zisky:
- Schopnost rozlišit zaměření rámců GRI, ESRS a ISSB (dopad, dvojí významnost, finanční) a vybrat správný rámec podle čtenáře
- Schopnost mapovat témata materiálů na kandidáty na standardní položky a ověřit každé číslo pomocí oficiálního standardního textu
- Schopnost vytvořit křížové porovnávání, které spojuje jednotlivá data s více snímky a jasně označuje mezery v datech, aniž by je skrývalo
Jakmile společnost shromáždí údaje o udržitelnosti, musí je zveřejnit podle mezinárodně uznávaného rámce výkaznictví, nikoli svévolným způsobem. Rámec je společný jazyk, který určuje, „které téma se má hlásit, jak, s jakými indikátory“; Díky němu lze porovnávat reporty dvou různých společností. V této lekci se seznámíte se třemi hlavními frameworky (GRI, ESRS/CSRD, ISSB) a naučíte se bezpečně používat umělou inteligenci (AI) při přiřazování obsahu podle těchto frameworků.
Pojďme si stručně popsat tři rámce. GRI (Global Reporting Initiative) je nejrozšířenější skupinou dobrovolných standardů pro podávání zpráv o udržitelnosti na světě; Dívá se především na vliv společnosti na svět. ESRS (European Sustainability Reporting Standards) je soubor standardů založených na dvojí významnosti, požadovaných Evropskou unií v rámci směrnice CSRD. ISSB (International Sustainability Standards Board) je mezinárodní rada, která vydává standardy IFRS S1/S2 se zaměřením na finanční významnost se zaměřením na investory.
Tři snímky, tři perspektivy
Rám
Kdo to sundal?
hlavní zaměření
Je to povinné?
ŠEDÁ
instituce GRI
Vliv společnosti na svět
Dobrovolné, velmi časté
ESRS/CSRD
EU / EFRAG
Dvojitá významnost (dopad + finance)
Povinné v rámci EU
ISSB (IFRS S1/S2)
Nadace IFRS
Finanční významnost pro investora
Přijato zemí
Tyto rámce nejsou vzájemnými konkurenty, ale doplňkovými jazyky, které oslovují různé čtenáře. Většina velkých společností shromažďuje svá data jednou a „mapuje“ je do více rámců. V tom spočívá skutečná hodnota umělé inteligence: je to rychlý pomocník při doporučování stejných dat číslům položek různých snímků. Může však odpovídat číslům položek, takže každá shoda musí být ověřena podle oficiálního standardního textu.
Tip: Rámečky můžete přirovnat k otázce "který je lepší?" ne "Kdo to bude číst?" Vyberte . Pokud mluvíte s investory, ISSB/finanční významnost; ESRS je povinné, pokud podléháte regulaci EU; GRI je mocné, pokud sdělujete svůj dopad širokému spektru zainteresovaných stran. Často se jich používá více najednou.
Struktura standardů GRI
GRI je organizováno podle čísel podle předmětu. Několik příkladů (nezapomeňte zkontrolovat oficiální text pro ověření):
- GRI 302 — Energie
- GRI 303 — Voda a odpadní voda
- GRI 305 — Emise (vzduch)
- GRI 306 — Odpad
- GRI 403 — Bezpečnost a ochrana zdraví při práci
Nejčastější chybou AI je umístění tématu pod špatné číslo: například zobrazení vody pod GRI 305 (emise). Voda je GRI 303. Takové chyby jsou zachyceny pouze oficiálním seznamem norem.
Krok za krokem: Přizpůsobení snímků pomocí AI
1. Na základě významnosti. Jakmile určíte, která témata budou hlášena (jednotka 2), přejděte k mapování.
2. Doporučte data do standardní položky. Požádejte AI, aby namapovala každé téma materiálu na relevantní kandidátskou látku GRI/ESRS; ale uveďte, že „toto je předběžný návrh“.
3. Ověřte číslo položky s oficiálním textem. Každé navrhované číslo potvrďte oficiálním dokumentem GRI nebo EFRAG. Zkontrolujte číslo i obsah.
4. Identifikujte mezery. Uveďte data, která chcete standardní, ale nemáte (data gap); Ty jsou buď shromážděny, nebo deklarovány jako „nedostupné“.
5. Nastavte křížové mapování. Připravte tabulku spojující stejná data s čísly GRI, ESRS a ISSB; takže reportujete do více rámců s jedním údajem.
Slabá výzva / Silná výzva
Slabá výzva:
Očíslujte tato témata podle GRI.
Umělá inteligence může produkovat čísla, která se zdají rozumná, ale jsou nepravdivá/vymyšlená; Neexistuje žádný ověřovací hovor.
Výkonná výzva:
Vaše role: expert na rámec výkaznictví. Vstup: naše materiální témata (energie, voda, emise, bezpečnost práce, odpady). Úkol: navrhněte MOŽNÉ kandidáty látek GRI a ESRS pro každé téma.Pravidla:- Každému návrhu dejte štítek „MUST VERIFY“; Neuvádějte přesné číslo. - Nevymýšlejte číslo, kterým si nejste jisti; Napište "potvrzení z oficiálního standardního seznamu". - Napište důvod diskriminace na snadno zaměnitelná témata, jako je voda a emise. Výstup: tabulka (Téma | Kandidát GRI | Kandidát ESRS | Ověřovací poznámka).
Výzva pro vícesnímkovou mapovací tabulku
Sestavte vícesnímkové lešení mapovací tabulky pro následující materiály. Sloupce: Téma | Datová položka | umění GRI. | ESRS čl. | ISSB (S1/S2) | Zdrojová data | Existují nějaké mezery?Pravidla:- Označte čísla položek jako „kandidát/k ověření“.- Do buněk, které neobsahují žádná data, napište „DATA GAP“.Témata: [TÉMATA]
Následující výzva vytvoří analýzu mezer ve vykazování.
Vaše role: analytik souladu ESG. Úkol: Porovnejte data, která máme, s vysvětleními požadovanými rámcem, který jsme zvolili (ESRS) a proveďte analýzu mezer. Výstup: Požadované vysvětlení | máme to? | Co sbírat, pokud chybí | Responsible.Rule: Na každý řádek, který řeknete „máme“, napište zdroj; Pokud si nejste jisti, řekněte „vyžadována kontrola“. Připomeňte mi, abych ověřil standardní klauzule z oficiálního textu. Záznam: [SEZNAM DOSTUPNÝCH DAT]
Pozor: Normy jsou pravidelně aktualizovány; Čísla položek, prahové hodnoty a požadavky se mohou změnit. Tréninková data AI mohou odrážet zastaralou verzi. Vždy potvrďte kritická rozhodnutí o spárování a závazcích s příslušným oficiálním textem.
tři mini pouzdra
Případ 1 – Chybné číslo. Energetická společnost požádala AI o mapování GRI. YZ označil svou spotřebu vody jako „GRI 305-8“. Expert zkontroloval: voda je GRI 303, GRI 305 jsou emise do ovzduší a neexistuje žádné prohlášení 305-8. Číslo bylo opraveno s oficiálním seznamem.
Případ 2 — Mnoho sestav s jedním údajem. Jeden výrobce shromáždil energetická data jednou a pomocí AI je zmapoval na požadavky GRI 302, ESRS E1 (klima) a ISSB S2. Díky křížové tabulce byla data napájena z jednoho zdroje namísto opětovného shromažďování dat pro tři samostatné zprávy; každé číslo bylo potvrzeno oficiálním textem.
Případ 3 – Skrytá dutina. Jedna společnost neměla zveřejnění „Emise rozsahu 3“ požadované ESRS. AI napsala zprávu plynule „jako by byla úplná“ a udělala mezeru neviditelnou. Když byla provedena analýza mezer, nedostatek byl odhalen; Namísto vymýšlení dat zpráva upřímně vysvětlila, že „údaje z rozsahu 3 budou shromažďovány v roce 2025“.
Časté chyby
- Bez ověření čísla položky. Čísla GRI/ESRS/ISSB se nepoužívají bez potvrzení s oficiálním textem.
- Míchací rámy. Za předpokladu, že zaměření dopadu GRI a finanční zaměření ISSB jsou stejné, by vedlo k nesprávným vysvětlením.
- Spoléhat se na starou verzi. Normy jsou aktualizovány; Současný text je zásadní.
- Skrytí datové mezery. Chybějící údaje je potřeba jasně uvést, ne je psát „jako by to bylo kompletní“.
- Matoucí problémy jako voda/emise. Témata, která vypadají podobně, spadají pod různá čísla položek.
V souhrnu
Reportingové rámce jsou struktury, které převádějí data udržitelnosti do společného srovnatelného jazyka: GRI se dívá na dopad, ISSB se dívá na finance, ESRS se dívá na obojí s dvojí významností. Umělá inteligence je výkonný pomocník při rychlém mapování stejných dat na položky různých rámců; ale může zkreslovat čísla položek a odrážet starší verze. Ověřte každé mapování jeho oficiálním kanonickým textem, vybírejte snímky podle čtenáře, nezakrývejte mezery v datech. Hlášení do více rámců s jedním údajem je efektivní; ale je to bezpečné pouze tehdy, když je každé číslo potvrzeno.
Aplikační úkol
Vyberte si pět věcných témat (např. energie, voda, emise, odpady, bezpečnost práce). Vyžádejte si tabulku kandidátů GRI/ESRS/ISSB od AI prostřednictvím výše uvedené výzvy pro párování více snímků. Poté: (1) ověřte alespoň tři čísla položek oficiálním textem, (2) zkontrolujte, zda jsou voda a emise správně odděleny, (3) zapište údaje, které vám chybí, do prázdného seznamu.
kontrolní seznam
- [ ] Každé téma materiálu jsem namapoval na příslušný rámcový článek.
- [ ] Ověřil jsem čísla položek s oficiálním (GRI/EFRAG/ISSB) textem.
- [ ] Rámec jsem zvolil na základě jeho čtenosti (investor/stakeholder/regulátor).
- [ ] Správně jsem oddělil snadno matoucí témata jako voda/emise.
- [ ] Mezery v datech jsem jasně uvedl, aniž bych je skryl.
- [ ] Potvrdil jsem, že používám aktuální verzi standardů.
- [ ] Nastavil jsem křížovou tabulku, která spojuje jednotlivá data s více snímky.