zisky:
- Schopnost rozlišovat mezi jednoduchou a dvojí významností a vyhodnotit problém z hlediska dopadu i finanční významnosti
- Schopnost oddělit stovky odpovědí zúčastněných stran do témat s umělou inteligencí a zároveň ponechat nízkofrekvenční, ale vysoce důležité signály oddělené
- Schopnost otestovat seznam témat vytvořených umělou inteligencí s průmyslovou realitou a propojit konečný dokument o stanovení priorit a metodologii s lidmi
Žádná společnost nemůže podávat zprávy o všech otázkách udržitelnosti do stejné hloubky; Zatímco pro softwarovou společnost je spotřeba vody druhořadou záležitostí, pro výrobce nápojů je to záchranné lano. To je otázka "které problémy jsou pro nás skutečně důležité?" Odpověď na otázku dává analýza významnosti (analýza důležitosti). Významnost je proces určování toho, jak „významný/významný“ je problém udržitelnosti pro organizaci a tvoří základ celé zprávy ESG. Falešná významnost činí i stovky stran zpráv bezcennými; protože se zpráva zaměřuje na špatné problémy. V tomto celku se dozvíte, kde v tomto procesu používat umělou inteligenci (AI) jako akcelerátor a kde jako riziko.
Nejprve si ujasněme dva pojmy. Jednotná významnost se zaměřuje pouze na to, jak problém ovlivňuje finanční zdraví společnosti: "Jak ovlivní změna klimatu naše příjmy/náklady?" Dvojí významnost přidává druhý aspekt: dopad společnosti na svět. Otázka je tedy dvojí: (1) Jak tato záležitost ovlivňuje společnost finančně? (2) Jak společnost v tomto ohledu ovlivňuje životní prostředí a společnost? CSRD a ESRS prosazují tento druhý, dvojitý pohled. Toto rozlišení je základem zkoušek i praxe.
Dva aspekty dvojího významu
Dvojitá materialita se dívá dvěma čočkami:
- Významnost dopadu — „zevnitř“: Pozitivní/negativní dopad činností společnosti na lidi a životní prostředí. Příklad: odpadní voda vypouštěná do řeky textilní továrnou.
- Finanční významnost — „venku dovnitř“: Dopad problému udržitelnosti na peněžní toky, náklady a hodnotu společnosti. Příklad: zvýšení ceny uhlíku zvyšuje výrobní náklady.
Pokud je téma významné v některém z těchto dvou objektivů, považuje se za vykazované v logice duální významnosti. Umělá inteligence má problém rozlišit mezi těmito dvěma aspekty a často směřuje pouze k finanční stránce; Proto je nezbytné řídit výstup s ohledem na toto rozlišení.
Předmět
Dopad materiality (na svět)
Finanční významnost (pro společnost)
emise skleníkových plynů
Příspěvek ke změně klimatu
Uhlíková daň, náklady CBAM
Bezpečnost a ochrana zdraví při práci
Život a zdraví zaměstnanců
Odškodňování za nehody, zastavení výroby
spotřebu vody
Regionální vodní stres
Nedostatek vody, výrobní riziko
Ochrana osobních údajů
Uživatelská práva
Pokuta, pověst a ztráta zákazníků
Tip: Když zvažujete problém, „dotýká se to nás nebo ovlivňujeme svět?“ Rozdělte to na dva. Hodně greenwashingu a underreportingu nastává, když společnosti uvádějí pouze finanční stránku, která je ovlivňuje, a skrývají dopad, který mají na svět.
Krok za krokem: Proces materiality poháněný umělou inteligencí
1. Vytvořte předmětový vesmír. Udělejte si dlouhý seznam možných témat udržitelnosti relevantních pro vaše odvětví. AI je zde dobrým partnerem pro brainstorming; Kandidátní seznam je vytvořen naskenováním předmětových hesel ESRS, průmyslových standardů GRI a zpráv partnerských společností.
2. Identifikujte zainteresované strany. Zainteresované strany jsou strany, které jsou ovlivněny nebo ovlivněny činnostmi společnosti: zaměstnanci, zákazníci, dodavatelé, investoři, místní lidé, regulátoři, občanská společnost. U každého důležitého problému „koho se to týká?“ je položena otázka.
3. Shromážděte informace od zainteresovaných stran. Zjistěte, jaké problémy považují zúčastněné strany za důležité prostřednictvím průzkumů, rozhovorů a workshopů. Umělá inteligence je velmi výkonná při třídění stovek odpovědí z průzkumu s otevřeným koncem do témat (toto se nazývá tematická analýza).
4. Bodujte a stanovte priority. Ohodnoťte každé téma na stupnici na dvou osách (dopad a finanční). Témata s vysokým skóre jsou považována za „důležitá/podstatná“ a stávají se středem zájmu zprávy.
5. Ověřte a zdokumentujte. Stanovení priorit schvaluje řídící výbor; Jak se proces provádí (metodika) je zdokumentováno. CSRD také požaduje, aby byl vysvětlen samotný proces významnosti.
Slabá výzva / Silná výzva
Slabá výzva:
Řekněte nám o problémech udržitelnosti, které jsou pro vás důležité.
Nezahrnuje aspekty odvětví, obchodního modelu, zainteresovaných stran a duality; AI vytváří obecný seznam a často přeskakuje směr dopadu.
Výkonná výzva:
Vaše role: odborník na dvojí významnost. Společnost: Středně velká potravinářská společnost vyrábějící v Turecku. Úkol: vyjmenujte možné problémy udržitelnosti a u každého proveďte DVA SAMOSTATNÉ posouzení:- Významnost dopadu (dopad společnosti na životní prostředí/společnost) - Finanční významnost (finanční dopad problému na společnost) Ke každému problému také zapište dotčené zainteresované strany.Pravidlo: Toto je NÁVRH Bodování a konečné rozhodnutí je na nás. Označte sektorová data, u kterých si nejste jisti, jako vymyšlená, „musí být ověřena“. Výstup: tabulka (Téma | Směr dopadu | Finanční hledisko | Zúčastněné strany | Poznámka).
Seřaďte odpovědi zúčastněných stran do témat
Ruční čtení stovek textových odpovědí z průzkumů významnosti trvá dny. Umělá inteligence je může rozdělit na témata; ale s upozorněním: AI může odmítnout menšinový, ale kritický názor (například závažný bezpečnostní problém vznesený jedním zaměstnancem) jako „nedůležitý“. Tematické shrnutí proto nenahrazuje hrubé odpovědi; Je to k nim brána.
Níže je 200 volných textových odpovědí z průzkumu významnosti. Úkol: 1) Rozdělte odpovědi na ne více než 10 témat, každé téma pojmenujte. 2) Spočítejte, kolik odpovědí zmiňuje každé téma. 3) TAKÉ uveďte, odstraňte malý počet, ale vážných (bezpečnost, právní, environmentální riziko) názorů pod nadpisem „nízká frekvence / vysoká důležitost“.
Upozornění: Tematické shrnutí AI nenahrazuje hrubé odpovědi. Umělá inteligence může zastínit zejména názory „s nízkou frekvencí, ale vysokou důležitostí“ (narušení bezpečnosti, podezření z korupce), protože je jich málo. Nezapomeňte si tyto názory zkontrolovat samostatným okem.
tři mini pouzdra
Případ 1 – Vynechání směru působení. Chemická společnost nechala AI připravit seznam významnosti. Seznam se zaměřil na finanční otázky, jako je cena uhlíku a náklady na energii; ale jeho dopad na zásobování vodou vesnice poblíž továrny na seznamu nebyl. Expert přidal aspekt „dopadu“ jako věc dvojího významu; Tento problém se později ukázal jako nejkritičtější problém zúčastněných stran.
Případ 2 — Hmotnost v číslech. Maloobchodník analyzoval 1 200 zákaznických průzkumů s AI. YZ zjistila, že 41 % odpovědí se dotklo tématu „odpad z obalů“ a 23 % se dotklo tématu „pracovní podmínky“. Tým deklaroval tato dvě témata jako prioritní věcná témata; Dodavatelský řetězec, který se objevil pod hlavičkou „nízkofrekvenční“, však také přivedl podezření na dětskou práci pod zvláštní kontrolu.
Případ 3 – Falešná důležitost. AI označila „spotřebu vody“ za materiál s vysokou prioritou softwarové společnosti; přičemž jediným využitím vody ve společnosti byla kancelářská kuchyně. Expert to bagatelizoval a zaměřil se na skutečně věcné „soukromí dat a spotřebu energie“. Pokud by nesprávný materiál nebyl opraven, zpráva by ztratila pozornost.
Vyzvat k nastavení matice významnosti
Matice významnosti je vizuální nástroj pro stanovení priorit, který umisťuje témata podél dvou os (dopadové a finanční). Nejdůležitější jsou témata v pravém horním rohu.
Uspořádejte následující témata a skóre v logice matice významnosti. Vstup: Skóre dopadu (1-5) a Finanční skóre (1-5) pro každé téma. Úkol: 1) Rozdělte témata do čtyř zón: vysoký-vysoký (priorita), vysoký dopad-nízké finance, nízký dopad-vysoké finance, nízký-nízký. 2) Navrhněte „prioritní“ region jako hlavní zaměření zprávy. 3) Definujte hraniční (asi 3–3) témata jako „vyžaduje lidský úsudek“. Body: [TÉMA A SKÓRE]
Následující výzva vytvoří osnovu pro zapsání metodiky významnosti do zprávy.
Vaše role: autor zpráv ESG. Úkol: napište 1 auditovatelný odstavec vysvětlující náš proces dvojí významnosti. Zahrňte: který předmětový vesmír byl naskenován, které zainteresované strany byly zapojeny, jakou metodou bylo bodováno, kdo to schválil. Pravidlo: pište nenápadně, ověřitelně a orientované na proces; přidání výrazu výsledku.Vstup: [POZNÁMKY K PROCESU]
Časté chyby
- Spokojit se s jednou důležitou věcí. Dívat se pouze na finanční dopad a ignorovat vliv společnosti na svět je proti CSRD.
- Udržování úzkého okruhu zainteresovaných stran. Naslouchání pouze investorům a vyloučení zaměstnanců, místních lidí a dodavatelů narušuje významnost.
- Přijímám seznam AI tak, jak je. V AI mohou chybět kritické problémy specifické pro daný sektor nebo jim může být přiřazena nesprávná váha.
- Eliminace nízkofrekvenčních vážných názorů. Signály, kterých je málo, ale jsou vysoce rizikové, by měly být zkoumány samostatně.
- Nedoložení metodiky. Pokud není napsáno, jak se proces provádí, auditor nebude akceptovat významnost.
V souhrnu
Materiálová analýza je kompasem celé zprávy ESG; Zpráva, která se zaměřuje na špatné problémy, je bezcenná, bez ohledu na to, jak kvalitní je. Dvojí důležitost je jak „jak nás tento problém finančně ovlivňuje? stejně jako "jak ovlivníme svět v této otázce?" klade otázky společně. Umělá inteligence je výkonným akcelerátorem při generování univerza témat a třídění stovek odpovědí zúčastněných stran do témat; ale má tendenci minout směr dopadu, vytvářet falešnou důležitost a eliminovat nízkofrekvenční kritické pohledy. Konečné stanovení priorit a schválení vždy spočívá na člověku.
Aplikační úkol
Vyberte si odvětví (např. maloobchod s potravinami) a požádejte AI o seznam 12–15 kandidátských témat pomocí výkonné výzvy výše. Poté: (1) zkontrolujte každé téma tak, že je rozdělíte na dvě z hlediska dopadu a finančního hlediska, (2) opravte pouze ta, která se posunula na finanční stránku, (3) vyberte 5 témat, která jsou podle vás nejpodstatnější, s odůvodněním a navrhněte malou matici významnosti.
kontrolní seznam
- [ ] Každý problém jsem vyhodnotil z hlediska dopadu i finanční významnosti.
- [ ] Rozšířil jsem seznam zainteresovaných stran mimo investora (zaměstnanec, veřejnost, dodavatel).
- [ ] Testoval jsem seznam témat generovaných umělou inteligencí proti realitě specifické pro dané odvětví.
- [ ] Samostatně jsem zkoumal názory s nízkou frekvencí, ale vysokou důležitostí.
- [ ] Stanovení priorit jsem schválil rozhodnutím člověka/výboru.
- [ ] Metodiku významnosti jsem doložil v souladu s auditem.
- [ ] Vynechal jsem problémy falešné důležitosti (které se nás ve skutečnosti netýkají).