Wstęp
Sztuczna inteligencja stała się jednym z najważniejszych tematów biznesowych XXI wieku. Jednocześnie coraz wyraźniej widać, że AI nie jest wyłącznie zagadnieniem technologicznym.
Wpływa na środowisko, oddziałuje na pracowników i klientów oraz wymaga nowych standardów zarządzania.
Dlatego w najbliższych latach pytanie nie będzie brzmiało „czy firma wykorzystuje AI”, lecz „czy robi to odpowiedzialnie”.
Podobnie jak kilkanaście lat temu kwestie klimatyczne stały się elementem strategii biznesowych, tak dziś odpowiedzialne zarządzanie sztuczną inteligencją staje się nowym wymiarem ESG.
Sztuczna inteligencja przestaje być wyłącznie technologią
Jeszcze kilka lat temu sztuczna inteligencja była postrzegana przede wszystkim jako narzędzie zwiększające efektywność przedsiębiorstw. Dziś AI odpowiada za automatyzację procesów, wspiera obsługę klienta, analizuje dane, przewiduje zachowania konsumentów, a nawet pomaga podejmować decyzje biznesowe. Coraz częściej jest również wykorzystywana w procesach produkcyjnych, logistyce, zarządzaniu energią czy planowaniu inwestycji.
Jednocześnie coraz więcej firm odkrywa, że wdrożenie AI to nie tylko szansa na wzrost produktywności, ale także nowe ryzyka związane z odpowiedzialnością biznesu. W praktyce oznacza to, że sztuczna inteligencja staje się zagadnieniem ESG.
Jeszcze niedawno ESG kojarzono przede wszystkim z emisją CO₂, zużyciem energii czy polityką różnorodności. Dzisiaj inwestorzy, regulatorzy i klienci coraz częściej pytają również o sposób wykorzystywania algorytmów, ochronę danych, przejrzystość decyzji podejmowanych przez AI oraz wpływ infrastruktury cyfrowej na środowisko. Coraz częściej pojawia się także pytanie o to, czy organizacje są przygotowane do zarządzania ryzykiem związanym z wykorzystaniem generatywnej sztucznej inteligencji.
W rezultacie powstaje nowy obszar zarządzania przedsiębiorstwem – Responsible AI, czyli odpowiedzialna sztuczna inteligencja. Pod tym pojęciem kryje się nie tylko zgodność z przepisami, ale również budowanie zaufania klientów, pracowników i partnerów biznesowych do technologii wykorzystywanych przez przedsiębiorstwo.
AI a energia – nowy paradoks ESG
Sztuczna inteligencja jest często postrzegana jako technologia niemal niematerialna. Użytkownik wpisuje polecenie do aplikacji, otrzymuje odpowiedź i nie zastanawia się nad infrastrukturą niezbędną do wykonania tego zadania. W rzeczywistości za każdym zapytaniem kierowanym do modelu AI stoi rozbudowana sieć centrów danych wyposażonych w tysiące zaawansowanych procesorów, które wymagają ogromnych ilości energii elektrycznej oraz systemów chłodzenia.
Rosnąca popularność sztucznej inteligencji powoduje gwałtowny wzrost zapotrzebowania nie tylko na energię, ale również na wodę wykorzystywaną do chłodzenia serwerów oraz surowce potrzebne do produkcji układów scalonych. Według prognoz organizacji międzynarodowych do 2030 roku zużycie energii przez centra danych może się nawet podwoić. W wielu regionach świata stają się one już jednymi z największych odbiorców energii elektrycznej, a eksperci coraz częściej wskazują, że rozwój AI może utrudniać realizację celów klimatycznych, jeśli nie będzie wspierany przez dynamiczny rozwój odnawialnych źródeł energii oraz infrastruktury przesyłowej.
Zmianę skali doskonale obrazuje ewolucja samych centrów danych. Jeszcze kilka lat temu były one projektowane głównie z myślą o obsłudze stron internetowych, poczty elektronicznej i usług chmurowych. Dziś coraz więcej nowych inwestycji powstaje przede wszystkim na potrzeby sztucznej inteligencji. Największe centra danych dedykowane AI wymagają mocy liczonych w setkach megawatów, a niektóre planowane projekty przekraczają nawet 1 GW. To poziom porównywalny z dużą elektrownią lub zapotrzebowaniem energetycznym średniej wielkości miasta.
Trend ten jest widoczny również w Polsce. Szacuje się, że moc komercyjnych centrów danych przekroczyła już 200 MW, a do końca 2030 roku może wzrosnąć nawet do 500–600 MW. Jednocześnie operatorzy systemu elektroenergetycznego otrzymują coraz więcej wniosków przyłączeniowych dla nowych obiektów, których łączna moc liczona jest już w gigawatach (mówi się nawet o 13 GW). Oznacza to, że rozwój sztucznej inteligencji zaczyna wpływać nie tylko na strategie przedsiębiorstw, ale również na kierunki rozwoju krajowej infrastruktury energetycznej.
Powstaje zatem interesujący paradoks. Z jednej strony sztuczna inteligencja może wspierać realizację celów ESG poprzez optymalizację procesów produkcyjnych, ograniczanie zużycia energii, efektywniejsze zarządzanie transportem czy lepsze prognozowanie produkcji energii z odnawialnych źródeł. Dzięki temu przedsiębiorstwa mogą obniżać koszty, zmniejszać emisje i efektywniej wykorzystywać dostępne zasoby.
Z drugiej strony sam rozwój AI staje się coraz większym obciążeniem dla systemów energetycznych. Wraz ze wzrostem liczby użytkowników, modeli i zastosowań rośnie zapotrzebowanie na nowe centra danych oraz energię potrzebną do ich funkcjonowania. Coraz częściej pojawiają się więc pytania, czy korzyści środowiskowe wynikające z wykorzystania sztucznej inteligencji będą większe niż koszty energetyczne związane z jej rozwojem.
Z perspektywy ESG oznacza to konieczność bardziej kompleksowego spojrzenia na transformację cyfrową. Nie wystarczy już oceniać wyłącznie korzyści biznesowych wynikających z wdrożenia nowych technologii. Coraz większego znaczenia nabiera analiza śladu energetycznego i środowiskowego infrastruktury cyfrowej wykorzystywanej przez przedsiębiorstwo. Niewykluczone, że w przyszłości firmy będą raportowały nie tylko emisje związane z produkcją czy transportem, ale również wpływ wykorzystywanych usług cyfrowych i systemów AI na środowisko.
Paradoks sztucznej inteligencji pokazuje, że transformacja cyfrowa i transformacja klimatyczna stają się coraz bardziej współzależne. Jeżeli energia zasilająca centra danych będzie pochodziła z niskoemisyjnych źródeł, AI może stać się jednym z najważniejszych narzędzi wspierających zrównoważony rozwój. Jeśli jednak rozwój infrastruktury energetycznej nie nadąży za tempem cyfryzacji, technologia mająca pomagać w realizacji celów ESG sama może stać się jednym z największych wyzwań środowiskowych nadchodzących lat. Dla przedsiębiorców oznacza to konieczność uwzględnienia wpływu AI i cyfryzacji w strategiach klimatycznych oraz coraz uważniejszego monitorowania środowiskowych kosztów rozwoju nowych technologii.
Społeczny wymiar AI – algorytm też może dyskryminować
Znacznie większe zainteresowanie regulatorów budzą jednak kwestie społeczne.
Systemy sztucznej inteligencji uczą się na podstawie danych historycznych. Jeżeli dane zawierają błędy, stereotypy lub nierówności społeczne, algorytmy mogą je powielać. Problem ten jest szczególnie istotny w przypadku decyzji mających wpływ na życie ludzi.
Przykładowo system wykorzystywany do rekrutacji może preferować określone grupy kandydatów, jeśli został wytrenowany na historycznych danych odzwierciedlających wcześniejsze uprzedzenia organizacji. Podobne ryzyka występują w sektorze finansowym, ochronie zdrowia czy ubezpieczeniach. W skrajnych przypadkach błędnie zaprojektowany algorytm może prowadzić do nierównego traktowania klientów lub pracowników.
UNESCO wskazuje, że AI może utrwalać istniejące nierówności społeczne, wzmacniać uprzedzenia oraz prowadzić do naruszeń praw człowieka, jeśli nie zostaną wdrożone odpowiednie mechanizmy nadzoru.
Z perspektywy ESG oznacza to, że przedsiębiorstwa powinny traktować systemy AI podobnie jak innych dostawców lub procesy biznesowe – identyfikować ryzyka, monitorować ich skutki i wdrażać działania naprawcze. Coraz większego znaczenia nabiera również transparentność działania algorytmów oraz możliwość wyjaśnienia, w jaki sposób system doszedł do określonej rekomendacji lub decyzji.
Wpływ AI na rynek pracy
Dyskusja o społecznym wymiarze sztucznej inteligencji nie może pomijać rynku pracy. Według wielu analiz AI nie tyle zastąpi ludzi, ile zmieni charakter wykonywanych przez nich obowiązków. Automatyzacji będą podlegały przede wszystkim zadania powtarzalne, natomiast wzrośnie znaczenie kompetencji związanych z kreatywnością, analizą danych oraz nadzorem nad technologią.
Dla przedsiębiorców oznacza to konieczność inwestowania w rozwój kompetencji pracowników. Firmy, które nie będą wspierały procesów przekwalifikowania i podnoszenia kwalifikacji, mogą w przyszłości mierzyć się z problemami kadrowymi oraz spadkiem konkurencyjności. W tym kontekście odpowiedzialne wykorzystanie AI staje się również elementem polityki społecznej przedsiębiorstwa.
Governance – nowy filar odpowiedzialności
Najciekawsze zmiany zachodzą jednak w obszarze governance.
Jeszcze kilka lat temu zarządy odpowiadały przede wszystkim za cyberbezpieczeństwo, zgodność regulacyjną oraz ochronę danych osobowych. Dziś do listy obowiązków dochodzi nadzór nad wykorzystaniem sztucznej inteligencji.
Kluczowe pytania dotyczą odpowiedzialności za decyzje podejmowane przez algorytm, sposobu monitorowania działania modeli AI oraz zasad dokumentowania procesu ich tworzenia i wdrażania. Zarządy coraz częściej muszą również odpowiadać na pytanie, kto ponosi odpowiedzialność za błędne rekomendacje systemu oraz jakie mechanizmy kontrolne funkcjonują w organizacji.
Coraz więcej organizacji tworzy polityki AI, komitety etyczne oraz procedury oceny ryzyka związane z wykorzystaniem algorytmów. Nie jest przypadkiem, że OECD rekomenduje przedsiębiorstwom wdrażanie zasad odpowiedzialnego zarządzania AI opartych na przejrzystości, rozliczalności i poszanowaniu praw człowieka.
AI Act – pierwsza światowa regulacja sztucznej inteligencji
Najważniejszym wydarzeniem regulacyjnym ostatnich lat jest wejście w życie unijnego AI Act.
Rozporządzenie (UE) 2024/1689 jest pierwszym na świecie kompleksowym aktem prawnym regulującym wykorzystanie sztucznej inteligencji. Jego celem jest stworzenie ram dla bezpiecznego i godnego zaufania wykorzystania AI.
AI Act wprowadza podejście oparte na poziomie ryzyka. Najbardziej ryzykowne zastosowania AI zostały zakazane, natomiast dla systemów wysokiego ryzyka przewidziano liczne obowiązki związane z zarządzaniem ryzykiem, jakością danych, dokumentacją techniczną oraz nadzorem człowieka.
Choć AI Act nie jest formalnie regulacją ESG, jego założenia są w dużej mierze zgodne z obszarem governance oraz społecznym wymiarem ESG. W praktyce wiele przedsiębiorstw będzie musiało połączyć działania związane z wdrażaniem AI Act z istniejącymi procesami zarządzania ryzykiem ESG.
Dlaczego inwestorzy zaczynają pytać o AI?
Jeszcze kilka lat temu inwestorzy pytali głównie o emisje CO₂, politykę klimatyczną i bezpieczeństwo pracy. Obecnie coraz częściej analizowane są również ryzyka związane z cyfryzacją.
Powód jest prosty. Błędnie wdrożona sztuczna inteligencja może prowadzić do kar regulacyjnych, pozwów sądowych, utraty klientów oraz kryzysów reputacyjnych. Dla inwestorów oznacza to ryzyko finansowe porównywalne z ryzykami środowiskowymi lub społecznymi.
W rezultacie AI governance zaczyna być postrzegane jako kolejny element dojrzałości organizacyjnej przedsiębiorstwa. Można oczekiwać, że w kolejnych latach fundusze inwestycyjne oraz banki będą coraz częściej uwzględniały kwestie związane z wykorzystaniem AI w procesach oceny ryzyka.
Czy AI może wspierać realizację celów ESG?
Warto pamiętać, że sztuczna inteligencja nie jest wyłącznie źródłem ryzyka.
W wielu przypadkach może ona wspierać realizację celów zrównoważonego rozwoju. Dzięki analizie ogromnych zbiorów danych możliwe jest skuteczniejsze zarządzanie zużyciem energii, ograniczanie odpadów, monitorowanie emisji czy zwiększanie efektywności procesów produkcyjnych.
Coraz więcej przedsiębiorstw wykorzystuje AI do prognozowania produkcji energii z odnawialnych źródeł, optymalizacji tras transportowych oraz poprawy efektywności energetycznej budynków. Odpowiedzialnie wdrażana sztuczna inteligencja może więc wspierać zarówno cele biznesowe, jak i środowiskowe.
Jak przygotować firmę na erę AI i ESG?
Przedsiębiorcy nie muszą tworzyć rozbudowanych struktur compliance znanych z największych korporacji. Powinni jednak dokładnie wiedzieć, jakie rozwiązania AI funkcjonują w ich organizacji oraz jakie ryzyka mogą się z nimi wiązać.
Istotne jest stworzenie podstawowych zasad korzystania ze sztucznej inteligencji, określenie odpowiedzialności za nadzór nad systemami oraz zapewnienie odpowiedniego poziomu wiedzy pracowników. Warto również uwzględnić wpływ AI na środowisko i społeczeństwo podczas aktualizacji strategii ESG.
Podsumowanie
Sztuczna inteligencja w coraz większym stopniu wpływa na sposób funkcjonowania przedsiębiorstw, dlatego przestaje być wyłącznie zagadnieniem technologicznym, a staje się również istotnym elementem strategii ESG. Wykorzystanie AI niesie ze sobą wiele korzyści, takich jak automatyzacja procesów, poprawa efektywności operacyjnej czy wsparcie realizacji celów środowiskowych. Jednocześnie generuje nowe ryzyka związane z wpływem na środowisko, ochroną praw człowieka, prywatnością danych oraz przejrzystością procesów decyzyjnych.
Rosnące znaczenie sztucznej inteligencji sprawia, że inwestorzy, regulatorzy i klienci coraz częściej oczekują od firm odpowiedzialnego podejścia do wdrażania i nadzorowania algorytmów. Szczególne znaczenie mają kwestie związane z potencjalną dyskryminacją, bezpieczeństwem danych oraz odpowiedzialnością za decyzje podejmowane przez systemy AI. Odpowiedzią na te wyzwania są nowe regulacje, w tym unijny AI Act, który wprowadza zasady bezpiecznego i godnego zaufania wykorzystania sztucznej inteligencji.
W najbliższych latach przedsiębiorstwa będą musiały rozwijać kompetencje związane z zarządzaniem AI, podobnie jak wcześniej budowały systemy zarządzania ESG. Firmy, które już dziś wdrożą zasady odpowiedzialnego wykorzystania sztucznej inteligencji, mogą nie tylko ograniczyć ryzyka regulacyjne i reputacyjne, ale również zbudować przewagę konkurencyjną oraz zwiększyć swoją atrakcyjność dla inwestorów, klientów i partnerów biznesowych.
Źródła:
- European Commission – AI Act
- OECD AI Principles
- UNESCO Recommendation on the Ethics of Artificial Intelligence
- OECD Legal Instrument – Recommendation on Artificial Intelligence
- Reuters – EU proposes energy standards for data centers (2026)
- Artykuł naukowy: "AI, Climate, and Regulation: From Data Centers to the AI Act" (2024).
- Artykuł naukowy: "The Unsuitability of Existing Regulations to Reach Sustainable AI" (2026).
