В 2004 году группа финансовых институтов при поддержке ООН выпустила доклад Who Cares Wins («Выигрывает тот, кому не все равно»). Этот документ заложил основу того, что мы сегодня называем ESG. Перечитывая его 20 лет спустя, поражаешься тому, насколько далеко современная дискуссия ушла от первоначального замысла.
Доклад не предлагал создавать рейтинги, индексы или алгоритмические системы оценки. Он говорил о другом: стратегические инвестиционные решения станут качественнее, если аналитики будут учитывать экологические (E), социальные (S) и управленческие (G) факторы наряду с финансовыми. Речь шла об обогащении человеческого суждения, а не о его замене.
И в самом названии содержался ключ: выигрывает тот, кому не все равно. Не тот, кто лучше считает. Не тот, у кого точнее алгоритм. А тот, кому не все равно. В этом «не все равно» заключалось нечто принципиальное. 20 крупнейших финансовых институтов мира подписали документ, который по сути признавал: наша ответственность шире, чем максимизация доходности. За цифрами стоят люди, сообщества, экосистемы. Хороший бизнес — это бизнес, которому не все равно. Это было благородное намерение — и оно было экономически обоснованным.
Сегодня, когда искусственный интеллект все активнее входит в практику устойчивого развития, этот ключ становится как никогда важным. Потому что алгоритму — все равно. И это не недостаток, который будет исправлен в следующей версии. Это его природа.
Алгоритму все равно — и в этом суть
Давайте задержимся на этом. ИИ — система оптимизации. Он находит закономерности, минимизирует ошибки, максимизирует целевую функцию. Но целевую функцию задает человек. Алгоритм не знает, зачем он считает. Он не различает важное и неважное — только релевантное и нерелевантное для заданной метрики.
Именно поэтому приход ИИ в ESG — не просто технологическое событие. Это момент, который заставляет заново задуматься о смысле каждой из трех букв. Не как аббревиатуры для отчета, а как вопросов, обращенных лично к первым лицам компании.
E — действительно ли мы заботимся об окружающей среде или научились красиво отчитываться?
S — действительно ли нам не все равно, как живут люди, которые создают нашу прибыль, — все люди, включая тех, кто уже отдал компании лучшие годы?
G — действительно ли наше управление выстроено так, чтобы наши ценности воплощались в решениях, а не оставались на бумаге?
ИИ может помочь ответить на каждый из этих вопросов. Но сами вопросы он задать не способен. Для этого нужен человек, которому не все равно.
Язык, вырванный из игры
Людвиг Витгенштейн учил, что слова обретают смысл не в словарях, а на практике. Он называл эти практики «языковыми играми», укорененными в «формах жизни». Когда слова вырываются из практики, которая придает им смысл, они начинают «вращаться вхолостую» — сохраняют форму осмысленного высказывания, но утрачивают содержание. Именно это произошло с языком ESG.
В 2004 году слова «экологическая ответственность», «социальное воздействие», «качество управления» принадлежали языковой игре бизнеса — игре, в которой выигрывает тот, кому не все равно. За 20 лет этот язык был во многом вырван из своей игры.
Он переместился в отдельную индустрию рейтингов, стандартов и отчетности по устойчивому развитию — индустрию, которая говорит об ESG, но все меньше говорит на языке стратегического управления бизнеса. «Устойчивость» перестала быть характеристикой решения и стала строчкой в отчете. ESG-отчетность все чаще существует параллельно финансовой — как отдельный документ, а не интегрированная часть анализа.
Исследование MIT Sloan Management Review и BCG 2023 года подтверждает масштаб разрыва: более 90% руководителей считают устойчивое развитие важным, но лишь около 30% могут продемонстрировать убедительный бизнес-кейс для своих ESG-инициатив. Слова есть. Интеграции в решения — нет.
Именно в этот разрыв входит искусственный интеллект. Вопрос в том, восстанавливает ли он связь — или углубляет пропасть.
Буква «E»: где ИИ действительно помогает
Начнем с того, где роль ИИ бесспорна: с экологического измерения. Углеродный след, потребление ресурсов, загрязнение водных систем — все это поддается измерению и мониторингу. До появления ИИ расчет выбросов Scope 3 крупной компании занимал месяцы. Сегодня платформы на основе машинного обучения обрабатывают данные из тысяч источников в реальном времени. Climate TRACE использует спутниковые данные для независимого отслеживания выбросов, выявив например, что реальные выбросы нефтегазовой инфраструктуры в ряде регионов втрое превышают заявленные. Google с помощью DeepMind снизил затраты на охлаждение дата-центров на 40%.
Буква «E» становится все более измеримой, прозрачной, технологичной. Это важно и заслуживает признания. Но здесь возникает вопрос, который редко задается вслух: не происходит ли так, что растущая изощренность экологической отчетности — именно потому, что она хорошо поддается алгоритмизации — создает иллюзию, будто ESG в целом «работает»? И не отвлекает ли это внимание от того, что алгоритмизации поддается хуже — от буквы «S», от людей?
Буква «S» по гамбургскому счету
Если относиться к букве «S» серьезно, по гамбургскому счету, то речь идет не только о программах благополучия для действующих сотрудников. Речь идет обо всех людях, чья жизнь связана с компанией. Включая тех, кто уже отдал ей годы труда. Включая пенсионеров.
Современный бизнес в целом заботится о своих сотрудниках — пока они являются производительным ресурсом. Корпоративные программы благополучия, медицинское страхование, обучение — все это существует и развивается. Но что происходит, когда человек перестает быть «ресурсом»? Когда он достигает пенсионного возраста и выходит за пределы системы, которая о нем заботилась?
Здесь обнажается глубокое противоречие. Если мы говорим, что люди — наша главная ценность, то они остаются ценностью и после того, как перестают производить экономическую отдачу для конкретной компании. Забота о том, как человек будет жить после выхода на пенсию, — это не благотворительность. Это проверка на подлинность: действительно ли нам не все равно — или нам не все равно лишь до тех пор, пока человек нам экономически выгоден?
И здесь возникает интересный парадокс: забота о людях за пределами их экономической полезности оказывается экономически обоснованной. Компании, которые серьезно относятся к социальному измерению — от условий труда до достойного завершения карьеры, включая корпоративные пенсионные программы, — создают «длинные деньги» для экономики, удерживают ценные кадры, формируют культуру доверия. Это именно та интеграция социального и экономического, которую предполагал Who Cares Wins. Но она требует стратегического решения первых лиц — решения, которое ни один алгоритм не примет за вас.
Буква «G»: управление как ответственность
Буква «G» — governance — часто воспринимается как набор формальных процедур: совет директоров, комитеты, комплаенс. Но по существу «G» — это вопрос о том, как принимаются решения и кто несет за них ответственность.
Макс Вебер в работе «Политика как профессия и призвание» показал, что любая устойчивая система управления держится на взаимном обязательстве. Лидер принимает решения и несет ответственность за их последствия. Сотрудник добросовестно исполняет эти решения, даже если лично с ними не согласен. Без этой дисциплины система и аппарат управления рушатся.
Однако эта асимметрия порождает и асимметричное обязательство. Если сотрудник отдает компании свой труд, свою лояльность, годы своей жизни — выполняя директивы, которые он не выбирал, ради целей, которые ставил не он, — то лидер несет ответственность не только за результат этого труда, но и за человека, который его выполнял. Ответственность лидера не заканчивается в тот момент, когда сотрудник перестает быть полезным. Она распространяется на то, чтобы человек, который следовал за тобой, мог жить достойно, когда перестанет работать.
Это не патернализм. Это логика самой системы: подчинение снизу теряет смысл, если сверху нет заботы. Это и есть подлинное Governance — управление, в котором ответственность соразмерна власти.
Где проходит граница
Именно здесь проходит принципиальная граница возможностей искусственного интеллекта.
ИИ может посчитать углеродный след с недоступной человеку точностью — но не может решить, что экологическая ответственность важнее квартальной прибыли или наоборот. ИИ может смоделировать влияние социальных программ на удержание кадров — но не может решить, что компания должна или не должна заботиться о людях после того, как они перестали на нее работать. Также ИИ может оптимизировать структуру управления по формальным критериям — но не может создать культуру, в которой руководитель чувствует личную моральную ответственность за последствия своих решений.
Случай Amazon показателен: компания отказалась от ИИ-системы подбора персонала после обнаружения систематической дискриминации женщин. Алгоритм воспроизвел закономерность из исторических данных, но результат был тот же, что и при сознательной дискриминации, — с той разницей, что за ним не стоял никто, кто мог бы нести ответственность. Когда мы делегируем алгоритму решения о людях, мы не устраняем субъективность — мы делаем ее невидимой и неподотчетной.
Витгенштейн настаивал: чтобы высказывание было осмысленным, говорящий должен иметь в виду то, что говорит. Алгоритм не имеет ничего в виду. Ему все равно.
Иметь в виду то, что говоришь
Питер Друкер говорил: прибыль — не цель бизнеса, а индикатор его устойчивости. Это принципиальное различие. Прибыль — ключевой индикатор того, что компания держится на пути. Но она не определяет сам путь. Путь определяется решениями — и правильные решения интегрируют экологические, социальные и управленческие факторы на каждом этапе. Не в отдельный отчет, который существует параллельно стратегии. Не в декларацию, которая украшает годовой доклад. А в каждое стратегическое решение.
Друкер предупреждал: «Если менеджеры наших основных институтов — и особенно бизнеса — не берут на себя ответственность за общее благо, никто другой не может или не будет». Это обращение к первым лицам. К топ-менеджрам, которые обладают полномочиями принимать решения от имени организации.
И здесь возникает вопрос, который стоит задать себе каждому руководителю. Почти у каждой компании есть миссия и ценности. Допустим, вы декларируете творческое мышление, лидерство для результата, успех через сотрудничество. Прекрасные слова. Но что они означают на практике? Что значит «творческое мышление», если стратегические решения принимаются без учета их экологических и социальных последствий? Что значит «лидерство для результата», если результат измеряется только квартальной прибылью, а не тем, какой мир мы создаем? Что значит «успех через сотрудничество», если сотрудничество заканчивается в тот момент, когда человек перестает быть полезным?
Стратегическое решение, которое не интегрирует ESG-факторы в соответствии с декларируемой миссией и ценностями, — это решение, которое не имеет в виду то, что говорит. На языке Витгенштейна — слова, вращающиеся вхолостую. И никакой алгоритм этого не исправит.
Три буквы как одно решение
ESG работает только тогда, когда все три буквы соединяются в одном решении — решении первых лиц.
E без S — это экологическая отчетность, за которой не видно людей. S без G — это благие намерения без механизма их воплощения. G без E и S — это управленческая машина, работающая на холостом ходу.
Интеграция — это не сложение трех отдельных отчетов. Это способ креативного мышления, при котором каждое стратегическое решение проверяется на соответствие тому, что компания декларирует. Если мы говорим, что нам не все равно, — это должно быть видно в том, как мы обращаемся с природой, с людьми — включая тех, кто уже завершил карьеру, — и с властью, которая нам доверена.
Бизнес-образование играет здесь ключевую роль — именно в бизнес-школах формируется мышление руководителей, сегодняшних и будущих. В Высшей школе бизнеса НИУ ВШЭ мы стремимся к тому, чтобы наша миссия — развитие управленческой мысли для подготовки инновационных и ответственных лидеров, меняющих организации и мир, — была не декларацией, а практикой. Чтобы наши ценности — творческое мышление, лидерство для результата, успех через сотрудничество — определяли не только то, что мы говорим, но и то, к чему и как мы готовим лидеров. Потому что ответственность бизнес-школы состоит не в том, чтобы научить правильным словам, а в том, чтобы показать: за словами должны следовать правильные решения.
Искусство решать
ИИ может помочь нам очень во многом: считать воздействие на окружающую среду с недоступной человеку точностью; структурировать информацию так, чтобы финансовые, экологические и социальные аспекты были видны одновременно; смоделировать последствия решений, которые мы еще не приняли.
Но решить, что нам не все равно; что сотрудник заслуживает достойной жизни после выхода на пенсию; что бизнес существует не только для извлечения прибыли для акционеров, но и для создания мира, в котором стоит и хочется жить, — это человеческий выбор. Выбор, который требует не вычислительной мощности, а мудрости и человекоцентричности.
Принятие правильных решений — это искусство соединить эффективность с осмысленностью. Спросить не только «сколько мы заработаем?», но и «какой мир мы при этом создаем?» Помнить, что прибыль — ключевой индикатор устойчивости на пути, а не сам путь. Иметь в виду то, что говоришь.
ИИ может сделать нас более информированными. Он не может сделать нас более мудрыми.
Потому что выигрывает тот, кому не все равно. А алгоритму — все равно.
