到 2007 年，微軟面臨越來越大的壓力，要求其致力於可持續實踐，這是該公司以前從未做過的事情。 來自利益相關者和環保組織綠色和平組織的審查引發了許多內部問題。
微軟擁有大量數據，但如果沒有詳細說明公司對氣候影響的具體數據，就不可能做出明顯的改變。 Bernard 和他的團隊需要應用最好的技術來收集數據，並使用它來減少 Microsoft 整個生態系統（包括其合作夥伴和供應商）對環境的負面影響。
這就是為什麼許多公司都在密切關注技術和數據如何不僅能讓他們走上正軌，還能推動他們前進——到一個他們可以消除對地球的負面影響同時仍然讓員工、股東、監管機構和客戶受益的地方 快樂的。
意識導致改變
解決這些問題需要收集數據。 但匯總全球公司的數據並不容易。 例如，許多組織必須跟踪多個供應鏈，同時與眾多也擁有自己的生態系統的合作夥伴合作。 此外，他們在不同國家/地區的多棟建築中開展業務，員工眾多，通勤和商務旅行各不相同。
這就是為什麼公司傾向於將數據分解成子集，先觀察每個方面如何影響環境，然後再將其作為一個整體來看待。 例如，在員工層面，一些企業為個人提供工具來跟踪他們在工作中對環境的影響。
技術優勢
然而，僅有意識是不夠的。 數據還必須易於訪問和消化，以推動變革。 例如，使用雲技術，公司可以存儲大量數據，這些數據可以與外部資源集成，從而使信息能夠推動公司的決策制定。 從那裡，AI 和 ML 可以發現更高級的見解來指導能源管理等實踐。
AI 處理的數據太強大而無法手動檢查。 伯納德以 64,000 平方英里的切薩皮克灣為例，該灣擁有 3,600 多種物種。 研究人員使用 AI 處理從航拍圖像和水流傳感器收集的信息，繪製了該地區的地圖，以更好地了解氣候變化和水污染如何影響它、如何最好地管理該地區，以及在哪裡不去管它——這是一項艱鉅的任務，沒有 這樣的技術。
高效的供應鏈
公司通過其價值鏈間接產生的排放量（稱為範圍 3 排放量）特別難以追踪。 例如，一些供應商可能不想共享數據，從而導致對其影響的不完整了解。 例如，Genpact 使用數字技術幫助一家在線時裝零售商篩選供應商，以確定不符合其財務、道德和運營標準（包括其可持續性目標）的供應商。 它發現 20% 屬於中等或高風險類別，這有助於企業採取行動。
最終，我們生活在全球經濟中。 每家公司的生態系統在某種程度上都是相互關聯的，不僅告知其自身的運營，還告知每個人——從政府首腦到個人消費者——如何做出無害環境的決策。
三和一善・林嘉麗・チャールズ リム