Печалби:
- Възможност за установяване на обхват 3 чрез приоритизиране на доставчиците въз основа на разходите и нивото на риск и разграничаване между действителни данни и прокси оценки
- Когато маркирате сигнали за риск на доставчика с изкуствен интелект, третирайте ги като „сигнали за изследване“, а не като доказателство
- Способност за управление на сериозни искове за човешки права/екология чрез процес на надлежна проверка, изискващ проверка на място и правно потвърждение
За повечето компании най-голямата част от тяхното въздействие върху устойчивостта не се крие в собствената им фабрика, а във веригата им за доставки. Повече от 80 процента от въглеродния отпечатък на една марка дрехи може да дойде от нейните доставчици, вариращи от производители на тъкани до доставки. По същия начин най-сериозните социални рискове, като детски труд, принудителен труд и нарушения на околната среда, често се появяват дълбоко във веригата на доставки. В този модул ще научите как да използвате изкуствен интелект (AI) за събиране и оценка на данни от веригата на доставки и скрининг за рискове.
Нека изясним две понятия. Обхват 3, както видяхме в предишната част, са непреките емисии във веригата на стойността на компанията и като цяло е най-големият, но най-трудният за измерване елемент. Дю дилиджънс е процес на идентифициране, предотвратяване и отстраняване на рискове за правата на човека и околната среда във веригата на доставки на компанията. Регламенти като CSDDD (Директива за надлежна проверка на корпоративната устойчивост) правят това задължително за големите компании.
Основното предизвикателство на данните за веригата за доставки
Можете да измервате данните на вашето собствено съоръжение; Но не можете директно да измерите данните на стотици доставчици, трябва да ги попитате. Това създава три проблема:
- Данните не пристигат или са непълни. Повечето по-малки доставчици не съхраняват въглеродни данни.
- Данните са недостоверни. Когато доставчикът се самоотчита, може да има надценяване или занижаване.
- Изисква се предположение (прокси). Ако действителните данни не са налични, се използва средна стойност за индустрията или оценка, базирана на разходите.
Това е мястото, където AI помага по два начина: (1) бързо съставяне на проучвания и последващи писма, които да бъдат изпратени до стотици доставчици, (2) структуриране на разпръснати отговори и маркиране на сигнали за риск. Но нито един номер, даден от доставчика, не се проверява, нито един сигнал за риск не се заключава без проверка от човек.
Обхват 3 категория (пример)
Източник на данни
Типичен метод
Закупени стоки/услуги
Проучване на доставчика / разходи
Реални данни > прокси
Доставка и дистрибуция
Записи на превозвача
Разстояние × товар × фактор
бизнес пътуване
система за пътуване
Км/полет × фактор
Използване на продадения продукт
Данни за енергията на продукта
Модел на използване
отпадъци
Документи за предаване на отпадъци
Количество × фактор
Съвет: В обхват 3 оценката „базирана на разходите“ (това CO₂e на похарчени $1000) е бърз старт, но груб. Когато доставчик предоставя реални данни, използвайте ги; Прогнозата, базирана на разходите, е само временна, ако няма действителни данни и трябва да бъде отбелязана като „прогноза/прокси“ в отчета.
Стъпка по стъпка: Работен процес на веригата за доставки с AI
1. Дайте приоритет на доставчиците. Не можете да разгледате всичките стотици доставчици в еднаква дълбочина. Съсредоточете се върху тези с висок размер на разходите и риск (сектор, държава). AI може да създаде проект на списък с това приоритизиране.
2. Проект на проучване и заявка. Помолете AI за ясен, лесен за попълване план за анкета с данни за доставчика.
3. Конфигурирайте входящите данни. Поставете отговорите в различни формати в една таблица; Маркирайте липсващите части.
4. Сканирайте за рискови сигнали. Накарайте изкуствения интелект да намери кандидати за „червен флаг“ в публични новини, записи за нарушения и несъответствия в проучванията; Но хората проверяват всеки сигнал.
5. Действие и преследване. Създаване на коригиращи действия и план за последващи действия за високорискови доставчици; Документирайте процеса.
Слаба подкана / Силна подкана
Слаба подкана:
Изчислете въглеродния отпечатък на нашите доставчици.
Без източник на данни, без разграничение реално/прокси и без проверка; AI съставя номера на доставчици.
Мощна подкана:
Вашата роля: анализатор на устойчивостта на веригата за доставки. Входящи данни: имена на 15 доставчици, индустрия, годишна сума на разходите и действителните данни за емисиите, които предоставят (ако има такива). Задача: 1) За тези, които предоставят реални данни, използвайте тези данни. 2) За тези, които нямат реални данни, напишете "изисква се ПРОКСИ базиран на разходите", НЕ ПОСТЪПВАЙТЕ номера; посочете кой фактор да вземете от официалния източник.3) Дайте приоритет на доставчиците в индустрията с високи разходи + висок риск. Резултат: таблица (Доставчик | Индустрия | Разходи | Тип данни [действителен/прокси] | Приоритет | Забележка). Прокси номерата ще бъдат отбелязани в отчета.
Подкана за проверка на риска на доставчика
Настройте скеле за скрининг на риска за следния списък с доставчици. Оценете за всеки доставчик (само въз основа на предоставена от мен информация, публично твърдение ФАЛШИВО): - Възможен риск за правата на човека от държава/сектор (висок/среден/нисък) - Възможен риск за околната среда - Несъответствие в отговорите на проучването/правило за червени знамена: добавете бележка „изисква се проверка — няма източник“ за всеки риск; не отправяйте окончателни обвинения, просто предложете сигнали за разследване. Списък: [ДОСТАВЧИЦИ]
Следната подкана изготвя анкета за искане на данни, която да изпрати на доставчиците.
Вашата роля: специалист по осигуряване на устойчиво развитие. Задача: съставете проучване на ESG данни от не повече от 10 въпроса, които малките/средните доставчици могат лесно да попълнят. Включете: потребление на енергия, вид гориво, отпадъци, брой злополуки по безопасността на труда, ангажираност с принудителен/детски труд. Тон: прост, ясен, лесен за завършване; Добавете единици и примери към всеки въпрос.
Внимание: Не изисквайте AI да проверява сигнал за риск относно доставчика (напр. „детски труд“) и никога не използвайте иск, генериран от AI, като доказателство. Такива сериозни твърдения се потвърждават само от надежден източник, проверка на място и правен процес. AI произвежда само „сигнал за изследване“; не съди.
три мини калъфа
Случай 1 — Честно използване на прокси. Само 30 от 200-те доставчици на един производител на мебели предоставиха действителни въглеродни данни. Екипът използва прокси, базирано на разходите, за останалите 170, но докладът ясно посочва, че „65% от Обхват 3 е оценка, базирана на разходите“. Одиторът призна тази честност; ако беше скрито, уверението можеше да бъде отказано.
Случай 2 — Приоритизиране. Хранителна компания има 480 доставчици. AI показа, че 80% от разходите са концентрирани в 40 доставчици. Екипът фокусира дълбокото гмуркане върху тези 40; ресурсите не бяха изразходвани напразно и доставчиците с най-голямо въздействие бяха докладвани с реални данни.
Случай 3 — Риск от невярно обвинение. AI маркира доставчик като „възможен принудителен труд“; Причината беше само средното за страната. Екипът прие това като "сигнал за проверка", а не доказателство и поиска проверка на място. Проверката не установи проблеми; Ако сигналът на AI бъде приет като доказателство, ще възникне несправедливо обвинение и правен риск.
Често срещани грешки
- Приемане на данни за доставчика без проверка. Данните за самоотчитане на доставчици изискват кръстосана проверка.
- Скриване на проксито. Използването на прогнозиране, базирано на разходите, е добре; Неуточняването е проблем при одита.
- Проучване на всички доставчици еднакво. Снабдяването трябва да се фокусира върху доставчици с високи разходи и висок риск.
- Объркайте сигнала на AI за доказателство. Твърденията за нарушения на човешките права/екологията се проверяват от областта и закона, а не от AI.
- Изцяло пропускане на Обхват 3. Най-голямото въздействие обикновено е тук; Не може да бъде пренебрегнато с мотива, че е „трудно за измерване“.
В обобщение
Веригата на доставки е мястото, където се крие най-голямото екологично и социално въздействие на повечето компании; Емисиите от обхват 3 и рисковете от надлежна проверка са концентрирани тук. AI; Това е мощна помощ при приоритизиране на доставчици, изготвяне на анкети, структуриране на разпръснати отговори и маркиране на рискови сигнали. Но данните за доставчика не се включват в доклада, докато не бъдат проверени, пълномощниците не са ясно посочени и сериозните обвинения не се потвърждават от проверка на място. AI генерира сигнали; Човешкото същество поема преценката и отговорността.
Задача за приложение
Подгответе списък от 10 фиктивни доставчика с име, индустрия и годишни разходи; Добавете действителни данни за емисиите към няколко, оставете повечето празни. Помолете AI за таблица с приоритети и тип данни чрез мощната подкана по-горе. След това: (1) проверете дали броят на доставчиците, които изискват пълномощно, не е съставен, (2) изберете 3-те доставчици с най-висок приоритет с обосновка, (3) изгответе кратко проучване с данни, което да им изпратите.
контролен списък
- [ ] Приоритизирах доставчиците въз основа на разходите и нивото на риск.
- [ ] Използвах реални данни; За тези, които го нямат, маркирах проксито.
- [ ] Оцених данните на доставчика не такива, каквито са, а чрез кръстосана проверка.
- [ ] Смятах, че сигналите за риск „за разглеждане“ и не ги използвах като доказателство.
- [ ] Планирах полеви одит/стъпка за правна проверка за сериозни искове.
- [ ] Не съм пропуснал Обхват 3; Посочих обхвата и степента на оценка в доклада.
- [ ] Записах целия процес с документ за надлежна проверка.