Ganancias:
- Capacidad para establecer el Alcance 3 priorizando proveedores según el nivel de gasto y riesgo y distinguiendo entre datos reales y estimaciones aproximadas.
- Al señalar señales de riesgo de los proveedores con inteligencia artificial, trátelas como "señales a examinar" en lugar de pruebas.
- Capacidad para gestionar reclamos graves de derechos humanos/ambientales a través de un proceso de diligencia debida que requiere inspección de campo y confirmación legal.
Para la mayoría de las empresas, la mayor parte de su impacto en la sostenibilidad no reside en su propia fábrica sino en su cadena de suministro. Más del 80 por ciento de la huella de carbono de una marca de ropa puede provenir de sus proveedores, desde fabricantes de telas hasta envíos. Del mismo modo, los riesgos sociales más graves, como el trabajo infantil, el trabajo forzoso y las violaciones ambientales, a menudo ocurren en lo más profundo de la cadena de suministro. En esta unidad, aprenderá a utilizar la inteligencia artificial (IA) para recopilar y evaluar datos de la cadena de suministro y detectar riesgos.
Aclaremos dos conceptos. El alcance 3, como vimos en la unidad anterior, son las emisiones indirectas en la cadena de valor de la empresa y generalmente es el ítem más grande pero más difícil de medir. La debida diligencia es el proceso de identificar, prevenir y remediar los riesgos ambientales y de derechos humanos en la cadena de suministro de una empresa. Regulaciones como la CSDDD (Directiva de diligencia debida sobre sostenibilidad corporativa) de la UE hacen que esto sea obligatorio para las grandes empresas.
El principal desafío de los datos de la cadena de suministro
Puede medir los datos de sus propias instalaciones; Pero no se pueden medir directamente los datos de cientos de proveedores, hay que preguntarles. Esto crea tres problemas:
- Los datos no llegan o están incompletos. La mayoría de los proveedores más pequeños no conservan datos sobre las emisiones de carbono.
- Los datos no son fiables. Cuando un proveedor autoinforma, puede haber sobreestimaciones o subestimaciones.
- Se requiere una suposición (proxy). Si no se dispone de datos reales, se utiliza el promedio de la industria o una estimación basada en el gasto.
Aquí es donde la IA ayuda de dos maneras: (1) redactar rápidamente encuestas y cartas de seguimiento para enviarlas a cientos de proveedores, (2) estructurar respuestas dispersas y señalar señales de riesgo. Pero no se verifica ningún número proporcionado por el proveedor ni se concluye ninguna señal de riesgo sin una revisión humana.
Categoría de alcance 3 (ejemplo)
fuente de datos
método típico
Bienes/servicios adquiridos
Encuesta/gasto de proveedores
Datos reales > proxy
Envío y distribución
Registros del transportista
Distancia × carga × factor
viajes de negocios
sistema de viaje
Km/vuelo × factor
Uso del producto vendido.
Datos energéticos del producto
Modelo de uso
residuos
Documentos de transferencia de residuos
Cantidad × factor
Consejo: En el Alcance 3, la estimación “basada en el gasto” (esta cantidad de CO₂e por cada $1000 gastados) es un comienzo rápido, pero aproximado. Cuando un proveedor proporcione datos reales, utilícelos; La estimación basada en el gasto solo es provisional si no hay datos reales y debe marcarse como "estimación/proxy" en el informe.
Paso a paso: flujo de trabajo de la cadena de suministro con IA
1. Priorizar a los proveedores. No se puede examinar a todos los cientos de proveedores con la misma profundidad. Centrarse en aquellos con un alto tamaño de gasto y riesgo (sector, país). AI puede producir un borrador de lista con esta priorización.
2. Proyecto de encuesta y solicitud. Solicite a AI un esquema de encuesta de datos de proveedores claro y fácil de completar.
3. Configure los datos entrantes. Coloque las respuestas en diferentes formatos en una sola tabla; Marque las partes que faltan.
4. Busque señales de riesgo. Haga que la IA encuentre candidatos de “bandera roja” en noticias públicas, registros de violaciones y discrepancias en encuestas; Pero los humanos verifican cada señal.
5. Acción y persecución. Establecer un plan de acciones correctivas y de seguimiento para proveedores de alto riesgo; Documente el proceso.
Aviso débil / Aviso fuerte
Aviso débil:
Calcular la huella de carbono de nuestros proveedores.
Sin fuente de datos, sin distinción real/proxy y sin verificación; La IA constituye el número de proveedores.
Potente mensaje:
Su función: analista de sostenibilidad de la cadena de suministro. Entrada: nombres de 15 proveedores, industria, monto de gasto anual y los datos de emisiones reales que proporcionan (si corresponde). Tarea: 1) Para aquellos que proporcionan datos reales, utilice esos datos. 2) Para aquellos que no tienen datos reales, escriba "Se requiere PROXY basado en gastos", NO AJUSTE el número; especifique qué factor obtener de la fuente oficial.3) Priorizar proveedores en la industria de alto gasto + alto riesgo. Salida: tabla (Proveedor | Industria | Gasto | Tipo de datos [actual/proxy] | Prioridad | Nota). Los números de proxy se marcarán en el informe.
Solicitar una evaluación de riesgos de proveedores
Establezca un marco de evaluación de riesgos para la siguiente lista de proveedores. Evalúe para cada proveedor (solo en base a la información que he proporcionado, afirmación pública FALSA): - Posible riesgo para los derechos humanos del país/sector (alto/medio/bajo) - Posible riesgo ambiental - Inconsistencia en la respuesta a la encuesta/señales de alertaRegla: agregue la nota "se requiere verificación - sin fuente" para cada riesgo; no haga acusaciones definitivas, sólo sugiera señales para investigar.Lista: [PROVEEDORES]
El siguiente mensaje redacta una encuesta de solicitud de datos para enviar a los proveedores.
Su función: especialista en abastecimiento sostenible. Tarea: redactar una encuesta de datos ESG de no más de 10 preguntas que los pequeños y medianos proveedores puedan completar fácilmente. Incluir: consumo de energía, tipo de combustible, residuos, número de accidentes de seguridad laboral, compromiso con el trabajo forzoso/infantil. Tono: simple, claro, fácil de completar; Añade unidades y ejemplos a cada pregunta.
Precaución: No haga que AI verifique una señal de riesgo sobre el proveedor (por ejemplo, "trabajo infantil") y nunca utilice un reclamo generado por AI como evidencia. Afirmaciones tan graves sólo son confirmadas por fuentes confiables, inspecciones de campo y procesos legales. La IA sólo produce una “señal para ser examinada”; no juzga.
tres mini casos
Caso 1: uso honesto del poder. Sólo 30 de los 200 proveedores de un fabricante de muebles proporcionaron datos reales sobre las emisiones de carbono. El equipo utilizó un indicador basado en el gasto para los 170 restantes, pero el informe establece claramente que "el 65% del Alcance 3 es una estimación basada en el gasto". El auditor reconoció esta honestidad; si se hubiera ocultado, la garantía podría haberse negado.
Caso 2: Priorización. Una empresa de alimentos tenía 480 proveedores. La IA mostró que el 80% del gasto se concentraba en 40 proveedores. El equipo centró la inmersión profunda en estos 40; no se desperdiciaron recursos y se reportó con datos reales a los proveedores de mayor impacto.
Caso 3: Riesgo de acusación falsa. AI marcó a un proveedor como “posible trabajo forzoso”; La razón fue sólo el promedio nacional. El equipo aceptó esto como una "señal a examinar", no como evidencia, y solicitó una inspección de campo. La inspección no encontró problemas; Si la señal de la IA se tomara como prueba, surgiría una acusación injusta y un riesgo legal.
Errores comunes
- Aceptar datos de proveedores sin verificarlos. Los datos de los proveedores autoinformados requieren una verificación cruzada.
- Ocultar el proxy. Usar pronósticos basados en gastos está bien; No especificar es un problema en la auditoría.
- Examinar a todos los proveedores por igual. El abastecimiento debe centrarse en proveedores de alto gasto y alto riesgo.
- Confundir la señal de IA con evidencia. Las denuncias de violaciones de los derechos humanos y del medio ambiente son verificadas por el campo y la ley, no por AI.
- Saltándose el alcance 3 por completo. El mayor impacto suele estar aquí; No puede ignorarse alegando que es "difícil de medir".
En resumen
La cadena de suministro es donde se esconde el mayor impacto ambiental y social de la mayoría de las empresas; Aquí se concentran las emisiones de alcance 3 y los riesgos de diligencia debida. AI; Es una poderosa ayuda para la priorización de proveedores, la redacción de encuestas, la estructuración de respuestas dispersas y la señalización de señales de riesgo. Pero los datos de los proveedores no se incluyen en el informe hasta que se verifican, los datos aproximados se establecen claramente y las acusaciones graves se confirman mediante una inspección de campo. La IA genera señales; El ser humano asume el juicio y la responsabilidad.
Tarea de aplicación
Prepare una lista de 10 proveedores ficticios con nombre, industria y gasto anual; Agregue datos de emisiones reales a algunos y deje la mayoría en blanco. Solicite a la IA una tabla de priorización y tipo de datos a través del potente mensaje anterior. Luego: (1) verificar que el número de proveedores que requieren un poder no esté completo, (2) seleccionar los 3 proveedores de mayor prioridad con justificación, (3) redactar una breve encuesta de datos para enviarles.
lista de verificación
- [ ] Prioricé proveedores según el gasto y el nivel de riesgo.
- [] Usé datos reales; Para los que no lo tienen, marqué el proxy.
- [ ] Evalué los datos del proveedor no tal cual, sino mediante verificación cruzada.
- [ ] Consideré las señales de riesgo "para ser examinadas" y no las usé como evidencia.
- [ ] Planifiqué una auditoría de campo/un paso de verificación legal para reclamos graves.
- [ ] No me salté el Alcance 3; Indiqué el alcance y la tasa de estimación en el informe.
- [ ] Grabé todo el proceso con un documento de debida diligencia.