एंड-टू-एंड ईएसजी वर्कफ़्लो, डेटा गवर्नेंस, नैतिकता और गुणवत्ता गेटवे

लाभ:

• 'कृत्रिम बुद्धिमत्ता उत्पन्न करती है → मानव सत्यापन करता है → द्वार से गुजरता है' की लय के साथ गुणवत्ता द्वारों के साथ भौतिकता से प्रकाशन तक आठ-चरणीय ईएसजी वर्कफ़्लो स्थापित करने की क्षमता
• ईएसजी डेटा को मुफ़्त/आंतरिक/गोपनीय के रूप में वर्गीकृत करके व्यक्तिगत और अज्ञात वित्तीय डेटा की सुरक्षा करने की क्षमता
• 'एआई ने कहा' बचाव पर भरोसा किए बिना अंतिम जिम्मेदारी संभालने और प्रत्येक प्रकाशन के लिए जिम्मेदार नाम और अनुमोदन रिकॉर्ड संलग्न करने की क्षमता

पिछली दस इकाइयों में हमने ईएसजी और स्थिरता व्यवसाय के प्रत्येक भाग को अलग से कवर किया है: प्रवेश और सीमाएं, भौतिकता, डेटा संग्रह, कार्बन लेखांकन, रिपोर्टिंग ढांचे, आपूर्ति श्रृंखला, हितधारक संचार, रिपोर्ट लेखन, आश्वासन और ग्रीनवॉशिंग। इस अंतिम इकाई में, हम टुकड़ों को एक साथ रखेंगे और एक एंड-टू-एंड वर्कफ़्लो स्थापित करेंगे: एक स्थिरता मिशन की परिभाषा से लेकर उसके प्रकाशन तक हर चरण पर कृत्रिम बुद्धिमत्ता (एआई) का उपयोग कहाँ, कैसे और किस सुरक्षा द्वार के साथ करना है। हम डेटा गवर्नेंस, गोपनीयता और नैतिक जिम्मेदारी को भी एक ही ढांचे में लाएंगे।

आइए एक बार फिर से मॉड्यूल की निरंतर रीढ़ को दोहराएं: एआई; यह एक सहायक है जो कोड लिखता है, डेटा व्यवस्थित करता है, ड्राफ्ट तैयार करता है और सारांशित करता है। संख्या की सटीकता, कारक की पुष्टि, मानक का नियंत्रण, दावे का प्रमाण और अंतिम जिम्मेदारी हमेशा सक्षम विशेषज्ञ की होती है। यह इकाई इस सिद्धांत को दैनिक वर्कफ़्लो और चेकलिस्ट में बदल देती है।

एंड-टू-एंड ईएसजी वर्कफ़्लो

आठ चरणों में स्थिरता रिपोर्टिंग चक्र पर विचार करें:

1. दायरा और भौतिकता - कौन से विषय भौतिक हैं? (इकाई 2)
2. डेटा संग्रह - स्रोत, इकाइयाँ, ऑडिट ट्रेल। (इकाई 3)
3. गणना - सत्यापित कारकों के साथ कार्बन और अन्य मेट्रिक्स। (यूनिट 4)
4. फ्रेमवर्क मिलान - जीआरआई/ईएसआरएस/आईएसएसबी पदार्थ, आधिकारिक पाठ द्वारा पुष्टि। (यूनिट 5)
5. आपूर्ति शृंखला - दायरा 3 और उचित परिश्रम। (इकाई 6)
6. लेखन और संचार - संतुलित, प्रमाणित रिपोर्ट और हितधारक संदेश। (इकाई 7-8)
7. आश्वासन की तैयारी - साक्ष्य और लेखापरीक्षा की तैयारी की श्रृंखला। (इकाई 9)
8. दावा ऑडिटिंग - ग्रीनवॉशिंग स्क्रीनिंग और रिलीज़ अनुमोदन। (इकाई 10)

हर कदम पर, AI एक त्वरक है; लेकिन प्रत्येक चरण के निकास पर, एक गुणवत्ता द्वार होता है - एक चेकपॉइंट जिसे अगले चरण पर जाने से पहले पारित किया जाना चाहिए। जो आउटपुट दरवाजे से नहीं गुजरता वह आगे नहीं बढ़ता।

कदम

एआई क्या करता है?

गुणवत्ता द्वार

भौतिकता

विषय उम्मीदवार, विषय विश्लेषण

प्रभाव+वित्त पहलू मानवीय अनुमोदन

डेटा

विन्यास, इकाई रूपांतरण

स्रोत और मात्रा सत्यापन

खाता

फॉर्मूला, कोड मचान

इस बात की पुष्टि आधिकारिक सूत्र से हुई है

मिलान

आलेख सुझाव

छवि को उसके मानक पाठ से जांचें

वर्तनी

मसौदा, सारांश

बिना सबूत के दावों को सुलझाना

दावा

ग्रीनवाशिंग स्कैन

मानव-प्रमाणित प्रकाशन

युक्ति: वर्कफ़्लो को "एआई पैदा करता है → मानव सत्यापन करता है → दरवाजे के माध्यम से चलता है" की लय में सेट करें। प्रत्येक एआई आउटपुट को अगले चरण पर ले जाने से पहले, पूछें: "इस आउटपुट का कौन सा भाग सत्यापन के बिना आगे नहीं बढ़ सकता है?" वह भाग उस चरण का गुणवत्ता द्वार है।

डेटा प्रशासन और गोपनीयता

ईएसजी डेटा अक्सर संवेदनशील होता है: कर्मचारी लिंग और वेतन डेटा, आपूर्तिकर्ता अनुबंध की शर्तें, वित्तीय प्रभाव अभी तक खुलासा नहीं किया गया है, सुविधा-स्तरीय उत्पादन डेटा। सार्वजनिक एआई टूल को देने से पहले इनका वर्गीकरण करना जरूरी है। डेटा गवर्नेंस का अर्थ है "कौन कौन से डेटा का उपयोग, कैसे और किस टूल से कर सकता है?" सवाल नियम से जुड़ा है.

एक सरल वर्गीकरण:

• मुफ़्त: डेटा पहले से ही सार्वजनिक रूप से उपलब्ध है (प्रकाशित रिपोर्ट)। इसे AI को दिया जा सकता है.
• आंतरिक उपयोग: बिना किसी व्यावसायिक मूल्य का आंतरिक डेटा। कॉरपोरेट वाहन में सावधानी बरतें.
• गोपनीय: व्यापार रहस्य, अज्ञात वित्तीय प्रभाव, व्यक्तिगत डेटा (KVKK/GDPR)। यह एआई को अज्ञातीकरण या संस्थागत (गैर-लीकिंग) माध्यमों के बिना नहीं दिया जाता है।

आपकी भूमिका: डेटा गवर्नेंस सलाहकार। कार्य: निम्नलिखित डेटा आइटम को "मुक्त/आंतरिक उपयोग/गोपनीय" के रूप में वर्गीकृत करें और प्रत्येक गोपनीय आइटम के लिए अनुशंसित कार्रवाई लिखें (गुमनाम / समग्र / एंटरप्राइज़ टूल / बिल्कुल न दें)। नियम: यदि अनिश्चित हो, तो अधिक सुरक्षात्मक वर्ग में रखें। आइटम: [व्यक्तिगत और वित्तीय डेटा आइटम]

कमजोर संकेत/मजबूत संकेत

जिस तरह से आप किसी टूल को कोई कार्य सौंपते हैं, उससे गोपनीयता का जोखिम मौलिक रूप से बदल जाता है।

कमजोर संकेत:

कर्मचारी वेतन और सुविधा उत्पादन तालिका का विश्लेषण करें, एक ईएसजी सारांश तैयार करें।

कच्चे व्यक्तिगत और व्यापार गुप्त डेटा को सीधे एक खुले टूल में निर्यात करता है; कोई वर्गीकरण, गुमनामीकरण और पुष्टिकरण कदम नहीं है।

शक्तिशाली संकेत:

आपकी भूमिका: ईएसजी विश्लेषक डेटा प्रशासन के प्रति संवेदनशील है। मैंने आपको केवल एकत्रित, व्यक्तिगत/व्यापार रहस्य-मुक्त डेटा दिया है। कार्य: निम्नलिखित सारांश संकेतकों का विश्लेषण करें। नियम:- डेटा में कोई व्यक्तिगत नाम, वेतन, आईडी या अज्ञात वित्तीय प्रभाव नहीं; यदि आप ऐसा कोई फ़ील्ड देखते हैं, तो कहें "गोपनीय डेटा - संसाधित न करें, चेतावनी दें"। - परिणाम में कोई नया नंबर न जोड़ें; बस मेरे द्वारा दिए गए सारांश के साथ आगे बढ़ें। - आउटपुट के अंत में "मानव अनुमोदन आवश्यक" नोट जोड़ें। डेटा (एकत्रित): [सारांश संकेतक]

सावधानी: "एआई ने कहा" कोई बचाव नहीं है। ईएसजी रिपोर्ट में गलत नंबर, अप्रमाणित दावे या लीक हुए गोपनीय डेटा की जिम्मेदारी संगठन और इसे मंजूरी देने वाले व्यक्ति की होती है। जब आप एआई का उपयोग करते हैं, तो आप जिम्मेदारी हस्तांतरित नहीं करते हैं; आप केवल काम में तेजी लाएंगे।

एंड-टू-एंड गुणवत्ता गेट प्रॉम्प्ट

निम्नलिखित प्रॉम्प्ट प्रकाशन से पहले एक ही जाँच के माध्यम से सभी चरणों को चलाता है।

आपकी भूमिका: ईएसजी गुणवत्ता आश्वासन अधिकारी। कार्य: निम्नलिखित रिपोर्ट अनुभाग को शुरू से अंत तक गुणवत्ता गेट से गुजारें। प्रत्येक आइटम के लिए "पास/असफल" दें और विफल होने पर कारण लिखें: 1) क्या प्रत्येक संख्या का स्रोत और इकाई बताई गई है? 2) क्या उत्सर्जन कारक आधिकारिक स्रोत से हैं? 3) क्या मानक आइटम नंबर सत्यापित हैं? 4) क्या प्रॉक्सी/अनुमान चिह्नित हैं? 5) क्या ऐसे कोई कथन हैं जिनमें ग्रीनवॉशिंग शामिल है? 6) क्या गोपनीय/व्यक्तिगत डेटा का कोई रिसाव हुआ है? 7) अंतिम अनुमोदन के लिए जिम्मेदार का नाम सौंपा गया? अनुभाग: [अध्याय]

निम्नलिखित संकेत पूरे मॉड्यूल को एंटरप्राइज़ नीति में परिवर्तित करता है।

आपकी भूमिका: स्थिरता टीम लीडर। कार्य: ईएसजी कार्य में टीम के एआई के उपयोग को नियंत्रित करने वाली 1-पेज की आंतरिक नीति लिखें। इसमें शामिल हैं: - ऐसे कार्य जहां एआई का स्वतंत्र रूप से उपयोग किया जा सकता है (ड्राफ्ट, सारांश, कोड, थीम विश्लेषण) - ऐसे कार्य जिनके लिए मानव सत्यापन की आवश्यकता होती है (कारक, मानक, दावा, दायरा) - डेटा प्रकार जो एआई को कभी नहीं दिए जाएंगे (व्यक्तिगत, अज्ञात वित्तीय) - प्रत्येक रिलीज से पहले पारित किए जाने वाले गुणवत्ता गेट चरण टोन: स्पष्ट, बुलेट बिंदु, लागू।

तीन मिनी मामले

केस 1 - रिपोर्ट दरवाजे से लौट आई। एक टीम ने सोचा कि उन्होंने सभी चरण पूरे कर लिए हैं और रिपोर्ट प्रकाशन के लिए तैयार है। अंतिम गुणवत्ता गेट प्रॉम्प्ट ने एक खंड में बिना स्रोत वाले "78% रिकवरी" दावे और "कार्बन न्यूट्रल" कथन को कैप्चर किया। किसी भी चीज़ को ठीक करने से पहले प्रकाशन रोक दिया गया था; सार्वजनिक होने से पहले दरवाजे ने बग को पकड़ लिया।

केस 2 - गोपनीय डेटा लीक को रोका गया। एक विश्लेषक अभी तक जारी होने वाले त्रैमासिक वित्तीय प्रभाव डेटा को विश्लेषण के लिए सार्वजनिक रूप से उपलब्ध टूल में पेस्ट करेगा। डेटा वर्गीकरण संकेत ने इसे "गोपनीय-अघोषित वित्तीय" के रूप में चिह्नित किया। डेटा को पहले एकत्रित किया गया और फिर एंटरप्राइज़ टूल में संसाधित किया गया; कानून के संभावित उल्लंघन को रोका गया।

केस 3 - जिम्मेदारी लेना। एक रिपोर्ट प्रकाशित होने के बाद, एक हितधारक ने एक नंबर पर सवाल उठाया। टीम ने यह नहीं कहा कि "एआई की गणना"; ऑडिट ट्रेल खोला, स्रोत का हवाला दिया, मामूली सुधार किया, और पारदर्शी तरीके से समझाया। यह रवैया, जो "एआई ने कहा" बचाव पर भरोसा नहीं करता था, ने विश्वास को संरक्षित रखा।

सामान्य गलतियाँ

• गुणवत्ता के द्वार के बिना आगे बढ़ना। यदि प्रत्येक चरण के बाहर सत्यापन नहीं किया जाता है, तो अंत तक त्रुटियां जमा होती रहेंगी।
• वाहन को बिना वर्गीकृत किये डेटा देना। गोपनीय और व्यक्तिगत डेटा को गुमनाम किए बिना सार्वजनिक एआई में दर्ज नहीं किया जा सकता है।
• एआई को जिम्मेदारी हस्तांतरित करना। "एआई ने कहा" कोई कानूनी या पेशेवर बचाव नहीं है।
• सोच कदम पृथक. भौतिकता, डेटा, गणना और दावा आपस में जुड़े हुए हैं; यदि एक क्षतिग्रस्त होता है तो सभी प्रभावित होते हैं।
• प्रकाशन अनुमोदन के लिए किसी व्यक्ति को जिम्मेदार न नियुक्त करना। हर सार्वजनिक दावे के पीछे एक इंसान होना चाहिए।

सारांश

ईएसजी व्यवसाय आठ परस्पर जुड़े चरणों की एक श्रृंखला है, और एआई प्रत्येक चरण में एक त्वरक है; लेकिन हर कदम पर गुणवत्ता का द्वार है। "एआई पैदा करता है → मानव सत्यापन करता है → दरवाजे से गुजरता है" की लय इस मॉड्यूल के सभी पाठों को एक ही अध्ययन अनुशासन में जोड़ती है। डेटा को वर्गीकृत करें और गोपनीयता की रक्षा करें, आधिकारिक स्रोत से कारक और मानक की पुष्टि करें, दावे को साक्ष्य से जोड़ें, प्रकाशन से पहले ग्रीनवाशिंग को खत्म करें, और एक इंसान को अंतिम जिम्मेदारी दें। एआई काम को गति देता है; आप सटीकता, ईमानदारी और जिम्मेदारी निभाते हैं। इस पेशे की कसौटी "धाराप्रवाह दिखना" नहीं है, बल्कि "ऑडिट पास करना और साबित होना" है।

आवेदन कार्य

पिछली इकाइयों (एक भौतिकता सूची, एक कार्बन खाता, एक रिपोर्ट अनुभाग) में आपके द्वारा उत्पादित डिलिवरेबल्स को एक मिनी-रिपोर्ट में संयोजित करें। एआई से उपरोक्त एंड-टू-एंड गुणवत्ता गेट प्रॉम्प्ट के साथ 7 आइटमों में इस मिनी रिपोर्ट को पढ़ें। फिर: (1) "रिलीज़" चिह्नित प्रत्येक आइटम को सही करें, (2) सभी गोपनीय/व्यक्तिगत डेटा को वर्गीकृत करें और उस पर कार्रवाई करें, (3) प्रकाशन के लिए एक जिम्मेदार नाम और अनुमोदन नोट जोड़ें।

जांच सूची

• [ ] मैंने वर्कफ़्लो को "एआई पैदा करता है → मानव सत्यापन करता है → दरवाजे से गुजरता है" की लय के साथ सेट किया है।
• [ ] मैंने प्रत्येक चरण के निकास पर एक गुणवत्ता गेट लागू किया।
• [ ] मैंने सभी डेटा को मुफ़्त/आंतरिक/गोपनीय के रूप में वर्गीकृत किया और गोपनीयता की रक्षा की।
• [ ] मैंने आधिकारिक स्रोत से कारकों और मानक वस्तुओं की पुष्टि की है।
• [ ] मैंने साक्ष्य के साथ हर दावे का समर्थन किया, प्रकाशन से पहले ग्रीनवाशिंग को खत्म कर दिया।
• [ ] मैंने "एआई ने कहा" बचाव पर भरोसा किए बिना जिम्मेदारी ली।
• [ ] मैंने प्रकाशन के लिए एक जिम्मेदार नाम और अनुमोदन रिकॉर्ड स्थापित किया है।

मॉड्यूल परीक्षा

1. ईएसजी और स्थिरता व्यवसाय में एआई के लिए निम्नलिखित में से कौन सी स्थिति सबसे अच्छी है?

• ए) आर्टिफिशियल इंटेलिजेंस कोड, डेटा और ब्लूप्रिंट का सहायक है; कारकों, मानकों, साक्ष्यों और नैतिक निर्णयों की जिम्मेदारी लोगों की है ✔
• बी) आर्टिफिशियल इंटेलिजेंस एक ऑडिटर है और इसके द्वारा प्रदान किए जाने वाले ईएसजी मूल्य स्वतंत्र आश्वासन का विकल्प हैं
• C) आर्टिफिशियल इंटेलिजेंस केवल रिपोर्ट लिखने में काम करता है, इसका डेटा और गणना से कोई लेना-देना नहीं है
• डी) चूंकि एआई इंसानों की तुलना में अधिक निष्पक्ष है, इसलिए सभी ईएसजी निर्णय उस पर छोड़ दिए जाने चाहिए

विवरण: कृत्रिम बुद्धिमत्ता; यह एक सहायक है जो कोड लिखता है, डेटा व्यवस्थित करता है, ड्राफ्ट तैयार करता है और सारांशित करता है। हालाँकि, उत्सर्जन कारक की पुष्टि करने, मानक पदार्थ संख्या की जाँच करने, प्रत्येक दावे को साबित करने की अंतिम जिम्मेदारी सक्षम विशेषज्ञ की है। बड़ा भाषा मॉडल कोई कैलकुलेटर, नियामक/मानक डेटाबेस या चेकर नहीं है; एक टेक्स्ट जेनरेटर है जो 'अगला सबसे संभावित शब्द' उत्पन्न करता है और इसके असत्यापित आउटपुट से झूठी रिपोर्ट या दावा हो सकता है।

2. दोहरे भौतिकता विश्लेषण में किसी मुद्दे के 'प्रभाव भौतिकता' पहलू का क्या अर्थ है?

• ए) कंपनी के लाभ और शेयर मूल्य पर मुद्दे का प्रभाव
• बी) इश्यू का वित्तीय जोखिम केवल निवेशकों के लिए है
• सी) एक ही विषय पर प्रतिद्वंद्वी कंपनियों का प्रदर्शन
• डी) पर्यावरण और समाज पर कंपनी की गतिविधियों का प्रभाव ✔

विवरण: दोहरी भौतिकता दो लेंसों से दिखती है। वित्तीय भौतिकता किसी कंपनी के नकदी प्रवाह और मूल्य ('बाहर-अंदर') पर किसी मुद्दे का प्रभाव है। प्रभाव भौतिकता पर्यावरण और समाज ('अंदर से बाहर') पर कंपनी की गतिविधियों का प्रभाव है। सीएसआरडी/ईएसआरएस दोनों पहलुओं को लागू करता है; चूंकि कृत्रिम बुद्धिमत्ता अक्सर केवल वित्तीय दिशा में स्थानांतरित होती है, इसलिए प्रभाव की दिशा को अतिरिक्त रूप से मानव द्वारा नियंत्रित किया जाना चाहिए।

3. विभिन्न सुविधाओं से kWh, MWh और GJ में ऊर्जा डेटा एकत्र करते समय सही दृष्टिकोण क्या है?

• ए) इकाइयों पर ध्यान न दें और सभी संख्याओं को सीधे जोड़ें
• बी) अपने दिमाग में लंबी सूची इकट्ठा करने के लिए कृत्रिम बुद्धिमत्ता पर भरोसा करना
• सी) सभी मानों को एक इकाई में परिवर्तित करना और कोड/सूत्र ✔ के साथ रूपांतरण और योग बनाना
• डी) सबसे बड़ी इकाई का चयन करना और अन्य सुविधाओं की रिपोर्ट न करना

स्पष्टीकरण: यूनिट मंथन ईएसजी की सबसे लगातार और खतरनाक गलती है; चूंकि 1 मेगावाट = 1,000 किलोवाट, यदि इकाई छोड़ दी जाती है, तो परिणाम 1,000 के कारक से विचलित हो सकता है। सही तरीका यह है कि सभी मानों को एक इकाई में परिवर्तित किया जाए और कृत्रिम बुद्धिमत्ता से यह रूपांतरण और योग एक निष्पादन योग्य कोड/सूत्र के साथ किया जाए, मैन्युअल रूप से नहीं; इस प्रकार परिणाम नियतात्मक और सत्यापन योग्य है।

4. जीएचजी प्रोटोकॉल के अनुसार खरीदी गई बिजली के उत्पादन से उत्पन्न उत्सर्जन किस दायरे में शामिल है?

• ए) दायरा 1
• बी) दायरा 2 ✔
• सी) दायरा 3
• डी) यह किसी भी दायरे में शामिल नहीं है और रिपोर्ट नहीं किया गया है

विवरण: दायरा 1 संगठन के अपने स्रोतों (बॉयलर, कंपनी वाहन, जनरेटर) से प्रत्यक्ष उत्सर्जन है। स्कोप 2 खरीदी गई ऊर्जा (बिजली, भाप, ताप, शीतलन) के उत्पादन से अप्रत्यक्ष उत्सर्जन है। दायरा 3 मूल्य श्रृंखला (आपूर्ति, यात्रा, उत्पाद उपयोग, अपशिष्ट) में अन्य सभी अप्रत्यक्ष उत्सर्जन को कवर करता है। बिजली कंपनी की चिमनी से नहीं निकलती है, लेकिन इसका उत्पादन करने वाला बिजली संयंत्र उत्सर्जन उत्सर्जित करता है; तो यह स्कोप 2 है.

5. मीथेन (CH₄) जैसी ग्रीनहाउस गैस को CO₂e में परिवर्तित करते समय किस अवधारणा का उपयोग किया जाता है और यह महत्वपूर्ण क्यों है?

• ए) जीडब्ल्यूपी (ग्लोबल वार्मिंग क्षमता); यदि छोड़ दिया जाए, तो मीथेन/N₂O प्रभाव को बहुत कम आंका जाएगा ✔
• बी) AQI (वायु गुणवत्ता सूचकांक); हवा में गैस का रंग निर्धारित करता है
• सी) जीआरआई (रिपोर्टिंग पहल); वह पदार्थ निर्धारित करता है जिसमें गैस की सूचना दी जाएगी
• डी) किसी गुणांक की आवश्यकता नहीं; मीथेन CO₂ की तरह सीधे 1 से 1 तक गिना जाता है

विवरण: GWP (ग्लोबल वार्मिंग पोटेंशियल) वह गुणांक है जो विभिन्न ग्रीनहाउस गैसों के ताप प्रभाव को CO₂ के सापेक्ष एक सामान्य इकाई में परिवर्तित करता है। मीथेन का 100-वर्षीय GWP लगभग 28 है; तो 1 टन मीथेन का मतलब लगभग 28 टन CO₂e है। यदि GWP को छोड़ दिया जाता है, तो मीथेन और N₂O जैसी मजबूत गैसों के प्रभाव को बहुत कम आंका जाएगा और इन्वेंट्री पूरी तरह से गलत होगी; यह भी बताया जाना चाहिए कि कौन सा GWP सेट (जैसे IPCC AR6, 100 वर्ष) का उपयोग किया जाता है।

6. ग्रीनहाउस गैस सूची में 'गतिविधि डेटा × उत्सर्जन कारक' की गणना के लिए कौन सा दृष्टिकोण सही है?

• ए) उस कारक का उपयोग करना जिसे कृत्रिम बुद्धि याद रखती है और इसे कुल मिलाकर मैन्युअल रूप से करना
• बी) सभी गैसों को CO₂ और स्किपिंग फैक्टर और GWP रूपांतरण के रूप में गिनना
• सी) प्रत्येक देश, वर्ष और ईंधन के लिए बिल्कुल एक डिफ़ॉल्ट कारक का उपयोग करना
• डी) देश और वर्ष के अनुसार आधिकारिक स्रोत से कारक की पुष्टि करना और कोड के साथ गणना मचान और कुल बनाना ✔

विवरण: उत्सर्जन कारक देश, वर्ष और ईंधन के अनुसार भिन्न-भिन्न होते हैं; एआई को 'याद दिलाने' से बातें (मतिभ्रम) बनाने का जोखिम पैदा होता है। कारक की पुष्टि हमेशा आधिकारिक तालिका (आईपीसीसी, डीईएफआरए/ईपीए, आईईए, राष्ट्रीय सूची) से की जानी चाहिए; कृत्रिम बुद्धिमत्ता द्वारा केवल स्कोप पृथक्करण, लेखांकन मचान और कुल कोड किया जाना चाहिए। बहु-पंक्ति योग निष्पादन योग्य कोड द्वारा किया जाता है, मैन्युअल रूप से नहीं।

7. एआई द्वारा सुझाए गए जीआरआई/ईएसआरएस मानक पदार्थ संख्या (उदाहरण के लिए 'पानी की खपत के लिए जीआरआई 305') के लिए सही व्यवहार क्या है?

• ए) संख्या को सीधे रिपोर्ट में लिखना क्योंकि कृत्रिम बुद्धिमत्ता इसका सुझाव देती है
• बी) आइटम नंबर महत्वहीन हैं; कोई भी लिखा जा सकता है
• सी) संख्या और उसकी सामग्री को आधिकारिक मानक पाठ के साथ सत्यापित करना, नकली/पुरानी होने की स्थिति में इसकी पुष्टि करना ✔
• डी) चूंकि जल और वायु उत्सर्जन समान हैं, इसलिए उन्हें एक ही लेख में रिपोर्ट किया जा रहा है

विवरण: कृत्रिम बुद्धिमत्ता मानक संख्याएँ उत्पन्न कर सकती है जो वास्तविक दिखाई देती हैं लेकिन जिनकी सामग्री झूठी या पूरी तरह से मनगढ़ंत होती है; साथ ही, मानक अद्यतन किए गए हैं और मॉडल जिस संस्करण को जानता है वह पुराना हो सकता है। उदाहरण के लिए, पानी को जीआरआई 303 के तहत रिपोर्ट किया गया है, जबकि जीआरआई 305 को वायु उत्सर्जन के रूप में दर्शाया गया है। इसलिए, प्रत्येक पदार्थ संख्या और सामग्री का उपयोग आधिकारिक मानक पाठ (जीआरआई/ईएफआरएजी/आईएसएसबी) से सत्यापित किए बिना नहीं किया जा सकता है।

8. यदि आपूर्ति श्रृंखला में अधिकांश आपूर्तिकर्ताओं के पास वास्तविक कार्बन डेटा नहीं है, तो स्कोप 3 के लिए सही और ईमानदार दृष्टिकोण क्या है?

• ए) आपूर्तिकर्ताओं के लिए कृत्रिम बुद्धिमत्ता द्वारा बनाए गए नंबरों का सीधे उपयोग करना
• बी) स्कोप 3 को पूरी तरह से छोड़ देना क्योंकि इसे 'मापना कठिन' है
• सी) वास्तविक डेटा वाले लोगों का उपयोग करना, बिना ✔ वाले लोगों के लिए प्रॉक्सी को स्पष्ट रूप से चिह्नित करना
• डी) सभी आपूर्तिकर्ताओं पर प्रॉक्सी लागू करना और इसे रिपोर्ट में छिपाना

विवरण: स्कोप 3 अधिकांश कंपनियों का सबसे बड़ा लेकिन मापने में सबसे कठिन आइटम है। उन आपूर्तिकर्ताओं के लिए जो वास्तविक डेटा प्रदान करते हैं, उस डेटा का उपयोग किया जाता है; जो लोग इसे प्रदान नहीं करते हैं, उनके लिए व्यय-आधारित प्रॉक्सी (अनुमान) का उपयोग किया जा सकता है। महत्वपूर्ण बात यह है कि प्रॉक्सी को छिपाना नहीं है: रिपोर्ट में उपयोग किए गए अनुमान के हिस्से और अनुपात को स्पष्ट रूप से बताना चाहिए। अस्पष्ट प्रॉक्सी के कारण स्वतंत्र आश्वासन से इनकार हो सकता है; स्कोप 3 को पूरी तरह से इस आधार पर छोड़ देना भी गलत है कि इसे 'मापना कठिन' है।

9. एआई ने केवल देश के औसत के आधार पर एक आपूर्तिकर्ता को 'संभावित जबरन श्रम' के रूप में चिह्नित किया। सही व्यवहार क्या है?

• ए) सिग्नल को साक्ष्य के रूप में स्वीकार करें और आपूर्तिकर्ता के साथ तुरंत सार्वजनिक रूप से संबंध तोड़ दें
• बी) दावे को सीधे रिपोर्ट में लिखना क्योंकि कृत्रिम बुद्धिमत्ता ने यह कहा था
• सी) जोखिम संकेतों को पूरी तरह से अनदेखा करना और उनकी बिल्कुल भी जांच नहीं करना
• डी) सिग्नल को 'जांच की जाने वाली चेतावनी' के रूप में मानना और क्षेत्र निरीक्षण और एक विश्वसनीय स्रोत से इसकी पुष्टि करना ✔

स्पष्टीकरण: मानवाधिकार उल्लंघन जैसे गंभीर आरोपों को कृत्रिम बुद्धिमत्ता द्वारा उत्पन्न सिग्नल से सिद्ध नहीं किया जा सकता है। ऐसा संकेत महज़ एक 'जांच की जाने वाली चेतावनी' है; इसे एक निश्चित आरोप के रूप में उपयोग करना अनुचित और कानूनी रूप से जोखिम भरा है। ऐसे दावों की पुष्टि केवल विश्वसनीय स्रोत, क्षेत्र निरीक्षण और कानूनी प्रक्रिया द्वारा ही की जाती है। कृत्रिम बुद्धिमत्ता संकेत उत्पन्न करती है; मनुष्य निर्णय और जिम्मेदारी लेता है।

10. एआई के साथ एक हितधारक सर्वेक्षण से सैकड़ों मुक्त-पाठ प्रतिक्रियाओं का विश्लेषण करते समय सबसे महत्वपूर्ण सावधानी क्या है?

• ए) दुर्लभ लेकिन उच्च महत्व (सुरक्षा/नैतिक/पर्यावरणीय) संकेतों की अलग से आवश्यकता है और उन पर हावी नहीं होना चाहिए ✔
• बी) अल्पसंख्यक विचारों को खत्म करते हुए, केवल उच्चतम आवृत्ति वाले विषयों को चुनना
• सी) सभी उत्तरों को एक सकारात्मक सारांश में सीमित करें और विवरण छोड़ दें
• डी) कच्चे उत्तरों के बजाय कृत्रिम बुद्धि के सारांश को स्वीकार करना

विवरण: कृत्रिम बुद्धिमत्ता बहुसंख्यकों की आवाज़ को बढ़ाती है और विषयगत विश्लेषण में अल्पसंख्यकों की आवाज़ को दबा देती है। हालाँकि, स्थिरता में सबसे मूल्यवान संकेत कभी-कभी किसी एक व्यक्ति द्वारा उठाई गई गंभीर सुरक्षा, नैतिक या पर्यावरणीय समस्या होती है। तो विश्लेषण पूछता है 'सबसे अधिक बार क्या कहा गया?' इसका अंत नहीं होता; 'दुर्लभ लेकिन उच्च महत्व' संकेतों के लिए अलग से अनुरोध किया जाना चाहिए और सारांश के स्थान पर, इसके अतिरिक्त कच्ची प्रतिक्रियाओं का उपयोग किया जाना चाहिए।

11. कृत्रिम बुद्धिमत्ता पर रिपोर्ट अनुभाग लिखते समय नकली संख्याओं और लक्ष्यों को पाठ में लीक होने से रोकने का सबसे प्रभावी तरीका क्या है?

• ए) 'उपयुक्त पाठ लिखें' कहकर पूरी रिपोर्ट एक साथ तैयार करना
• बी) केवल सत्यापित डेटा प्रदान करना और नए नंबर/दावे उत्पन्न करने पर स्पष्ट रूप से रोक लगाना ✔
• सी) जांचें कि पाठ कितना धाराप्रवाह और प्रभावशाली है और इसे प्रकाशित करें
• डी) एआई को लापता डेटा को उचित अनुमानों के साथ भरने की अनुमति देना

विवरण: आर्टिफिशियल इंटेलिजेंस एक खाली प्रॉम्प्ट में 'समान रिपोर्टों में यही कहा गया है' तर्क का उपयोग करके संख्याएं और लक्ष्य उत्पन्न करता है जो वास्तव में आपके पास नहीं हैं। सबसे प्रभावी सावधानी यह है कि इसे केवल सत्यापित डेटा दें और 'जो डेटा मैंने आपको दिया है उसके अलावा कोई संख्या, प्रतिशत, दिनांक या दावा न जोड़ें; यह 'लुप्त स्थान पर [डेटा आवश्यक] लिखें' के नियम को स्पष्ट रूप से बताना है। इसके अलावा, रिपोर्ट को डेटा के साथ अनुभाग दर अनुभाग मुद्रित किया जाना चाहिए।

12. स्थिरता रिपोर्ट की समीक्षा करते समय एक स्वतंत्र आश्वासन लेखा परीक्षक सबसे पहले क्या देखता है?

• ए) रिपोर्ट कितनी धाराप्रवाह और पेशेवर तरीके से लिखी गई है
• बी) प्रत्येक मुद्दे में स्रोत दस्तावेज़ ✔ से पता लगाने योग्य साक्ष्य की एक श्रृंखला होती है
• सी) आर्टिफिशियल इंटेलिजेंस कहता है 'रिपोर्ट ऑडिट के लिए तैयार है'
• डी) रिपोर्ट को प्रतिस्पर्धियों की तुलना में अधिक मुखर बनाएं

स्पष्टीकरण: परीक्षक की रुचि पाठ के प्रवाह में नहीं, बल्कि प्रत्येक दावे के पीछे साक्ष्य की श्रृंखला में है; उनका पहला प्रश्न है 'इस संख्या को सिद्ध करें'। इसकी जांच की जाती है कि कोई नंबर किस स्रोत दस्तावेज़ से आता है, किस सूत्र और कारक से यह एक रिपोर्ट में बदल जाता है, और क्या इसे स्वतंत्र रूप से दोहराया जा सकता है। इसलिए, प्रत्येक सामग्री मीट्रिक को उसके स्रोत तक पता लगाया जाना चाहिए, कारकों को आधिकारिक स्रोत से सत्यापित किया जाना चाहिए, और प्रॉक्सी को निर्दिष्ट किया जाना चाहिए; आर्टिफिशियल इंटेलिजेंस यह तैयारी तो करता है, लेकिन आश्वासन नहीं दे पाता।

13. निम्नलिखित में से किस पर्यावरणीय दावे में ग्रीनवाशिंग का जोखिम सबसे कम है?

• ए) 'हमने 2023 तक अपने उत्पादन उत्सर्जन को 18% कम कर दिया (तीसरे पक्ष के सत्यापन के साथ)' ✔
• बी) 'हमारे उत्पाद पूरी तरह से पर्यावरण के अनुकूल और प्राकृतिक हैं'
• सी) 'हमारी कंपनी कार्बन न्यूट्रल है' (बिना कोई दस्तावेज या डेटा उपलब्ध कराए)
• डी) 'हम उद्योग में सबसे टिकाऊ और लगभग-शून्य प्रभाव वाली कंपनी हैं'

स्पष्टीकरण: एक अच्छा पर्यावरणीय दावा मापने योग्य होता है (जिसमें एक संख्या होती है), सिद्ध होता है (साक्ष्य के आधार पर), और दायरे में स्पष्ट होता है (यह स्पष्ट होता है कि क्या और कब से तुलना की जा रही है)। 'हमने 2023 तक (तीसरे पक्ष के सत्यापन के साथ) उत्पादन उत्सर्जन को 18% कम कर दिया' ये तीन विशेषताएं हैं। 'पर्यावरण-अनुकूल', 'प्राकृतिक', अप्रमाणित 'कार्बन न्यूट्रल' जैसे वाक्यांश निर्विवाद या अप्रमाणित हैं और ग्रीनवॉशिंग का जोखिम उठाते हैं।

14. विश्लेषण के लिए सार्वजनिक रूप से उपलब्ध एआई उपकरण में अज्ञात सुविधा उत्पादन और उत्सर्जन डेटा चिपकाने से पहले क्या किया जाना चाहिए?

• ए) डेटा को वैसे ही चिपकाना; पर्यावरणीय डेटा हमेशा सार्वजनिक रूप से उपलब्ध होता है
• बी) बिना सावधानी बरतें क्योंकि जिम्मेदारी कृत्रिम बुद्धिमत्ता प्रदाता को सौंप दी जाती है
• सी) जोखिम केवल गलत आकलन है; गोपनीयता उपाय अनावश्यक है
• डी) डेटा को मुफ़्त/आंतरिक/गोपनीय के रूप में वर्गीकृत करना और गोपनीय डेटा को गुमनाम करना या कॉर्पोरेट टूल का उपयोग करना ✔

प्रकटीकरण: संयंत्र-स्तरीय उत्पादन और उत्सर्जन डेटा व्यापार रहस्य हो सकते हैं; वित्तीय/पर्यावरणीय डेटा जिसका अभी तक खुलासा नहीं किया गया है, नियामक प्रकटीकरण नियमों का उल्लंघन कर सकता है; कर्मचारी स्थान/वेतन डेटा केवीकेके/जीडीपीआर के दायरे में व्यक्तिगत डेटा है। इस प्रकार के डेटा को किसी खुले टूल में देने से पहले, इसे मुफ़्त/आंतरिक/गोपनीय के रूप में वर्गीकृत करना, यदि आवश्यक हो तो इसे अज्ञात करना या कॉर्पोरेट (डेटा-मुक्त) टूल का उपयोग करना आवश्यक है। 'एआई ने कहा' कोई बचाव नहीं है; जिम्मेदारी संस्था और उसे मंजूरी देने वाले व्यक्ति की है।