夜雨聆风
2026年，不懂AI的ESG人，正在被悄悄淘汰……你还在一张表一张表地手动汇总碳排放数据吗？还在花几周时间写一份ESG报告，然后被业务部门吐槽“数据对不上”？如果是，那你可能已经被列入了“高危名单”。2026年，ESG行业正在经历一场无声的洗牌。没有大规模裁员公告，没有行业预警红头文件，但一个残酷的事实正在办公室的日常中慢慢显现：那些拒绝使用AI工具的ESG从业者，正在被悄悄边缘化，然后被悄悄替代。一场无声的淘汰赛先讲两个真实的场景。场景一： 某上市公司ESG经理小林，每年Q3是最痛苦的时期。她要手动从5个工厂、12个部门收集用电量、水耗、废弃物、员工培训时长、工伤次数……数据格式五花八门，Excel公式改了又改，还要反复和业务同事确认“这个数字为什么和去年差那么多”。一套报告做下来，两个月过去了，还要担心审计发现问题。场景二： 同行业的另一位ESG负责人老王，去年引入了AI数据分析平台。系统直接对接各工厂的能源管理系统、ERP和HR系统，自动采集、清洗、归类数据。AI还能自动识别异常波动——比如某车间电耗突然上升20%，系统立刻推送预警。报告撰写时，AI根据最新披露标准自动生成初稿，小林需要做的只是审核和微调。原来两个月的工作，现在两周完成。到了年底绩效评估，谁的产出更多、质量更高、速度更快？谁被老板认为“效率太低”“跟不上节奏”？答案不言自明。AI正在“接管”哪些ESG工作？很多人以为，ESG工作是靠专业判断、行业经验、沟通协调能力，AI不可能替代。这话对了一半。AI不会完全替代ESG人，但会用AI的ESG人，正在替代不会用AI的ESG人。具体来看，AI已经在以下几个ESG核心场景中展现出碾压级的能力：1. 数据采集与清洗：从“人海战术”到“一键完成”ESG数据最大的痛点是来源分散、格式混乱、口径不一。AI（尤其是RPA+自然语言处理）可以自动从电费单、水费单、生产报表、供应商问卷中提取结构化数据，自动对齐不同单位（吨/千克/公吨），自动标记异常值。原本需要三五天的工作，现在几小时搞定。2. 碳排放核算：范围三不再是“黑洞”范围三碳排放（价值链上下游排放）占很多企业总排放的80%以上，但过去几乎无法精确计算，因为涉及成千上万个供应商。AI结合供应链数据、行业排放因子、运输路线等信息，可以构建出相对准确的估算模型。某零售企业通过AI分析10万+供应商的配送数据，将范围三排放的核算精度提升了40%。3. 报告撰写与合规：自动对齐GRI、SASB、TCFD、CSRD不同监管机构、不同评级机构对ESG披露的要求千差万别。AI工具可以自动读取最新的披露标准，从企业数据库中提取对应数据，生成符合要求的报告章节。甚至能帮你检查：GRI 305-5（温室气体减排量）是否覆盖了所有需要披露的业务单元？TSR（净零转型计划）里的阶段性目标有没有矛盾？AI几分钟就能完成人类几天的审阅工作。4. 风险监控与预警：从“事后补救”到“实时感知”AI可以7×24小时扫描全球新闻、监管公告、社交媒体，自动识别与公司或供应商相关的ESG风险事件——某工厂周边被举报污染、某关键矿产来源地被指控强迫劳动、某国家出台新的塑料税……并实时推送给相关负责人。当风险还是苗头时就开始处理，而不是等审计或曝光后再被动应对。不会AI的ESG人，正在经历什么？如果你还在用“手动复制粘贴”“每年一次大核查”的方式做ESG，你会发现：· 工作量越来越大。 监管要求披露的指标越来越多，客户要求的问卷越来越细。你加班越来越晚，但产出质量反而下降——因为你把精力花在了低价值的“搬运数据”上，而不是高价值的“分析洞察”。· 错误率越来越高。 人的注意力有限，手工处理几千行数据难免出错。一次数据错误，可能导致整个报告被质疑，甚至引来监管问询。· 你的价值被质疑。 当隔壁团队用AI十分钟跑完了你三天的活，老板会怎么想？“这么多时间都花在哪了？是不是能力不行？”更可怕的是，老板可能会想：“这个岗位，是不是可以外包或者干脆用AI替代？”这不是危言耸听。2025年以来，多家咨询公司和大型企业已经开始了ESG团队的“技能升级”——不是裁员，而是调整岗位要求。新招聘的ESG岗位，JD里明确写着：“熟练使用AI数据分析工具”“具备Python或R语言能力者优先”“熟悉自动化数据采集流程”。而那些不愿学习新工具的资深从业者，慢慢被调到边缘岗位，或者在某一次组织调整中“自然优化”。没有轰动的新闻，只有安静的离场。怎么办？从“被替代”到“驾驭AI”淘汰你的不是AI，而是会用AI的同行。与其焦虑，不如行动。第一步：上手工具，从“怕”到“用”不需要成为AI专家。先从几个最实用的工具开始：ChatGPT或Kimi（辅助撰写ESG报告大纲、润色披露文本）、Power BI的AI可视化功能、一些开源的碳排放计算器（如Climatiq API）。花一个周末试试，你会发现没有想象中那么难。第二步：重构工作流，把重复劳动交给AI审视一下你的日常工作，哪些是“每年/每月重复”的？哪些是“大量手工处理表格”的？哪些是“基于固定规则判断”的？这些都可以用自动化脚本或RPA工具替代。把省下来的时间，用来做真正创造价值的事：和业务部门讨论减排路径、分析供应链风险、优化ESG战略。第三步：提升“人”的核心竞争力AI擅长数据处理和模式识别，但不懂业务语境、不会跨部门博弈、不能做战略取舍。ESG人要往上游走：理解公司战略，识别哪些ESG议题是真正影响长期价值的；推动跨部门协作，把ESG目标变成业务负责人的个人KPI；与投资者和监管者沟通，讲清楚公司的可持续发展逻辑。这些能力，AI学不会，也替代不了。写在最后2026年，不是AI淘汰了ESG人，而是那些拥抱AI的ESG人，正在把那些固守旧模式的人甩在身后。你不需要成为算法工程师，但你需要知道AI能做什么、不能做什么，以及如何让它为你所用。这场淘汰赛才刚刚开始。你是想被悄悄淘汰，还是主动进化？选择权，在你手里。
*本文来源：ESG与可持续发展人才
