AI a zrównoważony rozwój (ESG): jak sztuczna inteligencja może pomóc twojej firmie osiągnąć cele środowiskowe, społeczne i ładu korporacyjnego?

W świecie, w którym globalne wyzwania – od zmian klimatycznych, przez rosnące nierówności społeczne, po potrzebę krystalicznie czystego ładu korporacyjnego – stają się codzienną prasówką i strategicznym imperatywem, koncepcja zrównoważonego rozwoju (ESG – Environmental, Social, Governance) dynamicznie ewoluuje. Przestaje być jedynie wizerunkowym dodatkiem czy domeną niszowych działów CSR. Dziś ESG to rdzeń nowoczesnej strategii biznesowej, kompas wyznaczający kierunek dla firm aspirujących do miana liderów przyszłości – firm, które rozumieją, że długoterminowa wartość, odporność na kryzysy i zaufanie kluczowych interesariuszy buduje się na fundamencie odpowiedzialności. Inwestorzy coraz częściej kierują kapitał w stronę przedsiębiorstw z silnym profilem ESG, konsumenci wybierają marki o pozytywnym wpływie, a najlepsi pracownicy szukają pracodawców z misją wykraczającą poza zysk finansowy. W tej transformacyjnej podróży, sztuczna inteligencja (AI) – technologia definiująca naszą epokę – jawi się jako niezwykle obiecujący, choć wciąż nie w pełni odkryty, partner. Jej zdolność do analizy olbrzymich, złożonych zbiorów danych, do identyfikacji subtelnych wzorców i anomalii, do optymalizacji skomplikowanych procesów i wspierania decyzji opartych na faktach, otwiera przed ESG zupełnie nowe horyzonty. AI może pomóc organizacjom nie tylko efektywniej monitorować i raportować swoje działania w obszarach E, S i G, ale przede wszystkim – realnie przyspieszyć osiąganie ambitnych celów zrównoważonego rozwoju. Ten artykuł to zaproszenie do eksploracji fascynującej synergii między AI i ESG – pokażemy, jak inteligentne technologie mogą stać się katalizatorem pozytywnych zmian i wspierać budowanie bardziej zrównoważonych, odpornych i autentycznie odpowiedzialnych modeli biznesowych, które są gotowe na wyzwania jutra.

Sztuczna inteligencja w służbie planety – jak AI wspiera realizację ambitnych celów środowiskowych (E) i pomaga chronić nasz wspólny dom?

Ochrona środowiska naturalnego to bezdyskusyjnie jedno z najpilniejszych wyzwań naszych czasów. Presja regulacyjna, oczekiwania społeczne i, co najważniejsze, realne zagrożenia dla ekosystemów zmuszają firmy do poszukiwania innowacyjnych metod minimalizowania swojego śladu ekologicznego. Sztuczna inteligencja dostarcza tu arsenału potężnych narzędzi.

Kluczowym obszarem jest inteligentna optymalizacja zużycia energii i zasobów naturalnych. Wyobraźmy sobie inteligentne fabryki, gdzie algorytmy AI w czasie rzeczywistym analizują dane z tysięcy czujników IoT, dynamicznie dostosowując parametry pracy maszyn, systemów oświetlenia czy klimatyzacji, aby minimalizować zużycie energii bez utraty wydajności. Podobnie w inteligentnych budynkach czy całych miastach, AI może zarządzać sieciami energetycznymi, optymalizować dystrybucję i wspierać integrację odnawialnych źródeł energii (OZE), przewidując zapotrzebowanie i produkcję. To nie tylko redukcja emisji CO2, ale także konkretne oszczędności finansowe. AI pomaga również w optymalizacji zużycia wody w rolnictwie czy przemyśle oraz w minimalizacji odpadów produkcyjnych poprzez lepsze planowanie i precyzyjne sterowanie procesami.

AI odgrywa coraz bardziej znaczącą rolę w precyzyjnym monitorowaniu i aktywnej redukcji emisji gazów cieplarnianych oraz innych zanieczyszczeń. Systemy oparte na analizie zdjęć satelitarnych, danych z dronów wyposażonych w specjalistyczne sensory czy stacjonarnych stacji pomiarowych, potrafią z dużą dokładnością identyfikować źródła emisji (np. nielegalne wysypiska, wycieki z instalacji przemysłowych), modelować ich rozprzestrzenianie się w atmosferze czy wodach, a także oceniać skuteczność podejmowanych działań naprawczych. AI jest również nieoceniona w optymalizacji logistyki i transportu – od planowania najbardziej ekologicznych tras dla flot pojazdów, przez promowanie współdzielonej mobilności, po wsparcie w rozwoju i zarządzaniu infrastrukturą dla pojazdów elektrycznych.

Fascynujące i niezwykle ważne są zastosowania AI w ochronie bioróżnorodności i monitorowaniu stanu ekosystemów. Algorytmy analizujące obrazy satelitarne o wysokiej rozdzielczości potrafią wykrywać wylesianie, nawet na wczesnym etapie, czy identyfikować zmiany w pokryciu terenu. Systemy oparte na rozpoznawaniu obrazu i dźwięku (np. z fotopułapek czy mikrofonów rozmieszczonych w lasach) pomagają w liczeniu i śledzeniu populacji dzikich zwierząt, w tym gatunków zagrożonych, oraz w wykrywaniu działalności kłusowników. AI analizuje również dane oceanograficzne, wspierając ochronę raf koralowych czy monitorowanie migracji ssaków morskich.

Sztuczna inteligencja staje się także technologicznym motorem napędowym transformacji w kierunku gospodarki o obiegu zamkniętym (GOZ, circular economy). Inteligentne systemy wizyjne, zintegrowane z robotami sortującymi, rewolucjonizują procesy recyklingu, zwiększając ich efektywność i czystość odzyskiwanych surowców. Algorytmy AI pomagają w projektowaniu produktów (tzw. ecodesign) z myślą o ich trwałości, łatwości demontażu, możliwości naprawy i recyklingu komponentów. Analiza danych o całym cyklu życia produktu (LCA – Life Cycle Assessment) wspierana przez AI pozwala identyfikować „gorące punkty” środowiskowe i optymalizować procesy w celu zamknięcia pętli materiałowej i minimalizacji marnotrawstwa.

Nie można wreszcie pominąć rosnącej roli AI w przewidywaniu, wczesnym ostrzeganiu i zarządzaniu skutkami katastrof naturalnych, których częstotliwość i intensywność niestety wzrasta w obliczu globalnych zmian klimatycznych. Zaawansowane modele predykcyjne, analizujące złożone dane meteorologiczne, sejsmiczne, hydrologiczne czy satelitarne, potrafią z coraz większą dokładnością prognozować ryzyko wystąpienia powodzi, pożarów lasów, osunięć ziemi, susz czy niszczycielskich huraganów. To daje cenne godziny lub dni na podjęcie działań prewencyjnych, ewakuację ludności i lepsze przygotowanie służb ratowniczych, ratując życie i minimalizując straty materialne.

AI dla ludzi i społeczeństwa – jak sztuczna inteligencja może realnie wspierać realizację kluczowych celów społecznych (S)?

Odpowiedzialność społeczna biznesu (CSR) i filar „S” w ESG to nie tylko deklaracje, ale konkretne działania na rzecz pracowników, klientów, lokalnych społeczności i całego społeczeństwa. Sztuczna inteligencja, mądrze wykorzystana, może stać się potężnym narzędziem wspierającym te dążenia, pomagając budować bardziej sprawiedliwe, bezpieczne i inkluzywne środowisko.

Jednym z kluczowych obszarów jest poprawa bezpieczeństwa i higieny pracy (BHP) oraz dobrostanu pracowników. Systemy AI, analizując dane z czujników w miejscu pracy (np. monitorujących jakość powietrza, poziom hałasu, temperaturę), nagrania wideo z kamer przemysłowych (zawsze z poszanowaniem prywatności i w zgodzie z prawem) czy historyczne raporty o incydentach i wypadkach, potrafią identyfikować potencjalne zagrożenia, przewidywać ryzyko wystąpienia wypadków i sugerować konkretne działania prewencyjne. AI może również wspierać ergonomiczne projektowanie stanowisk pracy, analizować obciążenie psychofizyczne pracowników czy nawet oferować spersonalizowane programy prozdrowotne i well-being.

AI może być, i coraz częściej jest, potężnym narzędziem promowania różnorodności, równości i inkluzywności (DEI – Diversity, Equity, Inclusion) w miejscu pracy i poza nim. Odpowiednio zaprojektowane i, co kluczowe, regularnie audytowane pod kątem potencjalnych uprzedzeń algorytmy, mogą wspierać bardziej obiektywne procesy rekrutacyjne, analizować i pomagać niwelować luki płacowe między płciami czy grupami etnicznymi, identyfikować niewidoczne bariery w rozwoju kariery dla osób z grup niedoreprezentowanych, czy personalizować programy mentoringowe i rozwojowe tak, aby każdy pracownik miał równe szanse. Należy tu jednak zachować najwyższą czujność i transparentność, aby AI nie stała się narzędziem utrwalającym, a nie eliminującym, istniejące stereotypy i uprzedzenia.

Sztuczna inteligencja otwiera także zupełnie nowe możliwości w zakresie zwiększania dostępności produktów, usług i informacji dla osób z niepełnosprawnościami i specjalnymi potrzebami. Mowa tu o zaawansowanych technologiach rozpoznawania mowy i syntezy tekstu (TTS), które rewolucjonizują sposób korzystania z informacji przez osoby niewidome i niedowidzące; o inteligentnych systemach nawigacji i asystentach mobilności dla osób z ograniczeniami ruchowymi; o spersonalizowanych narzędziach edukacyjnych i terapeutycznych dla osób z trudnościami w uczeniu się czy ze spektrum autyzmu; czy wreszcie o rozwiązaniach wspierających komunikację dla osób niemówiących.

Coraz częściej AI jest wykorzystywana do monitorowania i poprawy standardów etycznych oraz warunków pracy w złożonych, globalnych łańcuchach dostaw. Algorytmy analizujące dane od tysięcy dostawców, informacje z audytów społecznych, raporty organizacji pozarządowych czy nawet publicznie dostępne doniesienia medialne i opinie pracowników, mogą pomóc firmom identyfikować potencjalne ryzyka związane z łamaniem praw człowieka, pracą przymusową, pracą dzieci czy niegodnymi i niebezpiecznymi warunkami zatrudnienia. To wspiera budowanie bardziej transparentnych, etycznych i odpowiedzialnych łańcuchów wartości.

Wreszcie, AI może znacząco wspierać inicjatywy na rzecz zdrowia publicznego i dobrostanu całych społeczności, np. poprzez zaawansowaną analizę danych epidemiologicznych w celu wczesnego wykrywania ognisk chorób, personalizację programów profilaktycznych i promocji zdrowego stylu życia, wsparcie w szybszej i dokładniejszej diagnostyce chorób (zwłaszcza w regionach o ograniczonym dostępie do specjalistycznej opieki medycznej), czy tworzenie innowacyjnych narzędzi wspierających zdrowie psychiczne i walkę z uzależnieniami.

Inteligentny ład korporacyjny – jak sztuczna inteligencja wzmacnia transparentność, odpowiedzialność zarządczą i buduje zaufanie (G)?

Trzeci, niezwykle istotny filar ESG, czyli ład korporacyjny (Governance), dotyczy sposobu, w jaki firma jest zorganizowana, zarządzana i kontrolowana, a także jakie standardy etyczne, transparentności i odpowiedzialności stosuje w swoich codziennych działaniach i relacjach z interesariuszami. Również w tym wymiarze sztuczna inteligencja może wnieść istotną, transformacyjną wartość.

Jednym z najbardziej obiecujących i praktycznych zastosowań jest automatyzacja, usprawnienie i podniesienie jakości procesu raportowania niefinansowego i ESG. Zbieranie, weryfikacja, agregacja, analiza i prezentacja danych dotyczących szerokiego spektrum wskaźników środowiskowych, społecznych czy zarządczych jest często niezwykle złożonym, czasochłonnym i podatnym na błędy zadaniem, angażującym wiele działów w organizacji. Systemy AI, wykorzystując techniki takie jak NLP do analizy dokumentów czy uczenie maszynowe do identyfikacji relevantnych danych, mogą zautomatyzować wiele z tych czynności, zapewniając większą dokładność, spójność, porównywalność i terminowość raportowania. Jest to szczególnie kluczowe w kontekście rosnących i coraz bardziej szczegółowych wymogów regulacyjnych, takich jak unijna dyrektywa CSRD i powiązane z nią Europejskie Standardy Raportowania Zrównoważonego Rozwoju (ESRS).

AI stanowi również potężne wsparcie w efektywniejszym zarządzaniu szeroko pojętym ryzykiem (w tym ryzykiem ESG) oraz zapewnieniu zgodności (compliance) z dynamicznie zmieniającym się otoczeniem prawnym i standardami branżowymi. Algorytmy potrafią w czasie rzeczywistym analizować ogromne ilości danych wewnętrznych (np. transakcje, komunikacja, logi systemowe) i zewnętrznych (np. zmiany w przepisach, doniesienia medialne, ratingi ESG, dane rynkowe) w celu identyfikacji potencjalnych ryzyk związanych z działalnością firmy – od korupcji i nadużyć finansowych, przez naruszenia praw człowieka w łańcuchu dostaw, po niezgodności z normami środowiskowymi. Systemy AI mogą również monitorować zgodność z obowiązującymi regulacjami i wewnętrznymi politykami oraz wczesne ostrzeganie przed potencjalnymi problemami, umożliwiając proaktywne działania mitygujące.

Sztuczna inteligencja, mądrze wdrożona, może znacząco przyczynić się do zwiększenia transparentności i odpowiedzialności (accountability) działań firmy. Na przykład, technologie takie jak blockchain, często wspierane przez AI w zakresie analizy i walidacji danych, mogą być wykorzystywane do tworzenia niezmienialnych i audytowalnych rejestrów transakcji, śledzenia pochodzenia surowców i produktów w całym łańcuchu dostaw („from farm to fork” lub „from mine to mobile”), zapewniając ich autentyczność i zgodność z deklarowanymi standardami etycznymi czy ekologicznymi. Analiza danych z różnych, często publicznie dostępnych źródeł, może również pomóc w niezależnej weryfikacji deklaracji firm i wykrywaniu prób „greenwashingu” czy „social washingu”.

Co więcej, AI może wspierać bardziej świadome, oparte na rzetelnych danych i długoterminowej perspektywie podejmowanie decyzji przez zarządy, rady nadzorcze i komitety audytu. Dostarczając kompleksowych analiz dotyczących potencjalnego wpływu różnych scenariuszy biznesowych na realizację celów ESG, na postrzeganie firmy przez inwestorów czy na jej długoterminową wartość i odporność, AI staje się cennym narzędziem wspierającym strategiczne przywództwo.

Wyzwania i etyczne aspekty wykorzystania AI w ESG – na co zwrócić szczególną uwagę, by technologia rzeczywiście służyła dobru, a nie jedynie pozorom czy nowym problemom?

Choć potencjał sztucznej inteligencji we wspieraniu celów zrównoważonego rozwoju jest ogromny i inspirujący, jej nieprzemyślane lub nieodpowiedzialne wykorzystanie niesie ze sobą również pewne istotne wyzwania, ryzyka i dylematy etyczne, które wymagają świadomego i proaktywnego adresowania.

Jednym z często dyskutowanych paradoksów jest ślad węglowy samej sztucznej inteligencji, a zwłaszcza energochłonność procesu trenowania dużych, złożonych modeli AI (szczególnie modeli głębokiego uczenia, w tym popularnych LLM-ów). Te operacje wymagają znacznych zasobów energii elektrycznej i potężnej mocy obliczeniowej, co samo w sobie generuje emisje gazów cieplarnianych i przyczynia się do problemu, który AI ma pomagać rozwiązywać. Konieczne jest zatem intensywne dążenie do rozwoju bardziej energooszczędnych algorytmów i architektur modeli (tzw. „Green AI” lub „Sustainable AI”), optymalizacji infrastruktury obliczeniowej, a także – co kluczowe – korzystania z odnawialnych źródeł energii do zasilania centrów danych i systemów AI.

Istnieje również bardzo realne ryzyko „greenwashingu”, „social washingu” lub generalnie „ESG-washingu” z wykorzystaniem sztucznej inteligencji. Firmy mogą być kuszone, aby używać zaawansowanych technologii i pięknych wizualizacji danych do tworzenia jedynie powierzchownych pozorów zaangażowania w zrównoważony rozwój, podczas gdy ich realne działania, modele biznesowe czy wpływ na środowisko i społeczeństwo pozostają niezmienione lub wręcz negatywne. Kluczowa jest tu autentyczność strategii ESG, transparentność metodologii zbierania i analizy danych przez AI oraz gotowość do poddania się niezależnej weryfikacji i audytowi deklaracji opartych na wynikach działania inteligentnych systemów.

Fundamentalne znaczenie dla wiarygodności i skuteczności AI w obszarze ESG ma jakość, rzetelność, kompletność i reprezentatywność danych wykorzystywanych do trenowania i zasilania systemów AI. Jeśli dane wejściowe są niekompletne, obarczone błędami, historycznymi uprzedzeniami (np. dotyczącymi nierówności społecznych) lub nieadekwatnie odzwierciedlają złożoność problemów ESG, wyniki generowane przez AI również będą nierzetelne, mogą prowadzić do błędnych decyzji lub, co gorsza, do utrwalania istniejących nierówności i niesprawiedliwości. Niezbędne są rygorystyczne procesy walidacji danych, zarządzania ich jakością oraz świadomość potencjalnych źródeł biasu.

W kontekście złożonych i często wielowymiarowych problemów ESG, niezwykle istotna staje się również potrzeba zapewnienia odpowiedniego poziomu transparentności i wyjaśnialności (XAI) algorytmów AI stosowanych do analizy, predykcji czy podejmowania decyzji. Interesariusze – od zarządów, przez regulatorów, po społeczeństwo obywatelskie – muszą mieć możliwość zrozumienia, na jakich przesłankach opierają się rekomendacje czy oceny generowane przez AI, jakie są ich ograniczenia i stopień niepewności. To kluczowe dla budowania zaufania, umożliwienia krytycznej oceny i pociągnięcia do odpowiedzialności w razie potrzeby.

Jak zacząć strategicznie wykorzystywać AI dla celów ESG w twojej firmie – praktyczne pierwsze kroki ku bardziej zrównoważonej i inteligentnej przyszłości biznesu

Wdrożenie sztucznej inteligencji w celu systemowego wsparcia strategii zrównoważonego rozwoju (ESG) w organizacji powinno być procesem przemyślanym, etapowym i silnie zintegrowanym z ogólnymi celami i wartościami firmy. Oto kilka praktycznych kroków, które mogą pomóc w tej transformacyjnej podróży:

• Zintegruj inicjatywy AI-ESG z nadrzędną strategią biznesową oraz formalnie przyjętą strategią zrównoważonego rozwoju (lub strategią CSR) twojej firmy. AI nie powinno być traktowane jako odizolowane, technologiczne „gadżety”, lecz jako integralny element i narzędzie wspierające realizację konkretnych, mierzalnych celów ESG, które są istotne z perspektywy misji, wartości, ryzyk i szans organizacji. Jasne powiązanie z celami strategicznymi zapewni odpowiednie priorytety i zaangażowanie zarządu.
• Przeprowadź dogłębną analizę i zidentyfikuj kluczowe wyzwania oraz największe możliwości w obszarze ESG specyficzne dla twojej branży, modelu biznesowego i konkretnej firmy, gdzie AI może przynieść największą, wymierną wartość. Czy jest to optymalizacja zużycia energii w procesach produkcyjnych, redukcja śladu węglowego w łańcuchu dostaw, poprawa bezpieczeństwa pracy, wsparcie dla programów DEI, a może usprawnienie raportowania niefinansowego? Skup się na tych obszarach, gdzie analiza danych, inteligentna automatyzacja, zaawansowana optymalizacja lub predykcja mogą realnie przyczynić się do poprawy wyników środowiskowych, społecznych lub zarządczych.
• Rozpocznij od dobrze zdefiniowanych projektów pilotażowych (Proof of Concept) w obszarach, gdzie posiadasz dostęp do relatywnie dobrej jakości danych i możesz liczyć na stosunkowo szybkie, mierzalne efekty oraz cenne doświadczenia. Może to być np. wdrożenie systemu AI do monitorowania i optymalizacji zużycia energii w jednym wybranym zakładzie produkcyjnym, zastosowanie algorytmów do analizy danych dotyczących bezpieczeństwa pracy w najbardziej ryzykownym dziale, czy automatyzacja zbierania i agregacji danych do raportu ESG dla jednego lub dwóch kluczowych wskaźników. Sukces takich pilotaży zbuduje zaufanie i apetyt na więcej.
• Zapewnij ścisłą, międzyfunkcyjną współpracę i zaangażowanie przedstawicieli różnych działów – zespołów odpowiedzialnych za ESG/CSR, IT i technologię, operacje, produkcję, logistykę, HR, finanse, prawny i compliance. Wdrażanie AI dla celów ESG to wysiłek zespołowy, wymagający różnorodnych perspektyw i kompetencji. Stwórz interdyscyplinarne zespoły projektowe.
• Od samego początku skup się na mierzalnym wpływie i transparentnym, wiarygodnym raportowaniu wyników inicjatyw AI-ESG. Definiuj jasne wskaźniki sukcesu (KPIs) dla każdego projektu i regularnie komunikuj postępy, osiągnięcia, ale także napotkane wyzwania, kluczowym interesariuszom – zarówno wewnętrznym (zarząd, pracownicy), jak i zewnętrznym (inwestorzy, klienci, regulatorzy).
• Nie bój się korzystać z wiedzy, doświadczenia i narzędzi oferowanych przez zewnętrznych partnerów technologicznych i konsultantów specjalizujących się w AI i ESG. Mogą oni pomóc w identyfikacji odpowiednich rozwiązań AI, projektowaniu i wdrażaniu systemów, a także w budowaniu niezbędnych kompetencji w twoim zespole.

Podsumowanie: sztuczna inteligencja jako katalizator pozytywnych zmian i niezbędny partner w budowaniu zrównoważonej przyszłości – czas na odważne wizje i bardzo konkretne działania

Sztuczna inteligencja, z jej niezwykłymi zdolnościami analitycznymi i predykcyjnymi, ma potencjał, by stać się jednym z najpotężniejszych narzędzi w rękach ludzkości w dążeniu do bardziej zrównoważonej, sprawiedliwej i odpornej przyszłości. Od optymalizacji zużycia zasobów naturalnych, przez walkę ze zmianami klimatu, po promowanie równości społecznej i transparentnego ładu korporacyjnego – możliwości wydają się niemal nieograniczone. Jednak, aby ten potencjał mógł zostać w pełni zrealizowany, potrzebne jest nie tylko technologiczne zaawansowanie, ale przede wszystkim strategiczne, świadome i etyczne podejście ze strony liderów biznesu, decydentów politycznych i całego społeczeństwa. Wykorzystanie AI dla celów ESG to nie chwilowa moda, lecz długoterminowa inwestycja w przyszłość naszych firm, naszych społeczności i naszej planety. To czas na odważne wizje, ale także na bardzo konkretne, przemyślane działania, które przekształcą obietnice w realne, pozytywne zmiany.

EITT i zrównoważony rozwój – jak wspieramy firmy w świadomym wykorzystaniu potencjału AI dla lepszego jutra i odpowiedzialnej transformacji biznesowej?

W EITT głęboko wierzymy, że technologia, a w szczególności sztuczna inteligencja, może i powinna odgrywać kluczową rolę w rozwiązywaniu najważniejszych wyzwań współczesnego świata, w tym tych związanych ze zrównoważonym rozwojem. Dlatego wspieramy naszych klientów w budowaniu kompetencji i strategii, które pozwolą im efektywnie wykorzystać potencjał AI dla realizacji celów ESG.

Nasze programy szkoleniowe są zaprojektowane tak, aby dostarczać wiedzy i narzędzi niezbędnych do tej transformacji:

• AI w biznesie i społeczeństwie – przyszłość sztucznej inteligencji (Kod: IT-AI-14) ([Link do oferty na eitt.pl]) – to fundamentalne szkolenie, które omawia szeroki kontekst zastosowań AI, w tym jej rosnącą rolę we wspieraniu celów zrównoważonego rozwoju, a także kluczowe aspekty etyczne, społeczne i regulacyjne.
• Szkolenia z zakresu analityki danych ([Link do odpowiedniej kategorii na eitt.pl]) – umiejętność efektywnego zbierania, przetwarzania, analizowania i interpretowania danych jest absolutną podstawą każdej skutecznej inicjatywy AI, również w obszarze ESG. Nasze kursy pomogą Państwa zespołom zbudować te kluczowe kompetencje.

W przyszłości EITT rozważy wprowadzenie dedykowanego programu szkoleniowego lub warsztatów poświęconych „Praktycznemu Zastosowaniu AI w Strategiach i Raportowaniu ESG”, aby jeszcze precyzyjniej odpowiadać na rosnące potrzeby rynku w tym zakresie.