Keuntungan:
- Kemampuan untuk menetapkan Cakupan 3 dengan memprioritaskan pemasok berdasarkan pembelanjaan dan tingkat risiko serta membedakan antara data aktual dan perkiraan proksi
- Saat menandai sinyal risiko pemasok dengan kecerdasan buatan, perlakukan sinyal tersebut sebagai 'sinyal yang harus diperiksa' dan bukan sebagai bukti
- Kemampuan untuk menangani klaim serius mengenai hak asasi manusia/lingkungan melalui proses uji tuntas yang memerlukan inspeksi lapangan dan konfirmasi hukum
Bagi sebagian besar perusahaan, dampak keberlanjutan terbesar bukan terletak pada pabriknya sendiri, melainkan pada rantai pasokannya. Lebih dari 80 persen jejak karbon suatu merek pakaian berasal dari pemasoknya, mulai dari produsen kain hingga pengiriman. Demikian pula, risiko sosial yang paling parah, seperti pekerja anak, kerja paksa, dan pelanggaran lingkungan hidup, sering kali terjadi jauh di dalam rantai pasokan. Di unit ini, Anda akan mempelajari cara menggunakan kecerdasan buatan (AI) untuk mengumpulkan dan mengevaluasi data rantai pasokan dan menyaring risiko.
Mari kita perjelas dua konsep. Cakupan 3, seperti yang kita lihat di unit sebelumnya, adalah emisi tidak langsung dalam rantai nilai perusahaan dan umumnya merupakan item terbesar namun paling sulit diukur. Uji tuntas adalah proses mengidentifikasi, mencegah, dan memulihkan risiko hak asasi manusia dan lingkungan dalam rantai pasokan perusahaan. Peraturan seperti CSDDD (Corporate Sustainability Due Diligence Directive) Uni Eropa mewajibkan hal ini bagi perusahaan besar.
Tantangan utama data rantai pasokan
Anda dapat mengukur data fasilitas Anda sendiri; Tapi data ratusan supplier tidak bisa langsung diukur, harus tanya ke mereka. Hal ini menimbulkan tiga masalah:
- Data tidak sampai atau tidak lengkap. Kebanyakan pemasok kecil tidak menyimpan data karbon.
- Datanya tidak dapat diandalkan. Ketika pemasok melaporkan sendiri, mungkin ada laporan yang berlebihan atau kurang.
- Tebakan (proxy) diperlukan. Jika data aktual tidak tersedia, maka digunakan perkiraan rata-rata industri atau perkiraan berdasarkan pengeluaran.
Di sinilah AI membantu dalam dua cara: (1) dengan cepat menyusun survei dan surat tindak lanjut untuk dikirim ke ratusan pemasok, (2) menyusun respons yang tersebar dan menandai sinyal risiko yang lesu. Namun tidak ada nomor yang diberikan oleh pemasok yang diverifikasi, tidak ada sinyal risiko yang disimpulkan tanpa tinjauan manusia.
Kategori cakupan 3 (contoh)
Sumber data
Metode yang khas
Barang/jasa yang dibeli
Survei / pembelanjaan pemasok
Data nyata > proksi
Pengiriman dan distribusi
Catatan operator
Jarak × beban × faktor
perjalanan bisnis
sistem perjalanan
Km/penerbangan × faktor
Kegunaan produk yang dijual
Data energi produk
Model penggunaan
limbah
Dokumen pemindahan sampah
Kuantitas × faktor
Tip: Dalam Cakupan 3, perkiraan “berbasis pembelanjaan” (sebanyak CO₂e per $1.000 yang dibelanjakan) adalah permulaan yang cepat, namun merupakan permulaan yang kasar. Ketika pemasok memberikan data nyata, gunakanlah; Perkiraan berdasarkan pembelanjaan hanya bersifat sementara jika tidak ada data aktual dan harus ditandai sebagai "perkiraan/proxy" dalam laporan.
Langkah demi langkah: Alur kerja rantai pasokan dengan AI
1. Prioritaskan pemasok. Anda tidak dapat memeriksa ratusan pemasok secara mendalam. Fokus pada sektor-sektor yang mempunyai ukuran dan risiko pembelanjaan tinggi (sektor, negara). AI dapat menghasilkan daftar draf dengan prioritas ini.
2. Draf survei dan permintaan. Mintalah AI untuk memberikan garis besar survei data pemasok yang jelas dan mudah diisi.
3. Konfigurasikan data yang masuk. Masukkan jawaban dalam format berbeda ke dalam satu tabel; Tandai bagian yang hilang.
4. Pindai sinyal risiko. Minta AI menemukan kandidat “bendera merah” dalam berita publik, catatan pelanggaran, dan perbedaan survei; Tapi manusia memverifikasi setiap sinyal.
5. Tindakan dan pengejaran. Menetapkan tindakan perbaikan dan rencana tindak lanjut untuk pemasok berisiko tinggi; Dokumentasikan prosesnya.
Perintah lemah / Perintah kuat
Perintah yang lemah:
Hitung jejak karbon pemasok kami.
Tidak ada sumber data, tidak ada pembedaan nyata/proxy, dan tidak ada verifikasi; AI membuat nomor pemasok.
Perintah yang kuat:
Peran Anda: analis keberlanjutan rantai pasokan. Masukan: 15 nama pemasok, industri, jumlah pengeluaran tahunan, dan data emisi aktual yang mereka berikan (jika ada). Tugas: 1) Bagi yang memberikan data nyata, gunakanlah data tersebut. 2) Bagi yang belum mempunyai data riil, tuliskan “Wajib PROXY berbasis pembelanjaan”, JANGAN COCOK nomornya; tentukan faktor mana yang akan diperoleh dari sumber resmi.3) Prioritaskan pemasok dalam industri dengan pembelanjaan tinggi + risiko tinggi.Output: tabel (Pemasok | Industri | Pembelanjaan | Tipe data[aktual/proxy] |Prioritas | Catatan). Nomor proxy akan ditandai dalam laporan.
Meminta penyaringan risiko pemasok
Siapkan perancah penyaringan risiko untuk daftar pemasok berikut. Penilaian untuk setiap pemasok (hanya berdasarkan informasi yang saya berikan, klaim publik PALSU): - Kemungkinan risiko hak asasi manusia dari negara/sektor (tinggi/sedang/rendah) - Kemungkinan risiko lingkungan hidup - Inkonsistensi dalam respons survei/tanda bahaya Aturan: tambahkan catatan “verifikasi diperlukan — tidak ada sumber” untuk setiap risiko; jangan membuat tuduhan yang pasti, cukup berikan sinyal untuk diselidiki. Daftar: [PEMASOK]
Prompt berikut menyusun survei permintaan data untuk dikirim ke pemasok.
Peran Anda: spesialis sumber keberlanjutan. Tugas: menyusun survei data ESG yang berisi tidak lebih dari 10 pertanyaan yang dapat diselesaikan dengan mudah oleh pemasok kecil/menengah. Meliputi: konsumsi energi, jenis bahan bakar, limbah, jumlah kecelakaan keselamatan kerja, komitmen terhadap pekerja paksa/anak. Nada: sederhana, jelas, mudah diselesaikan; Tambahkan unit dan contoh ke setiap pertanyaan.
Perhatian: Jangan biarkan AI memverifikasi sinyal risiko tentang pemasok (misalnya, "pekerja anak") dan jangan pernah menggunakan klaim yang dibuat oleh AI sebagai bukti. Tuntutan serius tersebut hanya dapat dikonfirmasi oleh sumber yang dapat dipercaya, pemeriksaan lapangan dan proses hukum. AI hanya menghasilkan “sinyal untuk diperiksa”; tidak menghakimi.
tiga kasus mini
Kasus 1 — Penggunaan proxy secara jujur. Hanya 30 dari 200 pemasok salah satu produsen furnitur yang menyediakan data karbon aktual. Tim tersebut menggunakan proksi berbasis pembelanjaan untuk 170 sisanya, namun laporan tersebut dengan jelas menyatakan, "65% dari Cakupan 3 adalah perkiraan berbasis pembelanjaan." Auditor mengakui kejujuran ini; jika hal itu disembunyikan, jaminan itu mungkin akan ditolak.
Kasus 2 — Prioritas. Sebuah perusahaan makanan mempunyai 480 pemasok. AI menunjukkan bahwa 80% pembelanjaan terkonsentrasi pada 40 pemasok. Tim memfokuskan penelitian mendalam pada 40 hal ini; sumber daya tidak terbuang sia-sia dan pemasok dengan dampak tertinggi dilaporkan dengan data nyata.
Kasus 3 — Risiko tuduhan palsu. AI menandai pemasoknya sebagai “kemungkinan kerja paksa”; Alasannya hanya rata-rata nasional. Tim menerima ini sebagai "isyarat untuk diperiksa", bukan bukti, dan meminta dilakukannya pemeriksaan lapangan. Pemeriksaan tidak menemukan masalah; Jika sinyal AI dijadikan alat bukti, maka akan timbul tuduhan tidak adil dan risiko hukum.
Kesalahan umum
- Menerima data pemasok tanpa memverifikasinya. Data pemasok yang dilaporkan secara mandiri memerlukan pemeriksaan silang.
- Menyembunyikan proksi. Menggunakan perkiraan berbasis pembelanjaan tidak masalah; Tidak menentukan adalah masalah dalam audit.
- Memeriksa semua pemasok secara setara. Pengadaan harus fokus pada pemasok dengan pembelanjaan tinggi dan risiko tinggi.
- Salah mengira sinyal AI sebagai bukti. Klaim pelanggaran hak asasi manusia/lingkungan diverifikasi oleh lapangan dan hukum, bukan oleh AI.
- Melewatkan Cakupan 3 seluruhnya. Dampak terbesar biasanya terjadi di sini; Hal ini tidak dapat diabaikan dengan alasan “sulit diukur”.
Singkatnya
Rantai pasokan adalah tempat persembunyian dampak lingkungan dan sosial terbesar bagi sebagian besar perusahaan; Risiko emisi dan uji tuntas Cakupan 3 terkonsentrasi di sini. AI; Hal ini sangat membantu dalam penentuan prioritas pemasok, penyusunan survei, penataan respons yang tersebar, dan penandaan sinyal risiko. Namun data pemasok tidak disertakan dalam laporan sampai data tersebut diverifikasi, perwakilannya dinyatakan dengan jelas, dan dugaan serius dikonfirmasi melalui inspeksi lapangan. AI menghasilkan sinyal; Manusia memikul penilaian dan tanggung jawab.
Tugas aplikasi
Siapkan daftar 10 pemasok fiktif dengan nama, industri, dan pengeluaran tahunan; Tambahkan beberapa data emisi aktual, biarkan sebagian besar kosong. Mintalah AI untuk tabel prioritas dan tipe data melalui perintah canggih di atas. Kemudian: (1) memverifikasi bahwa jumlah pemasok yang memerlukan proxy tidak dibuat-buat, (2) memilih 3 pemasok dengan prioritas tertinggi disertai justifikasi, (3) menyusun survei data singkat untuk dikirimkan kepada mereka.
daftar periksa
- [ ] Saya memprioritaskan pemasok berdasarkan pengeluaran dan tingkat risiko.
- [ ] Saya menggunakan data asli; Bagi yang belum punya, saya tandai proxynya.
- [ ] Saya mengevaluasi data pemasok bukan sebagaimana adanya, tetapi dengan melakukan cross-check.
- [ ] Saya menganggap sinyal risiko "untuk diperiksa" dan tidak menggunakannya sebagai bukti.
- [ ] Saya merencanakan langkah audit lapangan/verifikasi hukum untuk klaim serius.
- [ ] Saya tidak melewatkan Cakupan 3; Saya menyatakan cakupan dan tingkat estimasi dalam laporan.
- [ ] Saya mencatat seluruh proses dengan dokumen uji tuntas.