Μονάδες
1. Εισαγωγή στην τεχνητή νοημοσύνη στο ESG και τη βιωσιμότητα: Ρόλοι, όρια, επικύρωση και ηθική 2. Ανάλυση ουσιαστικότητας και διπλής ουσιαστικότητας: Προσδιορισμός θέματος, εισροή ενδιαφερομένων και ιεράρχηση 3. Συλλογή δεδομένων ESG, Ποιότητα δεδομένων και Διαχείριση διαδρομής ελέγχου 4. Λογιστική άνθρακα: Πεδίο εφαρμογής 1-2-3, Παράγοντες Εκπομπών και Πρωτόκολλο GHG 5. Πλαίσια Αναφοράς: GRI, ESRS/CSRD και ISSB Mapping 6. Βιωσιμότητα της Εφοδιαστικής Αλυσίδας: Πεδίο 3, Δεδομένα Προμηθευτών και Δέουσα Επιμέλεια 7. Επικοινωνία και εμπλοκή με τα ενδιαφερόμενα μέρη: Έρευνα, ανάλυση απόψεων και διαφανής γλώσσα αναφοράς 8. Σύνταξη Αναφοράς και Αυτοματισμός: Σύνταξη, Συνέπεια και Επεξεργασία Αφήγησης 9. Τυπική επαλήθευση και ανεξάρτητη διασφάλιση: Αλυσίδα αποδεικτικών στοιχείων και προετοιμασία ελέγχου 10. Κίνδυνος Greenwashing: Έλεγχος αξιώσεων, Τύποι Greenwashing και Νομοθεσία 11. Ροή εργασιών ESG από άκρο σε άκρο, Διακυβέρνηση δεδομένων, Δεοντολογία και πύλη ποιότητας
Μονάδα 5 / 11

Πλαίσια Αναφοράς: GRI, ESRS/CSRD και ISSB Mapping

Κέρδη:

  • Δυνατότητα διάκρισης των εστιών των πλαισίων GRI, ESRS και ISSB (επιπτώσεις, διπλή ουσιαστικότητα, οικονομική) και επιλογή του σωστού πλαισίου σύμφωνα με τον αναγνώστη
  • Δυνατότητα αντιστοίχισης θεμάτων υλικού σε υποψηφίους τυπικών αντικειμένων και επαλήθευσης κάθε αριθμού με το επίσημο τυπικό κείμενο
  • Δυνατότητα δημιουργίας αντιστοίχισης που συνδέει μεμονωμένα δεδομένα σε πολλαπλά πλαίσια και υποδεικνύει ξεκάθαρα κενά δεδομένων χωρίς να τα κρύβει

Μόλις μια εταιρεία συλλέξει δεδομένα βιωσιμότητας, πρέπει να τα αποκαλύψει σύμφωνα με ένα διεθνώς αποδεκτό πλαίσιο αναφοράς και όχι με αυθαίρετο τρόπο. Το πλαίσιο είναι η κοινή γλώσσα που καθορίζει «ποιο θέμα να αναφερθεί, πώς, με ποιους δείκτες». Χάρη σε αυτό, οι αναφορές από δύο διαφορετικές εταιρείες μπορούν να συγκριθούν. Σε αυτήν την ενότητα, θα γνωρίσετε τα τρία κύρια πλαίσια (GRI, ESRS/CSRD, ISSB) και θα μάθετε πώς να χρησιμοποιείτε με ασφάλεια την τεχνητή νοημοσύνη (AI) στην αντιστοίχιση περιεχομένου σύμφωνα με αυτά τα πλαίσια.

Ας περιγράψουμε συνοπτικά τα τρία πλαίσια. Το GRI (Global Reporting Initiative) είναι η πιο ευρέως χρησιμοποιούμενη οικογένεια προτύπων εθελοντικής αναφοράς βιωσιμότητας στον κόσμο. Εξετάζει κυρίως τον αντίκτυπο της εταιρείας στον κόσμο. Το ESRS (European Sustainability Reporting Standards) είναι ένα σύνολο προτύπων που βασίζονται στη διπλή ουσιαστικότητα, που απαιτούνται από την Ευρωπαϊκή Ένωση εντός του πεδίου εφαρμογής της οδηγίας CSRD. Το ISSB (International Sustainability Standards Board) είναι ένα διεθνές συμβούλιο που δημοσιεύει τα πρότυπα ΔΠΧΑ S1/S2, εστιάζοντας στη χρηματοοικονομική ουσιαστικότητα με επίκεντρο τον επενδυτή.

Τρία καρέ, τρεις προοπτικές

Πλαίσιο

Ποιος το έβγαλε;

κύρια εστίαση

Είναι υποχρεωτικό;

ΓΚΡΙ

ίδρυμα GRI

Η επίδραση της εταιρείας στον κόσμο

Εθελοντικό, πολύ συχνό

ESRS/CSRD

EU / EFRAG

Διπλή ουσιαστικότητα (επίπτωση + χρηματοδότηση)

Υποχρεωτικό σύμφωνα με την Ε.Ε

ISSB (IFRS S1/S2)

Ίδρυμα ΔΠΧΠ

Οικονομική σημασία για τον επενδυτή

Εγκρίθηκε ανά χώρα

Αυτά τα πλαίσια δεν είναι ανταγωνιστικά μεταξύ τους, αλλά συμπληρωματικές γλώσσες που απευθύνονται σε διαφορετικούς αναγνώστες. Οι περισσότερες μεγάλες εταιρείες συλλέγουν τα δεδομένα τους μία φορά και τα «χαρτογραφούν» σε πολλαπλά πλαίσια. Εδώ βρίσκεται η πραγματική αξία του AI: είναι ένας γρήγορος βοηθός στο να προτείνει τα ίδια δεδομένα σε αριθμούς στοιχείων διαφορετικών καρέ. Αλλά μπορεί να ταιριάζει με αριθμούς στοιχείων, επομένως κάθε αντιστοίχιση πρέπει να επαληθεύεται σε σχέση με το επίσημο τυπικό κείμενο.

Συμβουλή: Μπορείτε να συγκρίνετε τα πλαίσια με την ερώτηση "ποιο είναι καλύτερο;" όχι "Ποιος θα το διαβάσει;" Επιλέξτε . Εάν μιλάτε με επενδυτές, ISSB/οικονομική σημασία. Το ESRS είναι υποχρεωτικό εάν υπόκεινται σε κανονισμούς της ΕΕ. Το GRI είναι ισχυρό εάν επικοινωνήσετε τον αντίκτυπό σας σε ένα ευρύ φάσμα ενδιαφερομένων. Συχνά χρησιμοποιούνται περισσότερα από ένα μαζί.

Δομή προτύπων GRI

Το GRI οργανώνεται με αριθμούς βάσει θέματος. Μερικά παραδείγματα (φροντίστε να ελέγξετε το επίσημο κείμενο για επαλήθευση):

  • GRI 302 — Ενέργεια
  • GRI 303 — Νερό και λύματα
  • GRI 305 — Εκπομπές (αέρας)
  • GRI 306 — Απόβλητα
  • GRI 403 — Υγεία και ασφάλεια στην εργασία

Το πιο συνηθισμένο λάθος τεχνητής νοημοσύνης είναι η τοποθέτηση ενός θέματος κάτω από λάθος αριθμό: για παράδειγμα, εμφάνιση νερού κάτω από το GRI 305 (εκπομπές). Το νερό είναι GRI 303. Τέτοια σφάλματα καταγράφονται μόνο από την επίσημη λίστα προτύπων.

Βήμα προς βήμα: Ταίριασμα καρέ με AI

1. Με βάση την υλικότητα. Αφού καθορίσετε ποια θέματα θα αναφέρονται (ενότητα 2), προχωρήστε στη χαρτογράφηση.

2. Προτείνετε τα δεδομένα στο τυπικό στοιχείο. Ζητήστε από το AI να αντιστοιχίσει κάθε θέμα υλικού στη σχετική υποψήφια ουσία GRI/ESRS. αλλά αναφέρουν ότι «πρόκειται για σχέδιο πρότασης».

3. Επαληθεύστε τον αριθμό του προϊόντος με το επίσημο κείμενο. Επιβεβαιώστε κάθε προτεινόμενο αριθμό με το επίσημο έγγραφο της GRI ή της EFRAG. Ελέγξτε και τον αριθμό και το περιεχόμενο.

4. Εντοπίστε κενά. Καταχωρίστε τα δεδομένα που θέλετε τυπικά αλλά δεν έχετε (κενό δεδομένων). Αυτά είτε συλλέγονται είτε δηλώνονται ως «μη διαθέσιμα».

5. Ρυθμίστε τη διασταυρούμενη χαρτογράφηση. Ετοιμάστε έναν πίνακα που συνδέει τα ίδια δεδομένα με αριθμούς GRI, ESRS και ISSB. ώστε να αναφέρετε σε πολλά πλαίσια με ένα δεδομένα.

Αδύναμη προτροπή / Ισχυρή προτροπή

Αδύναμη προτροπή:

Αριθμήστε αυτά τα θέματα σύμφωνα με το GRI.

Η τεχνητή νοημοσύνη μπορεί να παράγει αριθμούς που φαίνονται λογικοί αλλά είναι ψευδείς/κατασκευασμένοι. Δεν υπάρχει κλήση επικύρωσης.

Ισχυρή προτροπή:

Ο ρόλος σας: εμπειρογνώμονας του πλαισίου αναφοράς. Εισαγωγή: τα θέματα υλικού μας (ενέργεια, νερό, εκπομπές, επαγγελματική ασφάλεια, απόβλητα). Εργασία: προτείνετε ΠΙΘΑΝΕΣ υποψήφιες ουσίες GRI και ESRS για κάθε θέμα. Κανόνες: - Δώστε σε κάθε πρόταση μια ετικέτα "ΠΡΕΠΕΙ ΝΑ ΕΠΑΛΗΘΕΥΘΕΙ". Μην διεκδικήσετε έναν ακριβή αριθμό. - Μην κάνετε έναν αριθμό για τον οποίο δεν είστε σίγουροι. Γράψτε "επιβεβαίωση από την επίσημη τυπική λίστα". - Γράψτε τον λόγο της διάκρισης σε θέματα που είναι εύκολο να συγχέονται, όπως το νερό και οι εκπομπές. Έξοδος: πίνακας (Θέμα | Υποψήφιος GRI | Υποψήφιος ΕΣΡΣ | Σημείωση επαλήθευσης).

Προτροπή για πίνακα αντιστοίχισης πολλαπλών πλαισίων

Κατασκευάστε ένα ικρίωμα πίνακα χαρτογράφησης πολλαπλών πλαισίων για τα ακόλουθα θέματα υλικού. Στήλες: Θέμα | Στοιχείο δεδομένων | GRI art. | ΕΣΡΣ άρθρ. | ISSB (S1/S2) | Πηγή δεδομένων | Υπάρχουν κενά; Κανόνες:- Επισημάνετε τους αριθμούς στοιχείων ως "υποψήφιος/προς επαλήθευση".- Γράψτε "ΔΕΔΟΜΕΝΟ ΚΕΝΟ" σε κελιά που δεν έχουν δεδομένα. Θέματα: [ΘΕΜΑΤΑ]

Η ακόλουθη προτροπή παράγει μια ανάλυση του κενού αναφοράς.

Ο ρόλος σας: Αναλυτής συμμόρφωσης ESG. Εργασία: Συγκρίνετε τα δεδομένα που έχουμε με τις επεξηγήσεις που απαιτούνται από το πλαίσιο που επιλέξαμε (ESRS) και κάντε μια ανάλυση κενών. Έξοδος: Απαιτούμενη εξήγηση | Το έχουμε; | Τι να συλλέξετε εάν λείπει | Υπεύθυνος.Κανόνας: Για κάθε γραμμή που λέτε "έχουμε", γράψτε την πηγή. Εάν δεν είστε σίγουροι, πείτε "απαιτείται έλεγχος". Υπενθυμίστε μου να επαληθεύσω τις ρήτρες προτύπων από το επίσημο κείμενο. Καταχώριση: [ΚΑΤΑΛΟΓΟΣ ΔΙΑΘΕΣΙΜΩΝ ΔΕΔΟΜΕΝΩΝ]

Προσοχή: Τα πρότυπα ενημερώνονται τακτικά. Οι αριθμοί, τα όρια και οι απαιτήσεις ειδών ενδέχεται να αλλάξουν. Τα δεδομένα εκπαίδευσης του AI ενδέχεται να αντικατοπτρίζουν μια παρωχημένη έκδοση. Πάντα να επιβεβαιώνετε τις κρίσιμες αποφάσεις σύζευξης και υποχρεώσεων με το ισχύον επίσημο κείμενο.

τρεις μίνι θήκες

Περίπτωση 1 — Λάθος αριθμός. Μια ενεργειακή εταιρεία ζήτησε από την AI χαρτογράφηση GRI. Η YZ χαρακτήρισε την κατανάλωση νερού της ως "GRI 305-8". Ο εμπειρογνώμονας έλεγξε: το νερό είναι GRI 303, το GRI 305 είναι οι εκπομπές αέρα και δεν υπάρχει δήλωση 305-8. Ο αριθμός έχει διορθωθεί με την επίσημη λίστα.

Περίπτωση 2 — Πολλές αναφορές με ένα στοιχείο. Ένας κατασκευαστής συνέλεξε ενεργειακά δεδομένα μία φορά και τα χαρτογράφησε τόσο στις απαιτήσεις GRI 302, ESRS E1 (κλίμα) όσο και στις απαιτήσεις ISSB S2 με τη βοήθεια AI. Χάρη στον διασταυρούμενο πίνακα, τα δεδομένα τροφοδοτήθηκαν από μία μόνο πηγή αντί να συλλέγονται εκ νέου δεδομένα για τρεις ξεχωριστές αναφορές. κάθε αριθμός επιβεβαιώθηκε με επίσημο κείμενο.

Περίπτωση 3 — Κρυφή κοιλότητα. Μία εταιρεία δεν διέθετε τη γνωστοποίηση "εκπομπές του πεδίου εφαρμογής 3" που απαιτείται από το ESRS. Η AI έγραψε την έκθεση άπταιστα «σαν να ήταν πλήρης» και έκανε το κενό αόρατο. Όταν έγινε η ανάλυση του χάσματος, αποκαλύφθηκε η έλλειψη. Αντί να κατασκευάζει τα δεδομένα, η έκθεση εξήγησε με ειλικρίνεια ότι «τα δεδομένα του Scope 3 θα συλλεχθούν το 2025».

Συνήθη λάθη

  • Δεν γίνεται επαλήθευση του αριθμού αντικειμένου. Οι αριθμοί GRI/ESRS/ISSB δεν χρησιμοποιούνται χωρίς επιβεβαίωση με το επίσημο κείμενο.
  • Πλαίσια ανάμειξης. Αν υποθέσουμε ότι η εστίαση του αντίκτυπου του GRI και η οικονομική εστίαση του ISSB είναι το ίδιο θα οδηγούσε σε εσφαλμένες εξηγήσεις.
  • Βασιζόμενος στην παλιά έκδοση. Τα πρότυπα ενημερώνονται. Το τρέχον κείμενο είναι απαραίτητο.
  • Απόκρυψη κενού δεδομένων. Είναι απαραίτητο να δηλωθούν ξεκάθαρα τα στοιχεία που λείπουν, όχι να τα γράψουμε «σαν να ήταν πλήρη».
  • Μπερδεμένα ζητήματα όπως νερό/εκπομπές. Τα θέματα που εμφανίζονται παρόμοια εμπίπτουν σε διαφορετικούς αριθμούς στοιχείων.

Συνοπτικά

Τα πλαίσια αναφοράς είναι δομές που μεταφράζουν δεδομένα βιωσιμότητας σε μια κοινή συγκρίσιμη γλώσσα: το GRI εξετάζει τον αντίκτυπο, το ISSB εξετάζει τα οικονομικά, το ESRS εξετάζει και τα δύο με διπλή σημασία. Το AI είναι ένας ισχυρός βοηθός στη γρήγορη αντιστοίχιση των ίδιων δεδομένων σε στοιχεία διαφορετικών πλαισίων. αλλά μπορεί να διακρίνει αριθμούς αντικειμένων και να αντικατοπτρίζει παλαιότερες εκδόσεις. Επικυρώστε κάθε αντιστοίχιση με το επίσημο κανονικό της κείμενο, επιλέξτε καρέ ανά αναγνώστη, μην κρύβετε κενά δεδομένων. Η αναφορά σε πολλαπλά πλαίσια με ένα μόνο δεδομένα είναι αποτελεσματική. αλλά είναι ασφαλές μόνο όταν επιβεβαιώνεται κάθε αριθμός.

Εργασία εφαρμογής

Επιλέξτε πέντε υλικά θέματα (π.χ. ενέργεια, νερό, εκπομπές ρύπων, απόβλητα, ασφάλεια στην εργασία). Ζητήστε έναν υποψήφιο πίνακα GRI/ESRS/ISSB από το AI μέσω της προτροπής αντιστοίχισης πολλαπλών πλαισίων παραπάνω. Στη συνέχεια: (1) επαληθεύστε τουλάχιστον τρεις αριθμούς στοιχείων με το επίσημο κείμενο, (2) ελέγξτε ότι το νερό και οι εκπομπές έχουν διαχωριστεί σωστά, (3) γράψτε τα δεδομένα που λείπουν σε μια κενή λίστα.

λίστα ελέγχου

  • [ ] Αντιστοίχισα κάθε θέμα υλικού στο σχετικό άρθρο πλαίσιο.
  • [ ] Έχω επαληθεύσει τους αριθμούς των στοιχείων με το επίσημο κείμενο (GRI/EFRAG/ISSB).
  • [ ] Επέλεξα το πλαίσιο με βάση το αναγνωστικό του κοινό (επενδυτής/ενδιαφερόμενος/ρυθμιστής).
  • [ ] Έχω διαχωρίσει σωστά θέματα που είναι εύκολο να συγχέονται, όπως το νερό/εκπομπές.
  • [ ] Έχω παραθέσει τα κενά δεδομένων ξεκάθαρα χωρίς να τα κρύβω.
  • [ ] Έχω επιβεβαιώσει ότι χρησιμοποιώ την τρέχουσα έκδοση των προτύπων.
  • [ ] Δημιούργησα μια διασταύρωση που συνδέει μεμονωμένα δεδομένα σε πολλά καρέ.