નફો:
- સિંગલ ભૌતિકતા અને ડબલ ભૌતિકતા વચ્ચે તફાવત કરવાની ક્ષમતા અને અસર અને નાણાકીય ભૌતિકતા બંનેના સંદર્ભમાં મુદ્દાનું મૂલ્યાંકન કરવાની ક્ષમતા
- ઓછી-આવર્તન પરંતુ ઉચ્ચ-મહત્વના સંકેતોને અલગ રાખીને સેંકડો હિસ્સેદારોના પ્રતિભાવોને આર્ટિફિશિયલ ઇન્ટેલિજન્સ સાથે થીમ્સમાં અલગ કરવાની ક્ષમતા
- કૃત્રિમ બુદ્ધિ દ્વારા ઉત્પાદિત વિષયોની સૂચિને ઉદ્યોગ-વિશિષ્ટ વાસ્તવિકતા સાથે ચકાસવાની ક્ષમતા અને અંતિમ અગ્રતા અને પદ્ધતિ દસ્તાવેજને મનુષ્યો સાથે લિંક કરવાની ક્ષમતા
કોઈપણ કંપની દરેક ટકાઉપણું મુદ્દા પર સમાન ઊંડાણમાં જાણ કરી શકતી નથી; જ્યારે પાણીનો વપરાશ સોફ્ટવેર કંપની માટે ગૌણ મુદ્દો છે, તે પીણા ઉત્પાદક માટે જીવનરેખા છે. આ પ્રશ્ન છે "અમારા માટે કયા મુદ્દાઓ ખરેખર મહત્વપૂર્ણ છે?" પ્રશ્નનો જવાબ ભૌતિકતા વિશ્લેષણ (મહત્વ વિશ્લેષણ) દ્વારા આપવામાં આવે છે. ભૌતિકતા એ સંસ્થા માટે ટકાઉપણુંનો મુદ્દો કેટલો "નોંધપાત્ર/નોંધપાત્ર" છે તે નક્કી કરવાની પ્રક્રિયા છે અને સમગ્ર ESG રિપોર્ટનો આધાર બનાવે છે. ખોટી ભૌતિકતા સેંકડો પાનાના અહેવાલોને પણ નકામું બનાવે છે; કારણ કે રિપોર્ટ ખોટા મુદ્દાઓ પર ધ્યાન કેન્દ્રિત કરે છે. આ એકમમાં, તમે શીખી શકશો કે કૃત્રિમ બુદ્ધિમત્તા (AI) નો ઉપયોગ પ્રવેગક તરીકે ક્યાં કરવો અને આ પ્રક્રિયામાં ક્યાં જોખમ તરીકે.
ચાલો પહેલા બે ખ્યાલો સ્પષ્ટ કરીએ. એકલ ભૌતિકતા ફક્ત તે જ જુએ છે કે કોઈ સમસ્યા કંપનીના નાણાકીય સ્વાસ્થ્યને કેવી રીતે અસર કરે છે: "આબોહવા પરિવર્તન આપણી આવક/ખર્ચને કેવી રીતે અસર કરશે?" ડબલ ભૌતિકતા બીજું પાસું ઉમેરે છે: વિશ્વ પર કંપનીની અસર. તેથી પ્રશ્ન બેવડો છે: (1) આ સમસ્યા કંપનીને નાણાકીય રીતે કેવી રીતે અસર કરે છે? (2) આ બાબતે કંપની પર્યાવરણ અને સમાજ પર કેવી અસર કરે છે? CSRD અને ESRS આ બીજા, ડબલ દેખાવને લાગુ કરે છે. આ તફાવત પરીક્ષા અને અભ્યાસ બંનેના હાર્દમાં છે.
બેવડા મહત્વના બે પાસાઓ
ડબલ ભૌતિકતા બે લેન્સ દ્વારા જુએ છે:
- અસર ભૌતિકતા - "અંદરની બહાર": લોકો અને પર્યાવરણ પર કંપનીની પ્રવૃત્તિઓની હકારાત્મક/નકારાત્મક અસર. ઉદાહરણ: કાપડની ફેક્ટરી દ્વારા નદીમાં છોડવામાં આવતું ગંદુ પાણી.
- નાણાકીય ભૌતિકતા — “બહારની અંદર”: કંપનીના રોકડ પ્રવાહ, ખર્ચ અને મૂલ્ય પર સ્થિરતાના મુદ્દાની અસર. ઉદાહરણ: કાર્બનના ભાવમાં વધારો કરવાથી ઉત્પાદન ખર્ચ વધે છે.
જો કોઈ વિષય આ બેમાંથી કોઈ એક લેન્સમાં મટીરીયલ હોય, તો તેને દ્વિ ભૌતિકતાના તર્કમાં રિપોર્ટેબલ ગણવામાં આવે છે. AI ને આ બે પાસાઓ વચ્ચે ભેદ પાડવામાં મુશ્કેલ સમય હોય છે અને તે ઘણી વખત માત્ર નાણાકીય બાજુ તરફ વળે છે; તેથી, આ તફાવતને ધ્યાનમાં રાખીને આઉટપુટને નિયંત્રિત કરવું આવશ્યક છે.
વિષય
અસર ભૌતિકતા (વિશ્વ પર)
નાણાકીય ભૌતિકતા (કંપની માટે)
ગ્રીનહાઉસ ગેસ ઉત્સર્જન
આબોહવા પરિવર્તનમાં યોગદાન
કાર્બન ટેક્સ, CBAM ખર્ચ
કામદાર આરોગ્ય અને સલામતી
કર્મચારી જીવન અને આરોગ્ય
અકસ્માત વળતર, ઉત્પાદન બંધ
પાણીનો વપરાશ
પ્રાદેશિક જળ તણાવ
પાણીની અછત, ઉત્પાદન જોખમ
ડેટા ગોપનીયતા
વપરાશકર્તા અધિકારો
દંડ, પ્રતિષ્ઠા અને ગ્રાહકની ખોટ
ટિપ: કોઈ મુદ્દા પર વિચાર કરતી વખતે, "શું આ આપણને અસર કરે છે કે આપણે વિશ્વને અસર કરીએ છીએ?" તેને બે ભાગમાં વહેંચો. જ્યારે કંપનીઓ માત્ર નાણાકીય બાજુની જાણ કરે છે જે તેમને અસર કરે છે, ત્યારે તેઓ વિશ્વ પર પડેલી અસરને છુપાવે છે ત્યારે ઘણી ગ્રીનવોશિંગ અને અંડરરિપોર્ટિંગ થાય છે.
સ્ટેપ બાય સ્ટેપ: એઆઈ-સંચાલિત ભૌતિકતા પ્રક્રિયા
1. વિષય બ્રહ્માંડ બનાવો. તમારા ઉદ્યોગ સાથે સંબંધિત સંભવિત ટકાઉપણું વિષયોની લાંબી સૂચિ બનાવો. AI અહીં એક સારો બ્રેઈનસ્ટોર્મિંગ પાર્ટનર છે; ઉમેદવારોની સૂચિ ESRS વિષયના શીર્ષકો, GRI ઉદ્યોગના ધોરણો અને પીઅર કંપનીના અહેવાલોને સ્કેન કરીને બનાવવામાં આવે છે.
2. હિસ્સેદારોને ઓળખો. હિસ્સેદારો એ એવા પક્ષો છે કે જેઓ કંપનીની પ્રવૃત્તિઓથી પ્રભાવિત અથવા પ્રભાવિત થાય છે: કર્મચારીઓ, ગ્રાહકો, સપ્લાયર્સ, રોકાણકારો, સ્થાનિક લોકો, નિયમનકારો, નાગરિક સમાજ. દરેક મહત્વપૂર્ણ મુદ્દા માટે, "કોને અસર થાય છે?" પ્રશ્ન પૂછવામાં આવે છે.
3. હિતધારક ઇનપુટ એકત્રિત કરો. સર્વેક્ષણો, ઇન્ટરવ્યુ અને વર્કશોપ દ્વારા હિસ્સેદારોને કયા મુદ્દા મહત્વપૂર્ણ લાગે છે તે શોધો. AI સેંકડો ઓપન-એન્ડેડ સર્વેના પ્રતિસાદોને થીમ્સમાં વર્ગીકૃત કરવામાં ખૂબ જ શક્તિશાળી છે (આને વિષયોનું વિશ્લેષણ કહેવામાં આવે છે).
4. સ્કોર કરો અને પ્રાથમિકતા આપો. દરેક વિષયને બે અક્ષો (અસર અને નાણાકીય) પર સ્કેલ પર સ્કોર કરો. ઉચ્ચ સ્કોર ધરાવતા વિષયોને "મહત્વપૂર્ણ/સામગ્રી" ગણવામાં આવે છે અને તે અહેવાલનું કેન્દ્ર બને છે.
5. ચકાસો અને દસ્તાવેજ કરો. મેનેજમેન્ટ કમિટી પ્રાથમિકતા મંજૂર કરે છે; પ્રક્રિયા કેવી રીતે કરવામાં આવે છે (પદ્ધતિ) દસ્તાવેજીકૃત છે. CSRD એ પણ માગણી કરે છે કે ભૌતિકતાની પ્રક્રિયા પોતે જ સમજાવવામાં આવે.
નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ
નબળા પ્રોમ્પ્ટ:
તમારા માટે મહત્વના એવા ટકાઉપણું મુદ્દાઓ વિશે અમને કહો.
તેમાં ઉદ્યોગ, બિઝનેસ મોડલ, હિસ્સેદારી અને દ્વૈત પાસાઓનો સમાવેશ થતો નથી; AI એક સામાન્ય સૂચિ બનાવે છે અને ઘણીવાર અસરની દિશા છોડી દે છે.
શક્તિશાળી પ્રોમ્પ્ટ:
તમારી ભૂમિકા: ડબલ ભૌતિકતા નિષ્ણાત. કંપની: તુર્કીમાં ઉત્પાદન કરતી મધ્યમ કદની ખાદ્ય કંપની. કાર્ય: સંભવિત ટકાઉપણું મુદ્દાઓની સૂચિ બનાવો અને દરેક માટે બે અલગ મૂલ્યાંકન કરો:- અસર ભૌતિકતા (પર્યાવરણ/સમાજ પર કંપનીની અસર) - નાણાકીય ભૌતિકતા (ઇશ્યૂની કંપની પરની નાણાકીય અસર) દરેક અસરગ્રસ્ત ઇશ્યૂ માટે પણ DRRAule, DRRAule નીચે લખો. ઉમેદવાર; સ્કોરિંગ અને અંતિમ નિર્ણય અમારો છે. સેક્ટર ડેટા કે જેના વિશે તમને ખાતરી નથી કે ફેબ્રિકેટેડ તરીકે ચિહ્નિત કરો, "ચકાસાયેલ હોવું આવશ્યક છે". આઉટપુટ: ટેબલ (વિષય | અસર દિશા | નાણાકીય પાસા | હિસ્સેદારો | નોંધ).
હિતધારકોના પ્રતિભાવોને થીમમાં સૉર્ટ કરો
ભૌતિકતા સર્વેક્ષણોમાંથી સેંકડો ફ્રી-ટેક્સ્ટ પ્રતિસાદોને હાથથી વાંચવામાં દિવસો લાગે છે. AI આને થીમમાં તોડી શકે છે; પરંતુ ચેતવણી સાથે: AI લઘુમતી પરંતુ વિવેચનાત્મક અભિપ્રાય (ઉદાહરણ તરીકે, એક જ કર્મચારી દ્વારા ઉઠાવવામાં આવેલ ગંભીર સુરક્ષા સમસ્યા) "બિનમહત્વપૂર્ણ" તરીકે બરતરફ કરી શકે છે. તેથી, વિષયોનો સારાંશ એ કાચા પ્રતિભાવોનો વિકલ્પ નથી; તે તેમના માટે પ્રવેશદ્વાર છે.
નીચે ભૌતિકતા સર્વેક્ષણના 200 મફત ટેક્સ્ટ પ્રતિસાદો છે. કાર્ય: 1) પ્રતિભાવોને 10 થી વધુ થીમ્સમાં વિભાજિત કરો, દરેક થીમને ટૂંકું નામ આપો. 2) કેટલા પ્રતિસાદોમાં દરેક થીમનો ઉલ્લેખ છે તેની ગણતરી કરો. 3) શીર્ષક હેઠળ ઓછી સંખ્યામાં પણ ગંભીર (સુરક્ષા, કાનૂની, પર્યાવરણીય જોખમ) મંતવ્યો પણ સૂચિબદ્ધ કરો, દૂર કરો. જવાબો.જવાબો: [જવાબ]
સાવધાન: AI નો વિષયોનો સારાંશ કાચા જવાબોનો વિકલ્પ નથી. ખાસ કરીને, "ઓછી આવર્તન પરંતુ ઉચ્ચ મહત્વ" અભિપ્રાયો (સુરક્ષા ભંગ, ભ્રષ્ટાચારની શંકા) AI દ્વારા ઢાંકી શકાય છે કારણ કે તે સંખ્યા ઓછી છે. આ અભિપ્રાયોને અલગ આંખથી તપાસવાની ખાતરી કરો.
ત્રણ નાના કેસો
કેસ 1 - ક્રિયાની દિશા છોડી દેવી. એક કેમિકલ કંપનીએ AI પાસે મટિરિયલ લિસ્ટ તૈયાર કર્યું હતું. આ સૂચિ નાણાકીય મુદ્દાઓ પર ધ્યાન કેન્દ્રિત કરે છે જેમ કે કાર્બનની કિંમત અને ઊર્જાની કિંમત; પરંતુ ફેક્ટરીની નજીકના ગામડાના પાણી પુરવઠા પર તેની અસર યાદીમાં ન હતી. નિષ્ણાતે બેવડા મહત્વની બાબત તરીકે "અસર" પાસું ઉમેર્યું; આ મુદ્દો પાછળથી સૌથી જટિલ હિસ્સેદારોનો મુદ્દો બન્યો.
કેસ 2 - સંખ્યામાં વજન. એક રિટેલરે AI સાથે 1,200 ગ્રાહક સર્વેક્ષણોનું વિશ્લેષણ કર્યું. YZ ને જાણવા મળ્યું કે 41% પ્રતિસાદો "પેકેજિંગ કચરો" ની થીમ પર અને 23% "કાર્યકારી પરિસ્થિતિઓ" ની થીમ પર સ્પર્શ્યા. ટીમે આ બે થીમ્સને પ્રાધાન્યતા સામગ્રી વિષયો તરીકે જાહેર કરી; જો કે, "ઓછી-આવર્તન" શીર્ષક હેઠળ દેખાતી સપ્લાય ચેઇન પણ બાળ મજૂરીની શંકાને અલગ તપાસ હેઠળ લાવી હતી.
કેસ 3 - નકલી મહત્વ. AI એ સોફ્ટવેર કંપની માટે ઉચ્ચ પ્રાધાન્યતા સામગ્રી મુદ્દા તરીકે "પાણીનો વપરાશ" ફ્લેગ કર્યો; જ્યારે કંપનીનો એકમાત્ર પાણીનો ઉપયોગ ઓફિસનું રસોડું હતું. નિષ્ણાતે આને ઓછું કર્યું અને ખરેખર સામગ્રી "ડેટા ગોપનીયતા અને ઊર્જા વપરાશ" પર ધ્યાન કેન્દ્રિત કર્યું. જો ખોટી સામગ્રી સુધારવામાં ન આવી હોત તો રિપોર્ટ પર ધ્યાન કેન્દ્રિત થઈ ગયું હોત.
ભૌતિકતા મેટ્રિક્સ સેટ કરવા માટે પ્રોમ્પ્ટ કરો
ભૌતિકતા મેટ્રિક્સ એ દ્રશ્ય પ્રાથમિકતાનું સાધન છે જે વિષયોને બે અક્ષો (અસર અને નાણાકીય) સાથે મૂકે છે. ઉપલા જમણા ખૂણામાંના વિષયો સૌથી મહત્વપૂર્ણ છે.
ભૌતિકતા મેટ્રિક્સના તર્કમાં નીચેના વિષયો અને સ્કોર્સ ગોઠવો. ઇનપુટ: દરેક વિષય માટે ઇમ્પેક્ટ સ્કોર (1-5) અને નાણાકીય સ્કોર (1-5). કાર્ય: 1) વિષયોને ચાર ઝોનમાં વિભાજીત કરો: ઉચ્ચ-ઉચ્ચ (પ્રાયોરિટી), ઉચ્ચ અસર-લો ફાઇનાન્સ, ઓછી અસર-ઉચ્ચ ફાઇનાન્સ, નીચું. 2) અહેવાલના મુખ્ય કેન્દ્ર તરીકે "પ્રાધાન્યતા" પ્રદેશનું સૂચન કરો. 3) સીમારેખા (લગભગ 3-3) વિષયોને "માનવ નિર્ણય જરૂરી" માર્ક તરીકે વ્યાખ્યાયિત કરો. પોઈન્ટ્સ: [વિષય અને સ્કોર]
નીચેનો પ્રોમ્પ્ટ અહેવાલમાં ભૌતિકતા પદ્ધતિને લખવા માટે એક રૂપરેખા બનાવે છે.
તમારી ભૂમિકા: ESG રિપોર્ટ લેખક. કાર્ય: અમારી દ્વિ ભૌતિકતા પ્રક્રિયાને સમજાવતો 1 ઓડિટેબલ ફકરો લખો. શામેલ કરો: કયા વિષયનું બ્રહ્માંડ સ્કેન કરવામાં આવ્યું હતું, કયા હિતધારકો સામેલ હતા, તે કઈ પદ્ધતિથી સ્કોર કરવામાં આવ્યો હતો, કોણે તેને મંજૂરી આપી હતી. નિયમ: અલ્પોક્તિ, ચકાસી શકાય તેવું અને પ્રક્રિયા લક્ષી લખો; પરિણામ નિવેદન ઉમેરી રહ્યા છે. ઇનપુટ: [પ્રોસેસ નોટ્સ]
સામાન્ય ભૂલો
- એક મહત્વની બાબતથી સંતુષ્ટ થવું. માત્ર નાણાકીય અસરને જોવી અને વિશ્વ પર કંપનીની અસરને અવગણવી એ CSRDની વિરુદ્ધ છે.
- હિસ્સેદારી સંકુચિત રાખવી. માત્ર રોકાણકારોને સાંભળવાથી અને કર્મચારીઓ, સ્થાનિક લોકો અને સપ્લાયરોને બાકાત રાખવાથી ભૌતિકતા વિકૃત થાય છે.
- AI ની યાદી જેમ છે તેમ સ્વીકારી રહી છે. ક્ષેત્રને લગતી ગંભીર સમસ્યાઓ ગુમ થઈ શકે છે અથવા AI માં ખોટું વજન આપવામાં આવ્યું છે.
- ઓછી-આવર્તન ગંભીર અભિપ્રાયો દૂર કરવા. સિગ્નલો કે જે સંખ્યામાં ઓછા છે પરંતુ વધુ જોખમ છે તેની અલગથી તપાસ કરવી જોઈએ.
- પદ્ધતિનું દસ્તાવેજીકરણ નથી. જો પ્રક્રિયા કેવી રીતે કરવામાં આવે છે તે લખવામાં આવ્યું નથી, તો ઓડિટર ભૌતિકતાને સ્વીકારશે નહીં.
સારાંશમાં
સામગ્રી વિશ્લેષણ એ સમગ્ર ESG રિપોર્ટનું હોકાયંત્ર છે; ખોટા મુદ્દાઓ પર ધ્યાન કેન્દ્રિત કરતો અહેવાલ નકામો છે, પછી ભલે તે ગમે તેટલી ગુણવત્તાનો હોય. દ્વિ-મહત્વ એ બંને છે કે "આ સમસ્યા આપણને આર્થિક રીતે કેવી રીતે અસર કરે છે?" તેમજ "આ મુદ્દા પર આપણે વિશ્વને કેવી રીતે પ્રભાવિત કરીએ છીએ?" એકસાથે પ્રશ્નો પૂછે છે. AI એ વિષયોનું બ્રહ્માંડ જનરેટ કરવામાં અને સેંકડો હિતધારકોના પ્રતિભાવોને થીમ્સમાં વર્ગીકૃત કરવામાં એક શક્તિશાળી પ્રવેગક છે; પરંતુ તે અસરની દિશા ચૂકી જાય છે, ખોટું મહત્વ બનાવે છે અને ઓછી-આવર્તન વિવેચનાત્મક દૃશ્યોને દૂર કરે છે. અંતિમ પ્રાધાન્યતા અને મંજૂરી હંમેશા માણસ સાથે રહે છે.
એપ્લિકેશન કાર્ય
એક ઉદ્યોગ (દા.ત. ફૂડ રિટેલ) પસંદ કરો અને ઉપરના શક્તિશાળી પ્રોમ્પ્ટ સાથે 12-15 ઉમેદવાર વિષયોની સૂચિ માટે AI ને પૂછો. પછી: (1) દરેક વિષયને અસર અને નાણાકીય પાસાઓની દ્રષ્ટિએ બે ભાગમાં વિભાજીત કરીને તપાસો, (2) ફક્ત તે જ સુધારો જે નાણાકીય બાજુ તરફ વળ્યા છે, (3) 5 વિષયો પસંદ કરો જે તમને વાજબીતા સાથે સૌથી વધુ સામગ્રી લાગે છે અને એક નાનું ભૌતિકતા મેટ્રિક્સ તૈયાર કરો.
ચેકલિસ્ટ
- [ ] મેં દરેક મુદ્દાનું મૂલ્યાંકન અસર અને નાણાકીય ભૌતિકતા બંનેના સંદર્ભમાં કર્યું.
- [ ] મેં રોકાણકાર (કર્મચારી, જાહેર, સપ્લાયર) સિવાયના હિતધારકોની સૂચિ વિસ્તૃત કરી.
- [ ] મેં ઉદ્યોગ-વિશિષ્ટ વાસ્તવિકતા સામે AI દ્વારા જનરેટ કરેલા વિષયોની સૂચિનું પરીક્ષણ કર્યું.
- [ ] મેં ઓછી આવર્તન પરંતુ ઉચ્ચ મહત્વના અભિપ્રાયો અલગથી તપાસ્યા.
- [ ] મેં માનવ/સમિતિના નિર્ણય દ્વારા પ્રાથમિકતા મંજૂર કરી છે.
- [ ] મેં ઓડિટ અનુસાર ભૌતિકતા પદ્ધતિનું દસ્તાવેજીકરણ કર્યું છે.
- [ ] મેં ખોટા મહત્વના મુદ્દાઓ છોડી દીધા (જે ખરેખર આપણને અસર કરતા નથી).