Κέρδη:
- Δυνατότητα επιλογής του σωστού πλαισίου αναφοράς (GRI/ESRS/ISSB) και αξιολόγησης διπλής σημαντικότητας τόσο από πλευράς οικονομικών όσο και περιβαλλοντικών επιπτώσεων
- Δυνατότητα μετατροπής πολλαπλών πηγών, διαφορετικών μονάδων δεδομένων σε μια ενιαία μονάδα με κώδικα και σύνδεση κάθε μέτρησης σε μια ανιχνεύσιμη πηγή
- Δυνατότητα καθαρισμού του κειμένου αναφοράς που παράγεται από την τεχνητή νοημοσύνη από υπερβολική γλώσσα και προετοιμασίας με μια αλυσίδα αποδεικτικών στοιχείων για ανεξάρτητη διασφάλιση
Ανεξάρτητα από το πόσο καλή είναι η περιβαλλοντική απόδοση ενός οργανισμού, έχει περιορισμένη αξία εάν δεν αναφέρεται αξιόπιστα. Οι επενδυτές, οι ρυθμιστικές αρχές, οι πελάτες και οι εργαζόμενοι θέλουν τώρα να δουν τα ιδρύματα να τεκμηριώνουν τις επιδόσεις τους ESG (Περιβαλλοντική, Κοινωνική, Διακυβέρνηση). Σε αυτή την ενότητα, θα μάθετε τα κύρια πλαίσια αναφοράς, την αλυσίδα συλλογής δεδομένων, την αυτοματοποίηση αναφορών με τεχνητή νοημοσύνη και — το πιο κρίσιμο — τη δυνατότητα ελέγχου της αναφοράς.
Κορνίζες πρώτα. Το GRI (Global Reporting Initiative) είναι το πιο διαδεδομένο εθελοντικό πρότυπο αναφοράς βιωσιμότητας στον κόσμο. Το CSRD (Corporate Sustainability Reporting Directive) είναι η οδηγία της ΕΕ που υποχρεώνει τις μεγάλες εταιρείες να αναφέρουν τη βιωσιμότητα και βασίζεται σε λεπτομερή πρότυπα που ονομάζονται ESRS (European Sustainability Reporting Standards). Το ISSB/IFRS S1-S2 είναι ένα οικονομικώς εστιασμένο, παγκόσμιο πρότυπο γνωστοποίησης βιωσιμότητας. Η συναίνεση: όχι ισχυρισμοί, αλλά τυποποιημένα, ελεγχόμενα δεδομένα.
Διπλή ουσιαστικότητα: τι να αναφέρω;
Η έννοια στην καρδιά της CSRD είναι η ανάλυση διπλής ουσιαστικότητας. Αυτό αναρωτιέται δύο φορές: (1) Πώς το περιβάλλον/η κοινωνία επηρεάζει τον οργανισμό (οικονομική ουσιαστικότητα); (2) Πώς επηρεάζει ο οργανισμός το περιβάλλον/κοινωνία (αποτέλεσμα του αντίκτυπου); Ένας οργανισμός πρέπει να αναφέρει όχι μόνο τι είναι οικονομικά σημαντικό για τον εαυτό του, αλλά και τον αντίκτυπό του που είναι σημαντικός για τον κόσμο. Η τεχνητή νοημοσύνη βοηθά να περιγράψουμε ποια θέματα μπορεί να είναι σημαντικά, αλλά η απόφαση για την ουσιαστικότητα είναι ευθύνη της γνώμης και της διοίκησης των ενδιαφερομένων.
Συμβουλή: Μια αναφορά ESG είναι τόσο πολύτιμη όσο η αξιοπιστία των πιο αδύναμων δεδομένων της. Ένα άπταιστα κείμενο που δημιουργείται από την τεχνητή νοημοσύνη θα συμπτύσσεται κατά την επιθεώρηση εάν δεν μπορεί να ακολουθηθεί ο αριθμός κάτω από αυτό. Πρώτον, σκληρύνετε τα δεδομένα και την πηγή τους. Η όμορφη πρόταση έρχεται αργότερα.
Αλυσίδα συλλογής δεδομένων
Το πιο δύσκολο κομμάτι της αναφοράς ESG δεν είναι η σύνταξη, αλλά η συλλογή των δεδομένων: από δεκάδες ιστότοπους, σε διαφορετικές μορφές, σε διαφορετικές ενότητες. Αυτό είναι όπου η τεχνητή νοημοσύνη είναι χρήσιμη - μετατρέποντας ακατάστατα τιμολόγια, πίνακες και φόρμες σε μια ενιαία δομή, εντοπισμός αναντιστοιχιών μονάδων, επισήμανση δεδομένων που λείπουν. Ωστόσο, κανένας αριθμός που παράγεται από την τεχνητή νοημοσύνη δεν θα πρέπει να εισέρχεται στην αναφορά χωρίς να είναι συνδεδεμένος με μια ανιχνεύσιμη πηγή (τιμολόγιο, μετρητής, πιστοποιητικό).
Βήμα προς βήμα: παραγωγή αναφοράς ESG
1. Επιλέξτε το πλαίσιο. GRI, CSRD/ESRS ή ISSB; Υποχρεωτικό ή εθελοντικό;
2. Εκτελέστε ανάλυση ουσιαστικότητας. Ποια θέματα θα αναφερθούν;
3. Συλλέξτε και τυποποιήστε δεδομένα. Μετατρέπεται σε μια ενιαία μονάδα, συμπεριλαμβανομένης της πηγής της.
4. Υπολογίστε μετρήσεις. Εκπομπές, νερό, απόβλητα, ένταση ενέργειας — το καθένα με την πηγή του.
5. Σχεδιάστε το κείμενο. Σκελετός με AI, στη συνέχεια ανθρώπινη διόρθωση και αντιστοίχιση στοιχείων.
6. Επαληθεύστε και λάβετε διασφάλιση. Προετοιμασία για εσωτερικό έλεγχο + ανεξάρτητη διασφάλιση.
τρεις μίνι θήκες
Περίπτωση 1 — Μη ανιχνεύσιμος αριθμός. Μια εταιρεία ζήτησε από την τεχνητή νοημοσύνη να συντάξει μια έκθεση ESG. «Μειώσαμε την κατανάλωση νερού κατά 15%,» έγραφε το κείμενο. Ο ελεγκτής ρώτησε για την πηγή αυτού του αριθμού. Η ομάδα δεν μπόρεσε να βρει από πού προήλθε ο αριθμός - η τεχνητή νοημοσύνη είχε δημιουργήσει έναν "εύλογο" αριθμό από προηγούμενα κείμενα. Ο αριθμός τραβήχτηκε, αντικαταστάθηκε με πραγματικά δεδομένα (μείωση 9%). Κάθε μη ανιχνεύσιμος αριθμός σημαίνει μια βόμβα υπό έλεγχο.
Περίπτωση 2 — Αυτοματισμός μονάδας. Μια ομάδα συνδύαζε ενεργειακά δεδομένα από 30 εγκαταστάσεις. άλλα ήταν σε kWh, άλλα σε MWh, άλλα σε GJ. Είχαν τυποποιήσει το AI με έναν κώδικα Python που μετέτρεπε όλα τα δεδομένα σε μια ενιαία μονάδα (MWh), εμφάνιζε τον συντελεστή μετατροπής και επισήμανε ύποπτες τιμές. Αυτό που θα χρειαζόταν μέρες με το χέρι μειώθηκε σε ώρες. κάθε μετατροπή καταγράφηκε και παρέμενε ελεγχόμενη.
Περίπτωση 3 — Διπλή σημασία. Ένας οργανισμός σχεδίαζε να αναφέρει μόνο θέματα που επηρέαζαν το κόστος του. Έβαλαν την τεχνητή νοημοσύνη να εφαρμόσει το πλαίσιο διπλής σημασίας. Αποδεικνύεται ότι ο αντίκτυπος του νερού στην αλυσίδα εφοδιασμού του οργανισμού θα πρέπει να αναφέρεται ως «σημαντικότητα του αντίκτυπου» ακόμη και αν έχει μικρό αντίκτυπο στα οικονομικά του. Αυτό ήταν υποχρεωτικό για τη συμμόρφωση με την CSRD. Η απόφαση εγκρίθηκε και πάλι από τη γνώμη των ενδιαφερομένων.
Αδύναμη προτροπή / Ισχυρή προτροπή
Αδύναμη προτροπή:
Γράψτε μου μια αναφορά βιωσιμότητας.
Γιατί είναι αδύναμο: Έλλειψη πλαισίου, δεδομένων, ουσιαστικότητας και αποδεικτικών στοιχείων. Η τεχνητή νοημοσύνη παράγει κείμενο που ακούγεται καλό, αλλά δεν μπορεί να ακολουθηθεί και θα διακοπεί κατά την επιθεώρηση.
Ισχυρή προτροπή:
Ο ρόλος σας: εμπειρογνώμονας αναφοράς ESG. Σχεδιάστε την ενότητα "Εκπομπές" σύμφωνα με το πρότυπο GRI. Χρησιμοποιήστε ΜΟΝΟ τα επαληθευμένα δεδομένα που έχω δώσει παρακάτω. άλλος αριθμός είναι FAKE. Προστατέψτε την πηγή με μια ετικέτα [source] δίπλα σε κάθε τεύχος. Χρήση ασαφούς/υπερβολικής γλώσσας (π.χ. "φιλική προς το περιβάλλον"). Χρησιμοποιήστε μετρημένη γλώσσα βασισμένη σε στοιχεία. Επισημάνετε μέρη με δεδομένα που λείπουν ως [ΔΕΔΟΜΕΝΑ ΛΕΙΠΟΝΤΑΙ]. Δεδομένα: [εδώ]
Τέσσερα πρότυπα με δυνατότητα αντιγραφής
1) Ενότητα αναφοράς βάσει αποδεικτικών στοιχείων:
Ο ρόλος σας: ειδικός ESG. Γράψτε προσχέδιο [ενότητα] σύμφωνα με το [Πλαίσιο: GRI/ESRS]. Χρησιμοποιήστε μόνο τα επαληθευμένα δεδομένα που παρέχω. δημιουργία αριθμών. Προστατέψτε την πηγή σας δίπλα στο ερμητικό. Χρήση υπερβολικής γλώσσας. Σημειώστε τα στοιχεία που λείπουν [ΔΕΔΟΜΕΝΑ ΑΠΕΛΕΙΠΟΝΤΑΙ]. Δεδομένα: [εδώ]
2) Τυποποίηση δεδομένων πολλαπλών πηγών (με κωδικό):
Μετατρέψτε τα ακόλουθα δεδομένα [ενέργεια/νερό/απόβλητα] σε διαφορετικές μονάδες και μορφές σε μια ενιαία μονάδα με την Python. Δείξτε τους συντελεστές μετατροπής που χρησιμοποιήσατε. μην τους φτιάχνεις. Επισήμανση αμφισβητούμενων/ακραίων αξιών. Διατηρήστε την παρακολούθηση κάθε μετατροπής. Δεδομένα: [εδώ]
3) Περίγραμμα διπλής ουσιαστικότητας:
Καταγράψτε δυνητικά σημαντικά ζητήματα ESG σε ένα πλαίσιο διπλής υλικότητας (οικονομικός αντίκτυπος + περιβαλλοντικός/κοινωνικός αντίκτυπος) με τις ακόλουθες εταιρικές και βιομηχανικές πληροφορίες. Αξιολογήστε κάθε ζήτημα σε δύο άξονες. Αυτό είναι ένα ΣΧΕΔΙΟ. Η τελική απόφαση σημαντικότητας απαιτεί διαβούλευση με τους ενδιαφερόμενους φορείς και έγκριση της διοίκησης, δηλώστε το. Πληροφορίες: [εδώ]
4) Έλεγχος ιχνηλασιμότητας πριν από τον έλεγχο:
Τραβήξτε ΚΑΘΕ αριθμητική αξίωση στο κείμενο αναφοράς παρακάτω και ρωτήστε "αναφέρεται η πηγή;" Γράψτε (ναι/όχι). Σημειώστε οποιονδήποτε αριθμό δεν έχει πηγή ως κίνδυνο ελέγχου. Αλλαγή κειμένου. απλά ελέγξτε. Κείμενο: [εδώ]
Συνήθη λάθη
- Βάζοντας μη ανιχνεύσιμο αριθμό. Κάθε μέτρηση πρέπει να συνδέεται με ένα έγγραφο.
- Δημοσίευση κειμένου AI χωρίς αντίστοιχες αποδείξεις. Οι ρέουσες προτάσεις δεν υποκαθιστούν την αξιοπιστία των δεδομένων.
- Εφαρμογή διπλής σημασίας με έναν τρόπο. Αναφέρονται τόσο οι οικονομικές επιπτώσεις όσο και οι περιβαλλοντικές επιπτώσεις.
- Αγνοώντας τη σύγχυση της μονάδας. Οι μετατροπές kWh/MWh/GJ πρέπει να καταγράφονται.
- Χρησιμοποιώντας υπερβολική γλώσσα. Φράσεις όπως «φιλικές προς το περιβάλλον» αποτελούν έλεγχο και ρυθμιστικό κίνδυνο.
Προσοχή: Η CSRD και παρόμοια υποχρεωτικά πλαίσια απαιτούν την επαλήθευση της αναφοράς από ανεξάρτητη διασφάλιση. Ο ελεγκτής εξετάζει την αλυσίδα των αποδεικτικών στοιχείων πίσω από το ζήτημα, όχι το κείμενό σας. Η τεχνητή νοημοσύνη επιταχύνει το κείμενο, αλλά δεν μπορεί να καθορίσει την αλυσίδα των αποδεικτικών στοιχείων. Εσύ το χτίζεις.
Συνοπτικά
Αναφορά ESG. Απαιτεί το σωστό πλαίσιο, διπλή σημασία, ανιχνεύσιμα δεδομένα και ελεγχόμενο κείμενο. ΟΛΑ ΣΥΜΠΕΡΙΛΑΜΒΑΝΟΝΤΑΙ; Είναι ένας ισχυρός επιταχυντής στην τυποποίηση δεδομένων, τη σύνταξη και τον έλεγχο συνέπειας. Ωστόσο, η απόδοση κάθε θέματος στην πηγή, η απόφαση ουσιαστικότητας και η προετοιμασία για ανεξάρτητη διασφάλιση ανήκουν στον εμπειρογνώμονα. Η έκθεση είναι τόσο ισχυρή όσο τα πιο αδύναμα δεδομένα της. Ενοποιήστε πρώτα τα δεδομένα και μετά την πρόταση.
Εργασία εφαρμογής
Καταγράψτε πολλές από τις περιβαλλοντικές μετρήσεις ενός οργανισμού (εκπομπές, νερό, ενέργεια) μαζί με τις πηγές τους (αφήσε σκόπιμα ένα ή δύο χωρίς πηγή). Με το πρότυπο 1, ζητήστε από την τεχνητή νοημοσύνη να συντάξει μια ενότητα "Εκπομπές" GRI και να βεβαιωθείτε ότι τα δεδομένα χωρίς πηγή επισημαίνονται ως [ΕΛΕΙΠΟΝ ΔΕΔΟΜΕΝΑ]. Στη συνέχεια, ελέγχετε για ιχνηλασιμότητα κάθε τεύχος του κειμένου που δημιουργείτε με το πρότυπο 4. Κάντε ένα σχέδιο για κάθε ζήτημα που παραμένει χωρίς πηγή.
λίστα ελέγχου
- [ ] Έχω επιλέξει το σωστό πλαίσιο αναφοράς (GRI/ESRS/ISSB).
- [ ] Αξιολόγησα τη διπλή ουσιαστικότητα τόσο από πλευράς οικονομικών όσο και απόψεων επιπτώσεων.
- [ ] Συνέδεσα κάθε μέτρηση με μια ανιχνεύσιμη πηγή.
- [ ] Μετέτρεψα δεδομένα πολλαπλών πηγών σε μια ενιαία μονάδα καταγράφοντας τους συντελεστές.
- [ ] Έχω αφαιρέσει υπερβολική/αβάσιμη γλώσσα από το κείμενο.
- [ ] Έχω ετοιμάσει την έκθεση με μια αλυσίδα αποδεικτικών στοιχείων για ανεξάρτητη διασφάλιση.