ලාභ:
- කෘතිම බුද්ධිය ESG කාර්ය ප්රවාහයේ (දත්ත, ගිණුම්, සිතියම්ගත කිරීම, වාර්තා කිරීම) කාලය ඉතිරි කරන්නේ කොතැනද සහ අවදානම් මට්ටම මත පදනම්ව සාධක, සම්මත සහ හිමිකම් තීරණ මිනිසුන්ට ඉතිරි කරන්නේ කොතැනද යන්න වෙන්කර හඳුනා ගැනීමට හැකි වීම.
- ඒකක, මූලාශ්ර සහ විගණන මංපෙත් පියවර සමඟ එක් එක් සංඛ්යාත්මක සහ ගුණාත්මක ප්රතිදානය විගණනය කරන විනයක් යෙදීමේ හැකියාව
- ව්යාජ විමෝචන සාධක, ව්යාජ සම්මත යොමු කිරීම් සහ හරිත සේදීමේ භාෂාව මෙම වෘත්තියට අවදානම් වන්නේ මන්දැයි තේරුම් ගැනීම ආරම්භයේ සිටම සැලකිල්ලට ගත යුතුය.
සමාගමක තිරසාර වාර්තාව තවදුරටත් සුහද පත්රිකාවක් පමණක් නොවේ; එය ගිණුම් ලේඛනයක් ලෙස බැඳී, විගණනය කරන ලද සහ නීතිමය ප්රතිවිපාක ඇති ලේඛනයකි. යුරෝපා සංගමයේ CSRD (Corporate Sustainability Reporting Directive) රෙගුලාසි සමඟ, සමාගම් දහස් ගණනක්; එයට කාබන් විමෝචනය, සේවක දත්ත සහ සැපයුම් දාම බලපෑම් මූල්ය ප්රකාශන මෙන් අනිවාර්ය, සත්යාපනය කළ හැකි සහ සංසන්දනාත්මක ආකාරයකින් හෙළි කිරීමට සිදු විය. මෙම ඒකකය තුළ, කෘත්රිම බුද්ධිය (AI) මෙම බර සහ දත්ත තීව්ර කාර්යයේදී සැබවින්ම කාලය ඉතිරි කරන්නේ කොතැනද, එය භයානක වන්නේ කොතැනද සහ එක් එක් ප්රතිදානය සත්යාපනය කරන්නේ කෙසේද යන්න ඔබ ඉගෙන ගනු ඇත.
පළමුව, විවේචනාත්මක සංකල්පයක්. ESG යනු Environmental, Social and Governance යන ඉංග්රීසි වචනවල මුලකුරු ය; එය කාබන් විමෝචනය සහ ජල භාවිතය වැනි සමාගමක පාරිසරික බලපෑම්, සේවක අයිතිවාසිකම් සහ වෘත්තීය ආරක්ෂාව වැනි සමාජ බලපෑම් සහ මණ්ඩල ව්යුහය සහ ආචාර ධර්ම වැනි පාලන භාවිතයන් මනින රාමුවේ නමයි. තිරසාර වාර්තාකරණය යනු මෙම ක්ෂේත්ර තුනෙහි කාර්ය සාධනය ප්රමිතිගතව මැන බලා මහජනතාවට හෙළිදරව් කිරීමයි.
දෙවන තීරනාත්මක සංකල්පය: මායාව යනු AI විසින් සම්පූර්ණ විශ්වාසයෙන් සත්ය නොවන තොරතුරු නිපදවන විටය. ESG ලෝකයේ මෙය; ඔබට මනඃකල්පිත විමෝචන සාධකයක්, නොපවතින GRI සම්මත අංකයක්, වැරදි ඒකකයක් හෝ නොපවතින නීති සම්පාදන ලිපියකට සඳහනක් හමු විය හැක. තීරනාත්මක කරුණ නම් විශාල භාෂා ආකෘතියක් (LLM) යනු කැල්කියුලේටරයක්, නියාමන දත්ත ගබඩාවක් හෝ විගණකයක් නොවේ. එය පුහුණු දත්තවල දකින පෙළ සංඛ්යානමය වශයෙන් අනුකරණය කරන පෙළ උත්පාදක යන්ත්රයකි. එය බොහෝ විට නිවැරදි තොරතුරු නිෂ්පාදනය කරයි; නමුත් "බොහෝ විට නිවැරදි" සහ "විගණනය සමත් වීමට තරම් නිවැරදි" අතර වෙනස ESG වාර්තාකරණයේ ඇති සියල්ලයි.
ESG හි AI ක්රියා කරන්නේ කොතැනද සහ එය නොකරන්නේ කොතැනද?
AI ඉක්මන් කෙටුම්පතක්, දත්ත එකතු කිරීමක් සහ විශ්ලේෂණ හවුල්කරුවෙකු ලෙස සිතන්න: වටිනා නමුත් වලංගු කිරීමට අත්යවශ්ය වේ. පහත වෙනස මෙම මොඩියුලයේ කොඳු නාරටිය වේ.
ගවේෂණය
AI හි දායකත්වය
විශේෂඥයාගේ වගකීම
දත්ත එකතු කිරීම
විවිධ ආකෘති සංස්කරණය කරයි, අවකාශයන් සලකුණු කරයි
මූලාශ්ර ලේඛනය සමඟ අංකය තහවුරු කිරීම
විමෝචන ගිණුම
සූත්රය සහ ගණනය කිරීමේ රාමුව නිර්මාණය කරයි
නිල මූලාශ්රයෙන් විමෝචන සාධකය තහවුරු කිරීම
GRI/CSRD සිතියම්ගත කිරීම
සම්මත අයිතම සඳහා අමුද්රව්ය නිර්දේශ කරයි
සම්මත පෙළ සමඟ හරියටම පරීක්ෂා කිරීම
ද්රව්ය විශ්ලේෂණය
පාර්ශවකරුවන්ගේ අදහස් තේමා වලට වෙන් කරයි
ප්රමුඛතා තීරණයක් ගන්න
වාර්තා ලිවීම
කෙටුම්පත් පෙළ සහ සාරාංශය නිෂ්පාදනය කරයි
සෑම හිමිකම් පෑමකටම සාක්ෂි සහිතව සහාය දෙන්න
හරිත සේදීම පාලනය
අවදානම් වාක්ය ඛණ්ඩ සලකුණු කරයි
අවසාන හිමිකම් වගකීම භාර ගන්න
මූලික රීතිය: දත්ත වලටම නොව AI යොදන්න; දත්ත, පලංචිය විශ්ලේෂණය සහ කෙටුම්පත් පෙළ සංවිධානය කිරීමට භාවිතා කරන්න; ප්රාථමික මූලාශ්රය (ඉන්වොයිසිය, මීටර වාර්තාව, නිල සම්මත පෙළ, විමෝචන සාධක දත්ත ගබඩාව) සමඟ සෑම අංකයක්ම සහ සෑම සම්මත යොමුවක්ම සැමවිටම සත්යාපනය කරන්න. තිරසාර වාර්තාවක සෑම රූපයක් පිටුපසම විගණකවරයෙකුට අවශ්ය විය හැකි විගණන මාවතක් තිබිය යුතුය. AI හට මෙම සාක්ෂි ඉදිරිපත් කළ නොහැක; එය ඔබට එය සංවිධානය කිරීමට උපකාරී වේ.
ESG හි AI හි මාරාන්තික උගුල් තුනක්
1. සෑදූ විමෝචන සාධක සහ සංඛ්යා. AI හට තමන්ට මතක නැති විමෝචන සාධකයක් (ඉන්ධන හෝ විදුලි ඒකකයකට කාබන් විමෝචන සංගුණකය) සාධාරණ යැයි පෙනෙන සංඛ්යාවක් සමඟ "පිරවීමට" හැකිය. මෙම සංඛ්යාව සම්පූර්ණ කාබන් පියසටහන් ගණනය කිරීම අවලංගු කරයි.
2. නොපවතින හෝ යල් පැන ගිය නීති/ප්රමිතීන් වෙත යොමු වීම. AI හට "GRI 305-7" වැනි සැබෑ ලෙස පෙනෙන නමුත් එහි අන්තර්ගතය වැරදි ලෙස නිරූපණය කර ඇති හෝ සම්පූර්ණයෙන්ම ගොතන ලද සම්මත අංක ජනනය කළ හැක. ප්රමිතීන් ද නිතිපතා යාවත්කාලීන වේ; මාදිලිය දන්නා අනුවාදය යල් පැන ගිය විය හැක.
3. හරිත සේදීම නිෂ්පාදනය කරන භාෂාව. AI ඉතා උනන්දුවෙන් "පරිසර හිතකාමී", "පරිසර හිතකාමී", "කාබන් උදාසීන" වැනි මනරම් හඬක් ඇති නමුත් තහවුරු නොකළ සහ නොමග යවන ප්රකාශ නිකුත් කරයි. මෙම ප්රකාශයන් අද නීතිමය අවදානමක් ඇත. අපි මෙය 10 වන ඒකකයේ ගැඹුරින් ආවරණය කරමු.
ඉඟිය: ප්රශ්න තුනකින් සෑම සංඛ්යාත්මක ESG ප්රතිඵලයකටම ප්රවේශ වන්න: (1) එහි ඒකකය (tCO₂e, kg, MWh) යනු කුමක්ද? (2) මූලාශ්රය වන්නේ කුමන ලේඛනයද? (3) මම මෙම අගය විගණකවරයෙකුට ඔප්පු කරන්නේ කෙසේද? මෙම ප්රශ්න තුන අංකුරයේ බොහෝ ESG වැරදි අල්ලා ගනී. මෙහි "tCO₂e" යන්නෙන් අදහස් වන්නේ "ටොන් ටොන් සමාන කාබන් ඩයොක්සයිඩ්" යන්නයි; විවිධ හරිතාගාර වායු එක් පොදු ඒකකයක් බවට පරිවර්තනය කරන මිනුම එයයි.
පියවරෙන් පියවර: ESG හි ආරක්ෂිත AI කාර්ය ප්රවාහය
1. කාර්යය සම්මත සහ ඒකකයට සම්බන්ධ කරන්න. "අපගේ කාබන් විමෝචනය ගණනය කරන්න" වෙනුවට, "2024, ඉස්තාන්බුල් කාර්යාලය, ස්වාභාවික වායු පරිභෝජනය 12,000 m³; GHG ප්රොටෝකෝල විෂය පථය 1 ක්රමය සමඟින් tCO₂e හි විමෝචනය ගණනය කරන්න, ඔබ භාවිතා කරන විමෝචන සාධකය සහ මූලාශ්රය සඳහන් කරන්න."
2. මූලාශ්රය සහ උපකල්පනය පැහැදිලිව විමසන්න. එක් එක් සංඛ්යාව සඳහා ඔහු භාවිතා කළේ කුමන විමෝචන සාධකය, කුමන ප්රමිතිය සහ කුමන උපකල්පනයද යන්න ලිවීමට AI ට අසන්න. මූලාශ්රය සඳහන් නොකර කිසිම අංකයක් පිළිගන්න එපා.
3. ප්රාථමික මූලාශ්රය සමඟ තහවුරු කරන්න. GRI හෝ EFRAG නිල ලේඛනයේ සම්මත පෙළ වන නිල දත්ත ගබඩාවකින් (උදා: බලශක්ති සඳහා ජාතික දෙපාර්තමේන්තුව, UK DEFRA දත්ත කට්ටලය, IEA) විමෝචන සාධකය තහවුරු කරන්න. EFRAG යනු CSRD මත පදනම් වූ ESRS (යුරෝපීය තිරසාර වාර්තාකරණ ප්රමිති) ප්රමිතීන් සකස් කරන යුරෝපීය ආයතනයයි.
4. විගණන මාර්ගය සුරකින්න. ඔබ කුමන දත්ත භාවිතා කළේද, කුමන මූලාශ්රයෙන්, කුමන දිනයක සහ කුමන උපකල්පනය යටතේද යන්න වගුවක ලියන්න. සහතික විගණක (ස්වාධීන සත්යාපක) මෙය ඉල්ලා සිටිනු ඇත.
5. අවසාන හිමිකම් පෑම තහවුරු කිරීමට මිනිසෙකුට සලස්වන්න. සෑම පොදු ESG හිමිකම් පෑමක් පිටුපසම වගකිවයුතු පුද්ගලයෙක් සිටිය යුතුය.
දුර්වල ක්ෂණික / ශක්තිමත් විමසුම
එකම රැකියාව විවිධ ආකාර දෙකකින් ඉල්ලා සිටීම ප්රතිඵලයේ විශ්වසනීයත්වය රැඩිකල් ලෙස වෙනස් කරයි.
දුර්වල ක්ෂණික:
අපගේ සමාගමේ කාබන් පියසටහන ගණනය කර තිරසාර වාර්තාව සඳහා ඡේදයක් ලියන්න.
මෙම හිමිකම් පෑමේ ඒකකය, විෂය පථය, වර්ෂය, දත්ත සහ මූලාශ්රය ඇතුළත් නොවේ; AI විසින් හිස් තැන් පුරවන අතර හරිත සේදීමෙන් පිරුණු පෙළ නිපදවයි.
බලවත් විමසුම:
ඔබගේ කාර්යභාරය: ජ්යෙෂ්ඨ ESG වාර්තාකරණ විශේෂඥයෙක්. ආදාන දත්ත (මෙය පමණක් භාවිතා කරන්න, අතුරුදහන් නම් 'දත්ත නැත' යනුවෙන් ලියන්න):- 2024, ස්වාභාවික වායු: 12,000 m³- 2024, ජාල විදුලිය: 85,000 kWhTask: CO₂e හි විමෝචනය ගණනය කරන්න GHG ප්රොටෝකෝලය (Scope-2 පදනම් කරගත් 1) method.Reles:- ඔබ භාවිතා කරන සෑම විමෝචනයක්ම වෙනම තීරුවක සාධකය, ඒකකය සහ මූලාශ්රය සඳහන් කරන්න. - ඔබ සාධකය නොදන්නේ නම්, එය සකස් නොකරන්න; "අවශ්ය නිල සාධකය" ලියන්න. - වගුවක ප්රතිඵලය දෙන්න; අවසානයේ සත්යාපනය කළ යුතු අයිතම ලැයිස්තුගත කරන්න.
ආචාර ධර්ම, පෞද්ගලිකත්වය සහ සීමා මායිම්
ESG දත්ත බොහෝ විට සංවේදී වේ: සේවක ස්ත්රී පුරුෂ භාවය සහ වැටුප් දත්ත (සමාජ දර්ශක), සැපයුම්කරු කොන්ත්රාත්තුවේ නියමයන්, මූල්ය බලපෑම් තවමත් අනාවරණය කර නොමැත. මෙම දත්ත පොදු AI මෙවලමකට ඇතුළු කිරීමට පෙර රහස්යතා සීමාව පැහැදිලි කරන්න. AI වෙත ලබා දීමට පෙර පුද්ගලික දත්ත (නම, හැඳුනුම්පත, KVKK සහ GDPR හි විෂය පථය තුළ ඇති වැටුප) නිර්නාමික කිරීම හෝ එකතු කිරීම; එනම්, තනි පුද්ගලයන් වෙනුවට, "කාන්තා සේවක අනුපාතය 38%" වැනි සාරාංශ අංක බවට පත් කරන්න. KVKK යනු Türkiye හි පුද්ගලික දත්ත ආරක්ෂණ නීතිය වන අතර GDPR යනු යුරෝපයේ පුද්ගලික දත්ත ආරක්ෂණ නීතියයි.
අවවාදයයි: ESG වාර්තාවක අසත්ය හෝ අතිශයෝක්තියට නැංවූ ප්රකාශයක් කීර්තිමත් අවදානමක් පමණක් නොවේ; එය CSRD සහ ජාතික පාරිභෝගික නීති යටතේ දඩ මුදල් සහ නීතිමය වගකීම් වලට හේතු විය හැක. සාක්ෂි නොමැතිව AI විසින් නිෂ්පාදනය කරන ලද කිසිදු හිමිකම් පෑමක් ප්රකාශයට පත් නොකරන්න.
කුඩා නඩු තුනක්
නඩුව 1 - උපකල්පිත සාධකය. නිෂ්පාදන සමාගමක් AI වෙත ඩීසල් පරිභෝජනය ලබා දී විමෝචන ගණනය කිරීමක් ඉල්ලා සිටියේය. YZ "ඩීසල් සඳහා 2.40 kgCO₂e/ලීටරය" යන සාධකය භාවිතා කළේය. විශේෂඥයා පරීක්ෂා කළේය: නිල සාධකය ආසන්න වශයෙන් 2.68 kgCO₂e/ලීටරය. වෙනස 10% ක් වූ අතර පරිභෝජනය ලීටර් 40,000 කට ආසන්න වශයෙන් CO₂e ටොන් 11 ක අපගමනය අදහස් විය. සාධකය නිල මූලාශ්රයෙන් නිවැරදි කර ඇත.
නඩුව 2 - නොපවතින සම්මතය. උපදේශකයෙක් YZ වාර්තාව සඳහා "GRI 305-8 ජල පරිභෝජනය" යන මාතෘකාව ඉල්ලා සිටියේය. GRI 303 යටතේ ජලය වාර්තා වන අතර; GRI 305 යනු වායු විමෝචනයයි. සම්මත පෙළ සමඟ පරීක්ෂා කළ විට, දෝෂය හසු වී අන්තර්ගතය නිවැරදි ලිපියට ගෙන යන ලදී.
නඩුව 3 - හරිත සේදීමේ භාෂාව. YZ සිල්ලර වෙළඳ නාමයක් සඳහා "අපගේ නිෂ්පාදන සම්පූර්ණයෙන්ම පරිසර හිතකාමී" යන වාක්යය යෝජනා කළේය. ESG කණ්ඩායම මෙය ඔප්පු කළ නොහැකි බව සොයා ගත් අතර එය “අපගේ ඇසුරුම්වලින් 60% ක් ප්රතිචක්රීකරණය කර ඇත (2024, අභ්යන්තර මිනුම්)” වැනි කොන්ක්රීට්, ඔප්පු කළ හැකි ප්රකාශයක් සමඟ ප්රතිස්ථාපනය කළේය.
විගණනයට සූදානම් වැඩ සඳහා විමසුම්
පහත ESG පෙළ විගණන ඇසකින් පරීක්ෂා කරන්න. එක් එක් සංඛ්යාත්මක හිමිකම් සඳහා: 1) ඒකකය පැහැදිලිද? 2) මූලාශ්රය සඳහන් කර තිබේද? 3) එය සත්යාපනය කළ හැකි හෝ ආත්මීය / අතිශයෝක්තියට නැංවිය හැකිද? "පරිසර හිතකාමී, හරිත, ස්වභාවික" වැනි තහවුරු නොකළ හෝ නොපැහැදිලි ප්රකාශයන් සලකුණු කර එක් එක් සඳහා සංයුක්ත, මැනිය හැකි විකල්පයක් යෝජනා කරන්න. පෙළ: [TEXT]
පහත විමසුම මඟින් සංවිධානය තුළ AI භාවිතයේ සීමාව පැහැදිලි කරන කෙටි ප්රතිපත්ති දළ සටහනක් නිෂ්පාදනය කරයි.
ඔබේ කාර්යභාරය: තිරසාර කණ්ඩායම් නායකයෙක්. කාර්යය: ESG කාර්යයේදී කණ්ඩායමේ AI භාවිතය පාලනය කරන පිටු 1ක අභ්යන්තර ප්රතිපත්ති කෙටුම්පතක් ලියන්න. ඇතුළත් කරන්න:- AI නිදහසේ භාවිතා කළ හැකි කාර්යයන් (දෘශ්ය සටහන, සාරාංශය, හැඩතල ගැන්වීම)- මානව සත්යාපනය අවශ්ය කාර්යයන් (අංකය, සාධකය, සම්මත ආරෝපණය, හිමිකම් පෑම)- කිසිදා AI වෙත ඇතුළත් නොකරන දත්ත වර්ග (පුද්ගලික දත්ත, අනාවරණය නොකළ මූල්ය බලපෑම) තානය: පැහැදිලි, බුලට්-පොයින්ට්, අදාළ වේ.
පහත විමසුම මඟින් එක් එක් ESG බෙදා හැරීමට එක් කළ හැකි කුඩා “විගණන මංපෙත්” වගු ඇටසැකිල්ලක් සකසයි.
පහත ගිණුමට යාබදව විගණන මංපෙත් වගුවක් නිෂ්පාදනය කරන්න.තීරු: දත්ත අයිතමය | අගය | ඒකකය | මූලාශ්ර ලේඛනය | දිනය | උපකල්පනය | එය සත්යාපනය කර තිබේද? මූලාශ්රය නොදන්නා නම් එක් එක් පේළියේ "මූලාශ්රය අවශ්යයි" ලියන්න. ඇතුල්වීම: [ACCOUNT]
පොදු වැරදි
- මූලාශ්රයක් නොමැතිව අංකය පිළිගැනීම. YZ විසින් ලබා දෙන සෑම විමෝචන සාධකයක් සහ සංඛ්යාවක් නිල මූලාශ්රයෙන් තහවුරු නොකර වාර්තාවට ඇතුළත් නොවේ.
- ඒකකය නොසලකා හැරීම. kg ටොන් සමඟ, kWh MWh සමඟ පටලවා ඇත්නම්, ප්රතිඵලය 1000 ගුණයකින් අපගමනය විය හැක.
- ඔවුන්ගේ සම්මත උපක්රම අන්ධ ලෙස විශ්වාස කිරීම. GRI/ESRS ද්රව්ය අංක නිල ලේඛනයක් සමඟ සත්යාපනය කළ යුතුය.
- සංවේදී දත්ත එලෙසම ඇතුළත් කිරීම. සේවක සහ සැපයුම්කරුවන්ගේ දත්ත නිර්නාමිකකරණයකින් තොරව පොදු මෙවලම වෙත ලබා නොදේ.
- විගණක ස්ථානයට AI තැබීම. AI හට පිරික්සුම් ලැයිස්තුවක් ඉදිරිපත් කළ හැකි නමුත් ස්වාධීන සහතිකයක් ලබා දිය නොහැක.
සාරාංශයක් ලෙස
AI යනු ESG හි ප්රබල කෙටුම්පත් කිරීම, දත්ත එකතු කිරීම සහ විශ්ලේෂණ හවුල්කරුවෙකි; නමුත් එය ගණකයක්, නියාමන දත්ත ගබඩාවක් හෝ විගණකයක් නොවේ. එහි වටිනාකම හෙළි වන්නේ එහි සත්යාපනය මගිනි. ප්රාථමික මූලාශ්රයෙන් සෑම සංඛ්යාවක්ම තහවුරු කිරීම, සෑම සම්මත යොමුවක්ම නිල පාඨය සමඟ සංසන්දනය කිරීම, සංවේදී දත්ත නිර්නාමික කිරීම සහ අවසාන හිමිකම් පෑමේ වගකීම මිනිසෙකුට පැවරීම මෙම මොඩියුලයේ නිරන්තර කොඳු නාරටිය වේ. "හොඳින් පෙනී සිටීම" සහ "විගණනය සමත් වීම" අතර වෙනස කිසිදා අමතක නොකරන්න.
යෙදුම් කාර්යය
ඔබේම සංවිධානයෙන් (හෝ ව්යාජ සමාගමකින්) පාරිසරික දත්ත එක් අයිතමයක් තෝරන්න: උදාහරණයක් ලෙස, මාසික විදුලි බිලක්. ඉහත "බල විමසුම" අච්චුව භාවිතයෙන් AI වෙතින් Scope 2 විමෝචන ගිණුම්කරණ ඇටසැකිල්ලක් ඉල්ලන්න. ඉන්පසු: (1) එය භාවිත කරන විමෝචන සාධකය නිල මූලාශ්රයක් සමඟ සසඳන්න, (2) ඒකකවල අනුකූලතාව පරීක්ෂා කරන්න, (3) “සත්යාපනය අවශ්ය” අයිතම ලැයිස්තුගත කරමින් කුඩා විගණන වගුවක් ලියන්න.
පිරික්සුම් ලැයිස්තුව
- [ ] මම AI විසින් දෙන ලද සෑම අංකයකම ඒකකය සහ මූලාශ්රය ප්රශ්න කළෙමි.
- [ ] මම නිල දත්ත ගබඩාවක් සමඟ විමෝචන සාධක තහවුරු කළෙමි.
- [ ] මම නිල පාඨය සමඟ සම්මත (GRI/ESRS) අංක සත්යාපනය කර ඇත.
- [ ] මා විසින් නිර්නාමික හෝ සංවේදි/පුද්ගලික දත්ත එකතු කර ඇත.
- [ ] මම "පරිසර හිතකාමී, හරිත, ස්වභාවික" වැනි සාක්ෂි නොමැතිව ප්රකාශ සලකුණු කළෙමි.
- [ ] මම එක් එක් තීරණය සඳහා විගණන මාර්ගයක් (මූලාශ්රය, දිනය, උපකල්පනය) තබා ගත්තෙමි.
- [ ] අවසාන හිමිකම් පෑම තහවුරු කරන වගකිවයුතු පුද්ගලයෙකු මා හඳුනාගෙන ඇත.