זרימת עבודה ESG מקצה לקצה, ממשל נתונים, אתיקה ושער איכות

רווחים:

• יכולת לבסס זרימת עבודה של ESG בת שמונה שלבים מחומריות לפרסום עם שערים איכותיים עם המקצב של 'בינה מלאכותית מייצרת → אנושי מאמת → עוברת בשער'
• יכולת להגן על נתונים פיננסיים אישיים ובלתי נחשפים על ידי סיווג נתוני ESG כחופשיים/פנימיים/סודיים
• היכולת לקחת אחריות סופית ולצרף שמות אחראיים ורישומי אישור לכל פרסום מבלי להסתמך על הגנת 'AI said'

בעשר היחידות הקודמות כיסינו כל חלק בעסקי ה-ESG והקיימות בנפרד: כניסה וגבולות, מהותיות, איסוף נתונים, חשבונאות פחמן, מסגרות דיווח, שרשרת אספקה, תקשורת מחזיקי עניין, כתיבת דוחות, הבטחה ושטיפה ירוקה. ביחידה אחרונה זו, נחבר את החלקים ונקים זרימת עבודה מקצה לקצה: היכן, איך ועם איזה שער אבטחה להשתמש בבינה מלאכותית (AI) בכל שלב מהגדרת משימת קיימות ועד פרסומה. כמו כן, נביא את ממשל הנתונים, הפרטיות והאחריות האתית למסגרת אחת.

בואו נחזור שוב על עמוד השדרה הקבוע של המודול: AI; זהו עוזר שכותב קוד, מארגן נתונים, מייצר טיוטות ומסכם. דיוק המספר, אישור הגורם, בקרת התקן, הוכחת התביעה והאחריות הסופית תמיד מוטלים על המומחה המוסמך. יחידה זו הופכת את העיקרון הזה לזרימת עבודה ורשימת בדיקה יומיומית.

זרימת עבודה ESG מקצה לקצה

שקול מחזור דיווח על קיימות בשמונה שלבים:

1. היקף ומהותיות - אילו נושאים הם מהותיים? (יחידה 2)
2. איסוף נתונים - מקורות, יחידות, נתיב ביקורת. (יחידה 3)
3. חישוב - פחמן ומדדים אחרים עם גורמים מאומתים. (יחידה 4)
4. התאמת מסגרת - חומרים GRI/ESRS/ISSB, אישור בטקסט רשמי. (יחידה 5)
5. שרשרת אספקה - סקופ 3 ובדיקת נאותות. (יחידה 6)
6. כתיבה ותקשורת - דו"ח מאוזן, מוכח ומסר מחזיק עניין. (יחידה 7-8)
7. הכנת אבטחה - שרשרת ראיות והכנת ביקורת. (יחידה 9)
8. ביקורת תביעות - סינון Greenwashing ואישור שחרור. (יחידה 10)

בכל שלב, AI הוא מאיץ; אבל ביציאה מכל שלב יש שער איכותי - מחסום שצריך לעבור לפני שממשיכים לשלב הבא. הפלט שאינו עובר בדלת אינו מתקדם.

צעד

מה עושה AI?

שער איכותי

חומריות

מועמד לנושא, ניתוח נושא

היבט השפעה+פיננסים אישור אנושי

נתונים

תצורה, המרת יחידה

אימות מקור ונפח

חשבון

נוסחה, פיגום קוד

הגורם מאושר מהמקור הרשמי

התאמה

הצעת מאמר

בדוק את התמונה עם הטקסט הסטנדרטי שלה

כתיב

טיוטה, סיכום

מיון טענות ללא ראיות

תביעה

סריקת Greenwashing

פרסום מוסמך אנושי

טיפ: הגדר את זרימת העבודה בקצב של "AI מייצר → אנושי מאמת → עובר דרך הדלת." לפני העברת כל פלט AI לשלב הבא, שאל: "איזה חלק מהפלט הזה לא יכול להמשיך ללא אימות?" החלק הזה הוא השער האיכותי של הצעד הזה.

ממשל נתונים ופרטיות

נתוני ESG הם לעתים קרובות רגישים: נתוני מגדר ושכר עובדים, תנאי חוזי ספקים, השפעות כספיות שטרם נחשפו, נתוני ייצור ברמת המתקן. יש צורך לסווג אותם לפני מתן אותם לכלי AI ציבורי. ממשל נתונים הוא "מי יכול להשתמש באילו נתונים, איך ובאיזה כלי?" השאלה קשורה לכלל.

סיווג פשוט:

• חינם: נתונים כבר זמינים לציבור (דוח שפורסם). זה יכול להינתן ל-AI.
• שימוש פנימי: נתונים פנימיים ללא ערך מסחרי. בזהירות ברכב ארגוני.
• סודי: סוד מסחרי, השפעה כספית לא נחשפת, נתונים אישיים (KVKK/GDPR). זה לא ניתן ל-AI ללא אנונימיזציה או אמצעים מוסדיים (לא מדליפים).

תפקידך: יועץ לניהול נתונים. משימה: סיווג את פריטי הנתונים הבאים כ"חינם / שימוש פנימי / חסוי" וכתוב את הפעולה המומלצת עבור כל פריט חסוי (אנונימיזציה / צבירה / כלי ארגוני / אל תיתן כלל). כלל: אם אינך בטוח, הכנס לשיעור מגן יותר. פריטים: [פריטי נתונים אישיים ופיננסיים]

הנחיה חלשה / הנחיה חזקה

הדרך בה אתה מקצה משימה לכלי משנה באופן קיצוני את סיכון הפרטיות.

הנחיה חלשה:

נתח את טבלת שכר העובדים והייצור של המתקנים, מצא סיכום ESG.

מייצא נתונים גולמיים אישיים וסודות מסחריים ישירות לכלי פתוח; אין שלב סיווג, אנונימיזציה ואישור.

הנחיה עוצמתית:

תפקידך: אנליסט ESG רגיש לממשל נתונים. נתתי לך רק נתונים מצטברים, אישיים/ללא סודות מסחריים. משימה: נתח את מדדי הסיכום הבאים. כללים:- אין שמות בודדים, משכורות, תעודות זהות או השפעה כספית לא נחשפת בנתונים; אם אתה רואה שדה כזה, אמור "נתונים סודיים - אל תעבד, אזהרה". - אל תוסיף מספר חדש לתוצאה; פשוט לך עם הסיכום שנתתי. - הוסף הערת "דרוש אישור אנושי" בסוף הפלט. נתונים (נצברים): [SUMMARY INDICATORS]

זהירות: "AI אמר" אינו הגנה. האחריות למספר שגוי, טענה לא מבוססת או נתונים סודיים שדלפו בדוח ESG מוטלת על הארגון ועל מי שאישר אותו. כאשר אתה משתמש ב-AI, אתה לא מעביר אחריות; אתה רק תאיץ את העבודה.

הנחיית שער איכותי מקצה לקצה

ההנחיה הבאה מפעילה את כל השלבים בבדיקה אחת לפני הפרסום.

תפקידך: קצין אבטחת איכות ESG. משימה: העבירו את סעיף הדוח הבא דרך שער האיכות מקצה לקצה. תן "עובר / נכשל" עבור כל פריט וכתוב את הסיבה אם הוא נכשל: 1) האם המקור והיחידה של כל מספר מצוינים? 2) האם גורמי הפליטה הם מהמקור הרשמי? 3) האם מספרי הפריטים הסטנדרטיים מאומתים? 4) האם מסומנים פרוקסי/אומדנים? 5) האם יש הצהרות המכילות שטיפה ירוקה? 6) האם יש דליפה של נתונים סודיים/אישיים? 7) שם אחראי לאישור הסופי שהוקצה? סעיף: [פרק]

ההנחיה הבאה ממירה את כל המודול למדיניות ארגונית.

תפקידך: ראש צוות קיימות. משימה: כתוב מדיניות פנימית של עמוד אחד המסדירה את השימוש של הצוות ב-AI בעבודת ESG. כלול:- משימות שבהן ניתן להשתמש ב-AI באופן חופשי (טיוטה, סיכום, קוד, ניתוח נושא)- משימות הדורשות אימות אנושי (גורם, תקן, טענה, היקף)- סוגי נתונים שלעולם לא יימסרו לבינה מלאכותית (אישית, פיננסית לא נחשפת)- שלבי שער איכותי שיעברו לפני כל שחרור טון: ברור, נקודת תבליט, ישים.

שלושה מיני תיקים

מקרה 1 - דוח הוחזר מהדלת. צוות אחד חשב שהם השלימו את כל השלבים והדוח היה מוכן לפרסום. ההנחיה הסופית של שער האיכות תפסה בסעיף אחד טענת "78% התאוששות" ללא מקור והצהרה "נייטרלי פחמן". הפרסום הופסק לפני שתוקנו; הדלת החזיקה את הבאג לפני שהתפרסם.

מקרה 2 - נמנעה דליפת נתונים סודיים. אנליסט ידביק את נתוני ההשפעה הכספיים הרבעוניים שטרם פורסמו בכלי זמין לציבור לניתוח. ההנחיה לסיווג הנתונים סימנה אותם כ"סודיים - פיננסיים לא נחשפים". הנתונים נצברו תחילה ולאחר מכן עובדו בכלי הארגוני; נמנעה הפרה אפשרית של חקיקה.

מקרה 3 - לקיחת אחריות. לאחר פרסום דוח, בעל עניין חקר מספר. הצוות לא אמר "AI מחושב"; פתח את נתיב הביקורת, ציטט את המקור, ביצע תיקון קל והסביר בשקיפות. גישה זו, שלא נשענה על הגנת "AI said", שמרה על האמון.

טעויות נפוצות

• להתקדם בלי דלת האיכות. אם לא יתבצע אימות ביציאה מכל שלב, שגיאות יצטברו עד הסוף.
• מתן נתונים לרכב מבלי לסווגו. לא ניתן להזין נתונים סודיים ואישיים ל-AI ציבורי ללא אנונימיזציה.
• העברת אחריות ל-AI. "AI אמר" אינו הגנה משפטית או מקצועית.
• שלבי חשיבה מבודדים. מהותיות, נתונים, חישוב וטענה קשורים זה בזה; אם אחד מהם ניזוק, כולם מושפעים.
• אי הקצאת אדם אחראי לאישור הפרסום. מאחורי כל טענה ציבורית חייב להיות בן אדם.

לסיכום

עסק ה-ESG הוא שרשרת של שמונה שלבים מחוברים, ובינה מלאכותית היא מאיץ בכל שלב; אבל יש דלת של איכות ביציאה מכל צעד. הקצב של "AI מייצר → אנושי מאמת → עובר דרך הדלת" משלב את כל השיעורים של מודול זה לדיסציפלינת לימוד אחת. סיווג נתונים והגן על סודיות, אשר את הגורם והתקן ממקור רשמי, קשר תביעה לראיות, נכש את השטיפה הירוקה לפני הפרסום, ותן אחריות סופית לאדם. AI מאיץ את העבודה; אתה לוקח על עצמך דיוק, יושר ואחריות. הקריטריון של מקצוע זה אינו "להיראות שוטף", אלא "לעבור את הביקורת ולהיות מוכח".

משימת יישום

שלב את התוצרים שהפקת ביחידות קודמות (רשימת מהותיות, חשבון פחמן, מדור דוח) למיני-דוח אחד. עברו על הדוח המיני הזה ב-7 פריטים עם הנחיית שער האיכות מקצה לקצה שלעיל מ-AI. לאחר מכן: (1) תקן כל פריט שסומן "שחרור", (2) סיווג ונקוט פעולה לגבי כל הנתונים הסודיים/אישיים, (3) הוסף שם אחראי והערת אישור לפרסום.

רשימת בדיקה

• [ ] הגדרתי את זרימת העבודה עם המקצב של "AI מייצר → אנושי מאמת → עובר דרך הדלת."
• [ ] יישמתי שער איכותי ביציאה מכל שלב.
• [ ] סיווגתי את כל הנתונים כחופשיים/פנימיים/סודיים והגנתי על הסודיות.
• [ ] אישרתי את הגורמים והפריטים הסטנדרטיים מהמקור הרשמי.
• [ ] גיביתי כל טענה בראיות, תוך ביטול שטיפה ירוקה לפני הפרסום.
• [ ] לקחתי אחריות מבלי להסתמך על הגנת "AI אמר".
• [ ] קבעתי שם אחראי ורשומה אישור לפרסום.

מבחן מודול

1. איזה מהבאים הוא המיקום הטוב ביותר עבור AI בעסקי ה-ESG והקיימות?

• א) בינה מלאכותית היא עוזרת של קוד, נתונים ושרטוטים; האחריות לגורמים, סטנדרטים, ראיות והחלטות אתיות מוטלת על אנשים ✔
• ב) בינה מלאכותית היא מבקר וערכי ה-ESG שהיא מספקת מהווים תחליף לאבטחה עצמאית
• ג) בינה מלאכותית עובדת רק בכתיבת דוחות, אין לזה שום קשר לנתונים וחישובים
• ד) מכיוון שבינה מלאכותית היא יותר חסרת פניות מבני אדם, כל החלטות ה-ESG צריכות להיות בידיה

תיאור: בינה מלאכותית; זהו עוזר שכותב קוד, מארגן נתונים, מייצר טיוטות ומסכם. עם זאת, האחריות הסופית לאישור מקדם הפליטה, בדיקת מספר החומר התקני, הוכחת כל טענה מוטלת על המומחה המוסמך. מודל השפה הגדול אינו מחשבון, מסד נתונים רגולטורי/תקנים או בודק; הוא מחולל טקסט שמייצר את 'המילה הבאה בסבירות גבוהה' והפלט הלא מאומת שלה עלול להוביל לדיווח או טענה כוזבים.

2. מה המשמעות של היבט 'מהותיות ההשפעה' של סוגיה בניתוח מהותיות כפולה?

• א) השפעת ההנפקה על רווח החברה ושווי המניה
• ב) הסיכון הפיננסי של ההנפקה למשקיעים בלבד
• ג) ביצועי חברות מתחרות באותו נושא
• ד) השפעת פעילות החברה על הסביבה והחברה ✔

תיאור: חומריות כפולה מסתכלת דרך שתי עדשות. מהוות פיננסית היא ההשפעה של נושא על תזרימי המזומנים והשווי של החברה ('מחוץ פנימה'). מהותיות ההשפעה היא ההשפעה של פעילות החברה על הסביבה והחברה ('מבפנים החוצה'). CSRD/ESRS אוכפת את שני ההיבטים; מכיוון שבינה מלאכותית עוברת לעתים קרובות רק לכיוון הפיננסי, כיוון ההשפעה חייב להיות נשלט בנוסף על ידי האדם.

3. מהי הגישה הנכונה באיסוף נתוני אנרגיה ב-kWh, MWh ו-GJ ממתקנים שונים?

• א) התעלם מיחידות והוסף את כל המספרים ישירות
• ב) הסתמכות על בינה מלאכותית כדי לאסוף את הרשימה הארוכה בראש
• ג) המרת כל הערכים ליחידה אחת וביצוע המרה וסכום עם קוד/נוסחה ✔
• ד) בחירת היחידה הגדולה ביותר ואי דיווח על מתקנים אחרים

הסבר: נטישת יחידות היא הטעות השכיחה והמסוכנת ביותר של ESG; מכיוון ש-1 MWh = 1,000 קוט"ש, אם מושמט את היחידה, התוצאה יכולה לסטות במקדם של 1,000. הגישה הנכונה היא להמיר את כל הערכים ליחידה אחת ולבקש מהבינה המלאכותית לבצע את ההמרה הזו ולסכם עם קוד/נוסחה להפעלה, לא באופן ידני; לכן התוצאה היא דטרמיניסטית וניתנת לאימות.

4. מה ההיקף כולל פליטות הנובעות מייצור חשמל קנוי לפי פרוטוקול GHG?

• א) היקף 1
• ב) היקף 2 ✔
• ג) היקף 3
• ד) הוא אינו כלול בשום היקף ואינו מדווח

תיאור: היקף 1 הוא פליטות ישירות ממקורות הארגון עצמו (דוד, רכב חברה, גנרטור). היקף 2 הוא פליטות עקיפות מהפקת אנרגיה קנויה (חשמל, קיטור, חימום, קירור). היקף 3 מכסה את כל הפליטות העקיפות האחרות בשרשרת הערך (אספקה, נסיעות, שימוש במוצר, פסולת). חשמל לא יוצא מארובת החברה, אלא תחנת הכוח המייצרת אותו פולטת פליטות; אז זה סקופ 2.

5. באיזה מושג משתמשים בהמרת גז חממה כמו מתאן (CH₄) ל-CO₂e ומדוע זה חשוב?

• א) GWP (פוטנציאל התחממות כדור הארץ); אם מושמט, אפקט מתאן/N₂O יזלזל מאוד ✔
• ב) AQI (מדד איכות האוויר); קובע את צבע הגז באוויר
• ג) GRI (יוזמת דיווח); קובע את החומר שבו ידווח הגז
• ד) אין צורך במקדמים; מתאן סופר 1 עד 1 ישירות כמו CO₂

תיאור: GWP (Global Warming Potential) הוא המקדם הממיר את השפעת החימום של גזי חממה שונים ליחידה משותפת ביחס ל-CO₂. ה-GWP ל-100 שנים של מתאן הוא כ-28; אז טון אחד של מתאן אומר בערך 28 טון של CO₂e. אם מושמט GWP, ההשפעה של גזים חזקים כמו מתאן ו-N₂O תהיה מועטה מאוד והמלאי יהיה לא מדויק לחלוטין; כמו כן, יש לציין באיזה ערכת GWP (למשל IPCC AR6, 100 שנים) נעשה שימוש.

6. איזו גישה נכונה לחישוב 'נתוני פעילות × מקדם פליטה' במלאי גזי חממה?

• א) שימוש בגורם שהבינה המלאכותית זוכרת ושהוא יעשה את הסכום באופן ידני
• ב) ספירת כל הגזים כ-CO₂ ומקדם דילוג והמרת GWP
• ג) שימוש בגורם ברירת מחדל בדיוק עבור כל מדינה, שנה ודלק
• ד) אישור הגורם מהמקור הרשמי לפי מדינה ושנה וביצוע חישוב פיגום וסך הכל עם קוד ✔

תיאור: גורמי הפליטה משתנים לפי מדינה, שנה ודלק; 'הזכיר' ל-AI יוצר את הסיכון להמציא דברים (הזיות). יש לאשר את הגורם תמיד מטבלה רשמית (IPCC, DEFRA/EPA, IEA, מלאי לאומי); רק הפרדת היקף, פיגום חשבונאי וקוד כולל צריכים להיעשות על ידי בינה מלאכותית. סיכומים מרובי שורות נעשים על ידי קוד הפעלה, לא באופן ידני.

7. מהי ההתנהגות הנכונה עבור מספר חומר תקני GRI/ESRS (למשל 'GRI 305 לצריכת מים') שהוצע על ידי ה-AI?

• א) כתיבת המספר ישירות לדוח כי בינה מלאכותית מציעה זאת
• ב) מספרי פריטים אינם חשובים; כל אחד יכול להיכתב
• ג) אימות המספר והתוכן שלו עם הטקסט הסטנדרטי הרשמי, אישורו למקרה שהוא מזויף/מיושן ✔
• ד) מאחר שפליטות מים ואוויר דומות, דיווח עליהן באותו מאמר

תיאור: בינה מלאכותית יכולה ליצור מספרים סטנדרטיים שנראים אמיתיים אך תוכנם שקרי או מפוברק לחלוטין; כמו כן, התקנים מתעדכנים והגרסה שהדגם מכיר עשויה להיות מיושנת. לדוגמה, מים מדווחים תחת GRI 303, בעוד GRI 305 הוא פליטת אוויר. לכן, לא ניתן להשתמש בכל מספר ותכולה של חומר ללא אימות עם הטקסט הסטנדרטי הרשמי (GRI/EFRAG/ISSB).

8. אם לרוב הספקים בשרשרת האספקה ​​אין נתוני פחמן אמיתיים, מהי הגישה הנכונה והכנה עבור סקופ 3?

• א) שימוש ישיר במספרים המורכבים על ידי בינה מלאכותית עבור ספקים
• ב) דילוג על היקף 3 לחלוטין כי זה 'קשה למדוד'
• ג) שימוש באלה עם נתונים אמיתיים, סימון ברור של ה-proxy עבור אלה ללא ✔
• ד) החלת מיופה כוח לכל הספקים והסתרתו בדוח

תיאור: סקופ 3 הוא הפריט הגדול ביותר של רוב החברות אך הקשה ביותר למדידה. עבור ספקים המספקים נתונים בפועל, נעשה שימוש בנתונים אלה; למי שלא מספק, ניתן להשתמש בפרוקסי (אומדן) מבוסס הוצאות. הדבר הקריטי הוא לא להסתיר את הפרוקסי: הדוח צריך לציין בבירור את החלק והפרופורציה של האומדן בו נעשה שימוש. פרוקסי מעורפל עלול להוביל לשלילת הבטחה עצמאית; זה גם לא נכון לדלג על סקופ 3 לחלוטין בטענה שהוא 'קשה למדוד'.

9. AI סימנה ספק כ'עבודת כפייה אפשרית' על סמך הממוצע במדינה בלבד. מהי התנהגות נכונה?

• א) קבל את האות כראיה וניתק מיד בפומבי את הקשר עם הספק
• ב) כתיבת הטענה ישירות לדוח כי הבינה המלאכותית אמרה זאת
• ג) התעלמות מוחלטת מאותות סיכון ואי בדיקתם כלל
• ד) התייחסות לאות כ'אזהרה שיש לחקור' ואישורו באמצעות בדיקה בשטח ומקור אמין ✔

הסבר: האשמות חמורות כגון הפרות זכויות אדם אינן ניתנות להוכחה באמצעות אות המופק על ידי בינה מלאכותית. אות כזה הוא בסך הכל 'אזהרה שיש לבחון'; השימוש בו כהאשמה מוחלטת הוא גם לא הוגן וגם מסוכן מבחינה משפטית. טענות כאלה מאושרות רק על ידי מקור מהימן, בדיקה בשטח והליך משפטי. בינה מלאכותית מייצרת אותות; האדם מקבל על עצמו את השיפוט והאחריות.

10. מהו אמצעי הזהירות הקריטי ביותר בעת ניתוח מאות תגובות טקסט חופשי מסקר בעלי עניין עם AI?

• א) דורשים אותות נדירים אך בעלי חשיבות גבוהה (בטיחותית/אתית/סביבתית) בנפרד ולא מאפילה עליהם ✔
• ב) בחירת נושאים בתדירות הגבוהה ביותר, ביטול צפיות מיעוט
• ג) צמצם את כל התשובות לסיכום חיובי אחד והשאר את הפרטים
• ד) קבלת הסיכום של בינה מלאכותית במקום תשובות גולמיות

תיאור: בינה מלאכותית מגבירה את קולו של הרוב ומדכאת את קולו של המיעוט בניתוח נושאי. עם זאת, האות החשוב ביותר בקיימות הוא לפעמים בעיה רצינית בטיחותית, אתית או סביבתית שהושמעה על ידי אדם בודד. אז הניתוח שואל 'מה נאמר לרוב?' זה לא נגמר ב; יש לבקש אותות 'נדירים אך בעלי משמעות גבוהה' בנפרד ולהשתמש בתגובות גולמיות בנוסף לסיכום, ולא במקום.

11. מהי הדרך היעילה ביותר למנוע דליפה של מספרים ומטרות מזויפות לטקסט בעת כתיבת מדור דיווח לבינה מלאכותית?

• א) הפקת הדוח כולו בבת אחת באמירה 'כתוב טקסט מתאים'
• ב) אספקת נתונים מאומתים בלבד ואיסור מפורש על יצירת מספרים/תביעות חדשות ✔
• ג) בדקו עד כמה הטקסט שוטף ומרשים ופרסמו אותו
• ד) מתן אפשרות ל-AI למלא נתונים חסרים בניחושים סבירים

תיאור: בינה מלאכותית מייצרת מספרים ומטרות שאין לך בפועל, תוך שימוש בהיגיון 'זה מה שאמרו דוחות דומים' בהנחיה ריקה. אמצעי הזהירות היעיל ביותר הוא לתת לו רק נתונים מאומתים ולא להוסיף מספרים, אחוזים, תאריכים או טענות מלבד הנתונים שנתתי לך; זה לציין בבירור את הכלל של 'כתוב [DATA DATA] במקום החסר'. בנוסף, יש להדפיס את הדוח חלק אחר סעיף, להזין בנתונים.

12. מה מחפש קודם מבקר הבטחה בלתי תלוי בעת סקירת דוח קיימות?

• א) באיזו רמה שוטפת ומקצועית נכתב הדו"ח
• ב) לכל גיליון שרשרת ראיות הניתנת למעקב למסמך המקור ✔
• ג) בינה מלאכותית אומרת 'הדוח מוכן לביקורת'
• ד) לגרום לדוח להיראות אסרטיבי יותר מהמתחרים

הסבר: הבוחן אינו מעוניין בשטף הטקסט, אלא בשרשרת הראיות העומדת מאחורי כל טענה; השאלה הראשונה שלו היא 'הוכח את המספר הזה'. נבדק מאיזה מסמך מקור מגיע מספר, מאיזו נוסחה וגורם הוא הופך לדוח והאם ניתן לחזור עליו באופן עצמאי. לפיכך, כל מדד מהותי חייב להיות בר מעקב למקורו, יש לאמת גורמים מהמקור הרשמי ולציין פרוקסי; בינה מלאכותית עושה את ההכנה הזו, אך אינה יכולה לספק ביטחון.

13. לאיזו מהטענות הסביבתיות הבאות יש את הסיכון הנמוך ביותר לשטיפה ירוקה?

• א) 'הורדנו את פליטת הייצור שלנו ב-18% עד 2023 (עם אימות של צד שלישי)' ✔
• ב) 'המוצרים שלנו הם לגמרי ידידותיים לסביבה וטבעיים'
• ג) 'החברה שלנו היא פחמן ניטראלית' (ללא לספק מסמכים או נתונים כלשהם)
• ד) 'אנחנו החברה הכי קיימא וכמעט אפס השפעה בתעשייה'

הסבר: טענה סביבתית טובה ניתנת למדידה (מכילה מספר), מוכחת (על סמך ראיות), וברורה בהיקפה (ברור מה משווים למה ומתי). "הורדנו את פליטת הייצור ב-18% עד 2023 (עם אימות של צד שלישי)" יש שלוש תכונות אלה. ביטויים כמו 'ידידותי לסביבה', 'טבעי', ללא אישור 'נייטרלי פחמן' אינם ניתנים לכימות או לא מבוססים וטומנים בחובם סיכון של שטיפה ירוקה.

14. מה צריך לעשות לפני הדבקת נתוני ייצור ופליטות של מתקנים לא נחשפים לתוך כלי AI זמין לציבור לניתוח?

• א) הדבקת הנתונים כפי שהם; נתונים סביבתיים תמיד זמינים לציבור
• ב) מתן ללא נקיטת אמצעי זהירות שכן האחריות עוברת לספק הבינה המלאכותית
• ג) הסיכון הוא פשוט חישוב שגוי; צעד חיסיון מיותר
• ד) סיווג נתונים כחופשיים/פנימיים/סודיים ואנונימיזציה של נתונים סודיים או שימוש בכלים ארגוניים ✔

חשיפה: נתוני ייצור ופליטות ברמת הצמח עשויים להיות סודות מסחריים; נתונים פיננסיים/סביבתיים שטרם נחשפו עלולים להפר את כללי הגילוי הרגולטוריים; נתוני מיקום/שכר עובדים הם נתונים אישיים בהיקף של KVKK/GDPR. לפני מתן נתונים מסוג זה לכלי פתוח, יש צורך לסווג אותם כחינמיים/פנימיים/סודיים, להפוך אותם לאנונימיים במידת הצורך, או להשתמש בכלי ארגוני (ללא נתונים). 'AI אמר' אינו הגנה; האחריות היא על המוסד ועל מי שמאשר אותו.