Uporaba umetne inteligence v trajnostnem poslovanju po pisanju Trellisa prinaša nova tveganja, med katerimi strokovnjaki vse pogosteje izpostavljajo pojav t. i. algoritemskega zelenega zavajanja. Gre za situacijo, ko sistemi umetne inteligence, trenirani na obstoječih korporativnih trajnostnih poročilih, reproducirajo splošen, pomirjujoč in pogosto nejasen jezik, značilen za greenwashing.
Na problem so opozorili raziskovalci v okviru Globalnega dogovora ZN, kjer so razvili eksperimentalnega AI-agenta za področje narave in biotske raznovrstnosti. Namen orodja je bil podjetjem pomagati pri orientaciji med številnimi smernicami, vendar so pri testiranju naleteli na nepričakovano težavo.
Namesto konkretnih priporočil je sistem pogosto ponujal že pripravljene, generične odgovore, podobne tistim iz korporativnih trajnostnih poročil. V praksi je to pomenilo, da bi lahko podjetja z uporabo takšnih odgovorov ustvarila vtis napredka, ne da bi dejansko izboljšala svoj vpliv na okolje.
Preveč podatkov, premalo jasnosti
Eden ključnih izzivov na področju trajnosti je preobilje smernic. Platforme ponujajo na stotine virov, kar podjetja pogosto paralizira namesto usmerja. Umetna inteligenca naj bi ta problem reševala, vendar brez ustreznih omejitev lahko ustvarja zgolj iluzijo rešitev.
Raziskava je pokazala, da modeli umetne inteligence težijo k t. i. »konstruktivnemu optimizmu«, torej k podajanju pozitivnih in pomirjujočih odgovorov, tudi kadar realno stanje tega ne upravičuje. Posledično lahko generirajo vsebino, ki je po tonu in strukturi skoraj neločljiva od greenwashinga.
Strokovnjaki poudarjajo, da rešitev ni v sami tehnologiji, temveč v načinu njene uporabe. Ključno je, da se AI-sisteme ustrezno omeji in strukturira. Namesto takojšnjega podajanja odgovorov morajo najprej zbrati ključne informacije o podjetju, od panoge in lokacije do finančnih zmožnosti in stopnje razvoja.
Prav tako mora biti jasno določena vloga takšnih orodij. Umetna inteligenca ne sme nadomeščati strokovne presoje ali potrjevati skladnosti z okviri, kot so mreža znanstveno utemeljenih ciljev ali drugi regulativni standardi, temveč naj deluje kot usmerjevalec do relevantnih virov.
Neenakosti v dostopu do rešitev
Poseben izziv predstavlja tudi pristranskost v podatkih. Večina razpoložljivih virov in orodij je prilagojena podjetjem iz razvitega sveta, kar pomeni, da mala in srednja podjetja v manj razvitih okoljih pogosto ostajajo zapostavljena, kljub temu da so pomemben del globalnih dobavnih verig.
Glavno sporočilo raziskave je, da umetna inteligenca ne nadomešča strokovnjakov na področju trajnosti – nasprotno, njihova vloga postaja še pomembnejša. Algoritemsko zeleno zavajanje je namreč pogosto težko prepoznati, saj se kaže v prepričljivem, a vsebinsko praznem jeziku.
Za podjetja in strokovnjake to pomeni, da morajo razviti kritičen odnos do uporabe AI-orodij. Ključno vprašanje ni le, kaj umetna inteligenca pove, temveč tudi, česa ne, in ali njeni odgovori temeljijo na dejanskih podatkih ali zgolj na dobro zvenečih vzorcih iz preteklosti.
