רווחים:
- יכולת לבחור את מסגרת הדיווח הנכונה (GRI/ESRS/ISSB) ולהעריך מהותיות כפולה במונחים של השפעה פיננסית וסביבתית כאחד.
- יכולת להמיר יחידות נתונים מרובות מקורות, שונות ליחידה אחת עם קוד ולחבר כל מדד למקור שניתן לעקוב
- יכולת לנקות את טקסט הדו"ח המופק על ידי בינה מלאכותית משפה מוגזמת ולהכין אותו עם שרשרת ראיות לאבטחה עצמאית
לא משנה עד כמה הביצועים הסביבתיים של ארגון טובים, הם בעלי ערך מוגבל אם הוא לא מדווח באופן אמין. משקיעים, רגולטורים, לקוחות ועובדים רוצים כעת לראות את המוסדות מתעדים את ביצועי ה-ESG שלהם (סביבה, חברתי, ממשל). ביחידה זו תלמדו את מסגרות הדיווח העיקריות, שרשרת איסוף הנתונים, אוטומציה של דיווח עם AI, ובעיקר - ביקורתיות הדוח.
מסגרות קודם. GRI (Global Reporting Initiative) הוא תקן דיווח הקיימות הוולונטרי הנרחב ביותר בעולם. CSRD (Corporate Sustainability Reporting Directive) היא הנחיית האיחוד האירופי המחייבת חברות גדולות לדווח על קיימות ומבוססת על תקנים מפורטים הנקראים ESRS (European Sustainability Reporting Standards). ISSB/IFRS S1-S2 הוא תקן גלובלי לגילוי קיימות ממוקד פיננסי. הקונצנזוס: לא טענות, אלא נתונים סטנדרטיים וניתנים לביקורת.
מהותיות כפולה: מה לדווח?
הרעיון העומד בבסיס CSRD הוא ניתוח מהותיות כפולה. זה שואל כפול: (1) כיצד הסביבה/חברה משפיעה על הארגון (מהות פיננסית)? (2) כיצד משפיע הארגון על הסביבה/חברה (מהותיות השפעה)? ארגון חייב לדווח לא רק על מה שחשוב לעצמו כלכלית, אלא גם על ההשפעה שלו שחשובה לעולם. בינה מלאכותית עוזרת לשרטט אילו נושאים עשויים להיות מהותיים, אך ההחלטה על המהותיות היא באחריות הדעה וההנהלה של בעלי העניין.
טיפ: דוח ESG הוא בעל ערך רק כמו המהימנות של הנתונים החלשים ביותר שלו. טקסט שוטף שנוצר בינה מלאכותית יתמוטט בבדיקה אם לא ניתן לעקוב אחר המספר שמתחתיו. ראשית, הקשיח את הנתונים ואת המקור שלהם; המשפט היפה מגיע מאוחר יותר.
שרשרת איסוף נתונים
החלק הקשה ביותר בדיווח ESG הוא לא כתיבתו, אלא איסוף הנתונים: מעשרות אתרים, בפורמטים שונים, ביחידות שונות. זה המקום שבו בינה מלאכותית שימושית - הפיכת חשבוניות, טבלאות וטפסים מבולגנים למבנה אחד, תופסת אי-התאמה של יחידות, סימון נתונים חסרים. אבל אף מספר שהופק על ידי AI לא צריך להיכנס לדוח מבלי להיות מחובר למקור ניתן לעקוב (חשבונית, מד, אישור).
שלב אחר שלב: הפקת דוח ESG
1. בחר את המסגרת. GRI, CSRD/ESRS או ISSB? חובה או התנדבותית?
2. בצעו ניתוח מהותיות. אילו נושאים ידווחו?
3. איסוף וסטנדרטיזציה של נתונים. הומר ליחידה אחת, כולל המקור שלה.
4. חשב מדדים. פליטות, מים, פסולת, עוצמת אנרגיה - כל אחד ומקורו.
5. נסח את הטקסט. שלד עם AI, ואז תיקון אנושי והתאמת ראיות.
6. אמת וקבל ביטחון. היערכות לבקרה פנימית + אבטחה עצמאית.
שלושה מיני תיקים
מקרה 1 - מספר בלתי ניתן לאיתור. חברה אחת גרמה לבינה מלאכותית לנסח דוח ESG; "הורדנו את צריכת המים שלנו ב-15%", נכתב בטקסט. המבקר שאל על מקור המספר הזה; הצוות לא הצליח למצוא מאיפה הגיע המספר - ה-AI יצר מספר "סביר" מטקסטים קודמים. מספר שנשלף, הוחלף בנתונים בפועל (הפחתה של 9%). כל מספר בלתי ניתן לאיתור פירושו פצצה בשליטה.
מקרה 2 - אוטומציה של יחידות. קבוצה אחת שילבה נתוני אנרגיה מ-30 מתקנים; חלקם היו ב-kWh, חלקם ב-MWh, חלקם ב-GJ. הם עשו תקן של AI עם קוד Python שהמיר את כל הנתונים ליחידה אחת (MWh), הציג את מקדם ההמרה וסימן ערכים חשודים. מה שהיה לוקח ימים באופן ידני צומצם לשעות; כל המרה תועדה ונשארה ניתנת לביקורת.
מקרה 3 - משמעות כפולה. ארגון תכנן לדווח רק על עניינים שהשפיעו על העלויות שלו. הם גרמו לבינה מלאכותית ליישם את המסגרת בעלת החשיבות הכפולה; מסתבר שיש לדווח על השפעת המים בשרשרת האספקה של הארגון במונחים של "מהותיות השפעה" גם אם יש לה השפעה מועטה על המצב הכספי שלו עצמו. זה היה חובה לעמידה ב-CSRD. ההחלטה אושרה שוב על ידי חוות דעת של בעלי העניין.
הנחיה חלשה / הנחיה חזקה
הנחיה חלשה:
כתוב לי דו"ח קיימות.
למה זה חלש: חוסר מסגרת, נתונים, מהותיות וראיות. בינה מלאכותית מייצרת טקסט שנשמע טוב אבל לא ניתן לעקוב אחריו ויתרסק בבדיקה.
הנחיה עוצמתית:
תפקידך: מומחה לדיווח ESG. נסח את סעיף "פליטות" לפי תקן GRI. השתמש רק בנתונים המאומתים שסיפקתי להלן; מספר אחר הוא מזויף. הגן על המקור באמצעות תג [source] ליד כל בעיה. שימוש בשפה מעורפלת/מוגזמת (למשל "ידידותית לסביבה"); השתמש בשפה מדודה מבוססת ראיות. סמן מקומות עם נתונים חסרים כ-[DATA MISSING]. נתונים: [כאן]
ארבע תבניות הניתנות להעתקה
1) סעיף דוח מבוסס-ראיות:
תפקידך: מומחה ESG. כתוב טיוטה [סעיף] בהתאם ל[מסגרת: GRI/ESRS]. השתמש רק בנתונים המאומתים שאני מספק; יצירת מספרים. הגן על המקור שלך ליד הרמטי. שימוש בשפה מוגזמת; סמן את החסר [DATA MISSING]. נתונים: [כאן]
2) סטנדרטיזציה של נתונים מרובי מקורות (עם קוד):
המר את נתוני [אנרגיה/מים/פסולת] הבאים ביחידות ובפורמטים שונים ליחידה אחת עם Python. הצג את מקדמי ההמרה שבהם השתמשת; אל תמציא אותם. סמן ערכים מפוקפקים/קיצוניים. שמור על מעקב אחר כל המרה. נתונים: [כאן]
3) מתווה מהותי כפול:
רשום נושאי ESG פוטנציאליים מהותיים במסגרת כפולה מהותיות (השפעה פיננסית + השפעה סביבתית/חברתית) עם המידע הארגוני והתעשייה הבא. הערך כל נושא בשני צירים. זוהי טיוטה; החלטת המהותיות הסופית דורשת התייעצות עם בעלי עניין ואישור ההנהלה, ציין זאת. מידע: [כאן]
4) בקרת עקיבות לפני ביקורת:
העלה כל טענה מספרית בטקסט הדוח למטה ושאל "האם המקור מצוטט?" כתוב (כן/לא). סמן כל מספר שאין לו מקור כסיכון ביקורת. שנה טקסט; פשוט תבדוק.טקסט: [כאן]
טעויות נפוצות
- הצבת מספר בלתי ניתן למעקב. כל מדד צריך להיות מקושר למסמך.
- פרסום טקסט בינה מלאכותית ללא ראיות תואמות. משפטים שוטפים אינם תחליף לאמינות הנתונים.
- החלת חשיבות כפולה בדרך אחת. הן ההשפעה הכספית והן ההשפעה הסביבתית מדווחות.
- התעלמות מבלבול יחידה. יש לרשום המרות של קוט"ש/MWh/GJ.
- שימוש בשפה מוגזמת. ביטויים כמו "ידידותי לסביבה" הם סיכון ביקורת ורגולטורי.
זהירות: CSRD ומסגרות חובה דומות מחייבות את אימות הדוח על ידי הבטחה עצמאית. המבקר בוחן את שרשרת הראיות מאחורי הנושא, לא את הטקסט שלך. AI מאיץ את הטקסט אך אינו יכול לבסס את שרשרת הראיות; אתה בונה את זה.
לסיכום
דיווח ESG; זה דורש מסגרת נכונה, משמעות כפולה, נתונים ניתנים למעקב וטקסט בר ביקורת. AI; זהו מאיץ רב עוצמה בסטנדרטיזציה של נתונים, שרטוט ובקרת עקביות. עם זאת, ייחוס כל נושא למקור, החלטת המהותיות וההכנה להבטחה עצמאית שייכים למומחה. הדו"ח חזק רק כמו הנתונים החלשים ביותר שלו; קודם כל אחד את הנתונים, ואז את המשפט.
משימת יישום
רשום כמה מדדים סביבתיים של ארגון (פליטות, מים, אנרגיה) יחד עם המקורות שלהם (להשאיר בכוונה אחד או שניים ללא מקור). עם תבנית 1, בקש מ-AI לנסח קטע "פליטות" של GRI ולוודא שהנתונים ללא מקור מסומנים כ-[DATA MISSING]. לאחר מכן, יש לבדוק כל גיליון של הטקסט שאתה מייצר עם תבנית 4 לצורך מעקב אחר. ערכו תוכנית לכל נושא שנותר ללא מקור.
רשימת בדיקה
- [ ] בחרתי את מסגרת הדיווח הנכונה (GRI/ESRS/ISSB).
- [ ] הערכתי מהותיות כפולה הן בהיבטים הפיננסיים והן בהיבט ההשפעה.
- [ ] קישרתי כל מדד למקור שניתן לעקוב.
- [ ] המרתי נתונים מרובי מקורות ליחידה אחת על ידי רישום המקדמים.
- [ ] הסרתי שפה מוגזמת/לא מבוססת מהטקסט.
- [ ] הכנתי את הדו"ח עם שרשרת ראיות להבטחה עצמאית.