Tarneahela jätkusuutlikkus: 3. ulatus, tarnija andmed ja hoolsus

Kasu:

• Võimalus kehtestada 3. ulatus, prioriseerides tarnijad kulutuste ja riskitaseme alusel ning tehes vahet tegelikel andmetel ja puhverhinnangutel
• Kui märgistate tarnija riskisignaale tehisintellektiga, käsitlege neid pigem kontrollitavate signaalidena kui tõenditena
• Võimalus hallata tõsiseid inimõigusi/keskkonnaalaseid nõudeid läbi hoolsuskohustuse, mis nõuab kohapealset kontrolli ja juriidilist kinnitust

Enamiku ettevõtete jaoks ei seisne suurim osa nende jätkusuutlikkuse mõjust mitte nende enda tehases, vaid nende tarneahelas. Rohkem kui 80 protsenti rõivabrändi süsiniku jalajäljest võib pärineda selle tarnijatelt, alates kangatootjatest kuni tarnimiseni. Samuti tekivad kõige tõsisemad sotsiaalsed riskid, nagu lapstööjõud, sunniviisiline töö ja keskkonnaalased rikkumised, sageli sügaval tarneahelas. Selles õppetükis saate teada, kuidas kasutada tehisintellekti (AI) tarneahela andmete kogumiseks ja hindamiseks ning riskide sõelumiseks.

Teeme selgeks kaks mõistet. 3. ulatus, nagu nägime eelmises üksuses, on ettevõtte väärtusahela kaudsed heitkogused ja üldiselt on see suurim, kuid kõige raskemini mõõdetav artikkel. Due diligence on inimõiguste ja keskkonnariskide tuvastamise, ennetamise ja kõrvaldamise protsess ettevõtte tarneahelas. Sellised eeskirjad nagu EL-i CSDDD (Corporate Sustainability Due Diligence Direktiiv) muudavad selle suurettevõtetele kohustuslikuks.

Tarneahela andmete peamine väljakutse

Saate mõõta oma rajatise andmeid; Aga otse mõõta sadade tarnijate andmeid ei saa, tuleb neilt küsida. See tekitab kolm probleemi:

1. Andmed ei saabu või on puudulikud. Enamik väiksemaid tarnijaid ei säilita süsinikuandmeid.
2. Andmed on ebausaldusväärsed. Kui tarnija ise teatab, võib esineda üle- või alaraporteerimist.
3. Nõutav on oletus (puhverserver). Kui tegelikud andmed ei ole kättesaadavad, kasutatakse valdkonna keskmist või kulupõhist hinnangut.

Siin aitab tehisintellekt kahel viisil: (1) kiiresti koostada uuringud ja järelkirjad, mis saadetakse sadadele tarnijatele, (2) struktureerida hajutatud vastuseid ja märgistada riskisignaale. Kuid ühtki tarnija antud numbrit ei kontrollita, ühtki riskisignaali ei sõlmita ilma inimese ülevaatuseta.

3. ulatuse kategooria (näide)

Andmeallikas

Tüüpiline meetod

Ostetud kaubad/teenused

Tarnija uuring / kulu

Pärisandmed > puhverserver

Saatmine ja levitamine

Vedaja rekordid

Kaugus × koormus × tegur

ärireisid

reisisüsteem

Km/lend × tegur

Müüdud toote kasutamine

Toote energiaandmed

Kasutusmudel

jäätmed

Jäätmete üleandmise dokumendid

Kogus × tegur

Nõuanne. 3. ulatuse puhul on kulupõhine hinnang (nii palju CO₂e kulutatud 1000 dollari kohta) kiire algus, kuid ligikaudne. Kui tarnija esitab tegelikke andmeid, kasutage neid; Kulupõhine prognoos on ainult esialgne, kui tegelikud andmed puuduvad ja see tuleks aruandes märkida kui „hinnang/puhvernäitaja”.

Samm-sammult: tarneahela töövoog tehisintellektiga

1. Eelistage tarnijaid. Kõiki sadu tarnijaid ei saa sama põhjalikult uurida. Keskenduge neile, kellel on suur kulutuste maht ja risk (sektor, riik). Tehisintellekt võib selle prioriteediga koostada nimekirja mustandi.

2. Küsitluse ja päringu kavand. Küsige tehisintellekti selget ja hõlpsasti täidetavat tarnijaandmete uuringu ülevaadet.

3. Konfigureerige sissetulevad andmed. Pange erinevates vormingutes vastused ühte tabelisse; Märkige puuduvad osad.

4. Otsige riskisignaale. Laske tehisintellektil leida avalikest uudistest, rikkumiste kirjetest ja küsitluste lahknevustest punase lipu kandidaadid; Kuid inimesed kontrollivad iga signaali.

5. Tegutsemine ja tagaajamine. Koostada parandusmeetmete ja järelmeetmete plaan kõrge riskiga tarnijatele; Dokumenteerige protsess.

Nõrk viip / Tugev viip

Nõrk viip:

Arvutage välja meie tarnijate süsiniku jalajälg.

Andmeallikat pole, tegelikku/puhverserverit ei eristata ega kontrolli; AI moodustab tarnijate numbrid.

Võimas viip:

Sinu roll: tarneahela jätkusuutlikkuse analüütik. Sisend: 15 tarnija nime, tegevusala, aastane kulusumma ja tegelikud andmed heitkoguste kohta (kui neid on). Ülesanne: 1) Need, kes esitavad tegelikke andmeid, kasutage neid andmeid. 2) Kellel pole reaalseid andmeid, kirjutage "kulupõhine PROXY vajalik", EI SOBITA number; täpsustage, milline tegur hankida ametlikust allikast.3) Eelistage tarnijaid suurte kulutustega + kõrge riskiga tööstusharu. Väljund: tabel (Tarnija | Tööstusharu | Kulutused | Andmetüüp [tegelik/puhverserver] | Prioriteet | Märkus). Proksinumbrid märgitakse aruandesse.

Nõuda tarnija riskianalüüsi

Seadistage järgmise tarnijate loendi jaoks riskianalüüsi karkass. Hinnake iga tarnija kohta (ainult minu esitatud teabe põhjal, avalik väide VÕLTS):- võimalik inimõiguste risk riigist/sektorist (kõrge/keskmine/madal)- Võimalik keskkonnarisk- Ebaühtlus küsitluse vastuses/punased lipud Reegel: lisage iga riski kohta märge „vajalik kontrollimine – allikat pole”; ärge esitage lõplikke süüdistusi, vaid soovitage signaale, mida uurida.Loend: [TARNIJAD]

Järgmine viip koostab tarnijatele saatmiseks andmepäringu uuringu.

Teie roll: jätkusuutlikkuse hankimise spetsialist. Ülesanne: koostage ESG-andmete uuring, mis sisaldab kuni 10 küsimust, mida väikesed/keskmised tarnijad saavad hõlpsasti täita. Kaasa arvatud: energiakulu, kütuseliik, jäätmed, tööohutusõnnetuste arv, sunniviisilisele/lapstööle pühendumine. Toon: lihtne, selge, lihtne täita; Lisage igale küsimusele ühikud ja näited.

Ettevaatust. Ärge laske tehisintellektil kontrollida tarnija riskisignaali (nt "lapstööjõud") ja ärge kunagi kasutage tehisintellekti loodud väidet tõendina. Selliseid hauanõudeid kinnitavad ainult usaldusväärne allikas, välikontroll ja kohtuprotsess. Tehisintellekt toodab ainult kontrollitavat signaali; ei mõista kohut.

kolm minikarpi

Juhtum 1 – puhverserveri aus kasutamine. Vaid 30 ühe mööblitootja 200 tarnijast esitasid tegelikke süsinikuandmeid. Meeskond kasutas ülejäänud 170 jaoks kulupõhist puhverserverit, kuid aruandes on selgelt öeldud: "65% 3. ulatusest on kulupõhine hinnang." Audiitor tunnistas seda ausust; kui seda oleks varjatud, oleks võinud kindlust eitada.

Juhtum 2 – prioriseerimine. Ühel toiduettevõttel oli 480 tarnijat. AI näitas, et 80% kulutustest oli koondunud 40 tarnijale. Meeskond keskendus sügavale sukeldumisele nendele 40-le; ressursse ei raisatud ja suurima mõjuga tarnijad esitati tegelike andmetega.

3. juhtum – valesüüdistuse oht. AI märkis tarnija kui võimaliku sunnitöö; Põhjuseks oli vaid riigi keskmine. Meeskond aktsepteeris seda kui "kontrollitava signaali", mitte tõendit, ja taotles välikontrolli. Kontrollimisel probleeme ei leitud; Kui tehisintellekti signaali võetaks tõendina, tekiks ebaõiglane süüdistus ja õiguslik risk.

Levinud vead

• Tarnija andmete aktsepteerimine ilma neid kontrollimata. Enesest aruandvate tarnijaandmete puhul on vaja ristkontrolli.
• Puhverserveri peitmine. Kulupõhise prognoosimise kasutamine on hea; Täpsustamata jätmine on auditeerimisel probleem.
• Uurides kõiki tarnijaid võrdselt. Allhange peaks keskenduma suurte kulutustega ja kõrge riskiga tarnijatele.
• AI-signaali eksitamine tõenditena. Inimõiguste/keskkonnaalaste rikkumiste väiteid kontrollib valdkond ja seadus, mitte tehisintellekt.
• Jättes 3. ulatuse täielikult vahele. Suurim mõju on tavaliselt siin; Seda ei saa eirata põhjendusega, et seda on "raske mõõta".

Kokkuvõttes

Tarneahel on koht, kus enamiku ettevõtete suurim keskkonna- ja sotsiaalne mõju peitub; Siin on koondunud 3. ulatuse heitkogused ja hoolsuskohustuse riskid. AI; See on võimas abivahend tarnijate prioriseerimisel, uuringu koostamisel, hajutatud vastuste struktureerimisel ja riskisignaalide märgistamisel. Kuid tarnijate andmeid ei lisata aruandesse enne, kui need on kontrollitud, volikirjad on selgelt märgitud ja tõsiseid väiteid kinnitab välikontroll. AI genereerib signaale; Inimene võtab enda peale otsuse ja vastutuse.

Rakenduse ülesanne

Koostage nimekiri 10 fiktiivsest tarnijast koos nime, tegevusala ja iga-aastaste kulutustega; Lisage mõnele arvule tegelikud heiteandmed ja jätke enamik tühjaks. Küsige AI-lt prioriteetide ja andmetüübi tabelit ülaltoodud võimsa viipa kaudu. Seejärel: (1) veenduge, et volikirja vajavate tarnijate arv pole moodustatud, (2) valige 3 kõrgeima prioriteediga tarnijat koos põhjendusega, (3) koostage neile saatmiseks lühike andmeküsitlus.

kontrollnimekiri

• [ ] Eelistasin tarnijaid kulutuste ja riskitaseme alusel.
• [ ] Kasutasin reaalseid andmeid; Kellel seda pole, märkisin puhverserveri.
• [ ] Hindasin tarnija andmeid mitte nii, nagu need on, vaid ristkontrolli teel.
• [ ] Pidasin riskisignaale "uuritavaks" ega kasutanud neid tõendina.
• [ ] Kavandasin tõsiste väidete jaoks väliauditi/juriidilise kontrolli etapi.
• [ ] Ma ei jätnud 3. ulatust vahele; Märkisin aruandes ulatuse ja hinnangulise määra.
• [ ] Salvestasin kogu protsessi hoolsusdokumendiga.