Keuntungan:
- Kemampuan membedakan fokus framework GRI, ESRS dan ISSB (dampak, materialitas ganda, finansial) dan memilih framework yang tepat menurut pembaca
- Kemampuan untuk memetakan topik material ke kandidat item standar dan memverifikasi setiap nomor dengan teks standar resmi
- Kemampuan untuk membuat pencocokan silang yang menghubungkan data tunggal ke beberapa bingkai dan dengan jelas menunjukkan kesenjangan data tanpa menyembunyikannya
Ketika sebuah perusahaan mengumpulkan data keberlanjutan, perusahaan tersebut harus mengungkapkannya sesuai dengan kerangka pelaporan yang diterima secara internasional, bukan dengan cara yang sewenang-wenang. Kerangka kerja tersebut merupakan bahasa umum yang menentukan “topik mana yang akan dilaporkan, bagaimana caranya, dengan indikator apa”; Berkat itu, laporan dari dua perusahaan berbeda dapat dibandingkan. Dalam unit ini, Anda akan mengenal tiga kerangka kerja utama (GRI, ESRS/CSRD, ISSB) dan mempelajari cara menggunakan kecerdasan buatan (AI) dengan aman dalam pencocokan konten berdasarkan kerangka kerja tersebut.
Mari kita jelaskan secara singkat ketiga kerangka tersebut. GRI (Global Reporting Initiative) adalah kelompok standar pelaporan keberlanjutan sukarela yang paling banyak digunakan di dunia; Hal ini terutama melihat dampak perusahaan terhadap dunia. ESRS (Standar Pelaporan Keberlanjutan Eropa) adalah seperangkat standar berdasarkan materialitas ganda, yang disyaratkan oleh Uni Eropa dalam lingkup arahan CSRD. ISSB (International Sustainability Standards Board) adalah dewan internasional yang menerbitkan standar IFRS S1/S2, dengan fokus pada materialitas keuangan dengan fokus investor.
Tiga bingkai, tiga perspektif
Bingkai
Siapa yang melepasnya?
fokus utama
Apakah itu wajib?
ABU-ABU
lembaga GRI
Dampak perusahaan terhadap dunia
Sukarela, sangat umum
ESRS/CSRD
UE / EFRAG
Materialitas ganda (dampak + keuangan)
Wajib di bawah UE
ISSB (IFRS S1/S2)
Yayasan IFRS
Materialitas finansial bagi investor
Diadopsi oleh negara
Kerangka-kerangka ini bukan merupakan pesaing satu sama lain, namun merupakan bahasa pelengkap yang menarik bagi pembaca yang berbeda. Sebagian besar perusahaan besar mengumpulkan data mereka satu kali dan “memetakannya” ke berbagai kerangka kerja. Di sinilah letak nilai sebenarnya dari AI: AI adalah asisten cepat dalam merekomendasikan data yang sama ke nomor item dalam bingkai berbeda. Tapi itu bisa mencocokkan nomor item, jadi setiap kecocokan harus diverifikasi berdasarkan teks standar resmi.
Tip: Anda dapat membandingkan frame dengan pertanyaan "mana yang lebih baik?" bukan "Siapa yang akan membacanya?" Pilih . Jika Anda berbicara dengan investor, ISSB/materialitas keuangan; ESRS bersifat wajib jika Anda tunduk pada peraturan UE; GRI sangat berguna jika Anda mengomunikasikan dampak Anda kepada berbagai pemangku kepentingan. Seringkali lebih dari satu digunakan secara bersamaan.
Struktur standar GRI
GRI disusun berdasarkan nomor berdasarkan mata pelajaran. Beberapa contoh (pastikan untuk memeriksa teks resmi untuk verifikasi):
- GRI 302 — Energi
- GRI 303 — Air dan air limbah
- GRI 305 — Emisi (udara)
- GRI 306 — Sampah
- GRI 403 — Kesehatan dan keselamatan kerja
Kesalahan AI yang paling umum adalah menempatkan topik di bawah nomor yang salah: misalnya, menampilkan air di bawah GRI 305 (emisi). Air adalah GRI 303. Kesalahan seperti itu hanya diketahui oleh daftar standar resmi.
Langkah demi langkah: Pencocokan bingkai dengan AI
1. Berdasarkan materialitas. Setelah Anda menentukan topik mana yang akan dilaporkan (unit 2), lanjutkan ke pemetaan.
2. Merekomendasikan data tersebut ke item standar. Meminta AI untuk memetakan setiap topik material ke kandidat substansi GRI/ESRS yang relevan; tetapi nyatakan bahwa "ini adalah rancangan proposal".
3. Verifikasi nomor barang dengan teks resmi. Konfirmasikan setiap nomor yang disarankan dengan dokumen resmi GRI atau EFRAG. Periksa nomor dan isinya.
4. Identifikasi kesenjangan. Cantumkan data yang ingin standar tetapi tidak dimiliki (data gap); Ini dikumpulkan atau dinyatakan sebagai "tidak tersedia".
5. Menyiapkan pemetaan silang. Siapkan tabel yang menghubungkan data yang sama dengan nomor GRI, ESRS dan ISSB; jadi Anda melaporkan ke beberapa kerangka kerja dengan satu data.
Perintah lemah / Perintah kuat
Perintah yang lemah:
Beri nomor pada topik-topik ini menurut GRI.
AI mungkin menghasilkan angka-angka yang tampaknya masuk akal namun palsu/dibuat-buat; Tidak ada panggilan validasi.
Perintah yang kuat:
Peran Anda: ahli kerangka pelaporan.Masukan: topik material kami (energi, air, emisi, keselamatan kerja, limbah).Tugas: menyarankan KEMUNGKINAN kandidat bahan GRI dan ESRS untuk setiap topik.Aturan:- Berikan tag "HARUS DIVERIFIKASI" pada setiap saran; Jangan mengklaim angka pastinya. - Jangan membuat angka yang Anda tidak yakin; Tulis "konfirmasi dari daftar standar resmi". - Tuliskan alasan diskriminasi pada topik yang mudah membingungkan seperti air dan emisi. Output: tabel (Topik | Kandidat GRI | Kandidat ESRS | Catatan verifikasi).
Meminta tabel pemetaan multi-frame
Buatlah perancah tabel pemetaan multi-bingkai untuk topik material berikut. Kolom: Topik | Barang data | Seni GRI. | Seni ESRS. | ISSB (S1/S2) | Sumber data | Apakah ada celah?Peraturan:- Tandai nomor item sebagai "kandidat/yang akan diverifikasi".- Tulis "DATA GAP" pada sel yang tidak ada datanya.Topik: [TOPIK]
Perintah berikut menghasilkan analisis kesenjangan pelaporan.
Peran Anda: Analis kepatuhan LST. Tugas: Membandingkan data yang kita miliki dengan penjelasan yang diperlukan oleh kerangka kerja yang kita pilih (ESRS) dan membuat analisis kesenjangan. Keluaran: Diperlukan penjelasan | Apakah kita memilikinya? | Apa yang harus dikumpulkan jika hilang | Bertanggung jawab.Aturan: Untuk setiap baris yang Anda ucapkan "kami punya", tulis sumbernya; Jika Anda tidak yakin, ucapkan "periksa diperlukan". Ingatkan saya untuk memverifikasi klausul standar dari teks resmi. Entri: [DAFTAR DATA TERSEDIA]
Perhatian: Standar diperbarui secara berkala; Nomor item, ambang batas, dan persyaratan dapat berubah. Data pelatihan AI mungkin mencerminkan versi yang sudah ketinggalan zaman. Selalu konfirmasikan keputusan pemasangan dan kewajiban penting dengan teks resmi yang berlaku.
tiga kasus mini
Kasus 1 — Nomor salah. Sebuah perusahaan energi meminta AI untuk pemetaan GRI. YZ memberi label konsumsi airnya sebagai "GRI 305-8". Ahli memeriksa: air adalah GRI 303, GRI 305 adalah emisi udara, dan tidak ada pernyataan 305-8. Nomor tersebut telah diperbaiki dengan daftar resmi.
Kasus 2 — Banyak laporan dengan satu data. Salah satu produsen mengumpulkan data energi satu kali dan memetakannya ke persyaratan GRI 302, ESRS E1 (iklim), dan ISSB S2 dengan bantuan AI. Berkat tabel silang, data dimasukkan dari satu sumber alih-alih mengumpulkan ulang data untuk tiga laporan terpisah; setiap nomor dikonfirmasi oleh teks resmi.
Kasus 3 — Rongga tersembunyi. Satu perusahaan tidak memiliki pengungkapan emisi "Cakupan 3" yang disyaratkan oleh ESRS. AI menulis laporan dengan lancar “seolah-olah selesai” dan membuat kesenjangan tidak terlihat. Ketika analisis kesenjangan dilakukan, ditemukan kekurangannya; Daripada memalsukan data, laporan tersebut menjelaskan dengan jujur bahwa “Data Cakupan 3 akan dikumpulkan pada tahun 2025.”
Kesalahan umum
- Tidak memverifikasi nomor item. Nomor GRI/ESRS/ISSB tidak digunakan tanpa konfirmasi dengan teks resmi.
- Mencampur bingkai. Mengasumsikan bahwa fokus dampak GRI dan fokus finansial ISSB adalah sama akan menghasilkan penjelasan yang salah.
- Mengandalkan versi lama. Standar diperbarui; Teks saat ini sangat penting.
- Menyembunyikan kesenjangan data. Data yang hilang perlu dinyatakan dengan jelas, bukan ditulis “seolah-olah sudah lengkap”.
- Masalah yang membingungkan seperti air/emisi. Topik yang tampak serupa termasuk dalam nomor item yang berbeda.
Singkatnya
Kerangka pelaporan adalah struktur yang menerjemahkan data keberlanjutan ke dalam bahasa umum yang dapat dibandingkan: GRI melihat dampak, ISSB melihat keuangan, ESRS melihat keduanya dengan materialitas ganda. AI adalah asisten yang ampuh dalam memetakan data yang sama dengan cepat ke item dalam kerangka kerja berbeda; tetapi mungkin memalsukan nomor item dan mencerminkan versi yang lebih lama. Validasi setiap pemetaan dengan teks kanonik resminya, pilih bingkai berdasarkan pembaca, jangan sembunyikan kesenjangan data. Pelaporan ke berbagai kerangka kerja dengan satu data adalah hal yang efisien; tapi itu aman hanya jika setiap nomor dikonfirmasi.
Tugas aplikasi
Pilih lima topik material (misalnya energi, air, emisi, limbah, keselamatan kerja). Minta tabel kandidat GRI/ESRS/ISSB dari AI melalui perintah pencocokan multi-frame di atas. Kemudian: (1) verifikasi setidaknya tiga nomor item dengan teks resmi, (2) periksa apakah air dan emisi dipisahkan dengan benar, (3) tuliskan data yang hilang ke dalam daftar kosong.
daftar periksa
- [ ] Saya memetakan setiap topik materi ke artikel bingkai yang relevan.
- [ ] Saya memverifikasi nomor item dengan teks resmi (GRI/EFRAG/ISSB).
- [ ] Saya memilih kerangka ini berdasarkan jumlah pembacanya (investor/stakeholder/regulator).
- [ ] Saya telah memisahkan topik yang mudah membingungkan seperti air/emisi dengan benar.
- [ ] Saya telah mencantumkan kesenjangan data dengan jelas tanpa menyembunyikannya.
- [ ] Saya telah mengonfirmasi bahwa saya menggunakan versi standar saat ini.
- [] Saya menyiapkan tab silang yang menghubungkan satu data ke beberapa bingkai.