Enligt ramen för EU:s Gröna giv införs gränsjusteringsmekanismen CBAM (Carbon Border Adjustment Mechanism), ett initiativ för att införa en koldioxidtull. CBAM syftar till att förhindra att produktionen av utsläppsintensiva varor flyttar utanför EU när dessa varor beskattas mer inom unionen. Från 2023 behöver företag rapportera koldioxidutsläpp från vissa importvaror och 2026 införs även tull på dessa.
Implementeringen av CBAM kommer att vara en komplex uppgift, särskilt givet de globala leverantörskedjornas natur. Men komplexitet innebär inte att det är ogenomförbart. När vi inledde vårt AICA-projekt (AI-Powered Carbon Border Adjustments-projekt) som Linköpings universitet bedriver tillsammans med 2050 Consulting, Alfa Laval, Toyota Material Handling och Hexatronic, möttes vi av liknande tvivel från samhällssektorer som ifrågasatte genomförbarheten av CBAM. Men det var just denna osäkerhet som samtidigt grundade drivkraften för vårt arbete med AICA. Insikten växte: detta ÄR transformationen. Det är en gemensam resa att skapa lösningar för ett klimatsmart samhälle.
I AICA-projektet testar vi att utveckla ett AI-verktyg för att hantera utmaningarna med att beräkna utsläpp och rapportera koldioxidutsläpp på ett transparent och legitimt sätt. Vårt arbete bidrar till att förstå nuvarande förutsättningar, identifiera möjligheter och problem, och ge en inblick i de centrala intressenternas perspektiv. Detta har vi hittills gjort i tre delstudier, vilkas initiala resultat vi delar med oss av här:
- Emission calculation processes as cases of climate transformation in heavy industry
AICA-projektets första del bestod i att manuellt genomföra så korrekta LCA:er (livscykelanalyser) som möjligt av komponenter som sedan skulle kunna användas som jämförelsegrund för det tilltänkta AI-verktygets korrekthet. Vår samhällsvetenskapliga del i projektet observerade dessa processer samt intervjuade deltagarna, och fann att de behövde hantera en mängd svårigheter.
En avgörande faktor för beräkningarna var den välkända problematiken kring transparens mellan olika aktörer i leverantörskedjan. Det är givetvis känsligt att lämna ut sina exakta ”recept” då de ofta är basen för företags konkurrensfördelar. Men det var också tydligt att det ofta handlade om den egentliga existensen av utsläppsdata, snarare än ovilja att dela med sig.
Vidare visade det sig att acceptansen för data-nivå var avgörande. Om sekundärdata accepteras, och inte exakta manuella primärdata behövs, var LCA-processen av naturliga skäl mycket mer effektiv. Detta kan dock innebära brist på incitament för att dra ner på utsläpp; OM minskningar inte premieras tydligt genom högre tullar för sekundärdata kommer företagen sakna tillräcklig motivation för att rapportera faktiska primärdata som visar faktiska utsläpp. Det här underströks även i vårt remissvar till EU-kommissionen. Om syftet är att minska utsläppen måste tydliga incitament för detta byggas in i rapporteringsverktyget.
Fortsättningsvis fanns det indikationer på något som är välkänt inom beteendebaserad företagsekonomi, nämligen att förtroendefyllda relationer mellan aktörer underlättar överföring av data avsevärt. Även interna och externa påtryckningar påverkade såväl existensen som överföringen av utsläppsdata.
Det fanns många fler intressanta resultat, men fokuset på kund-leverantör-relationernas ömsesidiga beroende måste omnämnas. Inom leverantörskedjor är ofta kundens makt över leverantören underförstådd. Men i de fall där leverantören är ”större” än kunden, blir situationen annorlunda, då det interaktiva snarare än ett top-down-perspektiv bör beaktas för att förstå överföring av utsläppsdata i de globala leverantörskedjorna.
- Stakeholder requirements of AI tool for emission calculations
I nästa steg samlade vi in data från potentiella användare av AI-verktyget. Syftet var att genom intervjuer förstå användarnas kravställning på AI-verktyget i termer av transparens, tolkningsbarhet, robusthet och osäkerhet. Dessa begrepp hjälpte oss att definiera behoven av krav för att det framtida verktyget ska uppfattas som legitimt av användarna.
Det absolut främsta kravet, förutom de förutsedda transparens- och effektivitetsfrågorna, gällde jämförbarhet – att alla aktörer rapporterar inom samma system eller standard för att säkerställa en rättvis konkurrens. Vidare framkom det att robustheten eller korrektheten i uträkningarna var mindre viktiga än just jämförbarheten. Dessutom framhölls neutraliteten av den part som hanterar AI-verktyget, främst i termer att det inte skulle vara en vinstdrivande organisation för att upplevas som tillräckligt legitim.
- Collecting and transferring emission data: a supplier perspective
Utöver de ovan beskrivna aktiviteterna, ville vi komplettera fallet med att även förstå förutsättningarna för implementeringen av CBAM från leverantörsperspektivet, det vill säga leverantörer utanför EU. Med bas i begreppen kunskapsöverföring och transparens undersökte vi ett fall av en icke-EU-leverantör i Zambia, och inkluderade kontexten för att tydligare förstå deras förutsättningar. Vi gjorde med andra ord intervjuer med aktörer från samhällets olika delar för att förstå såväl deras syn på ett AI-verktyg, men också kontextuella möjligheter och utmaningar för att samla och överföra utsläppsdata.
Som väntat utifrån redan existerande litteratur fann vi flertalet förklaringar angående otillräcklig utsläppsdata. Några exempel var brist på lokala regleringar, normer och kunskap om rapportering samt brist på nödvändig teknologi etcetera. Svaga relationer påverkade också negativt i överförandet av data i leverantörskedjorna, samt att kostnaden för överföringen och insamlandet underströks. Vidare bekräftades tidigare etablerad kunskap om svårigheter med att ta emot kunskap som överförs mellan organisationer.
Sammanfattningsvis, i och med dessa svårigheter finns givetvis flera aspekter på rättvisa i termer av frihandel och handelshinder. I våra tidigare delstudier nämndes alternativet att flytta hem produktionen av de europeiska bolagen, om den ändå kommer att beskattas. Huruvida detta är rättvist eller inte är dock en fråga som kräver en annan typ av studie, men är definitivt en viktig del i konsekvenserna av CBAM.
Den största lärdomen hittills i projektet är att själva kunskapen saknas, dvs utsläppsdata, snarare än att det bara handlar om en fråga om transparens och ovilja att dela densamma. Vi ser dock detta som en naturlig del av transformationen – att vi behöver skapa ny kunskap är inte överraskande eftersom det nya samhället inte kan baseras på dåtidens sanningar.
Vårt pågående arbete i AICA syftar därmed även till att förstå transformationsprocessen för företag när de ställs inför klimatregleringar som exempelvis CBAM. Genom att identifiera mekanismer som påverkar implementeringen kan vi ge rekommendationer till näringslivet och politiska beslutsfattare för framtida transformationsprojekt.
Läs mer:
2050 och LiU ger remissvar till EU kring förslaget på koldioxidtullar
Vi har tidigare skrivit om behovet av automatiserade koldioxidberäkningar för införandet av CBAM, vilket vi återkommer till även i ovanstående remissvar. Hela vår feedback finns tillgänglig här på EU-kommissionens officiella hemsida.
Gästskribent: Anna Ljung på Linköpings universitet. Anna är en av de forskare som arbetar med AICA-projektet tillsammans med 2050 Consulting, Alfa Laval, Toyota Material Handling och Hexatronic.
Anna Ljung
Associate professor vid Linköpings universitet
anna.ljung@liu.se