ESG er dødt – hvad gør vi nu?

Selv om de fleste var enige om, at en strømlining af rapporteringsbyrden var tiltrængt, så føltes det mere som hjertestop end en midlertidig pause. I praksis betød det, at antallet af virksomheder, der skulle rapportere, blev reduceret fra ca. 50.000 til et par tusinde.

Effekten var tydelig. Mange virksomheder, der ikke længere var CSRD-underlagte besluttede at hive i håndbremsen, ESG-afdelinger blev lukket og -konsulenterne opsagt. 

For os i BeWo, der i flere år havde hjulpet virksomheder med at automatisere klimaregnskab med AI, så det sort ud. Som startup er man ofte afhængig af investorer, og deres interesse for området forsvandt som dug for solen. Kombineret med en klimafornægter i det Hvide Hus, føltes det for mange som om ESG var dødt.

Adskillige af vores ”konkollegaer” i softwaresegmentet drejede nøglen om, og vi var tæt på at lide samme skæbne. Alle i branchen tænkte ”hvad gør vi nu?”

ESG-rapportering og Fugl Føniks

Men bare fordi politikkerne sætter ESG-rapporteringskravene på pause, så betyder det desværre ikke at klimaforandringerne også gør. Det er der heldigvis mange virksomheder, der er meget bevidste om.

I forsommeren vidste det sig tydeligt. Efter adskillige uger med gravstemning skete der noget interessant. Støvet fra Omnibussen havde lagt sig og interessen vendte tilbage. Vi fik flere og flere henvendelser fra virksomheder, der gerne vil have styr på deres CO2e og især Scope 3.1 (købte varer og services), der typisk udgør størstedelen af ens udledninger.

At påstå at ESG rejste sig som Fulg Føniks lyder dramatisk, men sådan oplevede vi det. Det interessant var dog, at der var en helt ny vinkel på henvendelserne vi fik. I mange virksomheder var ansvaret rykket fra ESG-afdelingen over til finans. I stedet for at se ESG og klimaregnskab, som en rapporteringsdisciplin, så var fokus på rent faktisk at bruge data til at træffe bedre beslutninger til gavn for både bæredygtighed og bundlinje. 

Det er her supply chain- og procurement-afdelingerne kommer ind i billedet. De har nemlig mulighed for rent faktisk at lave forbedringer, der både sparer virksomheden penge og CO2e og samtidig reducerer risici i leverandørkæden. Men hvis man gerne vil kunne træffe beslutninger på et oplyst grundlag, kræver som bekendt, at man har styr på sine data. Det har de færreste virksomheder i dag, men det kan AI ændre på.

AI – fra varm luft til værdi

Når en ny teknologi pludseligt dukker frem, er det uundgåeligt, at det bliver hypet og at der går noget tid før man for alvor kan se hvordan det kan skabe målbar værdi. Sådan er det bestemt også med AI.

Da vi i sin tid gik i gang med at automatisere klimaregnskab med AI, blev det dog hurtigt tydeligt for os, at det havde kæmpe potentiale. Vi byggede en løsning, der kunne afløfte alle informationer fra indkøbsfakturaer og kvitteringer og automatisk matche dem med korrekte emissionsfaktorer. For en virksomhed, der skulle lave klimaregnskab, betød det, at de slap for hundredvis af timers manuel indsamling og beregning af data, og med integration til ERP-systemet kunne de nu for dagligt opdateret data. Arbejdsbyrden var reduceret med ca. 95% og det gik den rette vej – altså lige indtil omnibussen.

Over de sidste par år har mange af virksomhederne, der har set vores løsning spurgt, om vi ikke også kunne hjælpe med indkøbsanalyse. Når vi nu alligevel analyserede CO2e ned på de individuelle fakturalinjer, kunne vi så ikke også fortælle dem præcist hvad de købte, fra hvilke leverandører, til hvilke priser og hvad der sker med priserne over tid? Det korte svar var jo, men at vi havde for travlt med at blive verdensmestre i klimaregnskab.

Trump, tariffer og timing

Vi brugte sommeren på at bygge vores AI-motor om, og de indledende resultater var så gode at vi troede det var en fejl. Motoren klassificerede indkøbsdata ned til individuelle fakturalinjer og dannede automatisk en taksonomi på 6-8 niveauer med op til 99,996% præcision. Det betyder, at man kan gå fra en overordnet kategori, som Food & Beverage og helt ned at se, hvor mange kg bananer man har købt. I stedet for brede overordnede kategorier får man et hierarki, der baserer sig på, hvad man faktisk har købt, fra hvilke leverandører, til hvilke priser og kan se hvordan priserne har udviklet sig over tid.

Derudover fandt vi ud af, at vi kunne få AI’en til at berige indkøbsdata med CO2e langt bedre end tidligere, og også sætte import- og eksportkoder, som HS, HTSUS og TARIC på. Det sidste har vist sig at være særdeles relevant i lyset af Trumps tariffer, der skaber kaos i mange virksomheders supply chain-afdelinger. Forkerte koder betyder forsinkelser og potentielt bøder, da de danner basis for klassificering af farligt gods. Her fandt vi for nyligt 120 varer i et datasæt på 5.000 linjer, hvor virksomhed selv vurderede, der maksimalt var en håndfuld. 

På den måde har omnibus for BeWo vist sig at være held i uheld. Uden skiftet væk fra ESG som rapporteringsdisciplin var vi ikke blevet tvunget til at nytænke vores løsning. Vi havde aldrig indset hvor stor værdi den kan skabe både ift. indkøbsanalyse og berigelse af master data, og til at hjælpe virksomheder med både at afveje pris og CO2e når de træffer beslutning. Det nemlig først når man ved præcist, hvad man køber, og hvordan det påvirker klimaregnskabet, at man kan begynde at prioritere og handle og gøre Scope 3-data til et strategisk værktøj.

Danske virksomheder går forrest

BeWo anvendes i dag i virksomheder inden for forskellige brancher som pharma, produktion, maritime, engroshandel, shipping, og hospitality. Fælles for disse er, at ligegyldigt hvilket økonomisystem de har siddet i, så har BeWo oversat deres rå indkøbsdata til brugbare indsigter. For indkøbsafdelingerne betyder det, at de får et datafundament, så de kan identificere besparelser (typisk 2-5%), og samtidig se hvor de kan reducere CO2e. For supply chain kommer der styr på tarif-relateret data, og AI-agenter kan hjælpe med at identificere risici i leverandørkæde. 

I praksis betyder dette også, at bæredygtighed og økonomi ikke længere står i modsætning. Ofte peger CO2e-reduktion og omkostningsreduktion på de samme muligheder: færre variationer, færre leverandører, bedre kategoristyring, mere gennemsigtighed. Fremtiden for bæredygtigt indkøb handler derfor ikke om flere dashboards. Den handler om bedre beslutninger – truffet hurtigere – med hjælp af AI.