AI A RAPORTOWANIE ESG

Zastosowanie sztucznej inteligencji w raportowaniu kwestii zrównoważonego rozwoju przynosi szereg korzyści. W kontekście branży budowlanej może realnie wspierać firmy w spełnianiu coraz bardziej złożonych wymogów raportowych. Jednocześnie należy mieć świadomość potencjalnych zagrożeń.

Rosnące znaczenie zrównoważonego rozwoju generuje potrzebę dostępności danych ESG, co z kolei znajduje odzwierciedlenie w takich regulacjach jak dyrektywa CSRD (ang. Corporate Sustainability Reporting Directive) i standar-dy ESRS (ang. European Sustainability Reporting Standards), które obejmują również sektor budowlany. Choć opublikowany w lutym 2025 r. przez KE projekt dyrektywy Omnibus przewi-duje częściowe uproszczenia, obowiązek raportowy pozostaje aktualny. Równocześnie rosnąca liczba certyfikowanych bu-dynków w Polsce [1] potwierdza wzrost znaczenia zrówno-ważonego budownictwa, co zwiększa potrzebę sprawnego i wiarygodnego raportowania danych ESG. Coraz większą rolę w tym procesie odgrywają nowoczesne technologie, w tym sztuczna inteligencja.

Raportowanie kwestii zrównoważonego rozwoju wiąże się z wyzwaniami operacyjnymi i organizacyjnymi, szczególnie do-tkliwymi dla firm z sektora budowlanego. Dane niezbędne do przygotowania raportów ESG są często rozproszone pomię-dzy różnymi systemami, działami i formatami – wiele z nich ma postać nienumeryczną (np. polityki, regulaminy, proce-dury, umowy), co utrudnia ich analizę i agregację. Dodatkowo proces identyfikacji istotnych tematów zgodnie z zasadą po-dwójnej istotności (ang. double materiality), wymagany przez standardy ESRS, stanowi duże wyzwanie analityczne i strate-giczne. Sytuację komplikuje złożoność regulacji – różnice sek-torowe, częste zmiany oraz wielość wymogów formalnych powodują, że organizacje muszą nieustannie aktualizować swoje podejście do raportowania. Jednocześnie wiele firm z branży budowlanej działa pod presją ograniczonych zaso-bów kadrowych i czasowych. Kolejnym czynnikiem jest ro-snąca presja ze strony interesariuszy – w szczególności ze strony inwestorów. W ankiecie przeprowadzonej przez EY wśród 350 zarządzających funduszami aż 80 proc. z nich zasygnalizowało potrzebę poprawy jakości oraz porównywalności publikowanych danych ESG [2].

W branży budowlanej, gdzie dane pochodzą z wielu rozproszonych źródeł – takich jak systemy ERP (ang. enterprise resource planning), czujniki IoT (ang. Internet of things) w budynkach, dokumentacja techniczna – AI może znacząco przyspieszyć i usprawnić ich integrację. Przykładowo algorytmy uczenia maszynowego mogą automatycznie identyfikować, kategoryzować i konsolidować dane, co stanowi solidną podstawę do dalszej analizy.

Przetwarzanie języka naturalnego
Jednym z kluczowych obszarów zastosowania AI jest przetwarzanie języka naturalnego, które umożliwia analizę dokumentów nienumerycznych – takich jak polityki środowiskowe, umowy z podwykonawcami czy deklaracje materiałowe – i ekstrakcję z nich istotnych informacji do raportowania. Dzięki temu możliwe jest szybsze wykrywanie luk i niespójności w dokumentach firmowych.

Modele generatywne
Kolejnym istotnym zastosowaniem są modele generatywne (np. large language models), które mogą wspierać tworzenie treści narracyjnych w raportach, proponując wstępne wersje opisów wskaźników czy polityk – zgodne ze strukturą narzuconą przez standardy ESRS.

Analityka predykcyjna
Sztuczna inteligencja wspiera także analitykę predykcyjną, umożliwiając modelowanie wpływu przyszłych decyzji inwestycyjnych na wskaźniki ESG, np. prognozowanie emisji CO₂ dla planowanych inwestycji lub zużycia wody w cyklu życia budynku. Mimo dużych możliwości warto pamiętać, że skuteczne wykorzystanie AI wymaga kompetencji analitycznych i wiedzy eksperckiej z zakresu ESG – bez nich nawet najbardziej zaawansowane narzędzia nie przyniosą oczekiwanych rezultatów.

Potencjał wykorzystania sztucznej inteligencji w raportowaniu zrównoważonego rozwoju w branży budowlanej jest bardzo szeroki. Należy jednak pamiętać, że jej zastosowanie wiąże się z szeregiem wyzwań i ograniczeń. Głównym problemem pozostaje jakość danych wejściowych. AI operuje wyłącznie na dostępnych informacjach, dlatego w przypadku błędnych, niekompletnych lub niespójnych danych wyniki analizy również będą niewiarygodne (ang. garbage in, garbage out). W kontekście złożonego środowiska danych branży budowlanej – obejmującego informacje z placów budowy, systemów monitorowania zużycia mediów czy dokumentacji technicznej – jakość i standaryzacja danych mają kluczowe znaczenie.

Drugim istotnym ograniczeniem jest tzw. efekt czarnej skrzynki (ang. black-box), czyli trudność w zrozumieniu, jak model AI dochodzi do określonych wniosków. W kontekście obowiązujących regulacji, takich jak standardy ESRS, pojawia się konieczność zapewnienia przejrzystości oraz możliwości wyjaśnienia sposobu pozyskiwania i przetwarzania danych z zakresu ESG, co obecnie stanowi duże wyzwanie technologiczne i metodologiczne.

Kolejnym elementem jest audyt. Aby dane raportowe mogły zostać zatwierdzone i zweryfikowane, konieczne staje się określenie pełnej ścieżki audytu – od źródła danych po końcowy raport. W przypadku narzędzi opartych na AI, które dynamicznie przetwarzają dane i generują wnioski, taka ścieżka często nie jest jeszcze zapewniona. W rezultacie AI może działać szybko i efektywnie, ale jej wyniki nie zawsze dają się jednoznacznie zweryfikować.

Nie można również pominąć ryzyka automatyzacji błędów. AI, opierając się na niewłaściwych danych wejściowych lub błędnych założeniach, może systematycznie powielać te same nieprawidłowości na dużą skalę. W konsekwencji może dojść do sytuacji, w której narzędzie zwiększa wydajność, ale jednocześnie utrwala nieprawidłowy obraz rzeczywistości ESG danej organizacji.

Trenowanie dużych modeli językowych, takich jak GPT-4, wiąże się jednocześnie z istotnymi kosztami środowiskowymi. Proces ten generuje znaczące emisje CO₂ i zużywa ogromne ilości zasobów – według badań z 2025 r. rozwój jednego modelu może odpowiadać za emisję nawet 493 ton CO₂ i zużycie ponad 2,7 miliona litrów wody [3]. Nawet przy wykorzystaniu energooszczędnych centrów danych wpływ ten pozostaje znaczący i powinien być brany pod uwagę przez organizacje stosujące zaawansowane narzędzia AI w raportowaniu ESG.

W tym kontekście szczególnego znaczenia nabiera wybór dostawców technologii. Firmy powinny preferować partnerów, którzy korzystają z odnawialnych źródeł energii, wdrażają strategie minimalizacji zużycia wody i energii oraz umożliwiają lokalne trenowanie modeli. W dobie rosnących oczekiwań względem rozliczania emisji w ramach zakresu 3 (Scope 3) odpowiedzialne korzystanie z AI musi iść w parze z oceną wpływu środowiskowego dostawców i infrastruktury technologicznej. AI ma wspierać zrównoważony rozwój – nie powinno go podważać.

Pomimo tych zastrzeżeń i obaw środowiskowych z biegiem czasu sztuczna inteligencja stanie się stałym elementem ekosystemu zarządzania ESG. Coraz powszechniejsza integracja AI z systemami ERP i IoT umożliwi automatyczne pozyskiwanie danych w czasie rzeczywistym, m.in. na temat zużycia energii, emisji czy gospodarki odpadami. Technologie te pozwolą także na personalizację raportowania ESG w zależności od potrzeb różnych grup interesariuszy – inwestorzy, klienci czy regulatorzy mogą otrzymywać dopasowane wersje raportów. AI może wspierać firmy również na poziomie strategicznym, prognozując wpływ decyzji operacyjnych na przyszłe wyniki ESG czy identyfikując obszary do optymalizacji. Dodatkowo narzędzia AI coraz skuteczniej wspierają codzienne obowiązki zespołów ESG – od monitorowania wskaźników po przygotowanie draftów dokumentów czy alerty o zmianach regulacyjnych.

Zastosowanie sztucznej inteligencji w raportowaniu kwestii zrównoważonego rozwoju przynosi szereg korzyści: zwiększa efektywność operacyjną, poprawia dokładność analiz oraz umożliwia skalowalne przetwarzanie dużych wolumenów danych. W kontekście branży budowlanej może realnie wspierać firmy w spełnianiu coraz bardziej złożonych wymogów raportowych. Jednocześnie należy mieć świadomość potencjalnych zagrożeń związanych z wykorzystaniem AI – zarówno środowiskowych (np. emisje i zużycie zasobów), jak i etycznych czy operacyjnych (black-box, jakość danych, proces audytu). Dlatego, wdrażając narzędzia AI w obszarze ESG, warto przyjąć strategiczne podejście, które uwzględni nie tylko cele raportowe, ale także wpływ tych technologii na zrównoważony rozwój organizacji.

Przypisy:

1. Według raportu PLGBC łączna liczba certyfikowanych budynków w Polsce wynosiła 2035 na koniec 2024 r., co oznacza wzrost o 24 proc. w porównaniu z rokiem poprzednim.
2. EY Global Institutional Investor Survey 2024, EY – Global.
3. J. Morrison, C. Na, J. Fernandez, T. Dettmers, E. Strubell, J. Dodge, Holistically Evaluating the Environmental Impact of Creating Language Models, 2025.