AI-klimatberäkning: varför realtidsdata slår Excel i ett osäkert världsläge

Elpriset dubblas på en vecka. En leverantör i Polen byter till en annan fraktrutt. EU lägger fram ett nytt regelverk med tre månaders varsel. Ingen av dessa händelser väntar på att din konsult ska ha tid nästa kvartal, och det gör inte klimatsiffrorna i ditt Excel-ark heller. AI-klimatberäkning löser det genom att koppla direkt till affärssystemet och räkna om utsläppen varje gång underliggande data ändras, inte en gång om året.

Jag har suttit i de här samtalen på riktigt. Byggbolag som får en ny betongleverantör mitt i ett projekt och inte vet vad det gör med klimatavtrycket förrän revisorn frågar i mars. Åkerier som byter drivmedelsleverantör tre gånger under ett år beroende på pris, utan att någon uppdaterar utsläppsunderlaget mellan gångerna. Det är inte slarv. Det är att manuella processer helt enkelt inte är byggda för en värld där variablerna rör sig varje vecka.

Varför Excel och konsulter inte hinner med längre

En traditionell klimatberäkning bygger på ett årsbokslut. Du samlar in fakturor, skickar dem till en konsult, konsulten matchar mot emissionsfaktorer, och sex till tio veckor senare får du en rapport som beskriver ett år som redan är historia. Det fungerade när energipriser och leverantörskedjor rörde sig långsamt. Det gör de inte längre.

Titta på elpriset i Sverige de senaste åren. Elområde SE4 har svängt mellan under 50 öre och över 4 kronor per kWh inom samma tolvmånadersperiod, enligt Svenska kraftnäts prisstatistik. Ett bolag som bytt elavtal, flyttat produktion till en annan elområdesregion eller ökat andelen egen solkraft har fått ett helt annat scope 2-avtryck än det som stod i förra årets rapport, långt innan nästa manuella beräkning hinner fångas upp.

Samma mönster syns i leverantörskedjor. Ett byggbolag vi pratat med bytte cementleverantör tre gånger under 2023 på grund av leveransproblem efter energikrisen i Europa. Varje leverantör har olika utsläppsintensitet per ton. En årsbaserad Excel-modell fångar det bytet ett år senare, om den fångar det alls, eftersom underlaget ofta bygger på schabloner istället för faktiska inköp.

Regelverken har också blivit snabbare i sig. CSRD, taxonomiförordningen och nya krav från upphandlande myndigheter i bygg och transport ändras med kort varsel. Ett bolag som ska svara på en upphandling där klimatdata ska vara aktuell inom 30 dagar kan inte vänta på nästa konsultcykel.

Så matchar AI-modellen transaktioner mot utsläppskategorier

AI-klimatberäkning fungerar genom att koppla direkt till affärssystemets transaktionsflöde och automatiskt klassificera varje post mot en utsläppskategori enligt GHG-protokollet (Greenhouse Gas Protocol, utvecklat av WRI och WBCSD). Modellen läser leverantörsnamn, kontokoder, produktbeskrivningar och belopp, och matchar dem mot en databas med emissionsfaktorer och tidigare kategoriserade transaktioner.

I praktiken sker det i tre steg. Först extraheras rådata från fakturor, energisystem och transportbokningar. Sedan tolkar modellen texten och siffrorna: är det diesel, el, betong eller frakt, och vilken scope-kategori hör posten till. Till sist beräknas utsläppet genom att multiplicera mängd eller kostnad med rätt emissionsfaktor, och resultatet läggs till i den löpande klimatsiffran.

Så här kan matchningen se ut för ett transportbolag:

Transaktionstyp	Källa	Scope enligt GHG-protokollet	Vad AI-modellen läser
Dieselfaktura	Bränsleleverantör	Scope 1	Literantal, drivmedelstyp, datum
Elräkning för lager	Elbolag	Scope 2	kWh, elområde, avtalstyp
Inköpt transporttjänst	Underleverantör	Scope 3	Fraktsträcka, godstyp, transportslag
Betong- och stålinköp	Byggmaterialleverantör	Scope 3	Produktkategori, mängd, leverantör

Det som gör modellen användbar i ett snabbt föränderligt läge är att den räknar om hela kedjan så fort en enskild rad ändras. Byter åkeriet drivmedelsleverantör i onsdags, syns det i klimatsiffran redan nästa gång bokföringen synkas, inte vid nästa kvartalsbokslut. Samma logik gäller energidata: kopplas modellen till elmätare eller energibolagets API, uppdateras scope 2-siffran löpande istället för en gång per år baserat på en genomsnittlig faktor.

Modellen blir bättre ju fler transaktioner den ser. De första månaderna kräver ofta manuell koll av gränsfall, till exempel fakturor med otydliga beskrivningar eller nya leverantörer utan historik. Efter det stabiliserar sig träffsäkerheten, för de flesta av våra kunder inom bygg och transport ligger den automatiska klassificeringen på över 90 procent av transaktionsvolymen efter tre till fyra månader.

Ett exempel från bygg och transport: energipriser som ändrar bilden över natten

Ett anläggningsbolag vi jobbar med har maskinpark som körs på diesel och elektrifierade grävmaskiner på ett par av sina största arbetsplatser. Hösten 2022, när elpriserna sköt i höjden, valde bolaget att köra mer diesel på vissa platser eftersom det tillfälligt blev billigare i relation till spotpriset på el. Utan realtidskoppling hade det skiftet synts i klimatrapporten först ett år senare, som en samlad ökning ingen riktigt kunde förklara.

Med AI-kopplingen till affärssystemet syntes ändringen i utsläppssiffran inom veckor. Ledningen kunde se exakt vilka arbetsplatser som drivit ökningen, jämföra med elpriskurvan för samma period, och fatta ett medvetet beslut om att acceptera högre kostnad på en plats för att hålla nere utsläppen, eftersom just det projektet hade klimatkrav i avtalet med beställaren.

Det är den praktiska poängen. Det handlar inte om att ha en snyggare rapport i efterhand. Det handlar om att se konsekvensen av ett inköpsbeslut medan det fortfarande går att justera, inte efter att kvartalet är stängt.

Vad AI faktiskt gör, och vad den inte gör

AI-modellen kvalitetssäkrar och strukturerar data. Den ersätter inte mänskligt omdöme helt, och det är viktigt att vara ärlig om var gränsen går.

Det AI gör bra: klassificera stora volymer transaktioner konsekvent, upptäcka avvikelser som en dubbelbokförd faktura eller en leverantör som saknar emissionsfaktor, och räkna om hela underlaget varje gång ny data kommer in. Det gör att en klimatcontroller slipper lägga veckor på att manuellt sortera fakturor i Excel, och kan istället lägga tiden på att tolka resultatet.

Det AI inte gör: bedöma vilka klimatåtgärder som är rätt för verksamheten, avgöra hur en ny lagändring ska tolkas juridiskt, eller garantera att en emissionsfaktor från en leverantör faktiskt är korrekt om leverantören själv rapporterat fel. Modellen är också beroende av datakvalitet. Om affärssystemet har inkonsekventa kontokoder eller leverantörsnamn stavas olika mellan fakturor, tar det längre tid innan matchningen blir träffsäker.

Vår erfarenhet från kundsamtal inom bygg, transport och logistik är att bolag som förväntar sig en helt automatisk "svart låda" blir besvikna. De som förstår att AI-delen sköter volym och konsistens, medan ett mänskligt team fortsatt äger tolkning och strategiska beslut, får ut betydligt mer värde. En hållbarhetschef behöver fortfarande granska underlaget innan det går in i en CSRD-rapport eller en kundupphandling. Det AI gör är att se till att det underlaget är aktuellt och spårbart när granskningen sker, istället för sex månader gammalt.

Snabbare beslutsunderlag när allt annat känns instabilt

Värdet av AI-klimatberäkning ökar i takt med att omvärlden blir mindre förutsägbar, inte tvärtom. När energipriser, leverantörskedjor och regelverk rör sig långsamt spelar det mindre roll om klimatsiffran är tre månader gammal. När de rör sig snabbt blir en gammal siffra en risk i sig, för både upphandlingar, finansiering och intern styrning.

Tre situationer där det märks konkret:

• Upphandlingar med klimatkrav. En beställare inom infrastruktur eller offentlig sektor ber om aktuellt utsläppsunderlag med kort varsel. Ett bolag med löpande beräkning kan svara samma vecka istället för att beställa en ny konsultrapport.
• Snabba leverantörsbyten. När en leverantör faller bort på grund av sanktioner, konkurs eller leveransproblem, syns effekten på klimatsiffran direkt, och bolaget kan väga in klimatavtryck i valet av ersättare, inte bara pris och leveranstid.
• Regelverk som ändras med kort varsel. Nya krav enligt CSRD eller branschspecifika standarder krä