如今,可持续发展不仅仅关乎拯救地球,而是一种我们认识到能推动企业长期成功的重要因素。
减少环境与废物足迹的推动力正在重塑企业所销售的产品以及其生产流程。这同样影响着企业与客户互动、选择合作伙伴与供应商以及拥抱包括循环经济和低碳经济在内的新商业模式的方式。
不过,向更清洁、更环保的商业模式转型并非总是一帆风顺。在我的工作中,我注意到许多常见错误往往预示着失败甚至灾难。因此,让我们一起来看看那些常常导致时间、资源浪费或者名誉损害的五大误区和错误判断。
1. 未能将可持续发展作为战略核心要素
这需要转变思维,从将可持续性视为成本负担转变为理解其作为成功的驱动因素。可持续性不应只是走过场的举措,而是能带来效率提升、开拓新市场并增强组织韧性。例如,Ikea 通过承诺采纳循环原则以及开发新的回收家具板材流程,能够降低整个运营过程中原材料的成本,并减少碳足迹。而 Amazon 推动电气化其配送车队,也显著降低了巨额燃油费用。随着越来越多的大型投资者期望企业提供 ESG 承诺、以及越来越多高素质专业人士希望为有责任感的公司工作,可持续性理应成为当下的战略重点。
2. 绿色洗牌
到了 2025 年,绿色洗牌 —— 即为了博取赞誉而宣称拥有绿色资质,而非真正做出改变的行为 —— 正受到严厉审视。一个例子是一些化石燃料企业在大力宣传可持续性同时,又继续开采不可再生资源。然而,随着企业意识到绿色产品和服务需求的日益增长,这种行为在各行各业中屡见不鲜。消费者通常能迅速识破空洞的承诺与口头说辞。汽车制造商因伪造排放测试数据并声称减少排放而受到巨额罚款,名誉也遭受重大打击。而 Coca-Cola 则在被评为全球最严重的塑料污染者的同时,还宣称提升了产品的环保性,同样饱受指责。
3. 忽视供应链中的可持续性
企业可能花费数百万来确保使用清洁能源、维持高能效运营并获得无缺陷的绿色资质。但若其供应商存在污染河流、过度开采自然资源或导致森林砍伐等问题,企业同样负有道德责任。进入 2025 年,确保整个供应链都贯彻可持续实践意味着必须了解产品的生产过程、所使用的材料以及供应商为最小化自身环境足迹所采取的措施。这个常被忽视的环节,正因欧盟《企业可持续尽职调查指令》等立法而日益受到监管。企业再也无法对供应商与合作伙伴的不达标或不良行为视而不见,否则将面临处罚、负面舆论和消费者信任流失的风险。
4. 未能有效利用 ESG 数据
我接触到的许多公司可以用“数据充足,但洞察欠缺”来形容。时至互联网时代已经三十年,许多企业深知测量、捕捉和收集数字数据的重要性,但却缺乏解读这些数据的工具和专业知识,更不用说如何有针对性地采取行动了。
当可持续发展举措无法被测量、对标和验证时,问题就变得尤为严重。缺乏可靠洞察意味着企业很难制定有意义的目标以及判断实现目标的进度。而如今,未能理解数据就意味着错失在推动增长的同时改善世界的机会,这无疑是一个严重的错误。
5. 疏于关注核心问题
令人遗憾但并不完全令人意外的是,有报告显示 ESG 正在逐步滑落为企业优先事项的次要位置。在经济和政治动荡时期,焦点往往会转向经济问题,如减少通胀影响或供应链中断等问题。
这几乎无疑是一种错误,因为推动可持续商业的根本问题 —— 包括气候变化、自然资源枯竭、废物和污染 —— 不会因为我们认为有更高优先级的问题而自行消失。
今天未能采纳可持续实践,未来可能会引发严重挑战,特别是在不可再生资源日益稀缺以及政治、环境和人口结构动荡加剧的情况下,正如许多人预测的那样。
好文章,需要你的鼓励
随着员工自发使用生成式AI工具,CIO面临影子AI的挑战。报告显示43%的员工在个人设备上使用AI应用处理工作,25%在工作中使用未经批准的AI工具。专家建议通过六项策略管理影子AI:建立明确规则框架、持续监控和清单跟踪、加强数据保护和访问控制、明确风险承受度、营造透明信任文化、实施持续的角色化AI培训。目标是支持负责任的创新而非完全禁止。
哈佛、MIT联合研究揭示人类语言理解的神经机制,发现大脑通过"信息出口"将语言从核心系统传递至专业脑区实现深度理解。研究提出浅层与深层理解的区别,为人工智能发展提供重要启示,表明真正智能需要多系统协作而非单一优化。该发现可能改变我们对语言认知的理解。
英国正式推出DaRe2THINK数字平台,旨在简化NHS全科医生参与临床试验的流程。该平台由伯明翰大学和MHRA临床实践研究数据链开发,能够安全传输GP诊所与NHS试验研究人员之间的健康数据,减少医生的管理负担。平台利用NHS现有健康信息,安全筛查来自450多家诊所的1300万患者记录,并使用移动消息系统保持试验对象参与度,为传统上无法参与的人群开辟了研究机会。
腾讯混元等团队开发出革命性的AI视频生成自我评判系统PAVRM和训练方法PRFL,让AI能在创作过程中实时评估和改进视频质量,无需等到完成才反馈。该技术使视频动态表现提升56%,人体结构准确性提升21.5%,训练效率提升1.4倍,为AI视频生成质量带来质的飞跃。