マーサ・アムラムは、世界中の企業に財務グレードのサステナビリティデータを提供するGLYNT.AIのCEOである。
気候変動は引き続き企業のコストを増加させ、リスクエクスポージャーを高めている。「測定できないものは管理できない」という馴染みのある格言は、AI主導の未来においてデータが果たす重要な役割により、さらに意義を増している。
当然のことながら、企業は投資家、顧客、規制当局から正確で監査済みのサステナビリティデータへの需要増加に直面している。投資家は、エネルギー、水、廃棄物、排出量に関するデータと財務データを組み合わせることで、より収益性の高い投資判断につながることを発見した。企業間取引（B2B）の顧客は、サプライチェーンデータとサステナビリティデータを組み合わせることで、リスクエクスポージャーの理解を深めている。社内では、サステナビリティチームがデータを活用してコスト削減とキャッシュフロー改善を図っている。
サステナビリティは、サイバーリスクや製品リリースの品質とペースのように、価値の中心とリスク要因になりつつある。これは企業がいかに適切に管理されているかという全体像の一部である。
そして、サステナビリティチームは他のすべての事業部門と同じプレッシャーに直面している：AIを安全に導入しながら、より少ないリソースでより多くのことを行うことだ。経験豊富なリーダーは、AIはそのデータの質によって左右されることを知っている。ビジネス目標を達成し、AI主導の成果を実現するために、サステナビリティチームは優れたデータを必要としている。
サステナビリティチームがビジネス界が求めるデータ中心のAI主導モデルに向けて前進するのを支援するため、必要なことと理由について簡潔な5つのチェックリストを用意した。
1. 正確なデータ
財務データは厳格なデータ処理テストと管理を経て、ビジネスの完全で偏りのない視点を表している。サステナビリティデータも同様であるべきだ。
サステナビリティチームが直面し続ける課題は、サステナビリティデータの重要な情報源がさまざまなデータサイロに埋もれていることだ。そして、ソースファイルが見つかっても、PDFやスプレッドシートを掘り下げて重要なデータを探さなければならない。このような断片化が多いため、チームがデータの完全性と正確性を把握することが難しい場合がある。
この解決策には、財務データの厳格さとサステナビリティデータの特性を組み合わせる必要がある。専門知識に支えられ、複数の確認と検証によって検証されたシステムが必要だ。
2. 豊富なデータ
ほんの数年前まで、サステナビリティチームは企業レベルで年次報告書を提出するだけだった。80〜100項目のデータが提示され、裏付け計算には2,000〜5,000のデータポイントがあった。そのような時代は終わった。顧客や投資家からの問い合わせは年間を通じて寄せられ、社内の財務チームは節約計画や財務予測を構築するための詳細なデータを求めている。
100拠点を持つ企業が現在月に6つのサステナビリティデータポイントを報告している場合、大きなスプレッドシートで年間7,200データポイントを処理できる。しかし今、サステナビリティチームは拠点ごとに月60〜75のデータポイントを生成する必要がある。これはビジネス判断や運用上の成果に必要な詳細なデータだ。それは年間70,000〜90,000のデータポイントであり、単純なスプレッドシートで処理できる範囲をはるかに超えている。
他の事業部門も同じ「より多くのデータをより速く提供する」という課題に直面している。技術スタックがデータを処理できるよう整備することが不可欠になっている。スプレッドシートからスケーラブルなデータ準備システムへの移行は、かつてないほど容易で安価になっている。
3. AI対応データ
AIは常にデータを求める。しかし、AIにとってより価値のあるデータタイプもある。
AIはコンテキストを必要とし、この要求を満たす一つの方法はサステナビリティデータにビジネスデータを追加することだ。例えば、ビジネスユーザーは「当社の50拠点のうち、エネルギーコストが最も高いのはどこか？そしてこれは価格が高いためか、それとも平方フィートあたりのエネルギー使用量が多いためか？」と尋ねるかもしれない。答えは、エネルギー使用データが拠点リストデータと結合されているかどうかによる。サステナビリティデータと会計データを統合することは特に価値があり、サステナビリティ報告を財務報告（データ品質のゴールドスタンダード）と整合させる旅の始まりとなる。
ここ数年で、検索拡張生成（RAG）などの数学的手法がAIのパフォーマンスを向上させるために導入された。具体的には、RAGは事前訓練された大規模言語モデル（LLM）に外部データソースを組み込み、古いデータソースと新しいデータソースを接続する。外部データはコンテキストを提供する。
4. 監査対応データ
サステナビリティデータは投資家、顧客、規制当局に提供されるレポートに使用される。しかし、データフローはそこで止まらない。規制当局は資本市場とデータを共有する。ウェブ上のデータは収集され、投資家に販売される。そして誰もが情報源ごと、時間の経過に伴い、同業他社と比較して開示情報を比較する。このレベルの精査では、データが監査に対応していることを確認する必要がある。
したがって、財務データと同様に、サステナビリティデータの信頼性は第三者監査によって向上させることができる。国際的なサステナビリティ監査基準（ISO 14064およびISSB 5000）が登場し、これらはデータ処理と準備の方法に焦点を当て、財務監査で使用されるものと同様の多くの基準と原則を採用している。
このレベルの精査に備えるため、サステナビリティチームはデータの準備方法に関する監査対応の記録を構築すべきであり、これには管理の連鎖、データ系統、変更ログレポートが含まれる。監査対応データを準備することで、監査自体の時間と費用を削減できる。
5. 自動化
要するに、サステナビリティデータは正確で豊富、AI対応、そして監査対応でなければならない。お金がかかっており、誰もが信頼できるデータを求めている。自動化は、年々規模を拡大して提供するのに役立つ。
25年前、サーベンス・オクスリー法（SOX）の報告要件が導入された。それ以来、自動化に投資した企業は、その投資を先送りした企業よりもコンプライアンスコストが大幅に低いことが研究によって示されている。
サステナビリティデータの価値はますます高まっており、正確で豊富なデータへの需要は明らかだ。5つのAは、サステナビリティが現代のデータ中心のAI主導ビジネス慣行に容易かつ日常的に組み込まれる未来への道を示している。
