Keuntungan:
- Kemampuan untuk membedakan antara net zero dan carbon neutral dan mengevaluasi target pengurangan secara realisme dengan tingkat SBTi/1,5°C
- Kemampuan untuk memprioritaskan langkah-langkah mitigasi dengan logika MACC (biaya mitigasi marjinal), dengan memprioritaskan biaya-biaya negatif
- Kemampuan untuk membuat proyeksi emisi multi-tahun dengan kode, bukan secara manual, dan merencanakan penggantian kerugian hanya untuk sisa emisi yang tidak bisa dihindari
Setelah Anda melakukan inventarisasi, pekerjaan sebenarnya dimulai: mengurangi emisi. Namun pengurangan tidak dapat dicapai melalui pernyataan niat baik; Hal ini membutuhkan tujuan, peta jalan, dan prioritas. Dalam unit ini, Anda akan mempelajari konsep net zero, target berbasis sains, pemeringkatan opsi mitigasi berdasarkan biaya (MACC), dan bagaimana AI dapat mempercepat pekerjaan strategis ini.
Konsep dulu. Nol bersih (net zero) adalah ketika suatu lembaga mengurangi gas rumah kaca yang dihasilkannya sebanyak mungkin dan menyeimbangkan sisa gas yang tidak dapat dihindari dengan metode yang dapat diandalkan, sehingga mengurangi dampak bersihnya hingga nol. Karbon netral umumnya merupakan konsep yang lebih lemah; Hal ini sering kali bergantung pada pembelian offset dibandingkan pengurangan, sehingga risiko greenwashing tinggi. Target berbasis ilmu pengetahuan (sains-based target/SBT) adalah kerangka kerja yang memverifikasi bahwa target pengurangan emisi perusahaan selaras dengan ilmu pengetahuan yang diperlukan untuk membatasi pemanasan global hingga 1,5°C; SBTi (Inisiatif Target Berbasis Sains) adalah organisasi yang menyetujui target tersebut.
Petunjuk: “Net zero” tidak sama dengan “carbon neutral.” Net zero memerlukan mitigasi mendalam terlebih dahulu, kemudian dilanjutkan dengan penghapusan berkualitas tinggi untuk sisanya. Mengambil offset dan menyebutnya “netral” adalah sebuah pendekatan yang semakin ditolak oleh auditor dan regulator.
Menyortir opsi mitigasi: MACC
Sebuah organisasi mungkin memiliki lusinan opsi mitigasi: pencahayaan LED, panel surya di atap, pompa panas, armada listrik, peralihan pemasok. Yang mana untuk memulai? Jawabannya diberikan oleh MACC (Marginal Abatement Cost Curve). MACC memberi peringkat pada setiap opsi berdasarkan sumbu “biaya per ton CO₂e yang dihindari” (€/ton) dan “kuantitas total yang dihindari” (ton).
Beberapa tindakan mempunyai dampak negatif — yaitu mengurangi emisi dan menghemat uang (misalnya efisiensi energi, karena lebih sedikit energi berarti lebih sedikit tagihan). Ini dilakukan terlebih dahulu. Upaya-upaya yang berbiaya tinggi (misalnya beberapa teknologi penangkapan ikan) dibiarkan begitu saja. MACC mengarahkan anggaran untuk mencapai pengurangan terbesar dengan biaya terendah.
tindakan pencegahan
Pengurangan (ton CO₂e/tahun)
Biaya (€/ton)
prioritas
Efisiensi energi (LED, isolasi)
400
−60 (keuntungan)
sangat tinggi
tenaga surya di atap
900
−15 (keuntungan)
tinggi
Kontrak listrik ramah lingkungan
1.500
8
tinggi
Beralih ke armada listrik
300
45
sedang
Pemasok bahan rendah karbon
1.100
70
sedang
Penghapusan karbon terverifikasi (offset)
tersisa
90+
akhir
Analisis skenario: memodelkan masa depan
Mitigasi adalah perjalanan multi-tahun, bukan satu tahun. Analisis skenario adalah pemodelan bagaimana emisi akan berubah berdasarkan berbagai asumsi (pertumbuhan, harga energi, kecepatan teknologi). Biasanya skenario dasar (bisnis seperti biasa – jika tidak ada tindakan yang dilakukan) dibandingkan dengan skenario mitigasi (jika tindakan telah diterapkan). Perbedaan tersebut merupakan dampak sebenarnya dari pengurangan tersebut.
Di sini AI; Ini berguna untuk menyusun asumsi skenario, membuat model proyeksi sederhana dengan Python, mengedit tabel MACC, dan menyusun teks peta jalan. Namun realisme asumsi, keakuratan data biaya, dan keputusan strategis ada di tangan Anda.
Langkah demi langkah: peta jalan mitigasi
1. Menentukan tahun dasar dan tujuan. Target yang jelas, terukur, dan tertanggal seperti “pengurangan absolut sebesar 50% dari tahun 2019 pada Cakupan 1+2 pada tahun 2030.”
2. Buat daftar dan kuantifikasi pilihan-pilihan yang ada. Perkirakan jumlah dan biaya mitigasi untuk setiap tindakan.
3. Urutkan berdasarkan MACC. Mengedepankan langkah-langkah negatif dan berbiaya rendah.
4. Tersebar selama bertahun-tahun. Yang mengukur pada tahun berapa? Gambarlah kurva yang sesuai dengan anggaran.
5. Rencanakan pengeluaran Anda untuk sisanya. Pilih solusi pembuangan yang berkualitas tinggi dan tervalidasi untuk emisi yang tidak dapat dihindari.
6. Memantau dan merevisi. Bandingkan realisasinya dengan target setiap tahunnya dan perbaiki jika ada penyimpangan.
tiga kasus mini
Kasus 1 — Biaya negatif tidak ada. Salah satu perusahaan meminta AI untuk “melakukan pengurangan terbesar terlebih dahulu,” dan AI menyarankan proyek mengejar ketinggalan yang mahal. Ketika tim menerapkan MACC, mereka menemukan bahwa tindakan efisiensi energi sebesar 400 ton menghemat €60 per ton, yaitu pengurangan gratis. Mereka memberi peringkat berdasarkan biaya; Pada tahun pertama, mereka mengurangi 400 ton tanpa anggaran.
Kasus 2 — Target imajiner. Salah satu perusahaan meminta AI untuk membuat slogan ambisius: “Kita akan sepenuhnya menjadi net zero pada tahun 2025.” Analis menunjukkan bahwa 85% emisi saat ini berada pada Cakupan 3 dan tidak mungkin dihilangkan dalam satu tahun. Target telah ditarik ke orbit yang realistis (target sementara tahun 2030 + net zero tahun 2040); Telah memenuhi kriteria SBTi. Tujuan yang tidak realistis tersebut nantinya bisa berubah menjadi tuduhan greenwashing.
Kasus 3 — Kode proyeksi. Seorang analis meminta AI menghitung proyeksi emisi 10 tahunnya dengan tangan; AI salah menerapkan tingkat pengurangan gabungan dan mengecilkan nilai tahun 2030 sebesar 12%. Ketika analis membuat perhitungan yang sama dengan kode Python (mengulang tahun demi tahun), kurva yang benar akan keluar. Penting untuk mengkodifikasi akun majemuk multi-tahun.
Perintah lemah / Perintah kuat
Perintah yang lemah:
Tulis rencana nol bersih untuk perusahaan saya.
Mengapa lemah: Tidak ada tahun dasar, target, ruang lingkup, emisi dan biaya saat ini. Outputnya akan berupa teks umum yang tidak dapat diterapkan.
Perintah yang kuat:
Peran Anda: penasihat strategi iklim. Buatlah rancangan peta jalan mitigasi dengan data berikut. Tahun dasar 2019, emisi Cakupan 1+2 saat ini adalah 6.000 ton CO₂e, menargetkan pengurangan absolut sebesar 50% pada tahun 2030. Urutkan daftar tindakan berikut berdasarkan logika MACC (negatif/berbiaya rendah terlebih dahulu) dan sebarkan berdasarkan tahun. JANGAN mengarang angka; Saya kasih perkiraan biaya/pengurangannya, Anda urutkan dan tandai bagian yang kosong [HARUS DIVERIFIKASI]. Tindakan pencegahan: [daftar]
Empat templat yang dapat disalin
1) Penyortiran MACC:
Urutkan langkah-langkah mitigasi berikut berdasarkan biaya mitigasi marjinal (€/ton). Prioritaskan tindakan biaya negatif (penghematan). Untuk setiap pengukuran, simpan kolom pengurangan (ton CO₂e) dan biaya, lalu tambahkan pengurangan kumulatif. Jangan mengarang angka; Gunakan data yang saya berikan kepada Anda. Tindakan pencegahan: [tabel]
2) Proyeksi skenario (dengan kode):
Peran Anda: pemodel karbon. Buat proyeksi dengan kode Python, mulai dari [START] ton emisi dan asumsi pengurangan [RATE] per tahun hingga [YEAR]. Hitung skenario dasar (tidak ada pengurangan) dan skenario pengurangan secara terpisah dan bandingkan dengan tabel dari tahun ke tahun. Lakukan perhitungan dengan kode, bukan secara manual.
3) Pemeriksaan realisme target:
Evaluasi secara kritis target iklim berikut. Tanyakan: (1) Berdasarkan absolut atau berdasarkan kepadatan? (2) Apakah Cakupan 3 termasuk? (3) Apakah garis waktunya memungkinkan secara fisik? (4) Apakah SBTi kompatibel dengan laju 1,5°C? Jika tidak realistis, berikan alasannya dan target yang disesuaikan. Sasaran: [di sini]
4) Draf teks peta jalan:
Ubahlah daftar langkah-langkah berikut ini menjadi teks peta jalan untuk dipresentasikan kepada para pemangku kepentingan. Untuk setiap tindakan: apa, kapan, perkiraan pengurangan, unit yang bertanggung jawab. Menggunakan pernyataan yang berlebihan/tidak terbukti; Andalkan saja nomor yang saya berikan kepada Anda. Tindakan pencegahan: [daftar]
Kesalahan umum
- Tidak mengurutkan tindakan berdasarkan biaya. Langkah-langkah biaya negatif harus selalu diambil.
- Hanya mengambil offset dan mengatakan "net zero". Pengurangan mendalam terlebih dahulu; Pengeluaran saya hanya untuk sisanya.
- Memberikan tanggal yang tidak realistis. Institusi tertimbang Scope 3 tidak bisa menjadi net zero dalam satu tahun.
- Perhitungan majemuk dilakukan secara manual. Buatlah proyeksi multi-tahun menjadi kode.
- Mengadaptasi data biaya/pengurangan ke AI. Angka-angka ini berasal dari data teknik dan pasar.
Perhatian: Pasar penghilangan karbon (offset) sangat bervariasi dalam hal kualitas. Klaim net zero berdasarkan kredit yang tidak berdasar atau “tidak permanen” (misalnya hutan yang bisa terbakar) dapat gagal dalam audit dan opini publik. Penghapusan merupakan pelengkap, bukan pengganti, mitigasi.
Singkatnya
Pengurangan emisi; Hal ini memerlukan target yang jelas, prioritas biaya dengan MACC, skenario multi-tahun dan peta jalan yang realistis. AI; Kuat dalam pengurutan, kode proyeksi, kritik target, dan penyusunan teks. Namun keakuratan data biaya/pengurangan, realisme target, dan kualitas penghapusan adalah milik ahlinya. Ukur dulu, lalu kurangi, terakhir saldo.
Tugas aplikasi
Buatlah daftar enam langkah mitigasi dan tetapkan perkiraan pengurangan (ton) dan biaya (€/ton) untuk masing-masing langkah (setidaknya dua dengan biaya negatif). Minta AI melakukan penyortiran MACC dengan template 1. Kemudian dengan template 2, cetak kode proyeksi ke tahun 2030, dimulai dari emisi Anda saat ini. Terakhir, periksa realisme tujuan Anda sendiri dengan template ke-3.
daftar periksa
- [ ] Saya menetapkan tujuan yang jelas, terukur, dan tertanggal.
- [ ] Saya telah membuat daftar langkah-langkah berdasarkan MACC dan biayanya.
- [ ] Saya mengedepankan langkah-langkah biaya negatif.
- [ ] Saya melakukan proyeksi bukan dengan tangan, tetapi dengan menjalankan kode.
- [ ] Saya hanya merencanakan penggantian kerugian saya untuk sisa yang tidak dapat dihindari.
- [ ] Saya memeriksa kompatibilitas dan realisme target SBTi/1,5°C saya.