Dobici:
- Sposobnost prepoznavanja vrsta greenwashinga (nesigurna, nedokazana, skrivena razmjena, pretjerana budućnost) i učiniti tvrdnju mjerljivom, izvornom i opsegom.
- Sposobnost klasificiranja podataka koji se daju vozilu u smislu povjerljivosti i zaštite poslovnih tajni i osobnih podataka
- Sposobnost implementacije end-to-end vrata kvalitete od definicije do verifikacije i preuzimanje konačne odgovornosti bez oslanjanja na obranu "AI je rekla"
U svakoj jedinici ovog modula ponavljalo se načelo: broj se treba temeljiti na izvoru, tvrdnja se treba temeljiti na dokazima. Ova završna jedinica integrira to načelo. Najveći rizik od umjetne inteligencije u okolišu i klimi nije pogrešna procjena, već to što proizvodi uvjerljivu, ali neutemeljenu priču. U ovoj jedinici naučit ćete kako prepoznati i spriječiti greenwashing, osigurati točnost podataka, etiku i privatnost, te end-to-end tijek rada koji objedinjuje cijeli modul.
Anatomija greenwashinga
Greenwashing je kada organizacija čini da njezin učinak na okoliš izgleda bolje nego što zapravo jest. Budući da je umjetna inteligencija tako dobra u stvaranju tečnog i uvjerljivog teksta, također je vrlo sklona nesvjesnom stvaranju "greenwashinga". Glavne vrste:
Greenwashing tip
kako to misliš
primjer
nejasna tvrdnja
nemjerljiva, nedefinirana riječ
"Ekološki", "prirodno", "zeleno"
tvrdnja bez dokaza
Broj/cilj bez podataka
"Mi smo ugljično neutralni" (nema dokumentacije)
tajna razmjena
Isticanje dobrog i skrivanje velikog lošeg
"Ambalaža se može reciklirati", ali proizvod jako zagađuje okoliš
nebitna tvrdnja
Predstavljanje onoga što je već potrebno/nevažno kao vrline
"Ne sadrži zabranjenu tvar"
lažna etiketa
Izmišljeni/neprovjereni izgled certifikata
Samostalni "zeleni" logo
ekstravagantna budućnost
Skloniti se u udaljenu metu bez dokaza
"Bit ćemo neutralni 2050." (nema privremenog plana)
Savjet: Dobra tvrdnja o zaštiti okoliša ima tri karakteristike: mjerljivost (broj), dokazanost (dokaz) i jasan opseg (jasno što se s kada uspoređuje). Ako zahtjevu nedostaje jedno od ova tri, prestanite prije nego što ga objavite.
Točnost podataka: zlatno pravilo modula
Disciplina provjere koju vidimo u svakoj jedinici može se sažeti u jednu rečenicu: Nijedan broj ili činjenica koju proizvodi AI ne pretvara se u odluku, izvješće ili tvrdnju bez potvrde neovisnog izvora. Faktor emisije je potvrđen iz službene tablice, članak zakona je potvrđen iz važećeg teksta, mjerenje je potvrđeno iz kalibriranog uređaja, a izračun je potvrđen iz izvršenog koda. AI ubrzava; On je čovjek koji je iskren.
Etika i privatnost
Etika: podaci o okolišu tiču se javnosti i budućih generacija; masaža podataka, selektivno izvješćivanje ili skrivanje neizvjesnosti etički je prekršaj. Nemojte tražiti od umjetne inteligencije da "prikaže izvješće bolje", već radije "prikaže izvješće točnije i razumljivije".
Povjerljivost: Podaci o proizvodnji na razini tvornice, ugovori s dobavljačima, neotkriveni podaci o emisijama mogu biti poslovne tajne; Podaci o putovanju ili lokaciji zaposlenika mogu biti osobni podaci. Provjerite korporativnu politiku i pravila zaštite podataka (npr. KVKK/GDPR) prije nego što ih zalijepite u javne AI alate; Anonimizirajte ako je moguće ili upotrijebite poslovni alat za zaštitu podataka.
Oprez: "AI je tako rekao" nije obrana. Ustanova i potpisnik odgovorni su za lažno izvješće o emisijama, obmanjujuće oglašavanje ili curenje povjerljivih podataka. AI je alat; On je osoba koja je odgovorna.
Tijek rada od kraja do kraja: sastavite modul
Evo šest koraka za izradu ekološke tvrdnje ili izvješća s povjerenjem od početka do kraja:
1. Definirajte. Što će biti prijavljeno/potraživano? Jesu li opseg, jedinica, standard, razdoblje jasni?
2. Prikupiti i potvrditi podatke. Ima li svako izdanje sljedivi izvor? Jesu li faktori službeni?
3. Izračunajte i provjerite. Izvršite aritmetiku u kodu i navedite rezultat s jedinicama i redoslijedom.
4. Skica. Izgradite tekstualni kostur pomoću umjetne inteligencije; Povežite svaku rečenicu s dokazom.
5. Provucite kroz Greenwashing filter. Eliminirajte nejasne, nepotkrijepljene, pretjerane izjave.
6. Provjerite i preuzmite odgovornost. Neovisno uvjerenje/stručna kontrola; konačno odobrenje leži na čovjeku.
tri mini kućišta
Slučaj 1 — Tečno, ali neutemeljeno. Jedan je tim tražio od AI-a da napiše sažetak o održivosti; Tekst je bio dojmljiv, ali ispunjen izrazima koji se ne mogu kvantificirati kao što su "održivost vodeća u industriji", "učinak gotovo nula". Primjenom filtra zelenog pranja (predložak 1 u nastavku) označeno je sedam neutemeljenih tvrdnji; svaki je ili zamijenjen dokazanim brojem ili uklonjen. Izvještaj je bio kraći, ali obranjiv.
Slučaj 2 — Procurili podaci. Analitičar je zalijepio podatke o emisijama iz pogona koji još nisu objavljeni u javno dostupan AI alat i zatražio analizu. Tim za usklađenost shvatio je da se radi o poslovnoj tajni i mogućem kršenju zakonskih propisa; proces je zaustavljen, podaci su premješteni u korporativni (nepropusni) alat. Lekcija: odredite klasu (povjerljivo?) podataka prije nego što ih date alatu.
Slučaj 3 — Lanac provjere valjanosti. Jedna je organizacija vodila tablicu "tvrdnje-dokazi" za cijelo svoje godišnje izvješće: nasuprot svakog broja u svakoj rečenici nalazi se njezin izvor. Kad je revizor stigao, mogli su pratiti svaki zahtjev u roku od nekoliko minuta; Proces osiguranja prošao je glatko. Ova je disciplina bila srž svih jedinica modula i uštedjela je vrijeme i prepoznavanje u stvarnom svijetu.
Slab upit / Jak upit
Slab upit:
Neka naša poruka o održivosti bude impresivnija.
Zašto je slab: Želja za "impresivnim" gura AI u hiperbole i nejasne pohvale; proizvodi greenwashing.
Snažan upit:
Vaša uloga: urednik ekoloških komunikacija i greenwashing revizor. Učinite donji tekst ISPRAVNIJIM i razumljivijim, a ne "šljaštećim". Svaka se tvrdnja pita: je li mjerljiva, je li izvorna, je li joj opseg jasan? Označite nejasne ("ekološki prihvatljive"), nedokazane ("neutralne") i pretjerane izjave te predložite odmjerene alternative utemeljene na dokazima. Uklonite tvrdnju koja nema dokaza.Tekst: [ovdje]
Četiri predloška za kopiranje
1) Kontrolni filtar za zeleno ispiranje:
Vaša uloga: revizor greenwashinga. U donji tekst unesite svaku ekološku tvrdnju: (tvrdnja | može li se mjeriti | postoje li dokazi | je li neizvjesno | presuda). Označite one koji su nejasni/nedokazani/pretjerani i za svaki predložite odmjerenu alternativu utemeljenu na dokazima. Tekst: [ovdje]
2) Tablica podudaranja zahtjeva i dokaza:
Uklonite SVAKU brojčanu i činjeničnu tvrdnju iz donjeg teksta izvješća. Za svaki ostavite stupac "izvor". Označite svaku tvrdnju s neodređenim izvorom kao "POTREBAN DOKAZ". Promjena teksta; provjeri.Tekst: [ovdje]
3) Prethodna provjera privatnosti:
Klasificirajte sljedeće podatke prije obrade u alatu umjetne inteligencije: sadrže li poslovne tajne (biljna proizvodnja, cijena dobavljača), osobne podatke (ime, lokaciju) ili neotkrivene financijske informacije? Označite rizična područja i preporučite anonimizaciju/uklanjanje. Primjer podataka: [ovdje]
4) Vrata kvalitete od kraja do kraja:
Obavite konačnu provjeru za okolišno izvješće/zahtjev u nastavku. Redom: (1) je li opseg-jedinica-standard jasan, (2) je li svaki broj dobio izvor, (3) je li aritmetika provjerena, (4) postoji li zelenaštvo, (5) jesu li povjerljivi/osobni podaci procurili. Navedite prolaz/nije i obrazloženje za svaku stavku. Sadržaj: [ovdje]
Uobičajene greške
- Želeći "impresivno". Ovo gura AI u hiperbolu i zelenašenje; Zatražite "točno i razumljivo".
- Ne primjećujući nejasnu tvrdnju. Fraze poput "eko-prijateljski" su nemjerljive i riskantne.
- Izvoz povjerljivih podataka u otvoreni alat. Prvo klasificirajte podatke i po potrebi ih anonimizirajte.
- Obrana s "AI je tako rekla." Odgovornost uvijek leži na osobi.
- Neodržavanje lanca provjere. Izvor svake tvrdnje mora biti provjerljiv.
Ukratko
Bit sigurnog korištenja umjetne inteligencije u okolišu i klimi je jedinstvena disciplina: svaki izvor podataka, svaka tvrdnja dokazana, svaki podatak dostavljen svakom alatu klasificiran, svaka konačna odluka čovjeka. Greenwashing je zamka fluidnog jezika; Način da se to izbjegne je iznošenje tvrdnji koje su mjerljive, imaju izvor i imaju određeni opseg. AI; izračunava, skenira, izrađuje i organizira - ali nadležni stručnjak je taj koji provjerava, odlučuje i odgovara. U radu na okoliš s velikim posljedicama, rezultati umjetne inteligencije nisu zamjena za stručnu provjeru i validaciju; samo ga ubrzava.
Zadatak aplikacije
Odaberite jedan rezultat koji ste proizveli tijekom modula (sažetak emisija, analiza vode ili ESG odjeljak). Najprije reviziju Greenwashinga s predloškom 1 i ispravite sve neutemeljene tvrdnje koje pronađete. Zatim izradite tablicu dokaza tvrdnji s 2. predloškom i popunite preostale brojeve bez izvora. Na kraju, primijenite end-to-end kvalitetna vrata s 4. predloškom; Ispravljajte dok ne dobijete "prolaz" na svih pet stavki.
popis za provjeru
- [ ] Svaku sam tvrdnju učinio mjerljivom, izvorom i opsegom.
- [ ] Očistio sam nejasan/pretjeran jezik filtrom za pranje zelenila.
- [ ] Neovisno sam provjerio svaki broj koji je proizveo AI.
- [ ] Klasificirao sam/anonimizirao podatke koje sam dao alatu radi povjerljivosti.
- [ ] Kodirao sam aritmetiku i opremio je jedinicama i činovima.
- [ ] Ja sam preuzeo krajnju odgovornost; Nisam se oslanjao na obranu "AI je rekao".
Modul ispit
1. Što je od sljedećeg najtočnije pozicioniranje za umjetnu inteligenciju u okolišu i klimi?
- A) Umjetna inteligencija je pomoćnik koda, podataka i nacrta; Odgovornost za faktore, opseg, dokaze i etičke odluke leži na ljudima ✔
- B) Umjetna inteligencija je mjerni uređaj i vrijednosti emisije koje daje uvijek su točne.
- C) Umjetna inteligencija je korisna samo u pisanju izvješća, nema nikakve veze s računovodstvom i nadzorom
- D) Budući da je umjetna inteligencija nepristranija od ljudi, sve odluke o okolišu trebaju biti prepuštene njoj.
Opis: Umjetna inteligencija; To je pomoćnik koji piše kod, organizira podatke, proizvodi nacrte i sažima. Međutim, potvrdu faktora emisije, opsega i jedinične točnosti, obrazloženje tvrdnji i konačnu odgovornost snosi nadležni stručnjak. Veliki jezični model nije mjerni uređaj, kalkulator ili izvor zakonodavstva; je generator teksta koji proizvodi 'sljedeću najvjerojatniju riječ' i njegov neprovjereni rezultat može dovesti do lažne prijave ili tvrdnje.
2. Koji je pristup ispravan za izračun 'podataka o aktivnosti × faktora emisije' u inventaru stakleničkih plinova?
- A) Korištenje faktora koji umjetna inteligencija pamti i davanje ručnom zbroju
- B) Uzimanje faktora iz službene tablice po zemlji i godini i pravljenje zbroja pomoću izvršnog koda ✔
- C) Brojanje svih plinova kao CO₂ i preskakanje GWP pretvorbe
- D) Korištenje zadanog (npr. SAD) mrežnog faktora za svaku zemlju
Opis: Faktori emisije razlikuju se ovisno o zemlji, godini i gorivu; 'Podsjetnik' AI uvodi rizik od izmišljanja. Faktor uvijek treba potvrditi iz službene tablice (IPCC, DEFRA/EPA, nacionalni inventar); Zbrojeve u više redaka treba napraviti s izvršnim kodom, a ne ručno. Metan i N₂O nužno se pretvaraju u CO₂e s točnim postavljenim GWP-om.
3. Prema Protokolu o stakleničkim plinovima, u koji opseg spadaju emisije proizašle iz proizvodnje kupljene električne energije?
- A) Opseg 1
- B) Opseg 3
- C) Opseg 2 ✔
- D) Nije uključen ni u jedan opseg i nije prijavljen
Opis: Opseg 1 su izravne emisije iz vlastitih izvora organizacije (kotlovnica, službeno vozilo). Opseg 2 su neizravne emisije iz proizvodnje nabavljene energije (električna energija, para, grijanje, hlađenje). Opseg 3 pokriva sve druge neizravne emisije u lancu vrijednosti (opskrba, putovanja, korištenje proizvoda).
4. Što je ispravno kada se prioritet postavlja mjerama ublažavanja prema MACC-u (granični trošak smanjenja)?
- A) Uvijek se prvo poduzimaju najskuplje i tehnološke mjere
- B) Prvo se kupuje offset i naziva 'neto nula', smanjenje se ostavlja za kasnije.
- C) Redoslijed radnji je neovisan o trošku; sve primijenjeno u isto vrijeme
- D) Mjere negativnih troškova (ušteda) se poduzimaju prve, eliminacija ostaje posljednja ✔
Opis: MACC rangira mjere prema trošku po izbjegnutoj toni (€/toni). Mjere negativnih troškova (npr. energetska učinkovitost) smanjuju emisije i štede novac; Ovi se stavljaju u prvi plan. Skupe opcije i offset ostavljeni su za kraj. Uklanjanje nije zamjena za ublažavanje, već nadopuna neizbježnom ostatku.
5. Vidjeli ste na satelitskoj snimci da je NDVI u jednoj regiji naglo pao u mjesec dana. Što trebate učiniti prvo?
- A) Odmah pokrenite uzbunu za 'iznenadnu deforestaciju' i objavite to javnosti
- B) Testiranje autentičnosti signala primjenom maske oblaka i usporedbom sa susjednim datumima ✔
- C) Gledanje jedne slike i izvješćivanje o točnom postotku gubitka
- D) Satelitski podaci su uvijek točni; nisu potrebne dodatne provjere
Objašnjenje: Najčešći lažni signal satelitskih podataka je oblak. Pad NDVI-ja mogao bi biti stvarni gubitak šume ili bi to mogao biti oblak nad slikom tog dana. Potrebno je prvo staviti masku oblaka i usporediti sa susjednim datumima bez oblaka; Tvrdnja o promjeni trebala bi se temeljiti na trendu, a ne na jednom datumu, i ako je moguće, trebala bi biti potvrđena temeljnom istinom.
6. Koji je pristup ispravan kada se uspoređuje utjecaj dviju tvornica na vodu?
- A) Samo gledajući apsolutne litre i proglašavajući onu koja najviše troši najlošijom
- B) Učinak vode svugdje je isti; regija je nebitna
- C) Ponderiranje potrošnje prema regionalnom vodnom stresu i usporedba sa stvarnim utjecajem ✔
- D) Zbrajanje zelene, plave i sive vode u jedan broj i ignoriranje stresa
Objašnjenje: Voda je, za razliku od ugljika, lokalna; Ista količina vode znači mnogo veći utjecaj na okoliš u regiji s velikim nedostatkom vode. Stoga utjecaj na vodu treba procijeniti ne samo u apsolutnim litrama, već i ponderirati prema regionalnom vodnom stresu. Postrojenje u regiji koje troši malo, ali je vrlo suho može biti kritičnije od postrojenja koje troši puno, ali ima puno vode.
7. U gospodarenju otpadom, umjetna inteligencija klasificirala je kemijski otpad u 'neopasan' kod. Što je ispravno ponašanje?
- A) Eliminirati ga izravno iz tog koda jer tako kaže umjetna inteligencija
- B) Šifre otpada su nevažne; svi se rješavaju na isti način
- C) Zanemarivanje kontaminacije i razreda opasnosti i prijavljivanje prikupljene količine
- D) Potvrđivanje klase sa sigurnosno-tehničkim listom (SDS) i zakonodavstvom, neprihvaćanje prijedloga umjetne inteligencije kao konačnog ✔
Opis: Pogrešna klasifikacija i neregistrirano odlaganje opasnog otpada među najstrože sankcioniranim kaznenim djelima protiv okoliša. Prijedlog zakona o otpadu AI-a samo je početni nacrt; Klasa opasnosti uvijek mora biti potvrđena sigurnosno-tehničkim listom (SDS) tvari i važećim propisima o otpadu. AI izlaz nikada se ne koristi kao konačni kod otpada.
8. Postrojenje je smanjilo svoje emisije iz dimnjaka za 20%. Zašto je pogrešno reći 'zrak u susjedstvu je pročišćen za 20%'?
- A) Emisija i koncentracija su različite; Promjene vremena zahtijevaju odvojena mjerenja i modeliranje ✔
- B) Emisija i koncentracija su ista stvar; Smanjenje se izravno odražava na zrak
- C) Mjerenje dimnjaka uvijek daje točnu vremensku prognozu u susjedstvu
- D) Meteorologija ne utječe na kvalitetu zraka, pa tvrdnja vrijedi
Objašnjenje: Emisija (količina koja izlazi iz izvora) i koncentracija (gustoća mjerena u zraku) su različite stvari. Vjetar, temperatura i topografija uzrokuju da ista emisija rezultira vrlo različitim koncentracijama. Čak i ako je smanjenje emisija iz dimnjaka stvarno, tvrdnja o koncentraciji u zraku može se dokazati samo kalibriranim mjerenjem i odgovarajućim modelom disperzije; inače je neutemeljena i obmanjujuća.
9. U ESG izvješćima postoji rečenica 'smanjili smo potrošnju vode za 15%' u tekstu koji je proizvela umjetna inteligencija. Koja je najvažnija kontrola?
- A) Gledajući koliko je rečenica impresivna i tečna
- B) Provjerite je li broj povezan s sljedivim izvorom (račun, mjerač, mjerenje) ✔
- C) Pretpostavka da je broj točan jer ga proizvodi umjetna inteligencija
- D) Zaokruživanje postotka prema gore kako bi broj izgledao uvjerljivije
Objašnjenje: Vrijednost ESG izvješća je sljedivost njegovih najslabijih podataka, a neovisni revizori ispituju lanac dokaza iza broja. AI je možda proizveo broj koji je izgledao 'razuman' iz prethodnih tekstova, ali mu se nije moglo ući u trag. Ne bi svaka digitalna tvrdnja trebala ući u izvješće bez povezivanja s sljedivim izvorom na temelju fakture/mjerila/certifikata.
10. Zašto se u procjeni klimatskog rizika koristi više scenarija umjesto jedne budućnosti?
- A) Scenariji su ukras; Dovoljno je jedno točno predviđanje budućnosti
- B) Budući da umjetna inteligencija može dati vjerojatnost budućih poplava s točnim postotkom, dovoljan je jedan scenarij
- C) Fizički i tranzicijski rizik mogu biti nepovoljni ovisno o scenarijima; Cilj je testirati izdržljivost ✔
- D) Fizički i tranzicijski rizik su ista stvar, nema potrebe za odvojenim scenarijima
Objašnjenje: Fizički rizik (klimatski utjecaji kao što su poplave, suše) i tranzicijski rizik (cijena ugljika, zakonodavstvo, promjena tehnologije) često se kreću u suprotnim smjerovima: ako svijet brzo ublaži, tranzicijski rizik se povećava, fizički rizik smanjuje; Ako djeluje sporo, događa se suprotno. Stoga se testira najmanje jedan nizak (1,5-2°C) i jedan visok (3°C+) scenarij zagrijavanja. Cilj nije predviđanje budućnosti, već testiranje izdržljivosti.
11. Pitali ste AI da li se propis (npr. CBAM) odnosi na vas i njegove rokove. Kako se trebate ponašati?
- A) Planiranje izravno prema datumima i stavkama koje daje umjetna inteligencija
- B) Temeljenje odluke o opsegu na općem tumačenju umjetne inteligencije, bez gledanja na službeni popis kodova
- C) Usklađenost je jednokratna; Kad već pitate, nema potrebe stalno pratiti zakonodavstvo
- D) Razmotrite rezultat kao nacrt i potvrdite članak, datum, prag i opseg iz trenutnog službenog teksta ✔
Opis: Regulatorno znanje brzo zastarijeva; Članci se mijenjaju, datumi se odgađaju, opseg se širi. Podaci o obuci umjetne inteligencije zamrznuti su na određeni datum i možda nisu ažurni; Štoviše, materija može proizvesti kritične činjenice kao što su povijest i prag. Odluka o opsegu treba biti potvrđena službenim popisom proizvoda/šifara, svi datumi i pragovi službenim tekstom na snazi; U kritičnim odlukama o sukladnosti treba pribaviti ovlašteno/stručno mišljenje.
12. Koja od sljedećih ekoloških tvrdnji ima najmanji rizik od zelenog ispiranja?
- A) 'Smanjili smo naše proizvodne emisije za 18% do 2023. (uz neovisnu provjeru)' ✔
- B) 'Naši proizvodi potpuno su ekološki prihvatljivi i prirodni'
- C) 'Naša tvrtka je ugljično neutralna' (bez davanja dokumenata ili podataka)
- D) 'Mi smo najodrživija tvrtka s gotovo nultim utjecajem u industriji'
Objašnjenje: Dobra ekološka tvrdnja je mjerljiva (sadrži broj), dokazana (temeljena na dokazima) i specifičnog opsega (jasno je što se s kada uspoređuje). 'Smanjili smo proizvodne emisije za 18% do 2023. (uz neovisnu provjeru)' ima ove tri značajke. Fraze kao što su 'ekološki prihvatljivo', 'prirodno', 'ugljično neutralno' (necertificirano) ne mogu se kvantificirati ili su nepotkrijepljene i nose rizik zelenašenja.
13. Zašto je riskantno zalijepiti neobjavljene podatke o emisijama iz postrojenja u javno dostupan AI alat za analizu?
- A) Nema rizika; podaci o okolišu uvijek su javno dostupni
- B) Poslovne tajne, neotkriveni podaci i osobni podaci mogu procuriti; najprije potrebna klasifikacija i anonimizacija ✔
- C) Rizik je samo računska pogreška, nema nikakve veze s privatnošću podataka
- D) Nakon što se podaci daju vozilu, odgovornost prelazi na dobavljača umjetne inteligencije
Otkrivanje podataka: podaci o proizvodnji i emisijama na razini lokacije mogu biti poslovne tajne, a neotkriveni financijski/ekološki podaci mogu kršiti regulatorna pravila o otkrivanju podataka; Podaci o lokaciji/putovanju zaposlenika osobni su podaci. Prije davanja ove vrste podataka otvorenom alatu, potrebno ih je klasificirati, po potrebi anonimizirati ili koristiti institucionalni (bez podataka) alat. 'AI je rekao' nije obrana; Odgovornost je na instituciji i pojedincu.
14. Koji se koncept koristi kada se staklenički plin kao što je metan (CH₄) pretvara u CO₂e i zašto je to važno?
- A) AQI (indeks kvalitete zraka); određuje boju plina u zraku
- B) NDVI (vegetacijski indeks); mjeri utjecaj plina na tlo
- C) GWP (potencijal globalnog zagrijavanja); ako se izostavi, učinak metan/N₂O bit će uvelike podcijenjen ✔
- D) Nisu potrebni koeficijenti; metan se računa 1 prema 1 izravno kao CO₂
Opis: GWP (potencijal globalnog zagrijavanja) je koeficijent koji pretvara učinak zagrijavanja različitih stakleničkih plinova u zajedničku jedinicu u odnosu na CO₂. 100-godišnji GWP metana je približno 28; Dakle, 1 tona metana znači približno 28 tona CO₂e. Ako se GWP izostavi, utjecaj jakih plinova kao što su metan i N₂O bit će uvelike podcijenjen, a inventar će biti potpuno netočan; Također treba navesti koji se skup GWP-a (npr. IPCC AR6, 100 godina) koristi.