लाभ:
- खर्च और जोखिम स्तर के आधार पर आपूर्तिकर्ताओं को प्राथमिकता देकर और वास्तविक डेटा और प्रॉक्सी अनुमानों के बीच अंतर करके स्कोप 3 स्थापित करने की क्षमता
- कृत्रिम बुद्धिमत्ता के साथ आपूर्तिकर्ता जोखिम संकेतों को चिह्नित करते समय, उन्हें सबूत के बजाय 'जांच किए जाने वाले संकेतों' के रूप में मानें
- क्षेत्र निरीक्षण और कानूनी पुष्टि की आवश्यकता वाली उचित परिश्रम प्रक्रिया के माध्यम से गंभीर मानवाधिकार/पर्यावरणीय दावों का प्रबंधन करने की क्षमता
अधिकांश कंपनियों के लिए, उनके स्थिरता प्रभाव का सबसे बड़ा हिस्सा उनके अपने कारखाने में नहीं बल्कि उनकी आपूर्ति श्रृंखला में निहित है। किसी कपड़े के ब्रांड का 80 प्रतिशत से अधिक कार्बन फ़ुटप्रिंट उसके आपूर्तिकर्ताओं से आ सकता है, जिसमें कपड़ा निर्माताओं से लेकर शिपिंग तक शामिल हैं। इसी तरह, सबसे गंभीर सामाजिक जोखिम, जैसे बाल श्रम, जबरन श्रम और पर्यावरणीय उल्लंघन, अक्सर आपूर्ति श्रृंखला में गहराई से होते हैं। इस इकाई में, आप सीखेंगे कि आपूर्ति श्रृंखला डेटा एकत्र करने और मूल्यांकन करने और जोखिमों की जांच करने के लिए कृत्रिम बुद्धिमत्ता (एआई) का उपयोग कैसे करें।
आइए दो अवधारणाओं को स्पष्ट करें। स्कोप 3, जैसा कि हमने पिछली इकाई में देखा, कंपनी की मूल्य श्रृंखला में अप्रत्यक्ष उत्सर्जन है और आम तौर पर सबसे बड़ा लेकिन मापने में सबसे कठिन आइटम है। उचित परिश्रम किसी कंपनी की आपूर्ति श्रृंखला में मानवाधिकारों और पर्यावरणीय जोखिमों की पहचान करने, रोकने और निवारण करने की प्रक्रिया है। EU के CSDDD (कॉर्पोरेट सस्टेनेबिलिटी ड्यू डिलिजेंस डायरेक्टिव) जैसे नियम इसे बड़ी कंपनियों के लिए अनिवार्य बनाते हैं।
आपूर्ति शृंखला डेटा की मुख्य चुनौती
आप अपनी स्वयं की सुविधा के डेटा को माप सकते हैं; लेकिन आप सैकड़ों आपूर्तिकर्ताओं के डेटा को सीधे तौर पर नहीं माप सकते, आपको उनसे पूछना होगा। इससे तीन समस्याएँ उत्पन्न होती हैं:
- डेटा नहीं आता या अधूरा है. अधिकांश छोटे आपूर्तिकर्ता कार्बन डेटा नहीं रखते हैं।
- डेटा अविश्वसनीय है. जब कोई आपूर्तिकर्ता स्व-रिपोर्ट करता है, तो अतिशयोक्ति या कम रिपोर्टिंग हो सकती है।
- एक अनुमान (प्रॉक्सी) आवश्यक है. यदि वास्तविक डेटा उपलब्ध नहीं है, तो उद्योग औसत या व्यय-आधारित अनुमान का उपयोग किया जाता है।
यह वह जगह है जहां एआई दो तरीकों से मदद करता है: (1) सैकड़ों आपूर्तिकर्ताओं को भेजे जाने वाले सर्वेक्षणों और अनुवर्ती पत्रों का त्वरित मसौदा तैयार करना, (2) बिखरी हुई प्रतिक्रियाओं की संरचना करना और जोखिम संकेतों को चिह्नित करना। लेकिन आपूर्तिकर्ता द्वारा दिए गए किसी भी नंबर को सत्यापित नहीं किया जाता है, किसी भी जोखिम संकेत का मानव समीक्षा के बिना निष्कर्ष नहीं निकाला जाता है।
स्कोप 3 श्रेणी (उदाहरण)
डेटा स्रोत
विशिष्ट विधि
खरीदी गई वस्तुएँ/सेवाएँ
आपूर्तिकर्ता सर्वेक्षण/व्यय
वास्तविक डेटा > प्रॉक्सी
शिपिंग और वितरण
वाहक अभिलेख
दूरी × भार × कारक
व्यापार यात्रा
यात्रा प्रणाली
किमी/उड़ान × कारक
बेचे गए उत्पाद का उपयोग
उत्पाद ऊर्जा डेटा
उपयोग मॉडल
बर्बादी
अपशिष्ट स्थानांतरण दस्तावेज़
मात्रा × कारक
युक्ति: स्कोप 3 में, "खर्च-आधारित" अनुमान (प्रति $1,000 खर्च पर इतना CO₂e) एक त्वरित शुरुआत है, लेकिन एक कठिन है। जब कोई आपूर्तिकर्ता वास्तविक डेटा प्रदान करता है, तो उसका उपयोग करें; यदि कोई वास्तविक डेटा नहीं है तो व्यय-आधारित अनुमान केवल अनंतिम है और रिपोर्ट में इसे "अनुमान/प्रॉक्सी" के रूप में चिह्नित किया जाना चाहिए।
चरण दर चरण: एआई के साथ आपूर्ति श्रृंखला वर्कफ़्लो
1. आपूर्तिकर्ताओं को प्राथमिकता दें। आप सभी सैकड़ों आपूर्तिकर्ताओं की एक ही गहराई से जांच नहीं कर सकते। उच्च व्यय आकार और जोखिम (सेक्टर, देश) वाले लोगों पर ध्यान दें। एआई इस प्राथमिकता के साथ एक मसौदा सूची तैयार कर सकता है।
2. मसौदा सर्वेक्षण और अनुरोध. स्पष्ट, आसानी से भरने योग्य आपूर्तिकर्ता डेटा सर्वेक्षण रूपरेखा के लिए AI से पूछें।
3. आने वाले डेटा को कॉन्फ़िगर करें। विभिन्न प्रारूपों में दिए गए उत्तरों को एक ही तालिका में रखें; छूटे हुए हिस्सों को चिह्नित करें.
4. जोखिम संकेतों के लिए स्कैन करें. एआई को सार्वजनिक समाचारों, रिकॉर्ड उल्लंघनों और सर्वेक्षण विसंगतियों में "लाल झंडा" उम्मीदवारों को ढूंढने दें; लेकिन इंसान हर सिग्नल को सत्यापित करता है।
5. कार्रवाई और अनुसरण. उच्च जोखिम वाले आपूर्तिकर्ताओं के लिए एक सुधारात्मक कार्रवाई और अनुवर्ती योजना स्थापित करें; प्रक्रिया का दस्तावेज़ीकरण करें.
कमजोर संकेत/मजबूत संकेत
कमजोर संकेत:
हमारे आपूर्तिकर्ताओं के कार्बन फ़ुटप्रिंट की गणना करें।
कोई डेटा स्रोत नहीं, कोई वास्तविक/प्रॉक्सी भेद नहीं, और कोई सत्यापन नहीं; AI आपूर्तिकर्ता संख्याएँ बनाता है।
शक्तिशाली संकेत:
आपकी भूमिका: आपूर्ति श्रृंखला स्थिरता विश्लेषक। इनपुट: 15 आपूर्तिकर्ताओं के नाम, उद्योग, वार्षिक खर्च राशि और उनके द्वारा प्रदान किया गया वास्तविक उत्सर्जन डेटा (यदि कोई हो)। कार्य: 1) उन लोगों के लिए जो वास्तविक डेटा प्रदान करते हैं, उस डेटा का उपयोग करें। 2) जिनके पास वास्तविक डेटा नहीं है, उनके लिए "व्यय-आधारित प्रॉक्सी आवश्यक" लिखें, संख्या में फिट न हों; निर्दिष्ट करें कि आधिकारिक स्रोत से कौन सा कारक प्राप्त करना है। 3) उच्च व्यय + उच्च जोखिम वाले उद्योग में आपूर्तिकर्ताओं को प्राथमिकता दें। आउटपुट: तालिका (आपूर्तिकर्ता | उद्योग | व्यय | डेटा प्रकार [वास्तविक/प्रॉक्सी] | प्राथमिकता | नोट)। रिपोर्ट में प्रॉक्सी नंबर अंकित किए जाएंगे।
आपूर्तिकर्ता जोखिम स्क्रीनिंग के लिए संकेत दें
आपूर्तिकर्ताओं की निम्नलिखित सूची के लिए एक जोखिम स्क्रीनिंग मचान स्थापित करें। प्रत्येक आपूर्तिकर्ता के लिए आकलन करें (केवल मेरे द्वारा प्रदान की गई जानकारी के आधार पर, सार्वजनिक दावा नकली): - देश/क्षेत्र से संभावित मानवाधिकार जोखिम (उच्च/मध्यम/निम्न) - संभावित पर्यावरणीय जोखिम - सर्वेक्षण प्रतिक्रिया में असंगतता/लाल झंडे नियम: प्रत्येक जोखिम के लिए "सत्यापन आवश्यक - कोई स्रोत नहीं" नोट जोड़ें; निश्चित आरोप न लगाएं, केवल जांच के लिए संकेत सुझाएं। सूची: [आपूर्तिकर्ता]
निम्नलिखित संकेत आपूर्तिकर्ताओं को भेजने के लिए एक डेटा अनुरोध सर्वेक्षण का मसौदा तैयार करता है।
आपकी भूमिका: स्थिरता सोर्सिंग विशेषज्ञ। कार्य: 10 से अधिक प्रश्नों का एक ईएसजी डेटा सर्वेक्षण का मसौदा तैयार करें जिसे छोटे/मध्यम आपूर्तिकर्ता आसानी से पूरा कर सकें। शामिल करें: ऊर्जा की खपत, ईंधन का प्रकार, अपशिष्ट, व्यावसायिक सुरक्षा दुर्घटनाओं की संख्या, जबरन/बाल श्रम के प्रति प्रतिबद्धता। स्वर: सरल, स्पष्ट, पूरा करने में आसान; प्रत्येक प्रश्न में इकाइयाँ और उदाहरण जोड़ें।
सावधानी: आपूर्तिकर्ता के बारे में जोखिम संकेत को एआई से सत्यापित न कराएं (उदाहरण के लिए "बाल श्रम") और एआई द्वारा उत्पन्न दावे को सबूत के रूप में कभी भी उपयोग न करें। ऐसे गंभीर दावों की पुष्टि केवल विश्वसनीय स्रोत, क्षेत्र निरीक्षण और कानूनी प्रक्रिया द्वारा ही की जाती है। एआई केवल "जांच किए जाने वाले संकेत" उत्पन्न करता है; न्याय नहीं करता.
तीन मिनी मामले
केस 1 - प्रॉक्सी का ईमानदार उपयोग। एक फर्नीचर निर्माता के 200 आपूर्तिकर्ताओं में से केवल 30 ने वास्तविक कार्बन डेटा प्रदान किया। टीम ने शेष 170 के लिए व्यय-आधारित प्रॉक्सी का उपयोग किया, लेकिन रिपोर्ट में स्पष्ट रूप से कहा गया है, "स्कोप 3 का 65% व्यय-आधारित अनुमान है।" लेखापरीक्षक ने इस ईमानदारी को स्वीकार किया; यदि इसे छुपाया गया होता, तो आश्वासन से इनकार किया जा सकता था।
केस 2 - प्राथमिकता। एक खाद्य कंपनी के पास 480 आपूर्तिकर्ता थे। एआई ने दिखाया कि 80% खर्च 40 आपूर्तिकर्ताओं में केंद्रित था। टीम ने इन 40 पर गहरा ध्यान केंद्रित किया; संसाधन बर्बाद नहीं हुए और उच्चतम प्रभाव वाले आपूर्तिकर्ताओं को वास्तविक डेटा के साथ रिपोर्ट किया गया।
केस 3 - झूठे आरोप का जोखिम। एआई ने एक आपूर्तिकर्ता को "संभावित जबरन श्रम" के रूप में चिह्नित किया; वजह सिर्फ राष्ट्रीय औसत था. टीम ने इसे साक्ष्य नहीं, बल्कि "जांच किए जाने वाले संकेत" के रूप में स्वीकार किया और क्षेत्र निरीक्षण का अनुरोध किया। निरीक्षण में कोई समस्या नहीं मिली; यदि एआई के संकेत को साक्ष्य के रूप में लिया जाता, तो अनुचित आरोप और कानूनी जोखिम उत्पन्न होता।
सामान्य गलतियाँ
- आपूर्तिकर्ता डेटा को सत्यापित किए बिना स्वीकार करना। स्व-रिपोर्टिंग आपूर्तिकर्ता डेटा को क्रॉस-चेकिंग की आवश्यकता होती है।
- प्रॉक्सी छुपा रहा है. व्यय-आधारित पूर्वानुमान का उपयोग करना ठीक है; निर्दिष्ट न करना ऑडिटिंग में एक समस्या है।
- सभी आपूर्तिकर्ताओं की समान रूप से जांच करना। सोर्सिंग को उच्च व्यय और उच्च जोखिम वाले आपूर्तिकर्ताओं पर ध्यान केंद्रित करना चाहिए।
- एआई सिग्नल को सबूत समझना। मानवाधिकार/पर्यावरण उल्लंघन के दावों को क्षेत्र और कानून द्वारा सत्यापित किया जाता है, एआई द्वारा नहीं।
- स्कोप 3 को पूरी तरह से छोड़ देना। सबसे बड़ा प्रभाव आमतौर पर यहीं होता है; इसे इस आधार पर नजरअंदाज नहीं किया जा सकता कि इसे "मापना कठिन" है।
संक्षेप में
आपूर्ति श्रृंखला वह जगह है जहां अधिकांश कंपनियों का सबसे बड़ा पर्यावरणीय और सामाजिक प्रभाव छिपा होता है; दायरा 3 उत्सर्जन और उचित परिश्रम जोखिम यहां केंद्रित हैं। ऐ; यह आपूर्तिकर्ता प्राथमिकता निर्धारण, सर्वेक्षण प्रारूपण, बिखरी हुई प्रतिक्रियाओं की संरचना और जोखिम सिग्नल फ़्लैगिंग में एक शक्तिशाली सहायता है। लेकिन आपूर्तिकर्ता डेटा को रिपोर्ट में तब तक शामिल नहीं किया जाता है जब तक कि इसे सत्यापित नहीं किया जाता है, प्रॉक्सी स्पष्ट रूप से नहीं बताई जाती है, और फ़ील्ड निरीक्षण द्वारा गंभीर आरोपों की पुष्टि नहीं की जाती है। एआई सिग्नल उत्पन्न करता है; मनुष्य निर्णय और जिम्मेदारी लेता है।
आवेदन कार्य
नाम, उद्योग और वार्षिक खर्च के साथ 10 काल्पनिक आपूर्तिकर्ताओं की सूची तैयार करें; कुछ में वास्तविक उत्सर्जन डेटा जोड़ें, अधिकांश को खाली छोड़ दें। उपरोक्त शक्तिशाली संकेत के माध्यम से एआई से प्राथमिकता निर्धारण और डेटा प्रकार की तालिका के लिए पूछें। फिर: (1) सत्यापित करें कि प्रॉक्सी की आवश्यकता वाले आपूर्तिकर्ताओं की संख्या नहीं बनी है, (2) औचित्य के साथ 3 सर्वोच्च प्राथमिकता वाले आपूर्तिकर्ताओं का चयन करें, (3) उन्हें भेजने के लिए एक संक्षिप्त डेटा सर्वेक्षण का मसौदा तैयार करें।
चेकलिस्ट
- [ ] मैंने खर्च और जोखिम स्तर के आधार पर आपूर्तिकर्ताओं को प्राथमिकता दी।
- [ ] मैंने वास्तविक डेटा का उपयोग किया; जिनके पास यह नहीं है, मैंने प्रॉक्सी को चिह्नित किया है।
- [ ] मैंने आपूर्तिकर्ता डेटा का मूल्यांकन वैसे ही नहीं किया, बल्कि क्रॉस-चेकिंग द्वारा किया।
- [ ] मैंने जोखिम संकेतों को "जांच करने योग्य" माना और उन्हें सबूत के रूप में उपयोग नहीं किया।
- [ ] मैंने गंभीर दावों के लिए एक फ़ील्ड ऑडिट/कानूनी सत्यापन चरण की योजना बनाई है।
- [ ] मैंने स्कोप 3 को नहीं छोड़ा; मैंने रिपोर्ट में दायरा और अनुमान दर बताई है।
- [ ] मैंने पूरी प्रक्रिया को उचित परिश्रम दस्तावेज़ के साथ रिकॉर्ड किया।