רווחים:
- יכולת להקים Scope 3 על ידי תעדוף ספקים על בסיס הוצאות ורמת סיכון והבחנה בין נתונים בפועל והערכות פרוקסי
- כאשר מסמנים אותות סיכון של ספקים באמצעות בינה מלאכותית, התייחס אליהם כאל 'אותות שיש לבחון' ולא כראיה
- יכולת לנהל תביעות רציניות בנושא זכויות אדם/סביבתן באמצעות תהליך בדיקת נאותות הדורש בדיקה בשטח ואישור משפטי
עבור רוב החברות, החלק הגדול ביותר של השפעת הקיימות שלהן נמצא לא במפעל שלהן אלא בשרשרת האספקה שלהן. יותר מ-80 אחוזים מטביעת הרגל הפחמנית של מותג בגדים יכולים להגיע מהספקים שלו, החל מיצרני בדים ועד למשלוח. כמו כן, הסיכונים החברתיים החמורים ביותר, כגון עבודת ילדים, עבודת כפייה והפרות סביבתיות, מתרחשים לעתים קרובות עמוק בשרשרת האספקה. ביחידה זו תלמדו כיצד להשתמש בבינה מלאכותית (AI) כדי לאסוף ולהעריך נתוני שרשרת אספקה ולסנן סיכונים.
בואו נבהיר שני מושגים. סקופ 3, כפי שראינו ביחידה הקודמת, הוא הפליטות העקיפות בשרשרת הערך של החברה והוא בדרך כלל הפריט הגדול ביותר אך הקשה למדידה. בדיקת נאותות היא תהליך של זיהוי, מניעה ותיקון זכויות אדם וסיכונים סביבתיים בשרשרת האספקה של החברה. תקנות כגון CSDDD (Corporate Sustainability Due Diligence Directive) של האיחוד האירופי הופכות זאת לחובה עבור חברות גדולות.
האתגר העיקרי של נתוני שרשרת האספקה
אתה יכול למדוד את הנתונים של המתקן שלך; אבל אתה לא יכול למדוד ישירות את הנתונים של מאות ספקים, אתה צריך לשאול אותם. זה יוצר שלוש בעיות:
- הנתונים לא מגיעים או שאינם שלמים. רוב הספקים הקטנים יותר אינם שומרים נתוני פחמן.
- הנתונים אינם אמינים. כאשר ספק מדווח בעצמו, ייתכן שיש הצהרת יתר או דיווח נמוך.
- נדרש ניחוש (פרוקסי). אם נתונים בפועל אינם זמינים, נעשה שימוש באומדן ממוצע בתעשייה או מבוסס הוצאות.
זה המקום שבו AI עוזר בשתי דרכים: (1) ניסוח מהיר של סקרים ומכתבי מעקב שיישלחו למאות ספקים, (2) בניית תגובות מפוזרות וסימון אותות סיכון. אבל שום מספר שניתן על ידי הספק לא מאומת, שום אות סיכון לא מסתיים ללא סקירה אנושית.
קטגוריית היקף 3 (דוגמה)
מקור נתונים
שיטה אופיינית
סחורה/שירותים שנרכשו
סקר ספקים / הוצאה
נתונים אמיתיים > פרוקסי
משלוח והפצה
רישומי הספק
מרחק × עומס × מקדם
נסיעות עסקים
מערכת נסיעות
ק"מ/טיסה × פקטור
שימוש במוצר הנמכר
נתוני אנרגיה של המוצר
מודל שימוש
בזבוז
מסמכי העברת פסולת
כמות × פקטור
טיפ: בהיקף 3, האומדן "מבוסס ההוצאה" (כל כך הרבה CO₂e לכל הוצאה של $1,000) היא התחלה מהירה, אבל גסה. כאשר ספק מספק נתונים אמיתיים, השתמש בהם; האומדן המבוסס על ההוצאה הוא זמני רק אם אין נתונים בפועל ויש לסמן כ"אומדן/פרוקסי" בדוח.
שלב אחר שלב: זרימת עבודה של שרשרת אספקה עם AI
1. תעדוף ספקים. אי אפשר לבחון את כל מאות הספקים באותו עומק. התמקד באלה עם גודל הוצאות וסיכון גבוהים (מגזר, מדינה). AI יכול לייצר טיוטה של רשימת עם סדר עדיפויות זה.
2. טיוטת סקר ובקשה. בקש מבינה מלאכותית מתווה סקר נתוני ספקים ברור וקל למילוי.
3. הגדר את הנתונים הנכנסים. שים את התשובות בפורמטים שונים לטבלה אחת; סמן את החלקים החסרים.
4. סרוק לאיתותי סיכון. בקש מה-AI למצוא מועמדים של "דגל אדום" בחדשות ציבוריות, הפרת רשומות ואי-התאמות בסקרים; אבל בני אדם מאמתים כל אות.
5. פעולה ורדיפה. קביעת תוכנית פעולה מתקנת ומעקב לספקים בסיכון גבוה; תיעד את התהליך.
הנחיה חלשה / הנחיה חזקה
הנחיה חלשה:
חשב את טביעת הרגל הפחמנית של הספקים שלנו.
ללא מקור נתונים, ללא הבחנה אמיתית/פרוקסי וללא אימות; AI מרכיב את מספרי הספקים.
הנחיה עוצמתית:
תפקידך: אנליסט קיימות שרשרת אספקה. קלט: שמות של 15 ספקים, ענף, סכום הוצאה שנתית ונתוני הפליטות בפועל שהם מספקים (אם בכלל). משימה: 1) למי שמספק נתונים אמיתיים, השתמש בנתונים אלה. 2) למי שאין נתונים אמיתיים, כתוב "נדרש PROXY מבוסס הוצאות", אל תתאים את המספר; ציין איזה גורם לקבל ממקור רשמי.3) תעדוף ספקים בענף הוצאה גבוהה + סיכון גבוה. פלט: טבלה (ספק | תעשייה | הוצאה | סוג נתונים[ממש/פרוקסי] | עדיפות | הערה). מספרי פרוקסי יסומנו בדוח.
הנחיה לבדיקת סיכונים של ספקים
הגדר פיגום לבדיקת סיכונים עבור רשימת הספקים הבאה. הערכת עבור כל ספק (רק על סמך מידע שסיפקתי, טענה ציבורית מזויפת):- סיכון אפשרי לזכויות אדם ממדינה/מגזר (גבוה/בינוני/נמוך)- סיכון סביבתי אפשרי- חוסר עקביות בתגובת הסקר/דגלים אדומים כלל: הוסף הערה "נדרש אימות - אין מקור" לכל סיכון; אל תטיע האשמות סופיות, רק תציע אותות לחקירה. רשימה: [ספקים]
ההנחיה הבאה מנסחת סקר בקשות נתונים לשלוח לספקים.
תפקידך: מומחה למקורות קיימות. משימה: נסח סקר נתונים של ESG של לא יותר מ-10 שאלות שספקים קטנים/בינוניים יכולים למלא בקלות. כלול: צריכת אנרגיה, סוג דלק, פסולת, מספר תאונות בטיחות בעבודה, מחויבות לעבודת כפייה/ילדים. טון: פשוט, ברור, קל להשלמת; הוסף יחידות ודוגמאות לכל שאלה.
זהירות: אל תגרום לבינה מלאכותית לאמת אות סיכון לגבי הספק (למשל "עבודת ילדים") ולעולם אל תשתמש בתביעה שנוצרה על ידי בינה מלאכותית כראיה. טענות חמורות כאלה מאושרות רק על ידי מקור מהימן, בדיקה בשטח והליך משפטי. AI רק מייצר "אות להיבדק"; לא שופט.
שלושה מיני תיקים
מקרה 1 - שימוש כנה בפרוקסי. רק 30 מתוך 200 ספקים של יצרן רהיטים אחד סיפקו נתוני פחמן אמיתיים. הצוות השתמש בפרוקסי מבוסס הוצאות עבור 170 הנותרים, אך הדוח קובע בבירור, "65% מהיקף 3 הוא אומדן מבוסס הוצאות". המבקר הודה ביושר זה; אילו הוסתר, ייתכן שההבטחה הייתה נדחית.
מקרה 2 - תעדוף. לחברת מזון היו 480 ספקים. בינה מלאכותית הראתה ש-80% מההוצאות התרכזו ב-40 ספקים. הצוות מיקד את הצלילה העמוקה ב-40 אלה; משאבים לא בזבזו והספקים בעלי ההשפעה הגבוהה ביותר דווחו עם נתונים אמיתיים.
מקרה 3 - סיכון להאשמות שווא. AI סימנה ספק כ"עבודת כפייה אפשרית"; הסיבה הייתה רק הממוצע הארצי. הצוות קיבל זאת כ"אות להיבדק", לא ראיה, וביקש בדיקה בשטח. בבדיקה לא נמצאו בעיות; אם האות של הבינה המלאכותית נלקח כראיה, יתעוררו האשמה בלתי הוגנת וסיכון משפטי.
טעויות נפוצות
- קבלת נתוני ספק מבלי לאמת אותם. דיווח עצמי של נתוני ספקים דורש בדיקה צולבת.
- הסתרת ה-proxy. שימוש בחיזוי מבוסס הוצאות הוא בסדר; אי ציון היא בעיה בביקורת.
- בחינת כל הספקים באופן שווה. המקור צריך להתמקד בהוצאה גבוהה ובספקים בסיכון גבוה.
- טעות באות הבינה המלאכותית כראיה. טענות בדבר זכויות אדם/הפרות סביבתיות מאומתות על ידי השטח והחוק, לא על ידי AI.
- מדלגים לחלוטין על סקופ 3. ההשפעה הגדולה ביותר היא בדרך כלל כאן; אי אפשר להתעלם ממנו בטענה ש"קשה למדוד".
לסיכום
שרשרת האספקה היא המקום שבו מסתתרת ההשפעה הסביבתית והחברתית הגדולה ביותר של רוב החברות; כאן מתרכזים פליטות היקף 3 וסיכוני בדיקת נאותות. AI; זהו כלי עזר רב עוצמה בתעדוף ספקים, ניסוח סקרים, מבנה תגובות מפוזרות וסימון איתות סיכונים. אבל נתוני הספקים אינם נכללים בדוח עד שהם מאומתים, נציגי הסמכות מצוינים בבירור והאשמות חמורות מאושרות על ידי בדיקה בשטח. AI מייצר אותות; האדם מקבל על עצמו את השיפוט והאחריות.
משימת יישום
הכן רשימה של 10 ספקים פיקטיביים עם שם, ענף והוצאה שנתית; הוסף נתוני פליטות בפועל לכמה, השאר את רובם ריקים. בקש מה-AI טבלת סדר עדיפויות וסוג נתונים באמצעות ההנחיה החזקה למעלה. לאחר מכן: (1) ודא שמספר הספקים שדורשים פרוקסי אינו מורכב, (2) בחר את 3 הספקים בעדיפות הגבוהה ביותר עם הצדקה, (3) נסח סקר נתונים קצר לשלוח אליהם.
רשימת בדיקה
- [ ] תעדפתי ספקים על סמך הוצאות ורמת סיכון.
- [ ] השתמשתי בנתונים אמיתיים; למי שאין לו, סימנתי את הפרוקסי.
- [ ] הערכתי את נתוני הספק לא כפי שהם, אלא על ידי בדיקה צולבת.
- [ ] שקלתי את אותות הסיכון "לבדיקה" ולא השתמשתי בהם כראיה.
- [ ] תכננתי שלב ביקורת שטח/אימות משפטי לתביעות חמורות.
- [ ] לא דילגתי על סקופ 3; את ההיקף ושיעור האומדן ציינתי בדוח.
- [ ] רשמתי את כל התהליך במסמך בדיקת נאותות.