人工智能因其能源消耗，在排放问题上往往是问题的一部分，但它也可以成为减排的有力工具。
通过优化流程、减少浪费并大规模提升资源效率，它可以帮助企业降低碳足迹。
人工智能可以作为一种结构性杠杆，使可持续发展成为技术决策的组成部分，从而减少排放并实现气候目标。
人工智能（AI）的应用正在各行各业加速推进，重塑企业的运营和竞争方式。与此同时，受监管要求、投资者期望和社会需求的推动，实现气候承诺的压力也在不断加大。
这些力量正在汇聚，形成一项核心领导力挑战：企业如何在规模化应用人工智能的同时，确保其支持而非削弱自身的环境目标？
在排放问题上，技术常被视为问题的一部分。数据中心、云基础设施以及日益增长的算力需求，正在加大数字系统的环境足迹。
然而，技术也是减少排放最有力的工具之一。这一悖论十分明显：同样增加能源消耗的技术，也能够支持更高效、更可持续的运营。
人工智能优化流程，但也加剧了能源需求的增长
人工智能正处于这一悖论的核心。一方面，它推高了能源需求；另一方面，它也使企业能够优化流程、减少浪费，并大规模提升资源效率。
研究凸显了这一机遇的规模。许多企业预计，在未来几年，人工智能驱动的项目将带来可衡量的排放削减。与此同时，三分之二的技术领导者认为，人工智能和数字化项目可将企业排放降低6%至30%。
这表明，尽管可能产生变革性影响，但对大多数企业而言，人工智能的价值在于多个流程中的持续累积性改进。
与此同时，企业已经开始行动，优先选择能够直接促进可持续发展成果的人工智能应用场景，以发挥这一潜力。最主要的重点是提升运营效率和资源优化，其次紧随其后的是环境、社会和治理（ESG）数据与决策智能，以及IT基础设施优化。
超过半数的企业计划到2028年在这些领域部署人工智能，同时供应链脱碳和产品全生命周期优化也正获得越来越多的关注。
然而，尽管优先事项已经明确，执行层面往往仍然分散，这凸显了采用更加结构化、以投资组合为层面的方法的必要性。
一家企业如何利用人工智能提升环境影响
一个具体案例展示了当人工智能被大规模部署并嵌入核心运营时，会呈现怎样的效果。
联合利华位于印度Tinsukia的美容与健康工厂已实施50多项人工智能驱动的项目，覆盖其端到端供应链。基于机器学习的计划将冻结计划周期从14天缩短至仅1天，显著提升了对需求的响应能力。
与此同时，人工智能驱动的视觉系统使换产时间缩短85%，从而实现更短的生产批次。该工厂还利用基于人工智能的数字孪生技术，在投入生产前模拟并测试更具可持续性的包装方案。
这一方法加快了试验进程，并支持了更多再生材料的应用，使该工厂包装中使用的原生塑料减少了21%。
此类案例表明，当人工智能应用于核心业务流程时，能够带来可衡量的环境效益。在制造和物流领域，人工智能可改进需求预测和生产计划，减少过度生产、库存水平和不必要的运输。
在IT运营中，人工智能通过动态工作负载管理和异常检测优化基础设施，降低数据中心和云环境的能耗。同时，基于人工智能的平台可实时整合分散的ESG数据，支持更好的报告、风险识别和决策制定。
人工智能驱动的可持续发展工作需要覆盖全公司范围
然而，尽管潜力巨大，一个关键缺口依然存在。大多数企业仍以孤立项目的方式推进人工智能驱动的可持续发展，而非依托连贯的全公司范围战略。试点项目能够证明价值，但不会自动实现规模化推广。若缺乏这种结构，企业可能无法充分挖掘人工智能驱动可持续发展的全部潜力。
要充分释放人工智能的潜力，企业必须系统性地评估人工智能项目的环境影响，将其产生的排放与其帮助避免的排放进行比较。换言之，企业必须确保其人工智能项目组合能够带来可衡量的、净正向的环境成果。
这一转变需要更完善的治理，并使技术战略与可持续发展战略更加紧密地协同。在许多企业中，这两个领域仍各自为政。技术团队侧重于性能和创新，而可持续发展团队则侧重于报告与合规。弥合这一鸿沟至关重要。人工智能项目的评估不应仅基于成本和业务价值，还应考虑其对气候目标的贡献。
数据是另一项关键推动因素。许多企业缺乏关于其数字化活动环境影响的可靠、细粒度数据，尤其是在复杂的供应链中。缺乏这种可见性，就难以衡量进展、确定项目优先级或做出明智决策。提升整个价值链的透明度，将是强化问责的关键。
因此，首席信息官（CIO）和首席技术官（CTO）的角色正在演变。技术领导者不再仅对系统性能和可靠性负责，他们还越来越被期望成为可持续发展的统筹者，将数据、系统和业务流程贯通于整个企业。这使他们能够推动一种更加一体化的方法，从一开始就将可持续发展融入技术决策之中。
“绿色设计”方法正逐步成为一项关键原则。这意味着在设计系统、选择供应商和确定投资优先级时，需要考虑环境影响。这也涉及将可持续发展指标纳入治理流程，并确保各职能部门之间的问责。
机遇十分重大。若人工智能得到有效治理并以环境友好的方式加以运用，它便可成为实现全公司范围气候目标的结构性杠杆，推动企业从渐进式改进迈向更根本的运营变革。
人工智能已在局部产生可衡量的影响，当下的挑战在于使这种影响走向系统化。这意味着从孤立的应用场景转向以投资组合为单位，对其净环境贡献进行治理、衡量并落实问责。能够做到这一点的企业，将减少排放，并使可持续发展成为贯穿全业务的技术决策及其执行的组成部分。
