Upravljanje trajnostnosti
| Avtorica: mag. Klementina Zapušek |
Po podatkih Statističnega urada v Sloveniji tehnologije umetne inteligence uporablja 22 % podjetij z 10 ali več zaposlenimi in samozaposlenimi (21 % v 2024) – 18 % malih, 31 % srednje velikih in 72 % velikih; z vidika skupin dejavnosti pa 17 % podjetij v proizvodnih in 26 % v storitvenih dejavnostih.
Eden izmed ciljev Evropskega digitalnega desetletja in Digitalne Slovenije, ki določata usmeritve za digitalno preobrazbo družbe in gospodarstva, je, da bo do leta 2030 tri četrtine podjetij z 10 ali več zaposlenimi in samozaposlenimi uporabljalo računalništvo v oblaku (plačljive srednje ali bolj napredne storitve) ali tehnologije umetne inteligence (v nadaljevanju: UI) ali izvajalo podatkovno analitiko. Podjetja uporabljajo programsko opremo ali sisteme UI v največji meri za zaščito in varno uporabo informacijsko-komunikacijske tehnologije (40 %), za organizacijo poslovne administracije ali upravljanje podjetja (35 %), trženje in prodajo (30 %), v proizvodnem procesu (21 %), za raziskovalno-razvojno ali inovacijsko dejavnost (19 %), 11 % v računovodstvu, za nadzor ali upravljanje financ in 6 % v logistiki. Podatki raziskav kažejo, da je pomanjkanje ustreznega strokovnega znanja glavna ovira za neuporabo UI.
Doc. dr. Martin Žnidaršič z Odseka za tehnologije znanja z Instituta ”Jožef Stefan” izpostavlja, da je Slovenija glede na indikatorje digitalnega gospodarstva in družbe večinoma pod povprečjem EU in ima pri tem celo negativen trend. Uporaba UI je med temi sicer eden redkih nadpovprečnih indikatorjev Slovenije, ampak ker je težava podpovprečna digitalizacija, se to težko izkazuje v dobrih rezultatih uporabe.
Raziskava Kompetenčnega centra za umetno inteligenco Slovenije o potrebah in uporabi umetne inteligence v Sloveniji 2026 kaže, da je umetna inteligenca v slovenskih organizacijah že široko prisotna, vendar njena uvedba pogosto ostaja parcialna, nepovezana ali slabo upravljana. Ključni izziv zato ni več dostop do tehnologije, temveč sposobnost organizacij, da UI vključijo v delovanje na varen, merljiv in ponovljiv način. Skupno 65,1 % organizacij uporablja umetno inteligenco vsaj na ravni pilotnih projektov, 44,2 % pa jih poroča o produkcijski uporabi ali sistematičnem širjenju rešitev. Hkrati 54,3 % organizacij navaja, da se UI uporablja ad-hoc, na pobudo posameznikov ali ekip, kar kaže na velik razkorak med uporabo in institucionalizacijo. UI se najhitreje uveljavlja tam, kjer lahko neposredno vpliva na produktivnost in hitrost dela. Najpogosteje jo organizacije uporabljajo na področjih: IT, prodaje in marketinga, podpore strankam ter razvoja izdelkov. Med tehnologijami poleg generativne UI izstopajo še obdelava besedil in dokumentov, avtomatizacija procesov z vgrajeno UI ter napovedni modeli oziroma strojno učenje.
Regijska raziskava DOBA Fakultete AI Maturity Index 2026 (izvedena med marcem in majem 2026 na vzorcu 503 sodelujočih podjetij) prav tako razkriva, da podjetja v Sloveniji umetno inteligenco že uporabljajo, vendar večinoma ostajajo v prehodni fazi med začetno uporabo in zgodnjo organizacijsko integracijo. Podjetja zgolj v omejenem obsegu vključujejo UI v ključne poslovne procese, odločanje in upravljanje.
Vse te ugotovitve za Slovenijo se ujemajo z najnovejšimi OECD analizami, ki, podobno kot UMAR-jeva Kakovost življenja v Sloveniji – Poročilo o razvoju 2026, ugotavljajo veliko neizkoriščenega potenciala med malimi in srednje velikimi podjetji. Poleg dejstva, da je uporaba umetne inteligence v Sloveniji skoncentrirana predvsem v večjih, bolj produktivnih in digitalno naprednih podjetjih, OECD poroča tudi o najnižjem vlaganju Slovenije v umetno inteligenco v Evropi.
Kakšna pa je vloga umetne inteligence na področju ESG, razkrivamo v nadaljevanju.
Umetna inteligenca in ESG
Doc. dr. Martin Žnidaršič z IJS meni, da ima UI potencial predvsem na področjih, kjer lahko prispeva k razumevanju podatkov in pri podpori odločitvam. Najbolj očitne in hitro uporabljive primere lahko najdemo na področju okolja, kjer lahko UI z opisnimi ali napovednimi modeli pripomore k boljšim odločitvam ali kontrolnim sistemom. Tovrstna podpora je zelo uporabna tudi na področju upravljanja, če so problemi dovolj jasni in podprti s podatki, kar pa je redkeje kot pri okoljskih problemih. Podobni izzivi so tudi na področju družbe, kjer pa je poleg tega marsikatera naloga lahko podvržena tudi posebej pozorni regulativi, če se je lotimo z umetno inteligenco.
Teodor Prosen, vodja tima za Trajnostno poslovanje in poslovno odličnost v Telekomu Slovenije, izpostavlja, da v Skupini Telekom Slovenije že uporabljajo napredne digitalne in podatkovne rešitve (npr. sistemi ERP, energetski management) za spremljanje ESG-kazalnikov, ki omogočajo spremljanje ključnih kazalnikov in učinkov ukrepov. Umetno inteligenco vidijo kot naslednji logični korak v nadgradnji analitike, avtomatizaciji in napovedovanju. Trenutno so v fazi postopne integracije napredne analitike, predvsem na področju podatkov in poročanja. V prihodnje pričakujejo, da bo umetna inteligenca pomembno podprla kakovost ESG-podatkov, odločanje na podlagi napovednih modelov ter optimizacijo delovanja omrežij in virov, hkrati pa tudi krepitev operativne odpornosti ter večjo podatkovno in tehnološko suverenost.
Največji potencial umetne inteligence vidijo na okoljskem področju, predvsem pri optimizaciji in napovedovanju rabe energije ter upravljanju emisij, kar je ključen vplivni dejavnik za telekomunikacijske operaterje. Pomembne priložnosti vidijo tudi na družbenem področju, zlasti pri izboljšanju uporabniške izkušnje in analizi potreb uporabnikov. Na področju upravljanja pa UI omogoča boljšo podporo odločanju, večjo preglednost ESG-poročanja ter prispeva k odgovornemu upravljanju ključnih podatkovnih virov.
Podatki ESG
Doc. dr. Martin Žnidaršič z IJS meni, da UI včasih le posredno pripomore z dodatno motivacijo za zbiranje podatkov, če se izkaže v začetnih fazah problema in nakaže, da bi bili rezultati z dodatnimi meritvami potencialno še boljši. Preverjanje in izboljševanje kakovosti zbranih podatkov pa je običajen predmet analiz in postopkov metod UI, od vrednotenja na podatkih ustvarjenih modelov, do metod za usklajevanje raznovrstnih podatkov in naprednih načinov za nadomeščanje manjkajočih vrednosti in zaznavanje anomalij v podatkih.
Teodor Prosen iz Telekoma Slovenije pravi, da na ravni skupine že vzpostavljajo enoten sistem za upravljanje ESG-podatkov, kjer umetna inteligenca predstavlja pomemben korak naprej. Njena dodana vrednost je predvsem v avtomatskem povezovanju različnih virov podatkov, zaznavanju nekonsistentnosti ter izboljšanju sledljivosti in revizijske zanesljivosti (ESRS, CSRD) podatkov, kar je ključno tudi z vidika nadzora nad kritičnimi informacijami. Kot posebej obetavne prepoznavajo rešitve na področju podatkovnih platform, strojnega učenja za validacijo ter analize nestrukturiranih podatkov. Največji potencial za avtomatizacijo vidijo pri ESG-poročanju (ESRS/CSRD), kjer umetna inteligenca lahko pomembno pospeši zbiranje, konsolidacijo in pripravo razkritij v skladu z ESRS. Pomembno področje je tudi energetsko upravljanje, na katerem UI omogoča optimizacijo porabe in napovedovanje potreb. Dodatno vidijo priložnosti pri spremljanju dobavne verige ter upravljanju skladnosti in tveganj.
ESG tveganja
Doc. dr. Martin Žnidaršič z IJS izpostavlja, da so za marsikateri pojav, povezan z ESG, že bili razviti napovedni modeli na podlagi metod UI. Tudi za slovenske razmere so že bila razvita orodja za opisovanje in napovedovanje poplavljanja, požarne ogroženosti in različna dogajanja v naravnih in kultiviranih ekosistemih. Zanesljivost teh napovedi je zelo različna, odvisna tako od zahtevnosti problema kot od kvalitete podatkov in konkretnega konteksta napovedi. Požarno ogroženost za nek dan lahko običajno precej zanesljivejše napovemo kot količino izposojenih koles ali kak drug pojav, ki je odvisen od velikega števila zelo negotovih spremenljivk. Oceno zanesljivosti običajno naredimo ob rešitvi in nato periodično ali ob vsaki pomembnejši spremembi v kontekstu problema. V praksi se marsikdaj zgodi, da napovedi niso tako točne ali zanesljive, kot je pričakovano. Najpogosteje je razlog za to v nepravilno izvedenih postopkih ocenjevanja zaradi naglice ali pomanjkanja znanja.
Teodor Prosen izpostavlja, da so ESG-tveganja v Telekomu Slovenije že sistematično vključena v poslovne procese in upravljanje, UI lahko ta okvir nadgrajuje predvsem z vidika napovedne analitike. Omogoča zgodnje zaznavanje odstopanj ter boljše razumevanje trendov, na primer pri porabi energije ali tveganjih v dobavnih verigah. Pomembno vlogo vidijo tudi pri scenarijskih analizah, zlasti na področju podnebnih tveganj, ter pri krepitvi odpornosti sistemov in zagotavljanju stabilnega delovanja ključne infrastrukture.
Ocenjevanje ESG uspešnosti podjetij
Doc. dr. Martin Žnidaršič z IJS izpostavlja, da so se z ocenami ESG in povezavami z investiranjem ukvarjali v projektu »Kvantitativna in kvalitativna analiza nereguliranih delov finančnega poročanja podjetij,« pri katerem so sodelovali z Ekonomsko fakulteto Univerze v Ljubljani. Statistično, z napovednimi metodami umetne inteligence in s tedanjimi jezikovnimi modeli so analizirali poročila podjetij, med drugim glede ESG vsebin. Iz podatkov je bilo razvidno, kako se je količina teksta v poročilih in količina teksta, povezanega z ESG, povečevala skladno z uradnimi zahtevami. Jasne so bile tudi velike razlike v zvezi s količino in tematikami ESG poročanja v različnih panogah. Tematike z največjo razliko v zastopanosti v poročilih podjetij z najboljšimi in najslabšimi uradnimi ocenami ESG so bile v pozitivnem smislu: podnebno tveganje in politika, ESG v splošnem, človekove pravice in digitalne storitve za stranke. Večja količina vsebine poročil o teh tematikah je bila torej korelirana z višjo uradno oceno ESG.
Strokovnjakom z ESG področja je bila zanimiva tudi avtomatska razvrstitev tematik ESG, ki je bila narejena glede na dejansko vsebino poročil s pomočjo jezikovnih modelov, ki so primerni za določanje tematik. Razvrstitev v projektu je bila bližje klasifikaciji EFRAG kot SASB.
Pri analizi zastopanosti tematik skozi čas je bila jasna povezava med zastopanostjo tematik in z njimi povezanimi pravili poročanja. Zelo zanimivo je tudi opažanje, da je bila skozi čas povečana zastopanost tematik, ki so v analizah korelirale z višjimi uradnimi ESG ocenami. To bi lahko pomenilo, da tudi podjetja izvajajo podobne analize poročil in ESG ocen ter se morda skušajo prilagajati njihovim rezultatom.
Z metodami umetne inteligence je torej do neke mere gotovo mogoče modelirati vrednotenje ESG, predvsem pa si strokovnjaki s temi orodji lahko olajšajo analiziranje poročil, analiziranje skladnosti resničnih poročil s predlaganimi klasifikacijami, odkrivanje pomanjkljivosti pri ocenah ipd.
Rešitve in dobre prakse
Doc. dr. Martin Žnidaršič z IJS izpostavlja, da so rezultati napovednih metod UI v Sloveniji, pa tudi drugod, pogosto uporabljeni v optimizacijah na področju logistike, npr. za predvidevanje zalog in za optimizacijo razvozov. V zadnjem času je aktualno napovedno modeliranje porabe in proizvodnje električne energije, ki ga podjetja že vključujejo v svoje poslovne procese. Pri nekaj takih rešitvah je sodeloval tudi IJS, tudi za Evropsko vesoljsko agencijo, ki z boljšimi modeli omogočajo učinkovitejše in daljše delovanje vesoljskih sond.
Na področju okoljskega modeliranja predstavlja dober primer sistem za napovedovanje gladine morja, imenovan Hidra, ki so ga razvili na Fakulteti za računalništvo in informatiko Univerze v Ljubljani v sodelovanju z Agencijo za okolje RS, kjer je tudi v redni uporabi. Zaradi napovedne uspešnosti in izjemno hitrega delovanja se za ta sistem zanimajo tudi drugod po Evropi, tako da bo zelo verjetno prišlo do uporab tega orodja in posledičnih izboljšav tudi drugje po svetu.
Aktualna tematika je tudi trajnostna mobilnost ali širše področje pametnih mest, ki se je sicer kljub obetavnosti tako pri nas kot na tujem izkazalo za zelo trd oreh. Za te potrebe je bilo razvitih veliko rešitev na osnovi metod umetne inteligence. Nekatere od njih delujejo v raznih aplikacijah. Večinoma gre za napovedne modele, ki podpirajo občasno ali sprotno optimizacijo ali podporo odločanju. V tovrstne namene uporablja rešitve na podlagi UI več slovenskih mest in lokalnih skupnosti.
IJS sodeluje z Mestno občino Kranj pri projektu »KReATIVE – Kranj’s Resilient Ecosystem for Active Transformation, Innovation, and Visionary Engagement«. V Kranju vztrajno in premišljeno delajo na tovrstnih rešitvah in spremljajoči digitalizaciji. Delček teh aktivnosti in konkretnih orodij je mogoče zaznati v njihovi aplikaciji Pametni Kranj, a še bolj pomembne so izboljšave, ki pri tem nastajajo v ozadju in bodo omogočale napredek v prihodnosti: novi podatkovni viri in strategije upravljanja podatkov, digitalna infrastruktura, novo pridobljeno znanje in izkušnje.
Teodor Prosen iz Telekoma Slovenije poudarja, da neposredne merljive učinke umetne inteligence kot samostojnega elementa še postopno razvijajo, vendar že dosegajo pomembne izboljšave z uporabo digitalnih rešitev. Te se odražajo predvsem v boljši energetski učinkovitosti, večji zanesljivosti ESG-poročanja ter boljšem razumevanju uporabniške izkušnje. V prihodnje pričakujejo, da bo prav umetna inteligenca ključni dejavnik nadaljnjih izboljšav, zlasti pri hitrosti obdelave podatkov, kakovosti odločanja in optimizaciji delovanja, pa tudi z vidika dolgoročne odpornosti poslovanja in večje neodvisnosti pri upravljanju podatkov in tehnologij.
Mateja Pucihar Baebler iz Združenje za informatiko in telekomunikacije na Gospodarski zbornici Slovenije izpostavlja priložnosti, ki jih predstavlja agentna umetna inteligenca. Ta nova razvojna stopnja umetne inteligence (UI), ki omogoča prehod od pasivnih digitalnih orodij k sistemom, ki znajo samostojno načrtovati, izvajati naloge, preverjati rezultate in učinkovito sodelovati z ljudmi, vse več podjetij prepoznava kot eno ključnih tehnologij prihodnosti in pomemben vzvod za večjo produktivnost, optimizacijo procesov ter razvoj novih storitev. Ena izmed dobrih rešitev je avtonomno upravljanje dobavnih verig z uporabo UI, ki pomembno prispeva k trajnostnemu poslovanju. Tak sistem s pomočjo naprednega napovedovanja povpraševanja zmanjšuje presežne zaloge in tveganje za pomanjkanje izdelkov, kar vodi do učinkovitejše rabe virov ter manj odpadkov. Na podlagi napovedi optimizira proizvodne načrte in naročila, s čimer izboljšuje izkoriščenost proizvodnih zmogljivosti, zmanjšuje nepotrebno porabo energije in prispeva k nižjim stroškom poslovanja. Pomemben trajnostni vidik predstavlja tudi inteligentno upravljanje dobaviteljev, saj sistem omogoča celovito vrednotenje njihove uspešnosti, zanesljivosti in skladnosti z zahtevami podjetja. S sprotnim spremljanjem stanja zalog in opozarjanjem na odstopanja v realnem času zmanjšuje tveganje izpadov, preprečuje kopičenje zalog ter povečuje odpornost dobavne verige. Centralizirano spremljanje ključnih kazalnikov uspešnosti zagotavlja večjo preglednost poslovanja in podpira podatkovno podprto odločanje. Prispeva k učinkovitejši rabi virov, optimizaciji procesov, zmanjševanju okoljskih vplivov ter krepitvi odgovornega in trajnostnega upravljanja dobavne verige.
Izzivi z UI na področju ESG
Doc. dr. Martin Žnidaršič z IJS meni, da je najbolje mogoče avtomatizirati procese, ki so zelo formalizirani, strukturirani, dobro podprti s pravimi podatki in se redko spreminjajo. Nestrukturirani podatki, kot je tekst, so dolgo predstavljali težavo za avtomatizacijo, a to se je v zadnjih letih spremenilo. Napredek v razvoju jezikovnih modelov in z njimi povezanimi generativnimi orodji omogoča avtomatizacijo tudi pri nalogah, ki vključujejo tekst, recimo pripravo osnutkov različnih poročil ali njihovih sestavnih delov. Pri tem je potrebna previdnost, ko gre za konkretne podatke ali njihove statistike, saj zaradi narave delovanja jezikovnih modelov lahko pride do pomot ali drugih nezaželenih sprememb pri na videz preprostem navajanju ali povzemanju podatkov. Popolna avtomatizacija priprave tovrstnih tekstov zato trenutno ni mogoča ali priporočljiva. Vseeno pa zaradi večanja obsega poročanja tudi delna avtomatizacija pri tem prihrani vse več časa in truda.
Teodor Prosen iz Telekoma Slovenije opozarja, da ključni izzivi pri uvajanju umetne inteligence v ESG ostajajo kakovost in razdrobljenost podatkov, pa tudi zahteve po razložljivosti in skladnosti z regulativo, kot sta CSRD in EU-taksonomija. Zato pristopajo postopno, z jasno opredeljenimi procesi upravljanja podatkov in uporabo standardiziranih metodologij poročanja. Poseben poudarek namenjajo transparentnosti modelov ter zagotavljanju revizijske sledljivosti.
Kako naprej?
Umetna inteligenca predstavlja enega ključnih dejavnikov digitalne preobrazbe, ki lahko pomembno prispeva k učinkovitejšemu uresničevanju ciljev ESG tudi v slovenskem prostoru. Njena uporaba omogoča naprednejše zbiranje, obdelavo in analizo podatkov, izboljšuje kakovost poročanja ter podpira sprejemanje odločitev na področjih okoljskega, družbenega in korporativnega upravljanja. Kljub številnim priložnostim pa uvajanje rešitev, temelječih na umetni inteligenci, odpira tudi pomembna vprašanja glede kakovosti podatkov, transparentnosti algoritmov, varovanja zasebnosti, kibernetske varnosti ter etične in odgovorne uporabe tehnologije.
V Sloveniji se podjetja in organizacije nahajajo v obdobju, ko se morajo hkrati prilagajati vse zahtevnejšim regulatornim okvirom ter izkoriščati prednosti digitalnih inovacij za izboljšanje svoje konkurenčnosti in trajnostnega delovanja. Uspešna integracija umetne inteligence v procese upravljanja ESG bo zato zahtevala celovit pristop, ki bo združeval tehnološki razvoj, ustrezno zakonodajno podporo, razvoj kompetenc zaposlenih ter sodelovanje med gospodarstvom, javnim sektorjem, raziskovalnimi ustanovami in oblikovalci politik. Pri tem je bistveno, da umetna inteligenca ostane orodje za podporo odgovornemu odločanju in ne nadomestilo za strokovno presojo, etično odgovornost in dolgoročno strateško usmerjenost organizacij. Le z uravnoteženim povezovanjem tehnoloških inovacij, trajnostnih načel in odgovornega upravljanja bo mogoče v celoti izkoristiti potencial umetne inteligence kot pomembnega dejavnika trajnostnega razvoja, večje preglednosti poslovanja in ustvarjanja dolgoročne vrednosti za gospodarstvo, družbo in okolje.
