I februari mötte CIOCO2 Talks Charlotta Brask, hållbarhetschef på Telia Sverige, i ett samtal om hur hållbarhetsarbetet utvecklas och hur AI både kan accelerera omställningen och samtidigt skapa nya risker. Nedan följer tio takeaways från dialogen.
1. Hållbarhetsrollen har breddats – från “ordning och reda” till affär och värdekedja
Charlotta beskriver en tydlig förskjutning: från att främst hantera ledningssystem, lagkrav och den egna verksamhetens direkta utsläpp, till att arbeta mer strategiskt och tvärfunktionellt. Idag handlar hållbarhet i hög grad om påverkan utanför den egna verksamheten – inte minst i leverantörskedjor – och om att integrera hållbarhet i kärnstrategin.
2. Strategi måste tåla verkligheten
Ett återkommande perspektiv i samtalet var vikten av att hela tiden pröva mål och ambitioner mot den konkreta verkligheten: Hur landar det här i praktiken? Vad innebär det i processer, flöden och vardagsbeslut? Hållbarhetsarbete skapar verklig effekt först när det översätts från policy och strategidokument till faktiska arbetssätt, prioriteringar och beteendeförändringar i organisationen. Det är i genomförandet – inte i formuleringarna – som omställningen sker.
3. När egna utsläpp minskar blir Scope 3 den stora hävstången
Telias fokus framåt, som det framkommer i samtalet, ligger i hög grad på leverantörsledet och den indirekta påverkan. När de “enkla” stegen redan är gjorda (som exempelvis energiomställning) återstår de svårare frågorna: materialval, produktdesign, komponenter och hur man tillsammans med leverantörer kan driva förändring i stor skala.
4. Cirkularitet kräver tjänstedesign och logistik – inte bara goda intentioner
Att få fart på cirkulära flöden (återtag, reparation, begagnat, återanvändning) är inte något man “lägger till” i slutet. Det behöver byggas in i erbjudanden, säljprocesser, kundkommunikation och interna arbetssätt. Det blir tydligt att cirkularitet i praktiken är ett samspel mellan produkt, affär, drift, inköp och kommunikation.
5. Förankring kräver att hållbarhet översätts till verksamhetens logik: ekonomi, risk och prioritering
Charlotta återkommer till vikten av att kunna visa på “storheterna”: var finns de största utsläppen och riskerna, vad gör andra aktörer, och vilka investeringar ger effekt över tid? Hållbarhet behöver ofta kopplas till affärsnytta, kostnad, effektivitet eller riskminimering för att få rätt tyngd i prioriteringar.
6. Trovärdig kravställning är en framgångsfaktor
Samtalet lyfter ett klassiskt dilemma: att vilja driva på marknaden, men samtidigt behöva vara realistisk. Ställer man krav som leverantörer inte kan möta riskerar man både affären och förtroendet för hållbarhetsarbetet. Nyckeln är att bygga en gemensam linje mellan hållbarhet, IT och upphandling. Samt att successivt höja ribban med dialog och evidens.
7. AI är inte en “trend” – det är en transformation som kräver aktivt ledarskap
Budskapet är tydligt: AI kommer inte blåsa över. Därför är det bättre att gå in i tekniken, förstå den och påverka hur den används, än att försöka stå utanför. Det gäller både för att kunna ta vara på nyttan (effektivisering, analys, nya tjänster) och för att kunna minimera riskerna.
8. Ett användbart ramverk: tre sätt att se på AI och hållbarhet
Charlotta beskriver en uppdelning som gör ämnet mer greppbart:
AI som stöd i hållbarhetsarbete (insamling, analys, rapportering, omvärldsbevakning)
AI som lösning på hållbarhetsproblem (optimering av energi/vatten, analys av komplexa system, trygghet/säkerhet)
AI-systemets egna hållbarhet (hur modellen byggs och körs, energianvändning, data, hårdvara, bias, integritet och effekter i samhället)
9. Miljöpåverkan från AI är svår att mäta
Processer för AI-risker tenderar att fokusera på säkerhet, integritet och bias, medan miljöaspekter ofta saknar tydliga mätpunkter och standarder. Samtalet pekar på behovet av att börja prata om energi, vatten, hårdvarubehov och livscykel – även när man inte har perfekta siffror.
10. Mognad handlar om “lagom AI” och tidig tvärfunktionell dialog
En viktig reflektion är att större inte alltid är bättre. Många användningsfall behöver inte stora generella modeller, utan mindre, mer specialiserade lösningar som kan bli både mer träffsäkra och resurssnåla. För att lyckas krävs att hållbarhet kommer in tidigt i AI-utveckling och inköp. Samt att IT/AI-team i sin tur bjuder in hållbarhetskompetens från start. Kontinuerligt lärande (kurser, nätverk, omvärldsbevakning) blir en praktisk nödvändighet.