systemer kan afdække skjulte risici ved at analysere retsdokumenter, stemningsdata eller satellitbilleder. Nogle virksomheder bruger dette til at spore tvangsarbejde dybt i forsyningskæderne. Alligevel er det ikke altid klart, hvorfor en AI-model har markeret en leverandør—eller om den burde have gjort det. Algoritmer, der er trænet på virksomhedsspecifikke data, såsom indkøbsregistre, vil sandsynligvis producere mere pålidelige resultater, da data er forankret i historisk kontekst og forretningsnormer. Men med en tillid, der stadig befinder sig på et skrøbeligt niveau, er der behov for klarere styringsprincipper, hvis kunstig intelligens-værktøjer skal forbedre due diligence på en meningsfuld måde.

Læs også: ESG er stadig top of mind hos supply chain ledere

3. Rene forsyningskæder kræver klogere AI-systemer 

AI hjælper allerede virksomheder med at reducere deres udledninger—men det er svært at bevise. Omkring en ud af fire virksomheder rapporterer, at de bruger kunstig intelligens til at reducere CO₂-udledningen ved at anvende teknologien indirekte til opgaver som ruteoptimering, efterspørgselsprognoser og emissionssimulering på tværs af indkøb og logistik. I princippet understøtter dette både klimamål og operationel effektivitet. Men bæredygtighedsindsatsen skal også være troværdig—og her står kunstig intelligens over for nogle begrænsninger. Omkring to tredjedele af virksomhederne siger, at kunstig intelligens forbedrer ESG-gennemsigtigheden, men mange er stadig afhængige af generiske emissionsfaktorer eller inkonsistente leverandøroplysninger. Nogle værktøjer estimerer nu scope 3-udledninger ud fra indkøbsdata eller validerer påstande ved hjælp af satellitbilleder, men deres effekt er begrænset af manglen på aftalte standarder.

4. Regulering—ikke retorik—driver AI-adoptionen inden for bæredygtighed

Kunstig intelligens præsterer bedre inden for bæredygtighed, hvor reguleringen er stærkest. I vores undersøgelse rapporterer europæiske virksomheder højere effektivitet inden for emissionssporing og etisk indkøb end deres amerikanske kolleger. EU’s nye direktiver har tvunget virksomheder til at investere i sporbarhed, forbedre ESG-datakvaliteten og udforske kunstig intelligens som et compliance-værktøj. I denne sammenhæng betyder effektivitet ikke kun afvigelsesdetektion, men også beredskab til skærpet kontrol. Til sammenligning handler virksomheder langsommere i mindre regulerede markeder. Forskellen tyder på, at hvis virksomheder overlades til sig selv, vil få implementere kunstig intelligens til bæredygtighed i en meningsfuld skala.

5. Generativ kunstig intelligens’ eget CO₂-aftryk kan ikke ignoreres

Næsten halvdelen af ledere er bekymrede for kunstig intelligens’ miljømæssige påvirkning. Træning af store modeller og kørsel af dem i stor skala forbruger enorme mængder energi. Ansvar varierer: Virksomheder, der driver skræddersyede systemer i energikrævende datacentre, har mere at svare for end mindre virksomheder, der bruger færdiglavede værktøjer. Alligevel inkluderer få virksomheder kunstig intelligens-udledninger i deres ESG-målinger. Det kan snart ændre sig. Efterhånden som rapporteringskravene bliver skrappere, vil den digitale infrastruktur komme under lup. Udfordringen er at dekarbonisere kunstig intelligens selv—uden at gøre den utilgængelig for de virksomheder, der har mest brug for den.