এন্ড-টু-এন্ড ইএসজি ওয়ার্কফ্লো, ডেটা গভর্নেন্স, এথিক্স এবং কোয়ালিটি গেটওয়ে

লাভ:

• 'কৃত্রিম বুদ্ধিমত্তা উৎপন্ন করে → মানব যাচাই করে → গেটের মধ্য দিয়ে যায়' এর ছন্দে গুণগত মানের গেট সহ বস্তুগত থেকে প্রকাশনা পর্যন্ত একটি আট-পদক্ষেপ ESG কর্মপ্রবাহ স্থাপন করার ক্ষমতা
• ESG ডেটাকে বিনামূল্যে/অভ্যন্তরীণ/গোপনীয় হিসাবে শ্রেণীবদ্ধ করে ব্যক্তিগত এবং অপ্রকাশিত আর্থিক ডেটা রক্ষা করার ক্ষমতা
• 'এআই বলেছেন' প্রতিরক্ষার উপর নির্ভর না করে চূড়ান্ত দায়িত্ব গ্রহণ করার এবং প্রতিটি প্রকাশনার সাথে দায়িত্বশীল নাম এবং অনুমোদনের রেকর্ড সংযুক্ত করার ক্ষমতা

আগের দশটি ইউনিটে আমরা ESG এবং টেকসই ব্যবসার প্রতিটি অংশকে আলাদাভাবে কভার করেছি: প্রবেশ ও সীমানা, বস্তুগততা, ডেটা সংগ্রহ, কার্বন অ্যাকাউন্টিং, রিপোর্টিং ফ্রেমওয়ার্ক, সাপ্লাই চেইন, স্টেকহোল্ডার যোগাযোগ, রিপোর্ট লেখা, আশ্বাস এবং গ্রিনওয়াশিং। এই চূড়ান্ত ইউনিটে, আমরা টুকরোগুলিকে একসাথে রাখব এবং একটি এন্ড-টু-এন্ড ওয়ার্কফ্লো স্থাপন করব: টেকসই মিশনের সংজ্ঞা থেকে এর প্রকাশনা পর্যন্ত প্রতিটি ধাপে কৃত্রিম বুদ্ধিমত্তা (AI) কোথায়, কীভাবে এবং কী নিরাপত্তা গেট ব্যবহার করতে হবে। আমরা ডেটা শাসন, গোপনীয়তা এবং নৈতিক দায়িত্বকে একটি একক কাঠামোর মধ্যে নিয়ে আসব।

মডিউলের ধ্রুবক ব্যাকবোন আবার একবার পুনরাবৃত্তি করা যাক: AI; এটি একটি সহকারী যা কোড লেখে, ডেটা সংগঠিত করে, খসড়া তৈরি করে এবং সারসংক্ষেপ করে। সংখ্যার নির্ভুলতা, ফ্যাক্টর নিশ্চিতকরণ, মান নিয়ন্ত্রণ, দাবির প্রমাণ এবং চূড়ান্ত দায়িত্ব সর্বদা উপযুক্ত বিশেষজ্ঞের সাথে থাকে। এই ইউনিট এই নীতিটিকে একটি দৈনিক কর্মপ্রবাহ এবং চেকলিস্টে পরিণত করে।

এন্ড-টু-এন্ড ESG ওয়ার্কফ্লো

আটটি ধাপে একটি টেকসই রিপোর্টিং চক্র বিবেচনা করুন:

1. সুযোগ এবং বস্তুগততা — কোন বিষয়গুলি উপাদান? (ইউনিট 2)
2. তথ্য সংগ্রহ — উৎস, ইউনিট, অডিট ট্রেইল। (ইউনিট 3)
3. গণনা — যাচাইকৃত ফ্যাক্টর সহ কার্বন এবং অন্যান্য মেট্রিক্স। (ইউনিট 4)
4. ফ্রেমওয়ার্ক ম্যাচিং — GRI/ESRS/ISSB পদার্থ, অফিসিয়াল টেক্সট দ্বারা নিশ্চিতকরণ। (ইউনিট 5)
5. সাপ্লাই চেইন — স্কোপ 3 এবং যথাযথ পরিশ্রম। (ইউনিট 6)
6. লেখা এবং যোগাযোগ — সুষম, প্রমাণিত প্রতিবেদন এবং স্টেকহোল্ডার বার্তা। (ইউনিট 7-8)
7. নিশ্চয়তা প্রস্তুতি - প্রমাণ এবং নিরীক্ষা প্রস্তুতির চেইন। (ইউনিট 9)
8. দাবি নিরীক্ষা — গ্রিনওয়াশিং স্ক্রীনিং এবং প্রকাশের অনুমোদন। (ইউনিট 10)

প্রতিটি পদক্ষেপে, এআই একটি ত্বরক; কিন্তু প্রতিটি ধাপের প্রস্থানে, একটি গুণগত গেট রয়েছে — একটি চেকপয়েন্ট যা পরবর্তী ধাপে যাওয়ার আগে অবশ্যই পাস করতে হবে। যে আউটপুট দরজা দিয়ে যায় না তার অগ্রগতি হয় না।

পদক্ষেপ

এআই কি করে?

মানের গেট

বস্তুগততা

বিষয় প্রার্থী, থিম বিশ্লেষণ

ইমপ্যাক্ট+ফাইনান্স দিক মানুষের অনুমোদন

ডেটা

কনফিগারেশন, ইউনিট রূপান্তর

উৎস এবং ভলিউম যাচাইকরণ

অ্যাকাউন্ট

সূত্র, কোড ভারা

ফ্যাক্টর সরকারী সূত্র থেকে নিশ্চিত করা হয়

ম্যাচিং

প্রবন্ধ পরামর্শ

এর আদর্শ পাঠ্য সহ চিত্রটি পরীক্ষা করুন

বানান

খসড়া, সারাংশ

প্রমাণ ছাড়া দাবি বাছাই

দাবি

গ্রিনওয়াশিং স্ক্যান

মানব-প্রত্যয়িত প্রকাশনা

টিপ: "AI উত্পাদন করে → মানব যাচাই করে → দরজার মধ্য দিয়ে চলে" এর ছন্দে কর্মপ্রবাহ সেট আপ করুন। প্রতিটি AI আউটপুটকে পরবর্তী ধাপে নিয়ে যাওয়ার আগে জিজ্ঞাসা করুন: "এই আউটপুটের কোন অংশটি বৈধতা ছাড়াই এগোতে পারে না?" সেই অংশটি সেই ধাপের গুণমানের গেট।

ডেটা শাসন এবং গোপনীয়তা

ESG ডেটা প্রায়শই সংবেদনশীল হয়: কর্মচারী লিঙ্গ এবং বেতন ডেটা, সরবরাহকারী চুক্তির শর্তাবলী, আর্থিক প্রভাবগুলি এখনও প্রকাশ করা হয়নি, সুবিধা-স্তরের উত্পাদন ডেটা। পাবলিক এআই টুলে দেওয়ার আগে এগুলোকে শ্রেণীবদ্ধ করা প্রয়োজন। ডেটা গভর্নেন্স হল "কে কোন ডেটা, কিভাবে এবং কোন টুল দিয়ে ব্যবহার করতে পারে?" প্রশ্নটা নিয়মে বাঁধা।

একটি সহজ শ্রেণীবিভাগ:

• বিনামূল্যে: ডেটা ইতিমধ্যে সর্বজনীনভাবে উপলব্ধ (প্রকাশিত প্রতিবেদন)। এটি AI দেওয়া যেতে পারে।
• অভ্যন্তরীণ ব্যবহার: কোন বাণিজ্যিক মূল্যের অভ্যন্তরীণ ডেটা। কর্পোরেট গাড়িতে সাবধানে।
• গোপনীয়: বাণিজ্য গোপন, অপ্রকাশিত আর্থিক প্রভাব, ব্যক্তিগত তথ্য (KVKK/GDPR)। এটি বেনামী বা প্রাতিষ্ঠানিক (নন-লিকিং) উপায় ছাড়া এআইকে দেওয়া হয় না।

আপনার ভূমিকা: ডেটা গভর্নেন্স উপদেষ্টা। টাস্ক: নিম্নলিখিত ডেটা আইটেমগুলিকে "বিনামূল্যে / অভ্যন্তরীণ ব্যবহার / গোপনীয়" হিসাবে শ্রেণীবদ্ধ করুন এবং প্রতিটি গোপনীয় আইটেমের জন্য প্রস্তাবিত পদক্ষেপ লিখুন (অজ্ঞাতনামা/সমষ্টি/এন্টারপ্রাইজ টুল / মোটেও দেবেন না)। নিয়ম: অনিশ্চিত হলে, আরও সুরক্ষামূলক ক্লাসে রাখুন। আইটেম: [ব্যক্তিগত এবং আর্থিক ডেটা আইটেম]

দুর্বল প্রম্পট / শক্তিশালী প্রম্পট

আপনি যেভাবে একটি টুলকে একটি কাজ অর্পণ করেন তা গোপনীয়তার ঝুঁকিকে আমূল পরিবর্তন করে।

দুর্বল প্রম্পট:

যে কর্মচারী বেতন এবং সুবিধা উত্পাদন টেবিল বিশ্লেষণ, একটি ESG সারাংশ সঙ্গে আসা.

একটি খোলা টুল সরাসরি কাঁচা ব্যক্তিগত এবং বাণিজ্য গোপন তথ্য রপ্তানি করে; কোন শ্রেণীবিভাগ, বেনামীকরণ এবং নিশ্চিতকরণ পদক্ষেপ নেই।

শক্তিশালী প্রম্পট:

আপনার ভূমিকা: ESG বিশ্লেষক ডেটা গভর্নেন্সের প্রতি সংবেদনশীল। আমি আপনাকে শুধুমাত্র একত্রিত, ব্যক্তিগত/বাণিজ্য গোপন-মুক্ত ডেটা দিয়েছি। কাজ: নিম্নলিখিত সারাংশ সূচক বিশ্লেষণ করুন। নিয়ম:- ডেটাতে কোনো ব্যক্তিগত নাম, বেতন, আইডি বা অপ্রকাশিত আর্থিক প্রভাব নেই; আপনি যদি এমন একটি ক্ষেত্র দেখতে পান, তাহলে বলুন "গোপনীয় তথ্য - প্রক্রিয়া করবেন না, সতর্ক করুন"। - ফলাফলে একটি নতুন সংখ্যা যোগ করবেন না; শুধু আমার দেওয়া সারাংশের সাথে যান। - আউটপুট শেষে একটি "মানব অনুমোদন প্রয়োজনীয়" নোট যোগ করুন। ডেটা (একত্রিত): [সারাংশ নির্দেশক]

সতর্কতা: "AI বলেছেন" একটি প্রতিরক্ষা নয়। একটি ইএসজি রিপোর্টে একটি ভুল সংখ্যা, অপ্রমাণিত দাবি, বা ফাঁস হওয়া গোপনীয় তথ্যের জন্য দায়বদ্ধতা সংস্থা এবং যে ব্যক্তি এটি অনুমোদন করেছেন তার উপর। আপনি যখন AI ব্যবহার করেন, তখন আপনি দায়িত্ব হস্তান্তর করেন না; আপনি শুধু কাজের গতি বাড়াবেন।

এন্ড-টু-এন্ড মানের গেট প্রম্পট

নিম্নলিখিত প্রম্পটটি প্রকাশ করার আগে একটি একক চেকের মাধ্যমে সমস্ত ধাপ চালায়।

আপনার ভূমিকা: ESG গুণমান নিশ্চিত কর্মকর্তা। টাস্ক: এন্ড-টু-এন্ড কোয়ালিটি গেটের মধ্য দিয়ে নিম্নলিখিত প্রতিবেদন বিভাগটি পাস করুন। প্রতিটি আইটেমের জন্য "পাস/ফেল" দিন এবং ব্যর্থ হলে কারণ লিখুন: 1) প্রতিটি সংখ্যার উৎস এবং একক কি বলা আছে? 2) সরকারী উৎস থেকে নির্গমন ফ্যাক্টর? 3) স্ট্যান্ডার্ড আইটেম নম্বর যাচাই করা হয়? 4) প্রক্সি/অনুমান চিহ্নিত করা হয়? 5) সবুজ ধোলাই ধারণকারী কোন বিবৃতি আছে? 6) কোন গোপনীয়/ব্যক্তিগত তথ্য ফাঁস আছে কি? 7) চূড়ান্ত অনুমোদনের জন্য দায়ী নাম বরাদ্দ করা হয়েছে? বিভাগ: [অধ্যায়]

নিম্নলিখিত প্রম্পট সমগ্র মডিউলটিকে একটি এন্টারপ্রাইজ নীতিতে রূপান্তরিত করে।

আপনার ভূমিকা: টেকসই দলের নেতা। টাস্ক: ESG কাজে টিমের AI-এর ব্যবহার নিয়ন্ত্রণকারী 1-পৃষ্ঠার অভ্যন্তরীণ নীতি লিখুন। অন্তর্ভুক্ত করুন:- যে কাজগুলিতে AI অবাধে ব্যবহার করা যেতে পারে (খসড়া, সারসংক্ষেপ, কোড, থিম বিশ্লেষণ)- যে কাজগুলির জন্য মানুষের যাচাইকরণের প্রয়োজন (ফ্যাক্টর, মান, দাবি, সুযোগ)- ডেটার ধরন যা AI (ব্যক্তিগত, অপ্রকাশিত আর্থিক)-কে দেওয়া হবে না - প্রতিটি প্রকাশের আগে গুণমানের গেট ধাপগুলি পাস করতে হবে টোন: স্পষ্ট, বুলেট পয়েন্ট।

তিনটি মিনি কেস

কেস 1 - রিপোর্ট দরজা থেকে ফিরে. একটি দল ভেবেছিল যে তারা সমস্ত পদক্ষেপ সম্পন্ন করেছে এবং প্রতিবেদনটি প্রকাশের জন্য প্রস্তুত। চূড়ান্ত মানের গেট প্রম্পট একটি আনসোর্সড "78% পুনরুদ্ধার" দাবি এবং একটি বিভাগে একটি "কার্বন নিরপেক্ষ" বিবৃতি ক্যাপচার করেছে। কোনটি সংশোধন করার আগেই প্রকাশনা বন্ধ করে দেওয়া হয়েছিল; দরজাটি পাবলিক হওয়ার আগেই বাগটি ধরেছিল।

কেস 2 - গোপনীয় তথ্য ফাঁস প্রতিরোধ করা হয়েছে। একজন বিশ্লেষক বিশ্লেষণের জন্য একটি সর্বজনীনভাবে উপলব্ধ সরঞ্জামে এখনও প্রকাশিত ত্রৈমাসিক আর্থিক প্রভাব ডেটা পেস্ট করবেন। ডেটা ক্লাসিফিকেশন প্রম্পট এটিকে "গোপনীয়-অপ্রকাশিত আর্থিক" হিসাবে চিহ্নিত করেছে। ডেটা প্রথমে একত্রিত করা হয়েছিল এবং তারপরে এন্টারপ্রাইজ টুলে প্রক্রিয়া করা হয়েছিল; আইনের সম্ভাব্য লঙ্ঘন প্রতিরোধ করা হয়েছে।

কেস 3 - দায়িত্ব নেওয়া। একটি প্রতিবেদন প্রকাশিত হওয়ার পর, একজন স্টেকহোল্ডার একটি নম্বরকে প্রশ্ন করেছিলেন। দল "এআই গণনা করা" বলেনি; অডিট ট্রেইল খুলেছে, উৎস উদ্ধৃত করেছে, একটি ছোটখাট সংশোধন করেছে এবং স্বচ্ছভাবে ব্যাখ্যা করেছে। এই মনোভাব, যা "এআই বলেছে" প্রতিরক্ষার উপর নির্ভর করে না, বিশ্বাস রক্ষা করে।

সাধারণ ভুল

• মানের দরজা ছাড়াই এগিয়ে যাচ্ছে। যদি প্রতিটি ধাপের প্রস্থানের সময় যাচাইকরণ করা না হয়, তাহলে শেষ পর্যন্ত ত্রুটিগুলি জমা হবে৷
• গাড়ির শ্রেণীবিভাগ না করে ডেটা দেওয়া। গোপনীয় এবং ব্যক্তিগত ডেটা বেনামী ছাড়া পাবলিক AI এ প্রবেশ করা যাবে না।
• এআই-এর কাছে দায়িত্ব হস্তান্তর। "AI বলেছেন" একটি আইনি বা পেশাদার প্রতিরক্ষা নয়।
• ভাবছেন বিচ্ছিন্ন পদক্ষেপ। উপাদান, উপাত্ত, গণনা এবং দাবি পরস্পর সংযুক্ত; একজন ক্ষতিগ্রস্ত হলে সবাই ক্ষতিগ্রস্ত হয়।
• প্রকাশনার অনুমোদনের জন্য দায়ী ব্যক্তিকে নিয়োগ না করা। প্রতিটি পাবলিক দাবির পিছনে অবশ্যই একজন মানুষ থাকতে হবে।

সংক্ষেপে

ESG ব্যবসা হল আটটি আন্তঃসংযুক্ত ধাপের একটি শৃঙ্খল, এবং AI হল প্রতিটি ধাপে একটি অ্যাক্সিলারেটর; কিন্তু প্রতি পদে পদে প্রস্থান করার সময় গুণমানের একটি দরজা রয়েছে। "এআই উৎপন্ন করে → মানব যাচাই করে → দরজার মধ্য দিয়ে যায়" এর ছন্দটি এই মডিউলের সমস্ত পাঠকে একটি একক অধ্যয়নের শৃঙ্খলায় একত্রিত করে। ডেটা শ্রেণীবদ্ধ করুন এবং গোপনীয়তা রক্ষা করুন, অফিসিয়াল সোর্স থেকে ফ্যাক্টর এবং স্ট্যান্ডার্ড নিশ্চিত করুন, প্রমাণের সাথে দাবি লিঙ্ক করুন, প্রকাশের আগে গ্রিন ওয়াশিং আউট করুন এবং একজন মানুষকে চূড়ান্ত দায়িত্ব দিন। AI কাজের গতি বাড়ায়; আপনি নির্ভুলতা, সততা এবং দায়িত্ব অনুমান. এই পেশার মাপকাঠি "অবশ্য সাবলীল" নয়, "নিরীক্ষায় উত্তীর্ণ হওয়া এবং প্রমাণিত হওয়া"।

আবেদন টাস্ক

আপনার পূর্ববর্তী ইউনিটগুলিতে (একটি বস্তুগত তালিকা, একটি কার্বন অ্যাকাউন্ট, একটি প্রতিবেদন বিভাগ) একটি একক মিনি-রিপোর্টে উত্পাদিত বিতরণযোগ্যগুলিকে একত্রিত করুন৷ AI থেকে উপরের এন্ড-টু-এন্ড কোয়ালিটি গেট প্রম্পট সহ 7টি আইটেমে এই মিনি রিপোর্টটি দেখুন। তারপর: (1) "রিলিজ" চিহ্নিত প্রতিটি আইটেম সংশোধন করুন, (2) সমস্ত গোপনীয়/ব্যক্তিগত ডেটা শ্রেণীবদ্ধ করুন এবং পদক্ষেপ নিন, (3) প্রকাশনার জন্য একটি দায়িত্বশীল নাম এবং অনুমোদনের নোট যোগ করুন।

চেকলিস্ট

• [ ] আমি "AI উত্পাদন করে → মানব যাচাই করে → দরজা দিয়ে পাস করে" এর ছন্দের সাথে ওয়ার্কফ্লো সেট আপ করেছি।
• [ ] আমি প্রতিটি ধাপের প্রস্থানে একটি গুণমান গেট প্রয়োগ করেছি৷
• [] আমি সমস্ত ডেটা বিনামূল্যে/অভ্যন্তরীণ/গোপনীয় হিসাবে শ্রেণীবদ্ধ করেছি এবং গোপনীয়তা রক্ষা করেছি।
• [ ] আমি অফিসিয়াল সোর্স থেকে ফ্যাক্টর এবং স্ট্যান্ডার্ড আইটেম নিশ্চিত করেছি।
• [ ] আমি প্রমাণ সহ প্রতিটি দাবি সমর্থন করেছি, প্রকাশের আগে গ্রিনওয়াশিং বাদ দিয়েছি।
• [ ] আমি "এআই বলেছে" প্রতিরক্ষার উপর নির্ভর না করে দায়িত্ব নিয়েছি।
• [ ] আমি প্রকাশনার জন্য একটি দায়িত্বশীল নাম এবং অনুমোদনের রেকর্ড সেট করেছি৷

মডিউল পরীক্ষা

1. ESG এবং টেকসই ব্যবসায় AI-এর জন্য নিচের কোনটি সেরা অবস্থান?

• ক) কৃত্রিম বুদ্ধিমত্তা হল কোড, ডেটা এবং ব্লুপ্রিন্টের সহকারী; কারণ, মান, প্রমাণ এবং নৈতিক সিদ্ধান্তের দায়িত্ব জনগণের উপর ✔
• খ) কৃত্রিম বুদ্ধিমত্তা হল একটি নিরীক্ষক এবং এটি প্রদান করে ESG মানগুলি স্বাধীন নিশ্চয়তার বিকল্প
• গ) কৃত্রিম বুদ্ধিমত্তা শুধুমাত্র রিপোর্ট লেখার ক্ষেত্রেই কাজ করে, ডেটা এবং গণনার সাথে এর কোন সম্পর্ক নেই
• ঘ) যেহেতু AI মানুষের চেয়ে বেশি নিরপেক্ষ, তাই সমস্ত ESG সিদ্ধান্ত তার উপর ছেড়ে দেওয়া উচিত

বর্ণনা: কৃত্রিম বুদ্ধিমত্তা; এটি একটি সহকারী যা কোড লেখে, ডেটা সংগঠিত করে, খসড়া তৈরি করে এবং সারসংক্ষেপ করে। যাইহোক, নির্গমন ফ্যাক্টর নিশ্চিত করার, স্ট্যান্ডার্ড পদার্থের সংখ্যা পরীক্ষা করা, প্রতিটি দাবি প্রমাণ করার চূড়ান্ত দায়িত্ব উপযুক্ত বিশেষজ্ঞের। বড় ভাষা মডেল একটি ক্যালকুলেটর, নিয়ন্ত্রক/মান ডাটাবেস, বা পরীক্ষক নয়; এটি একটি টেক্সট জেনারেটর যা 'পরবর্তী সম্ভাব্য শব্দ' তৈরি করে এবং এর অযাচাইকৃত আউটপুট একটি মিথ্যা প্রতিবেদন বা দাবির দিকে নিয়ে যেতে পারে।

2. দ্বৈত বস্তুগততা বিশ্লেষণে একটি সমস্যার 'প্রভাব বস্তুগত' দিকটির অর্থ কী?

• ক) কোম্পানির মুনাফা এবং শেয়ার মূল্যের উপর ইস্যুর প্রভাব
• খ) ইস্যুটির আর্থিক ঝুঁকি শুধুমাত্র বিনিয়োগকারীদের জন্য
• গ) একই বিষয়ে প্রতিদ্বন্দ্বী কোম্পানির কর্মক্ষমতা
• ঘ) পরিবেশ ও সমাজের উপর কোম্পানির কার্যক্রমের প্রভাব ✔

বর্ণনা: দ্বৈত বস্তুগততা দুটি লেন্সের মাধ্যমে দেখায়। আর্থিক বস্তুগততা হল একটি কোম্পানির নগদ প্রবাহ এবং মূল্য ('বাইরে-ইন') উপর একটি সমস্যার প্রভাব। প্রভাব বস্তুগততা হল পরিবেশ এবং সমাজের উপর কোম্পানির কার্যকলাপের প্রভাব ('ভিতরে বাইরে')। CSRD/ESRS উভয় দিকই প্রয়োগ করে; যেহেতু কৃত্রিম বুদ্ধিমত্তা প্রায়শই শুধুমাত্র আর্থিক দিক থেকে স্থানান্তরিত হয়, তাই প্রভাবের দিকটি অতিরিক্তভাবে মানুষের দ্বারা নিয়ন্ত্রিত হতে হবে।

3. বিভিন্ন সুবিধা থেকে kWh, MWh এবং GJ-এ শক্তি ডেটা সংগ্রহ করার সময় সঠিক পদ্ধতি কী?

• ক) একক উপেক্ষা করুন এবং সরাসরি সমস্ত সংখ্যা যোগ করুন
• খ) আপনার মাথায় লম্বা তালিকা সংগ্রহ করতে কৃত্রিম বুদ্ধিমত্তার উপর নির্ভর করা
• গ) সমস্ত মানকে একটি এককে রূপান্তর করা এবং কোড/সূত্র দিয়ে রূপান্তর এবং যোগফল তৈরি করা ✔
• ঘ) বৃহত্তম ইউনিট নির্বাচন করা এবং অন্যান্য সুবিধার রিপোর্ট না করা

ব্যাখ্যা: ইউনিট মন্থন হল ESG-এর সবচেয়ে ঘন ঘন এবং বিপজ্জনক ভুল; যেহেতু 1 MWh = 1,000 kWh, যদি ইউনিটটি বাদ দেওয়া হয়, ফলাফলটি 1,000 এর একটি গুণনীয়ক দ্বারা বিচ্যুত হতে পারে। সঠিক পন্থা হল সমস্ত মানকে একক ইউনিটে রূপান্তর করা এবং কৃত্রিম বুদ্ধিমত্তার মাধ্যমে এই রূপান্তর করা এবং একটি এক্সিকিউটেবল কোড/সূত্রের সাথে যোগ করা, ম্যানুয়ালি নয়; এইভাবে ফলাফল নির্ধারক এবং যাচাইযোগ্য।

4. GHG প্রোটোকল অনুযায়ী ক্রয়কৃত বিদ্যুতের উৎপাদনের ফলে নির্গমনের কোন সুযোগ অন্তর্ভুক্ত?

• ক) ব্যাপ্তি 1
• খ) ব্যাপ্তি 2 ✔
• গ) ব্যাপ্তি 3
• ঘ) এটি কোন সুযোগের মধ্যে অন্তর্ভুক্ত নয় এবং রিপোর্ট করা হয় না

বর্ণনা: স্কোপ 1 হল সংস্থার নিজস্ব উত্স (বয়লার, কোম্পানির গাড়ি, জেনারেটর) থেকে সরাসরি নির্গমন। স্কোপ 2 হল ক্রয়কৃত শক্তি (বিদ্যুৎ, বাষ্প, উত্তাপ, শীতল) উৎপাদন থেকে পরোক্ষ নির্গমন। স্কোপ 3 মান শৃঙ্খলে (সরবরাহ, ভ্রমণ, পণ্যের ব্যবহার, বর্জ্য) অন্যান্য সমস্ত পরোক্ষ নির্গমনকে কভার করে। কোম্পানির চিমনি থেকে বিদ্যুত বের হয় না, কিন্তু যে বিদ্যুত কেন্দ্র তা উৎপন্ন করে তা নির্গমন করে; তাই এটি স্কোপ 2।

5. গ্রিনহাউস গ্যাস যেমন মিথেন (CH₄) কে CO₂e-তে রূপান্তর করার সময় কোন ধারণা ব্যবহার করা হয় এবং কেন এটি গুরুত্বপূর্ণ?

• ক) GWP (গ্লোবাল ওয়ার্মিং পটেনশিয়াল); যদি বাদ দেওয়া হয়, মিথেন/N₂O প্রভাবকে ব্যাপকভাবে অবমূল্যায়ন করা হবে ✔
• খ) AQI (বায়ু মানের সূচক); বাতাসে গ্যাসের রঙ নির্ধারণ করে
• গ) GRI (রিপোর্টিং উদ্যোগ); গ্যাসের রিপোর্ট করা হবে এমন পদার্থ নির্ধারণ করে
• ঘ) কোন সহগ প্রয়োজন নেই; মিথেন 1 থেকে 1 সরাসরি CO₂ এর মতো গণনা করে

বর্ণনা: GWP (গ্লোবাল ওয়ার্মিং পটেনশিয়াল) হল সহগ যা বিভিন্ন গ্রীনহাউস গ্যাসের উত্তাপের প্রভাবকে CO₂ এর সাপেক্ষে একটি সাধারণ ইউনিটে রূপান্তর করে। মিথেনের 100 বছরের GWP প্রায় 28; সুতরাং 1 টন মিথেন মানে প্রায় 28 টন CO₂e। যদি GWP বাদ দেওয়া হয়, তাহলে মিথেন এবং N₂O-এর মতো শক্তিশালী গ্যাসের প্রভাবকে ব্যাপকভাবে অবমূল্যায়ন করা হবে এবং ইনভেন্টরি সম্পূর্ণরূপে ভুল হবে; কোন GWP সেট (যেমন IPCC AR6, 100 বছর) ব্যবহার করা হয়েছে তাও বলা উচিত।

6. গ্রীনহাউস গ্যাস ইনভেন্টরিতে 'ক্রিয়াকলাপ ডেটা × নির্গমন ফ্যাক্টর' গণনার জন্য কোন পদ্ধতিটি সঠিক?

• ক) কৃত্রিম বুদ্ধিমত্তা যে ফ্যাক্টরটি মনে রাখে তা ব্যবহার করে এবং এটি ম্যানুয়ালি মোট কাজ করে
• খ) সমস্ত গ্যাসকে CO₂ হিসাবে গণনা করা এবং ফ্যাক্টর এড়িয়ে যাওয়া এবং GWP রূপান্তর
• গ) প্রতিটি দেশ, বছর এবং জ্বালানির জন্য ঠিক একটি ডিফল্ট ফ্যাক্টর ব্যবহার করা
• ঘ) দেশ এবং বছর অনুযায়ী অফিসিয়াল সোর্স থেকে ফ্যাক্টর নিশ্চিত করা এবং কোড সহ গণনার ভারা এবং মোট তৈরি করা ✔

বর্ণনা: দেশ, বছর এবং জ্বালানি দ্বারা নির্গমনের কারণগুলি পরিবর্তিত হয়; এআইকে 'স্মরণ করিয়ে' জিনিসগুলি তৈরি করার ঝুঁকি তৈরি করে (হ্যালুসিনেশন)। ফ্যাক্টরটি সর্বদা একটি অফিসিয়াল টেবিল থেকে নিশ্চিত করা উচিত (IPCC, DEFRA/EPA, IEA, জাতীয় তালিকা); কৃত্রিম বুদ্ধিমত্তা দ্বারা শুধুমাত্র সুযোগ বিভাজন, অ্যাকাউন্টিং স্ক্যাফোল্ডিং এবং মোট কোড করা উচিত। মাল্টি-সারি মোট এক্সিকিউটেবল কোড দ্বারা করা হয়, ম্যানুয়ালি নয়।

7. AI দ্বারা প্রস্তাবিত একটি GRI/ESRS স্ট্যান্ডার্ড পদার্থ নম্বরের (যেমন 'জল ব্যবহারের জন্য GRI 305') সঠিক আচরণ কী?

• ক) রিপোর্টে সরাসরি নম্বর লেখা কারণ কৃত্রিম বুদ্ধিমত্তা এটির পরামর্শ দেয়
• খ) আইটেম নম্বর গুরুত্বহীন; যে কোনো লেখা যেতে পারে
• গ) নম্বর এবং এর বিষয়বস্তু অফিসিয়াল স্ট্যান্ডার্ড টেক্সট দিয়ে যাচাই করা, এটি জাল/সেকেলে হলে তা নিশ্চিত করা ✔
• ঘ) যেহেতু জল এবং বায়ু নির্গমন একই রকম, একই নিবন্ধে তাদের প্রতিবেদন করা

বর্ণনা: কৃত্রিম বুদ্ধিমত্তা এমন স্ট্যান্ডার্ড সংখ্যা তৈরি করতে পারে যা বাস্তব বলে মনে হয় কিন্তু যার বিষয়বস্তু মিথ্যা বা সম্পূর্ণ বানোয়াট; এছাড়াও, মানগুলি আপডেট করা হয়েছে এবং মডেলটি যে সংস্করণটি জানে তা পুরানো হতে পারে৷ উদাহরণস্বরূপ, জল GRI 303 এর অধীনে রিপোর্ট করা হয়েছে, যখন GRI 305 হল বায়ু নির্গমন। অতএব, প্রতিটি পদার্থের সংখ্যা এবং বিষয়বস্তু অফিসিয়াল স্ট্যান্ডার্ড টেক্সট (GRI/EFRAG/ISSB) দিয়ে যাচাই না করে ব্যবহার করা যাবে না।

8. যদি সাপ্লাই চেইনের বেশিরভাগ সরবরাহকারীর কাছে প্রকৃত কার্বন ডেটা না থাকে, তাহলে স্কোপ 3 এর জন্য সঠিক এবং সৎ পদ্ধতি কী?

• ক) সরবরাহকারীদের জন্য কৃত্রিম বুদ্ধিমত্তা দ্বারা তৈরি সংখ্যাগুলি সরাসরি ব্যবহার করা
• খ) স্কোপ 3 সম্পূর্ণভাবে এড়িয়ে যাওয়া কারণ এটি 'পরিমাপ করা কঠিন'
• গ) প্রকৃত ডেটা ব্যবহার করে, যাদের ✔ নেই তাদের জন্য স্পষ্টভাবে প্রক্সি চিহ্নিত করা
• ঘ) সমস্ত সরবরাহকারীর কাছে প্রক্সি প্রয়োগ করা এবং রিপোর্টে এটি লুকানো

বর্ণনা: স্কোপ 3 বেশিরভাগ কোম্পানির বৃহত্তম কিন্তু আইটেম পরিমাপ করা সবচেয়ে কঠিন। প্রকৃত তথ্য প্রদানকারী সরবরাহকারীদের জন্য, সেই ডেটা ব্যবহার করা হয়; যারা এটি প্রদান করে না তাদের জন্য একটি ব্যয়-ভিত্তিক প্রক্সি (অনুমান) ব্যবহার করা যেতে পারে। গুরুত্বপূর্ণ বিষয় হল প্রক্সি লুকানো নয়: প্রতিবেদনে ব্যবহৃত অনুমানের অংশ এবং অনুপাত স্পষ্টভাবে উল্লেখ করা উচিত। অস্পষ্ট প্রক্সি স্বাধীন নিশ্চয়তা অস্বীকার করতে পারে; 'পরিমাপ করা কঠিন' এই কারণে স্কোপ 3 সম্পূর্ণভাবে এড়িয়ে যাওয়াও ভুল।

9. AI শুধুমাত্র দেশের গড়ের উপর ভিত্তি করে একজন সরবরাহকারীকে 'সম্ভাব্য জোরপূর্বক শ্রম' হিসেবে চিহ্নিত করেছে। সঠিক আচরণ কি?

• ক) প্রমাণ হিসাবে সংকেত গ্রহণ করুন এবং অবিলম্বে প্রকাশ্যে সরবরাহকারীর সাথে সম্পর্ক ছিন্ন করুন
• খ) কৃত্রিম বুদ্ধিমত্তা বলেই রিপোর্টে সরাসরি দাবি লেখা
• গ) ঝুঁকির সংকেতগুলিকে সম্পূর্ণরূপে উপেক্ষা করা এবং সেগুলি পরীক্ষা না করা
• ঘ) সংকেতটিকে 'তদন্ত করার সতর্কতা' হিসাবে বিবেচনা করা এবং মাঠ পরিদর্শন এবং একটি নির্ভরযোগ্য উত্স দিয়ে এটি নিশ্চিত করা ✔

ব্যাখ্যা: মানবাধিকার লঙ্ঘনের মতো গুরুতর অভিযোগ কৃত্রিম বুদ্ধিমত্তা দ্বারা উত্পাদিত সংকেত দিয়ে প্রমাণ করা যায় না। এই ধরনের সংকেত নিছক 'পরীক্ষা করার সতর্কবাণী'; এটিকে একটি নির্দিষ্ট অভিযোগ হিসাবে ব্যবহার করা অন্যায্য এবং আইনগতভাবে ঝুঁকিপূর্ণ। এই ধরনের দাবি শুধুমাত্র একটি নির্ভরযোগ্য উৎস, ক্ষেত্র পরিদর্শন এবং আইনি প্রক্রিয়া দ্বারা নিশ্চিত করা হয়। কৃত্রিম বুদ্ধিমত্তা সংকেত তৈরি করে; মানুষ বিচার ও দায়িত্ব গ্রহণ করে।

10. AI এর সাথে স্টেকহোল্ডার জরিপ থেকে শত শত ফ্রি-টেক্সট প্রতিক্রিয়া বিশ্লেষণ করার সময় সবচেয়ে গুরুত্বপূর্ণ সতর্কতা কী?

• ক) বিরল কিন্তু উচ্চ গুরুত্ব (নিরাপত্তা/নৈতিক/পরিবেশগত) সংকেত আলাদাভাবে প্রয়োজন এবং সেগুলিকে ছাপিয়ে না ✔
• খ) শুধুমাত্র সর্বোচ্চ ফ্রিকোয়েন্সি থিম বাছাই, সংখ্যালঘু দৃষ্টিভঙ্গি বাদ দেওয়া
• গ) একটি একক ইতিবাচক সারাংশের সমস্ত উত্তর কমিয়ে দিন এবং বিশদ বিবরণ ছেড়ে দিন
• ঘ) কাঁচা উত্তরের পরিবর্তে কৃত্রিম বুদ্ধিমত্তার সারাংশ গ্রহণ করা

বর্ণনা: কৃত্রিম বুদ্ধিমত্তা সংখ্যাগরিষ্ঠের কণ্ঠস্বরকে প্রশস্ত করে এবং বিষয়ভিত্তিক বিশ্লেষণে সংখ্যালঘুদের কণ্ঠস্বরকে দমন করে। যাইহোক, স্থায়িত্বের ক্ষেত্রে সবচেয়ে মূল্যবান সংকেত হল কখনও কখনও একটি গুরুতর নিরাপত্তা, নৈতিক বা পরিবেশগত সমস্যা যা একজন একক ব্যক্তির দ্বারা উচ্চারিত হয়। তাই বিশ্লেষণ জিজ্ঞাসা করে 'কি প্রায়শই বলা হয়েছিল?' এটা দিয়ে শেষ হয় না; 'বিরল কিন্তু উচ্চ তাত্পর্য' সংকেতগুলিকে আলাদাভাবে অনুরোধ করা উচিত এবং সারাংশের পরিবর্তে অশোধিত প্রতিক্রিয়াগুলি ব্যবহার করা উচিত।

11. কৃত্রিম বুদ্ধিমত্তায় প্রতিবেদনের বিভাগ লেখার সময় টেক্সটে ফাঁস হওয়া থেকে জাল নম্বর এবং লক্ষ্যগুলি প্রতিরোধ করার সবচেয়ে কার্যকর উপায় কী?

• ক) 'একটি উপযুক্ত পাঠ্য লিখুন' বলে একবারে সম্পূর্ণ প্রতিবেদন তৈরি করা
• খ) শুধুমাত্র যাচাইকৃত ডেটা প্রদান করা এবং নতুন নম্বর/দাবি তৈরি করাকে স্পষ্টভাবে নিষিদ্ধ করা ✔
• গ) পাঠ্যটি কতটা সাবলীল এবং চিত্তাকর্ষক তা পরীক্ষা করুন এবং এটি প্রকাশ করুন
• D) AI কে যুক্তিসঙ্গত অনুমান সহ অনুপস্থিত ডেটা পূরণ করার অনুমতি দেওয়া

বর্ণনা: কৃত্রিম বুদ্ধিমত্তা একটি খালি প্রম্পটে 'অনুরূপ প্রতিবেদনে এটিই বলেছে' যুক্তি ব্যবহার করে সংখ্যা এবং লক্ষ্যগুলি তৈরি করে যা আপনার কাছে আসলে নেই। সবচেয়ে কার্যকর সতর্কতা হল এটি শুধুমাত্র যাচাইকৃত ডেটা দেওয়া এবং 'আমি আপনাকে যে ডেটা দিয়েছি তা ছাড়া অন্য কোনও সংখ্যা, শতাংশ, তারিখ বা দাবি যোগ করবেন না; এটা স্পষ্টভাবে 'অনুপস্থিত জায়গায় [ডেটা প্রয়োজনীয়] লিখার নিয়মটি উল্লেখ করতে হবে। উপরন্তু, প্রতিবেদনটি বিভাগ দ্বারা প্রিন্ট করা উচিত, ডেটা দিয়ে খাওয়ানো।

12. একটি স্থায়িত্ব প্রতিবেদন পর্যালোচনা করার সময় একজন স্বাধীন আশ্বাস নিরীক্ষক প্রথমে কী দেখেন?

• ক) প্রতিবেদনটি কতটা সাবলীল এবং পেশাদারভাবে লেখা হয়েছে
• খ) প্রতিটি ইস্যুতে উৎস নথিতে প্রমাণের একটি চেইন রয়েছে ✔
• গ) কৃত্রিম বুদ্ধিমত্তা বলছে 'রিপোর্ট অডিটের জন্য প্রস্তুত'
• ঘ) প্রতিযোগীদের তুলনায় প্রতিবেদনটিকে আরও দৃঢ়ভাবে দেখান

ব্যাখ্যা: পরীক্ষক পাঠ্যের সাবলীলতায় আগ্রহী নন, তবে প্রতিটি দাবির পিছনে প্রমাণের শৃঙ্খলে আগ্রহী; তার প্রথম প্রশ্ন 'এই সংখ্যা প্রমাণ করুন'। এটি পরীক্ষা করা হয় কোন উৎস নথি থেকে একটি সংখ্যা এসেছে, কোন সূত্র এবং ফ্যাক্টর এটি একটি প্রতিবেদনে পরিণত হয় এবং এটি স্বাধীনভাবে পুনরাবৃত্তি করা যায় কিনা। অতএব, প্রতিটি উপাদানের মেট্রিক অবশ্যই তার উত্সের সন্ধানযোগ্য হতে হবে, কারণগুলি অবশ্যই সরকারী উত্স থেকে যাচাই করা উচিত, এবং প্রক্সিগুলি অবশ্যই নির্দিষ্ট করা উচিত; কৃত্রিম বুদ্ধিমত্তা এই প্রস্তুতি তৈরি করে, কিন্তু নিশ্চয়তা দিতে পারে না।

13. নিচের কোন পরিবেশগত দাবিতে সবুজ ধোয়ার ঝুঁকি সবচেয়ে কম?

• ক) 'আমরা 2023 সালের মধ্যে আমাদের উৎপাদন নির্গমন 18% কমিয়েছি (তৃতীয় পক্ষের যাচাইকরণ সহ)' ✔
• খ) 'আমাদের পণ্য সম্পূর্ণ পরিবেশবান্ধব এবং প্রাকৃতিক'
• গ) 'আমাদের কোম্পানি কার্বন নিরপেক্ষ' (কোন নথি বা তথ্য প্রদান ছাড়াই)
• ঘ) 'আমরা শিল্পের সবচেয়ে টেকসই এবং প্রায় শূন্য-প্রভাবিত কোম্পানি'

ব্যাখ্যা: একটি ভাল পরিবেশগত দাবি পরিমাপযোগ্য (একটি সংখ্যা ধারণ করে), প্রমাণিত (প্রমাণের উপর ভিত্তি করে), এবং পরিধিতে পরিষ্কার (এটি পরিষ্কার যে কিসের সাথে এবং কখন তুলনা করা হচ্ছে)। 'আমরা 2023 সালের মধ্যে উৎপাদন নির্গমন 18% কমিয়েছি (তৃতীয়-পক্ষ যাচাই সহ)' এই তিনটি বৈশিষ্ট্য রয়েছে। 'পরিবেশ-বান্ধব', 'প্রাকৃতিক', অপ্রমাণিত 'কার্বন নিরপেক্ষ' শব্দগুচ্ছ অপ্রমাণযোগ্য বা অপ্রমাণিত এবং সবুজ ধোয়ার ঝুঁকি বহন করে।

14. বিশ্লেষণের জন্য সর্বজনীনভাবে উপলব্ধ AI টুলে অপ্রকাশিত সুবিধা উত্পাদন এবং নির্গমন ডেটা পেস্ট করার আগে কী করা উচিত?

• ক) যেমন আছে ডেটা পেস্ট করা; পরিবেশগত তথ্য সর্বদা সর্বজনীনভাবে উপলব্ধ
• খ) কৃত্রিম বুদ্ধিমত্তা প্রদানকারীর কাছে দায়িত্ব চলে যাওয়ায় সতর্কতা না নিয়ে দেওয়া
• গ) ঝুঁকি কেবল ভুল গণনা; একটি গোপনীয়তা পরিমাপ অপ্রয়োজনীয়
• ঘ) ডেটাকে ফ্রি/অভ্যন্তরীণ/গোপনীয় হিসাবে শ্রেণীবদ্ধ করা এবং গোপনীয় ডেটা বেনামী করা বা কর্পোরেট টুল ব্যবহার করা ✔

প্রকাশ: উদ্ভিদ-স্তরের উৎপাদন এবং নির্গমন ডেটা ট্রেড সিক্রেট হতে পারে; আর্থিক/পরিবেশ সংক্রান্ত তথ্য যা এখনও প্রকাশ করা হয়নি তা নিয়ন্ত্রক প্রকাশের নিয়ম লঙ্ঘন করতে পারে; কর্মচারীর অবস্থান/বেতনের ডেটা হল KVKK/GDPR এর পরিধির মধ্যে ব্যক্তিগত ডেটা। একটি ওপেন টুলে এই ধরনের ডেটা দেওয়ার আগে, এটিকে বিনামূল্যে/অভ্যন্তরীণ/গোপনীয় হিসাবে শ্রেণীবদ্ধ করা, প্রয়োজনে এটিকে বেনামী করা বা একটি কর্পোরেট (ডেটা-মুক্ত) টুল ব্যবহার করা প্রয়োজন। 'এআই বলেছে' কোনো প্রতিরক্ষা নয়; দায়িত্বটি প্রতিষ্ঠান এবং যে ব্যক্তি এটি অনুমোদন করে তার উপর বর্তায়।