Dobici:
- Sposobnost uspostavljanja opsega 3 određivanjem prioriteta dobavljačima na osnovu potrošnje i nivoa rizika i razlikovanjem stvarnih podataka i proxy procjena
- Kada označavate signale rizika dobavljača pomoću umjetne inteligencije, tretirajte ih kao 'signale koje treba ispitati', a ne kao dokaz
- Sposobnost upravljanja ozbiljnim zahtjevima u vezi sa ljudskim pravima/ekološkim zahtjevima kroz proces dužne pažnje koji zahtijeva terensku inspekciju i pravnu potvrdu
Za većinu kompanija najveći dio njihovog utjecaja na održivost ne leži u njihovoj vlastitoj tvornici već u njihovom lancu nabavke. Više od 80 posto ugljičnog otiska brenda odjeće može doći od njegovih dobavljača, u rasponu od proizvođača tkanina do otpreme. Isto tako, najteži društveni rizici, poput dječjeg rada, prisilnog rada i kršenja okoliša, često se javljaju duboko u lancu snabdijevanja. U ovoj jedinici ćete naučiti kako koristiti umjetnu inteligenciju (AI) za prikupljanje i procjenu podataka o lancu opskrbe i pregled rizika.
Hajde da razjasnimo dva koncepta. Opseg 3, kao što smo vidjeli u prethodnoj jedinici, je indirektna emisija u lancu vrijednosti kompanije i općenito je najveća, ali najteža za mjerenje stavka. Due diligence je proces identifikovanja, prevencije i otklanjanja rizika od ljudskih prava i životne sredine u lancu snabdevanja kompanije. Propisi kao što je EU CSDDD (Direktiva o korporativnoj održivosti Due Diligence) čine ovo obaveznim za velike kompanije.
Glavni izazov podataka o lancu nabavke
Možete izmjeriti podatke vlastitog objekta; Ali ne možete direktno mjeriti podatke stotina dobavljača, morate ih pitati. Ovo stvara tri problema:
- Podaci ne stižu ili su nepotpuni. Većina manjih dobavljača ne čuva podatke o ugljeniku.
- Podaci su nepouzdani. Kada dobavljač sam prijavljuje, može doći do precijenjenja ili nedovoljnog izvještavanja.
- Pogađanje (proxy) je potrebno. Ako stvarni podaci nisu dostupni, koristi se prosjek industrije ili procjena zasnovana na izdacima.
Ovdje AI pomaže na dva načina: (1) brzo sastavljanje anketa i naknadnih pisama za slanje stotinama dobavljača, (2) strukturiranje raštrkanih odgovora i označavanje signala rizika. Ali nijedan broj koji je dao dobavljač nije verifikovan, nijedan signal rizika se ne zaključuje bez pregleda od strane ljudi.
Kategorija 3 (primjer)
Izvor podataka
Tipična metoda
Kupljena roba/usluga
Ispitivanje dobavljača / potrošnja
Pravi podaci > proxy
Dostava i distribucija
Zapisi nosioca
Udaljenost × opterećenje × faktor
poslovno putovanje
sistem putovanja
Km/let × faktor
Upotreba prodatog proizvoda
Podaci o energiji proizvoda
Model upotrebe
otpada
Dokumenti za prijenos otpada
Količina × faktor
Savjet: U opsegu 3, procjena „bazirana na potrošnji“ (ovoliko CO₂e na 1.000 potrošenih USD) je brz početak, ali grub. Kada dobavljač pruži stvarne podatke, koristite ih; Procjena zasnovana na potrošnji je samo privremena ako nema stvarnih podataka i treba je označiti kao "procjena/proxy" u izvještaju.
Korak po korak: tok posla u lancu snabdevanja pomoću veštačke inteligencije
1. Odredite prioritete dobavljačima. Ne možete ispitati sve stotine dobavljača u istoj dubini. Fokusirajte se na one koji imaju veliku potrošnju i rizik (sektor, država). AI može napraviti nacrt liste sa ovim prioritetom.
2. Nacrt ankete i zahtjev. Zatražite od AI jasan pregled podataka o dobavljačima koji se lako popunjava.
3. Konfigurirajte dolazne podatke. Stavite odgovore u različitim formatima u jednu tabelu; Označite dijelove koji nedostaju.
4. Skenirajte signale rizika. Neka AI pronađe kandidate sa „crvenom zastavom“ u javnim vijestima, evidenciji kršenja i odstupanja u anketama; Ali ljudi provjeravaju svaki signal.
5. Akcija i potraga. Uspostaviti korektivne radnje i plan praćenja za visokorizične dobavljače; Dokumentirajte proces.
Slaba prompt / Jaka prompt
Slab upit:
Izračunajte ugljični otisak naših dobavljača.
Nema izvora podataka, nema razlike između stvarnog i proxyja i nema verifikacije; AI čini brojeve dobavljača.
Snažan upit:
Vaša uloga: analitičar održivosti lanca snabdevanja. Ulaz: 15 imena dobavljača, industrija, godišnji iznos potrošnje i stvarni podaci o emisijama koje daju (ako ih ima). Zadatak: 1) Za one koji daju stvarne podatke, koristiti te podatke. 2) Za one koji nemaju stvarne podatke, napišite "potreban PROXY na bazi potrošnje", NE UKLJUČUJ broj; navedite koji faktor ćete dobiti iz zvaničnog izvora.3) Odredite prioritet dobavljačima u industriji visoke potrošnje + visokog rizika. Izlaz: tabela (Dobavljač | Industrija | Potrošnja | Tip podataka[stvarni/proksi] |Prioritet | Napomena). Proxy brojevi će biti označeni u izvještaju.
Zatražite provjeru rizika dobavljača
Postavite skelu za provjeru rizika za sljedeću listu dobavljača. Procijenite za svakog dobavljača (samo na osnovu informacija koje sam dao, javna tvrdnja LAŽNO):- Mogući rizik za ljudska prava iz zemlje/sektora (visok/srednji/nizak)- Mogući ekološki rizik- Nedosljednost u odgovoru na anketu/crvene zastavicePravilo: dodajte napomenu „potrebna je provjera — nema izvora“ za svaki rizik; ne iznosite definitivne optužbe, samo predložite signale za istragu. Lista: [DOBAVLJAČI]
Sljedeći upit sastavlja nacrt ankete o zahtjevu za podacima za slanje dobavljačima.
Vaša uloga: stručnjak za izvore održivosti. Zadatak: izraditi anketu ESG podataka koja sadrži ne više od 10 pitanja koja mali/srednji dobavljači mogu lako ispuniti. Uključuju: potrošnju energije, vrstu goriva, otpad, broj nesreća u vezi sa zaštitom na radu, posvećenost prinudnom/dječijem radu. Ton: jednostavan, jasan, lak za završetak; Svakom pitanju dodajte jedinice i primjere.
Oprez: Nemojte da AI provjerava signal rizika o dobavljaču (npr. "dječiji rad") i nikada ne koristite tvrdnju koju generiše AI kao dokaz. Ovakve teške tvrdnje samo potvrđuju pouzdani izvori, terenska inspekcija i pravni proces. AI samo proizvodi “signal koji treba ispitati”; ne sudi.
tri mini kofera
Slučaj 1 — Iskreno korištenje proxyja. Samo 30 od 200 dobavljača jednog proizvođača namještaja dalo je stvarne podatke o ugljiku. Tim je koristio proxy zasnovan na potrošnji za preostalih 170, ali izvještaj jasno kaže: "65% opsega 3 je procjena zasnovana na potrošnji." Revizor je priznao ovu iskrenost; da je bilo skriveno, jamstvo bi moglo biti odbijeno.
Slučaj 2 — Određivanje prioriteta. Jedna prehrambena kompanija imala je 480 dobavljača. AI je pokazao da je 80% potrošnje koncentrisano na 40 dobavljača. Tim se fokusirao duboko na ovih 40; resursi nisu potrošeni, a dobavljači sa najvećim uticajem prijavljeni su sa stvarnim podacima.
Slučaj 3 — Rizik od lažne optužbe. AI je označio dobavljača kao “mogući prisilni rad”; Razlog je bio samo nacionalni prosjek. Tim je to prihvatio kao "signal za ispitivanje", a ne kao dokaz, i zatražio terensku inspekciju. Inspekcija nije utvrdila probleme; Ako se signal AI uzme kao dokaz, pojavila bi se nepravedna optužba i pravni rizik.
Uobičajene greške
- Prihvatanje podataka dobavljača bez njihove provjere. Podaci dobavljača koji sami izvještavaju zahtijevaju unakrsnu provjeru.
- Skrivanje proxyja. Korištenje predviđanja zasnovanog na potrošnji je u redu; Nepreciziranje je problem u reviziji.
- Ispitivanje svih dobavljača podjednako. Izvori bi se trebali fokusirati na dobavljače s velikom potrošnjom i visokim rizikom.
- Rješenje AI signala za dokaz. Tvrdnje o kršenju ljudskih prava/kršenja životne sredine verificiraju se na terenu i zakonom, a ne AI.
- Potpuno preskakanje opsega 3. Najveći uticaj je obično ovde; Ne može se zanemariti s obrazloženjem da ga je "teško izmjeriti".
Ukratko
Lanac snabdevanja je mesto gde se krije najveći ekološki i društveni uticaj većine kompanija; Ovdje su koncentrisane emisije emisija i rizici dubinske analize Scope 3. AI; To je moćna pomoć u određivanju prioriteta dobavljača, izradi ankete, strukturiranju razuđenih odgovora i označavanju signala rizika. Ali podaci o dobavljačima nisu uključeni u izvještaj dok se ne verificiraju, punomoćnici se jasno navedu, a ozbiljne optužbe potvrde terenskom inspekcijom. AI generiše signale; Ljudsko biće preuzima prosudbu i odgovornost.
Zadatak aplikacije
Pripremite listu od 10 fiktivnih dobavljača sa imenom, industrijom i godišnjom potrošnjom; Dodajte stvarne podatke o emisijama na nekoliko, većinu ostavite praznim. Zatražite od AI tabelu prioriteta i tipova podataka preko moćnog prompta iznad. Zatim: (1) provjerite da broj dobavljača kojima je potreban proxy nije izmišljen, (2) odaberite 3 najprioritetnija dobavljača s obrazloženjem, (3) izradite kratku anketu podataka koju ćete im poslati.
kontrolna lista
- [ ] Dao sam prioritet dobavljačima na osnovu potrošnje i nivoa rizika.
- [ ] Koristio sam prave podatke; Za one koji ga nemaju, označio sam proxy.
- [ ] Procijenio sam podatke dobavljača ne onakvima kakvi jesu, već unakrsnom provjerom.
- [ ] Smatrao sam da signale rizika treba "ispitati" i nisam ih koristio kao dokaz.
- [ ] Planirao sam terensku reviziju/korak pravne provjere za ozbiljne zahtjeve.
- [ ] Nisam preskočio opseg 3; U izvještaju sam naveo obim i stopu procjene.
- [ ] Cijeli proces sam snimio dokumentom dužne pažnje.