રિપોર્ટિંગ ફ્રેમવર્ક: GRI, ESRS/CSRD અને ISSB મેપિંગ — સ્થિરતા અને ESG મેનેજમેન્ટમાં કૃત્રિમ બુદ્ધિ

નફો:

GRI, ESRS અને ISSB ફ્રેમવર્ક (અસર, બેવડી ભૌતિકતા, નાણાકીય) ના ફોકસને અલગ પાડવાની ક્ષમતા અને રીડર અનુસાર યોગ્ય ફ્રેમવર્ક પસંદ કરો
પ્રમાણભૂત આઇટમ ઉમેદવારો માટે સામગ્રી વિષયોને મેપ કરવાની ક્ષમતા અને સત્તાવાર માનક ટેક્સ્ટ સાથે દરેક નંબરને ચકાસવાની ક્ષમતા
ક્રોસ-મેચિંગ સ્થાપિત કરવાની ક્ષમતા જે સિંગલ ડેટાને બહુવિધ ફ્રેમ્સ સાથે જોડે છે અને તેમને છુપાવ્યા વિના સ્પષ્ટપણે ડેટા ગેપ દર્શાવે છે

એકવાર કંપની ટકાઉપણું ડેટા એકત્રિત કરી લે, પછી તેણે તેને આંતરરાષ્ટ્રીય સ્તરે સ્વીકૃત રિપોર્ટિંગ ફ્રેમવર્ક અનુસાર જાહેર કરવું જોઈએ, મનસ્વી રીતે નહીં. ફ્રેમવર્ક એ સામાન્ય ભાષા છે જે "કયા વિષયની જાણ કરવી, કેવી રીતે, કયા સૂચકાંકો સાથે" નક્કી કરે છે; તેના માટે આભાર, બે જુદી જુદી કંપનીઓના અહેવાલોની તુલના કરી શકાય છે. આ એકમમાં, તમે ત્રણ મુખ્ય ફ્રેમવર્ક (GRI, ESRS/CSRD, ISSB) ને જાણશો અને આ ફ્રેમવર્ક અનુસાર સામગ્રી મેચિંગમાં આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) નો સુરક્ષિત રીતે ઉપયોગ કેવી રીતે કરવો તે શીખી શકશો.

ચાલો ત્રણ ફ્રેમવર્કનું ટૂંકમાં વર્ણન કરીએ. GRI (ગ્લોબલ રિપોર્ટિંગ ઇનિશિયેટિવ) એ વિશ્વમાં સ્વૈચ્છિક ટકાઉપણું રિપોર્ટિંગ ધોરણોનો સૌથી વધુ ઉપયોગમાં લેવાતો પરિવાર છે; તે મુખ્યત્વે વિશ્વ પર કંપનીની અસરને જુએ છે. ESRS (યુરોપિયન સસ્ટેનેબિલિટી રિપોર્ટિંગ સ્ટાન્ડર્ડ્સ) એ બેવડી ભૌતિકતા પર આધારિત ધોરણોનો સમૂહ છે, જે CSRD નિર્દેશના અવકાશમાં યુરોપિયન યુનિયન દ્વારા જરૂરી છે. ISSB (ઇન્ટરનેશનલ સસ્ટેનેબિલિટી સ્ટાન્ડર્ડ્સ બોર્ડ) એ એક આંતરરાષ્ટ્રીય બોર્ડ છે જે IFRS S1/S2 ધોરણો પ્રકાશિત કરે છે, જે રોકાણકારના ધ્યાન સાથે નાણાકીય ભૌતિકતા પર ધ્યાન કેન્દ્રિત કરે છે.

ત્રણ ફ્રેમ, ત્રણ પરિપ્રેક્ષ્ય

ફ્રેમ

કોણે ઉતાર્યું?

મુખ્ય ધ્યાન

શું તે ફરજિયાત છે?

ગ્રે

GRI સંસ્થા

વિશ્વ પર કંપનીની અસર

સ્વૈચ્છિક, ખૂબ સામાન્ય

ESRS/CSRD

EU / EFRAG

બેવડી ભૌતિકતા (અસર + નાણા)

EU હેઠળ ફરજિયાત

ISSB (IFRS S1/S2)

IFRS ફાઉન્ડેશન

રોકાણકાર માટે નાણાકીય ભૌતિકતા

દેશ દ્વારા અપનાવવામાં આવ્યું

આ ફ્રેમવર્ક એકબીજાના સ્પર્ધકો નથી, પરંતુ પૂરક ભાષાઓ છે જે વિવિધ વાચકોને આકર્ષિત કરે છે. મોટાભાગની મોટી કંપનીઓ તેમનો ડેટા એકવાર એકત્રિત કરે છે અને તેને બહુવિધ ફ્રેમવર્ક પર "નકશા" બનાવે છે. આ તે છે જ્યાં AI નું વાસ્તવિક મૂલ્ય રહેલું છે: તે વિવિધ ફ્રેમના આઇટમ નંબર પર સમાન ડેટાની ભલામણ કરવામાં ઝડપી સહાયક છે. પરંતુ તે આઇટમ નંબરો સાથે મેચ કરી શકે છે, તેથી દરેક મેચ સત્તાવાર માનક ટેક્સ્ટ સામે ચકાસાયેલ હોવી આવશ્યક છે.

ટીપ: તમે ફ્રેમ્સની તુલના "કયું સારું છે?" પ્રશ્ન સાથે કરી શકો છો. "કોણ વાંચશે?" પસંદ કરો. જો તમે રોકાણકારો સાથે વાત કરી રહ્યા છો, તો ISSB/નાણાકીય ભૌતિકતા; જો તમે EU નિયમનને આધીન હોવ તો ESRS ફરજિયાત છે; GRI શક્તિશાળી છે જો તમે તમારી અસરની વ્યાપક શ્રેણીના હિતધારકોને જાણ કરો છો. ઘણીવાર એક સાથે એક કરતાં વધુ ઉપયોગ થાય છે.

GRI ધોરણોનું માળખું

GRI વિષય-આધારિત સંખ્યાઓ દ્વારા ગોઠવવામાં આવે છે. થોડા ઉદાહરણો (ચકાસણી માટે અધિકૃત ટેક્સ્ટ તપાસવાની ખાતરી કરો):

GRI 302 — ઊર્જા
GRI 303 — પાણી અને ગંદુ પાણી
GRI 305 - ઉત્સર્જન (હવા)
GRI 306 — કચરો
GRI 403 - વ્યવસાયિક આરોગ્ય અને સલામતી

સૌથી સામાન્ય AI ભૂલ ખોટા નંબર હેઠળ વિષય મૂકવાની છે: ઉદાહરણ તરીકે, GRI 305 (ઉત્સર્જન) હેઠળ પાણી દર્શાવવું. પાણી GRI 303 છે. આવી ભૂલો ફક્ત સત્તાવાર ધોરણોની સૂચિ દ્વારા જ પકડવામાં આવે છે.

સ્ટેપ બાય સ્ટેપ: AI સાથે ફ્રેમ મેચિંગ

1. ભૌતિકતા પર આધારિત. એકવાર તમે નક્કી કરી લો કે કયા વિષયોની જાણ કરવામાં આવશે (એકમ 2), મેપિંગ પર આગળ વધો.

2. પ્રમાણભૂત આઇટમ પર ડેટાની ભલામણ કરો. AI ને દરેક સામગ્રી વિષયને સંબંધિત GRI/ESRS પદાર્થ ઉમેદવાર સાથે મેપ કરવા માટે કહો; પરંતુ જણાવો કે "આ એક ડ્રાફ્ટ પ્રસ્તાવ છે".

3. સત્તાવાર ટેક્સ્ટ સાથે આઇટમ નંબર ચકાસો. GRI અથવા EFRAG ના અધિકૃત દસ્તાવેજ સાથે સૂચવેલ દરેક નંબરની પુષ્ટિ કરો. નંબર અને સામગ્રી બંને તપાસો.

4. અંતર ઓળખો. તમને જે પ્રમાણભૂત જોઈએ છે પરંતુ તમારી પાસે નથી તે ડેટાની યાદી બનાવો (ડેટા ગેપ); આ કાં તો એકત્રિત કરવામાં આવે છે અથવા "ઉપલબ્ધ નથી" તરીકે જાહેર કરવામાં આવે છે.

5. ક્રોસ મેપિંગ સેટ કરો. સમાન ડેટાને GRI, ESRS અને ISSB નંબરો સાથે લિંક કરતું કોષ્ટક તૈયાર કરો; જેથી તમે એક ડેટા સાથે બહુવિધ ફ્રેમવર્કને જાણ કરો.

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

નબળા પ્રોમ્પ્ટ:

આ વિષયોને GRI અનુસાર નંબર આપો.

AI એવી સંખ્યાઓ ઉત્પન્ન કરી શકે છે જે વાજબી લાગે છે પરંતુ ખોટા/બનાવટી છે; ત્યાં કોઈ માન્યતા કૉલ નથી.

શક્તિશાળી પ્રોમ્પ્ટ:

તમારી ભૂમિકા: રિપોર્ટિંગ ફ્રેમવર્ક નિષ્ણાત. ઇનપુટ: અમારા સામગ્રી વિષયો (ઊર્જા, પાણી, ઉત્સર્જન, વ્યવસાયિક સલામતી, કચરો). કાર્ય: દરેક વિષય માટે સંભવિત GRI અને ESRS પદાર્થ ઉમેદવારો સૂચવો. નિયમો:- દરેક સૂચનને "ચકાસવું આવશ્યક છે" ટેગ આપો; ચોક્કસ સંખ્યાનો દાવો કરશો નહીં. - તમને ખાતરી ન હોય તેવી સંખ્યા ન બનાવો; "અધિકૃત માનક સૂચિમાંથી પુષ્ટિ" લખો. - પાણી અને ઉત્સર્જન જેવા સરળ-થી-ગૂંચવણભર્યા વિષયો પર ભેદભાવનું કારણ લખો. આઉટપુટ: ટેબલ (વિષય | GRI ઉમેદવાર | ESRS ઉમેદવાર | ચકાસણી નોંધ).

મલ્ટિ-ફ્રેમ મેપિંગ ટેબલ માટે પ્રોમ્પ્ટ

નીચેનો પ્રોમ્પ્ટ રિપોર્ટિંગ ગેપ વિશ્લેષણનું નિર્માણ કરે છે.

તમારી ભૂમિકા: ESG અનુપાલન વિશ્લેષક. કાર્ય: અમે પસંદ કરેલ ફ્રેમવર્ક (ESRS) દ્વારા જરૂરી સમજૂતી સાથે અમારી પાસેના ડેટાની તુલના કરો અને ગેપ વિશ્લેષણ કરો. આઉટપુટ: જરૂરી સમજૂતી | શું અમારી પાસે છે? | જો ખૂટે તો શું એકત્રિત કરવું | જવાબદાર. નિયમ: તમે કહો છો તે દરેક લીટી માટે "અમારી પાસે છે", સ્ત્રોત લખો; જો તમને ખાતરી ન હોય, તો "ચેક જરૂરી છે" કહો. મને અધિકૃત ટેક્સ્ટમાંથી માનક કલમો ચકાસવા માટે યાદ કરાવો. એન્ટ્રી: [ઉપલબ્ધ ડેટાની સૂચિ]

ધ્યાન: ધોરણો નિયમિતપણે અપડેટ કરવામાં આવે છે; આઇટમ નંબર, થ્રેશોલ્ડ અને જરૂરિયાતો બદલાઈ શકે છે. AI નો તાલીમ ડેટા જૂનું સંસ્કરણ પ્રતિબિંબિત કરી શકે છે. લાગુ પડતા સત્તાવાર લખાણ સાથે હંમેશા જટિલ જોડી અને જવાબદારીના નિર્ણયોની પુષ્ટિ કરો.

ત્રણ નાના કેસો

કેસ 1 - ખોટો નંબર. એનર્જી કંપનીએ AIને GRI મેપિંગ માટે પૂછ્યું. YZ એ તેના પાણીના વપરાશને "GRI 305-8" તરીકે લેબલ કર્યું. નિષ્ણાતે તપાસ્યું: પાણી GRI 303 છે, GRI 305 એ હવાનું ઉત્સર્જન છે, અને ત્યાં કોઈ નિવેદન 305-8 નથી. સત્તાવાર યાદી સાથે નંબર સુધારી દેવામાં આવ્યો છે.

કેસ 2 - એક ડેટા સાથે ઘણા અહેવાલો. એક ઉત્પાદકે એકવાર ઉર્જા ડેટા એકત્રિત કર્યો અને તેને AI ની મદદથી GRI 302, ESRS E1 (આબોહવા) અને ISSB S2 બંને જરૂરિયાતો સાથે મેપ કર્યો. ક્રોસ ટેબલ માટે આભાર, ત્રણ અલગ-અલગ રિપોર્ટ્સ માટે ડેટા ફરીથી એકત્ર કરવાને બદલે એક જ સ્ત્રોતમાંથી ડેટા આપવામાં આવ્યો હતો; દરેક નંબરની સત્તાવાર ટેક્સ્ટ દ્વારા પુષ્ટિ કરવામાં આવી હતી.

કેસ 3 - છુપાયેલ પોલાણ. એક કંપની પાસે ESRS દ્વારા જરૂરી "સ્કોપ 3 ઉત્સર્જન" ડિસ્ક્લોઝર નથી. AI એ અહેવાલને અસ્ખલિત રીતે "જાણે કે તે સંપૂર્ણ" લખ્યો અને અંતરને અદ્રશ્ય બનાવ્યું. જ્યારે ગેપ વિશ્લેષણ કરવામાં આવ્યું હતું, ત્યારે ઉણપ જાહેર કરવામાં આવી હતી; ડેટાને બનાવટી બનાવવાને બદલે, રિપોર્ટમાં પ્રમાણિકતાથી સમજાવ્યું કે "સ્કોપ 3 ડેટા 2025 માં એકત્રિત કરવામાં આવશે."

સામાન્ય ભૂલો

આઇટમ નંબરની ચકાસણી કરી રહ્યાં નથી. GRI/ESRS/ISSB નંબરો સત્તાવાર ટેક્સ્ટ સાથે પુષ્ટિ કર્યા વિના ઉપયોગમાં લેવાતા નથી.
મિશ્રણ ફ્રેમ્સ. ધારી લો કે GRI નું ઇમ્પેક્ટ ફોકસ અને ISSB નું નાણાકીય ફોકસ સમાન છે તો ખોટો ખુલાસો થશે.
જૂના સંસ્કરણ પર આધાર રાખે છે. ધોરણો અપડેટ કરવામાં આવે છે; વર્તમાન લખાણ આવશ્યક છે.
ડેટા ગેપ છુપાવો. ગુમ થયેલ ડેટાને સ્પષ્ટપણે જણાવવું જરૂરી છે, તેને "જેમ કે તે પૂર્ણ છે" લખવું નહીં.
પાણી/ઉત્સર્જન જેવી ગૂંચવણભરી સમસ્યાઓ. સમાન દેખાતા વિષયો વિવિધ આઇટમ નંબર હેઠળ આવે છે.

સારાંશમાં

રિપોર્ટિંગ ફ્રેમવર્ક એ સ્ટ્રક્ચર્સ છે જે ટકાઉપણું ડેટાને સામાન્ય તુલનાત્મક ભાષામાં અનુવાદિત કરે છે: GRI અસરને જુએ છે, ISSB ફાઇનાન્સ પર જુએ છે, ESRS દ્વિ ભૌતિકતા સાથે બંનેને જુએ છે. AI એ એક જ ડેટાને વિવિધ ફ્રેમવર્કની વસ્તુઓ પર ઝડપથી મેપ કરવા માટે એક શક્તિશાળી સહાયક છે; પરંતુ આઇટમ નંબર લવારો કરી શકે છે અને જૂના સંસ્કરણોને પ્રતિબિંબિત કરી શકે છે. દરેક મેપિંગને તેના સત્તાવાર કેનોનિકલ ટેક્સ્ટ સાથે માન્ય કરો, રીડર દ્વારા ફ્રેમ પસંદ કરો, ડેટા ગેપ છુપાવશો નહીં. એક ડેટા સાથે બહુવિધ ફ્રેમવર્કને જાણ કરવી કાર્યક્ષમ છે; પરંતુ તે ત્યારે જ સુરક્ષિત છે જ્યારે દરેક નંબરની પુષ્ટિ થાય.

એપ્લિકેશન કાર્ય

પાંચ ભૌતિક વિષયો પસંદ કરો (દા.ત. ઊર્જા, પાણી, ઉત્સર્જન, કચરો, વ્યવસાયિક સલામતી). ઉપરના મલ્ટી-ફ્રેમ મેચિંગ પ્રોમ્પ્ટ દ્વારા AI થી GRI/ESRS/ISSB ઉમેદવાર ટેબલની વિનંતી કરો. પછી: (1) સત્તાવાર લખાણ સાથે ઓછામાં ઓછા ત્રણ આઇટમ નંબરો ચકાસો, (2) તપાસો કે પાણી અને ઉત્સર્જન યોગ્ય રીતે અલગ થયેલ છે, (3) તમે જે ડેટા ખૂટે છે તે ખાલી સૂચિમાં લખો.

ચેકલિસ્ટ

[ ] મેં દરેક સામગ્રી વિષયને સંબંધિત ફ્રેમ લેખમાં મેપ કર્યો છે.
[ ] મેં સત્તાવાર (GRI/EFRAG/ISSB) ટેક્સ્ટ સાથે આઇટમ નંબરોની ચકાસણી કરી.
[ ] મેં તેના વાચકો (રોકાણકાર/સ્ટેકહોલ્ડર/નિયમનકાર)ના આધારે ફ્રેમવર્ક પસંદ કર્યું.
[ ] મેં પાણી/ઉત્સર્જન જેવા સરળ-થી-ગૂંચવણભર્યા વિષયોને યોગ્ય રીતે અલગ કર્યા છે.
[ ] મેં ડેટા ગેપને છુપાવ્યા વિના સ્પષ્ટ રીતે સૂચિબદ્ધ કર્યા છે.
[ ] મેં પુષ્ટિ કરી છે કે હું ધોરણોના વર્તમાન સંસ્કરણનો ઉપયોગ કરી રહ્યો છું.
[ ] મેં એક ક્રોસટેબ સેટ કર્યું છે જે એક ડેટાને બહુવિધ ફ્રેમ્સ સાથે જોડે છે.