Risiko keberlanjutan hari ini bergerak lebih cepat dan lebih rumit dari sebelumnya. Cuaca ekstrem mengganggu rantai pasok, aturan lingkungan berubah, tuntutan sosial menguat, dan isu kecil di media sosial bisa membesar hanya dalam hitungan jam. Persoalannya, banyak organisasi masih membaca risiko ini lewat laporan berkala yang datang terlambat, ketika masalahnya sudah telanjur terjadi. Di sinilah teknologi, khususnya kecerdasan buatan atau AI, mulai mengubah cara perusahaan mengenali sustainability risk sejak dini.
Adopsinya bukan lagi sekadar wacana. Survei McKinsey State of AI mencatat hampir sembilan dari sepuluh organisasi kini memakai AI setidaknya pada satu fungsi bisnis, dan makin banyak yang menerapkannya dalam skala perusahaan. Di ranah keberlanjutan, PwC menemukan 34% perusahaan menyebut pertimbangan keberlanjutan sebagai salah satu pendorong kenaikan anggaran teknologi mereka. Arahnya jelas, AI tidak lagi hanya soal efisiensi, tetapi mulai masuk ke cara organisasi mengelola risiko.
Memantau Isu yang Terus Bergerak
Kekuatan pertama AI ada pada monitoring. Risiko keberlanjutan kerap datang dari banyak sumber sekaligus, mulai dari data cuaca, citra satelit, pemberitaan, sampai percakapan di media sosial. Memantau semuanya secara manual nyaris mustahil. AI bisa mengawasinya terus-menerus dan memberi peringatan lebih awal, misalnya saat ada gangguan di jalur pemasok, potensi pelanggaran lingkungan, atau sentimen negatif yang mulai membesar. Sebagai contoh, model geospasial dapat menandai risiko banjir atau deforestasi di sekitar lokasi operasi, sementara pemantauan berita dan media sosial menangkap isu yang berpotensi merembet ke reputasi. Alih-alih menunggu laporan triwulanan, tim bisa tahu ada yang tidak beres hampir seketika, lalu bertindak sebelum situasinya melebar.
Menemukan Sinyal di Tengah Data
Tantangan kedua adalah data yang terlalu banyak dan tercerai-berai. Informasi keberlanjutan biasanya tersebar di banyak sistem, dengan format berbeda-beda, dan sebagian besar tidak rapi. AI mampu mengumpulkan lalu menyatukan data dari beragam sumber, termasuk dokumen, sensor, dan laporan pihak ketiga, kemudian mengubahnya menjadi gambaran yang bisa dipahami. PwC mencontohkan bagaimana AI dapat menelusuri jejak emisi hingga ke pemasok lapis kedua dan ketiga, area yang selama ini paling sulit dijangkau secara manual. AI juga bisa merangkai laporan keberlanjutan yang siap diaudit, sehingga waktu dan biaya kepatuhan berkurang, dan tim bisa lebih fokus pada analisis alih-alih sibuk mengumpulkan angka. Dengan begitu, keputusan tidak lagi berdiri di atas tebakan, melainkan data yang lebih utuh.
Menemukan Pola Risiko
Kemampuan yang paling menarik justru soal mengenali pola. Dari tumpukan data, AI bisa menemukan anomali dan keterkaitan yang sulit ditangkap mata manusia, seperti tanda-tanda awal gangguan pasokan, penurunan kualitas di satu lokasi, atau perubahan perilaku yang berujung pada risiko. Contohnya, kenaikan kecil pada keluhan pekerja di beberapa lokasi bisa menjadi sinyal awal persoalan ketenagakerjaan, jauh sebelum ia muncul sebagai tuntutan atau pemberitaan. Sejumlah kajian akademik tentang manajemen risiko rantai pasok menunjukkan model berbasis AI mampu mendeteksi risiko lebih dini dibanding pendekatan konvensional. Dari deteksi dini itulah organisasi mendapat waktu, dan dalam manajemen risiko, waktu sering kali menentukan segalanya.
Ketiga kemampuan ini, yaitu memantau, menganalisis, dan mengenali pola, sebenarnya saling melengkapi. Digabungkan, ketiganya membentuk semacam sistem peringatan dini yang membuat organisasi tidak lagi kaget oleh risiko, melainkan sudah bersiap jauh sebelum risiko itu benar-benar datang.
Mengapa Ini Penting bagi Bisnis
Semua ini penting karena risiko keberlanjutan makin menyatu dengan risiko bisnis. PwC mencatat 80% investor cenderung memprioritaskan perusahaan yang memperkuat rantai pasoknya, dan 64% mendukung belanja untuk menekan emisi. Investor, regulator, dan konsumen sama-sama menuntut bukti, bukan janji. Perusahaan yang mampu membaca risiko lebih dini punya ruang untuk bertindak sebelum masalah membesar, dan itu berdampak langsung pada reputasi, biaya, sekaligus kelangsungan usaha. Sebaliknya, risiko yang terlambat terbaca hampir selalu lebih mahal untuk dipulihkan, baik dari sisi biaya, hukum, maupun kepercayaan publik yang sudah telanjur tergerus.
Meski menjanjikan, AI bukan solusi otomatis. Hasilnya hanya sebaik data yang diberikan. Data yang buruk atau bias akan melahirkan kesimpulan yang menyesatkan, dan itu berbahaya ketika menyangkut klaim keberlanjutan. AI juga tidak menggantikan penilaian manusia. Ia memberi sinyal, tetapi keputusan tetap membutuhkan konteks, etika, dan tanggung jawab. Menariknya, survei McKinsey menunjukkan perusahaan berkinerja terbaik adalah yang paling serius mengelola risiko dari penggunaan AI itu sendiri. Artinya, teknologi ini perlu diimbangi tata kelola yang jelas dan kapasitas orang yang menjalankannya. Kerangka tata kelola AI yang mulai berkembang di berbagai negara pun menuntut transparansi soal bagaimana sebuah kesimpulan dihasilkan, bukan sekadar mempercayai keluarannya begitu saja.
Pada akhirnya, AI menggeser manajemen risiko keberlanjutan dari sekadar menengok ke belakang menjadi mengantisipasi ke depan. Namun teknologi hanya separuh jawaban. Separuh lainnya ada pada kesiapan organisasi membaca sinyal tersebut dan menerjemahkannya menjadi keputusan yang tepat.
PT EMIL (PT Elan Mitra Lestari) mendampingi perusahaan menyiapkan hal itu, mulai dari pemetaan risiko keberlanjutan, penguatan data dan pengukuran, hingga membangun kapasitas tim agar teknologi benar-benar berujung pada keputusan yang lebih baik.
Referensi:
McKinsey, “The State of AI” (2025-2026)
PwC, Global Investor Survey 2024 dan Cloud and AI Business Survey 2024 (via ESG Dive, Januari 2025)