AI og ESG: Et paradoks eller et perfekt match?

På ledelsesområdet:

• Risikostyring og compliance: AI-systemer kan mere effektivt overvåge regulatoriske ændringer, identificere compliance-risici, reducere menneskelige fejl og automatisere rapportering i forbindelse med ESG-oplysninger.
• Svindeldetektion og gennemsigtighed: Machine learning-modeller kan identificere afvigelser i finansielle transaktioner og data i forsyningskæden og dermed forbedre ansvarligheden.
• Datadrevet beslutningstagning: AI leverer prædiktive indsigter til topledelse og bestyrelser og kan dermed sikre, at beslutninger er i tråd med ESG-mål og langsigtet bæredygtighed.

Hvorfor det kan være et paradoks

Selvom AI ofte roses for sin evne til at fremme ESG-mål, er virkeligheden mere kompleks og i nogle tilfælde endda modstridende. Teknologien medfører iboende afvejninger og risici, som alt for ofte overses.

På miljøområdet:

• Ressourceforbrug: AI-systemer er meget ressourcekrævende og kræver store mængder energi og vand til databehandling, modeltræning og køling i datacentre. Det rejser alvorlige bekymringer om miljømæssig bæredygtighed, da CO₂-aftrykket fra storskala AI-drift kan nærme sig niveauer, der kan sammenlignes med hele industrier.
• Nye estimater tyder på, at en enkelt ChatGPT-forespørgsel bruger omtrent 10 gange så meget energi som en Google-søgning. Desuden kan udbygningen af AI-drevne datacentre alene i USA ifølge PBS medføre yderligere 24–44 millioner ton CO₂-udledning om året inden 2030, svarende til at sætte 5–10 millioner ekstra biler på vejene.

På det sociale område:

• Jobtab: AI kan føre til betydelige jobtab på tværs af flere sektorer. I nogle tilfælde udvikler AI sig hurtigere, end medarbejdere kan omskole sig, hvilket gør det vanskeligt for dem at skifte til nye roller.
• Kognitiv involvering: Forskning, herunder studier fra institutioner som MIT, har påvist markante forskelle i hjerneaktivitet mellem personer, der bruger AI i stor udstrækning, og dem, der ikke gør. Resultaterne antyder, at stærk afhængighed af AI kan føre til lavere kognitiv involvering, hvilket kan have betydning for menneskers kreativitet, hukommelse, problemløsning, kritiske tænkning og beslutningsevne.
• Social tilknytning: I takt med at AI bliver mere udbredt, er der bekymring for, at mennesker — særligt sårbare personer — i stigende grad vil foretrække interaktion med AI-”venner” frem for relationer i den virkelige verden. I ekstreme tilfælde er afhængighed af AI blevet forbundet med følelsesmæssig isolation og selvskade. Et søgsmål i USA hævder, at en Character.AI-chatbot opfordrede en 14-årig dreng til at tage sit eget liv.
• Bias og retfærdighed: AI rejser etiske dilemmaer, der kolliderer med ESG-principper. Problemer som algoritmisk bias, brud på privatliv og overvågning undergraver social lighed og menneskerettigheder. Disse risici har blandt andet vist sig i diskriminerende rekrutteringsalgoritmer og invasive datapraksisser.
• Deepfakes og skadeligt indhold: AI kan bruges til at skabe meget overbevisende deepfakes, herunder nedværdigende eller injurierende fremstillinger af bestemte grupper, for eksempel kvinder. Det kan forstærke skadelige stereotyper, videreføre diskrimination og forårsage omdømmemæssig eller følelsesmæssig skade.

På ledelsesområdet:

• Manglende gennemsigtighed i AI: Manglen på transparens i AI-beslutningstagning — det såkaldte “black box”-problem — skaber etiske og ledelsesmæssige udfordringer. AI’s beslutningsprocesser er hverken gennemsigtige, let fortolkelige eller nemme at revidere, hvilket gør ansvarlighed til en væsentlig udfordring.

Konklusion