AI i hållbarhetsrapportering: VSME-data för SME

Driver ni ett bolag med 80 anställda behöver ni inte upprätta någon hållbarhetsrapport enligt CSRD. Det har aldrig varit tydligare än nu: efter det så kallade omnibuspaketet, som trädde i kraft i mars 2026, gäller direktivet bara företag med över 1 000 anställda och över 450 miljoner euro i omsättning.

Ändå landar formulären i inkorgen. Storkunden vill ha ert klimatavtryck till sin leverantörsredovisning. Banken frågar om energidata inför krediten. Upphandlingen kräver en hållbarhetsbilaga. Regelbördan försvann för de små bolagen på pappret, men den studsade tillbaka via värdekedjan, och den hanteras i dag med samma metod nästan överallt: någon på ekonomi jagar siffror i pärmar, fakturor och mejltrådar, varje gång från noll.

Det är den jakten, inte rapporten, som AI kan göra något åt.

AI i hållbarhetsrapportering innebär att språkmodeller hämtar och sammanställer hållbarhetsdata ur underlag företaget redan har, fakturor, kvitton, avier och lönesystem, mot en fast rapportstruktur, så att människor granskar färdiga sammanställningar i stället för att bygga dem manuellt.

Vad är VSME, och varför är det goda nyheter?

Mitt i regelröran finns en pusselbit som förvånansvärt få SME känner till. EU-kommissionen antog i juli 2025 en rekommendation om VSME, en frivillig rapporteringsstandard för onoterade företag under 250 anställda, med en enkel basmodul och en utökad modul för den som vill mer.

Det verkligt viktiga är dock inte standarden i sig utan taket som följer med den: rapporteringspliktiga storbolag får inte kräva mer hållbarhetsdata av leverantörer under 1 000 anställda än vad VSME omfattar. Det förändrar spelplanen för ett SME. I stället för att besvara varje kunds hemsnickrade formulär med nya sammanställningar kan ni upprätta era VSME-datapunkter en gång per år och hänvisa till dem, med regelverket i ryggen. Frågelistorna kommer inte att försvinna över en natt, men ni har fått en standard att styra mot, och det är exakt vad en automatisering behöver: ett fast mål.

VSME-standarden ger ett SME två saker: en lista datapunkter att samla in en gång i stället för ett formulär per kund, och ett regelfäst tak för vad storkunder får kräva.

Var finns datan redan i dag?

Här kommer den lugnande insikten: merparten av basmodulens datapunkter bor redan i era system, fast utspridd och oformaterad.

• Energi: förbrukning i kilowattimmar står på elleverantörens fakturor, månad för månad, redo att extraheras.
• Drivmedel och resor: bränslekvitton, drivmedelskort och reseräkningar bär uppgifterna, i fritext och blandade format, alltså precis det språkmodeller läser bra.
• Avfall: hämtningsavier och årssammanställningar från avfallsbolaget anger mängder och fraktioner.
• Personal: antal anställda, könsfördelning och olycksstatistik finns i lönesystem och arbetsmiljörapportering.

Mönstret känns igen från AI på ekonomiavdelningen: informationen passerar redan genom bolaget i dokumentform, och det som saknas är inte data utan någon som orkar strukturera den. En modell som läser fakturaflödet och kvittounderlagen kan fylla huvuddelen av en VSME-bas löpande under året, så att sammanställningen i januari är en granskning och inte en utgrävning.

Ärlighetens förbehåll: kvaliteten följer underlagen. Bolag som slänger kvitton och saknar ordnat fakturaflöde får börja där, och den uppstädningen är samma övning som all annan datakvalitet inför AI. Scope 3-beräkningar och fullständiga klimatbokslut är dessutom en egen disciplin där specialiserade verktyg och konsulter har sin plats: vår poäng gäller grunddatan, inte metodiken ovanpå.

Hur sätter ni upp flödet i praktiken?

Ett fungerande VSME-flöde är medvetet oglamoröst. Välj basmodulens datapunkter som mål, inget mer, och gör en engångsinventering av var varje uppgift föds: vilken faktura, vilket system, vilken avi. Låt sedan en modell läsa de dokumentflödena löpande, extrahera mängder och enheter och skriva till en enkel struktur, en tabell per datapunkt med källhänvisning till varje värde. Källhänvisningen är inte kosmetika: den dag en kund, bank eller revisor frågar var siffran kommer ifrån är svaret en klickbar rad, inte en rekonstruktion. Lägg granskningen som en kort månadsrutin hos ekonomi, tio minuter att godkänna det som samlats in, i stället för en årlig kraftsamling. Och när nästa kundformulär kommer besvarar ni det ur er egen sammanställning, på era villkor, med hänvisning till VSME där formuläret vill mer. Bolag som arbetar så beskriver skiftet likadant: hållbarhetsdata slutar vara ett projekt och blir en biprodukt av bokföring som ändå sker.

Regelverket lär fortsätta röra sig, den svenska implementeringen av omnibusändringarna pågår, och exakta gränser kan justeras igen. Det är snarast ett argument till för att äga sin egen datainsamling: står era siffror stadigt spelar det mindre roll vilken blankett de ska in i, och för den bredare regelbilden kring AI och data har vi genomgången av EU AI Act och GDPR.

Trött på att jaga samma siffror varje kvartal?

Vi bygger dataflöden som samlar era VSME-punkter automatiskt ur de underlag ni redan har, som en del av vår AI-utveckling. Boka ett samtal så tittar vi på vilka datapunkter era system redan kan leverera. Geografisk närhet är sällan avgörande för oss: Stockholm är hemmaplan, och hela Sverige inom räckhåll.