Flusso di lavoro ESG end-to-end, governance dei dati, gateway di etica e qualità

Guadagni:

• Capacità di stabilire un flusso di lavoro ESG in otto fasi, dalla materialità alla pubblicazione con controlli di qualità, con il ritmo "l'intelligenza artificiale produce → l'essere umano verifica → attraversa il passaggio"
• Capacità di proteggere i dati finanziari personali e non divulgati classificando i dati ESG come liberi/interni/confidenziali
• Capacità di assumersi la responsabilità ultima e allegare nomi responsabili e documenti di approvazione a ciascuna pubblicazione senza fare affidamento sulla difesa "ha detto l'AI".

Nelle dieci unità precedenti abbiamo trattato separatamente ciascuna parte del business ESG e sostenibilità: ingresso e confini, materialità, raccolta dati, contabilità del carbonio, quadri di reporting, catena di fornitura, comunicazioni con gli stakeholder, stesura di report, garanzia e greenwashing. In questa unità finale, metteremo insieme i pezzi e stabiliremo un flusso di lavoro end-to-end: dove, come e con quale sicurezza utilizzare l'intelligenza artificiale (AI) in ogni fase, dalla definizione di una missione di sostenibilità alla sua pubblicazione. Porteremo inoltre la governance dei dati, la privacy e la responsabilità etica in un unico quadro.

Ripetiamo ancora una volta la spina dorsale costante del modulo: AI; È un assistente che scrive codice, organizza dati, produce bozze e riassume. L'esattezza del numero, la conferma del fattore, il controllo dello standard, la prova del reclamo e la responsabilità finale spettano sempre all'esperto competente. Questa unità trasforma questo principio in un flusso di lavoro quotidiano e in una lista di controllo.

Flusso di lavoro ESG end-to-end

Considera un ciclo di reporting di sostenibilità in otto fasi:

1. Ambito e materialità: quali argomenti sono materiali? (Unità 2)
2. Raccolta dati: fonti, unità, pista di controllo. (Unità 3)
3. Calcolo: carbonio e altri parametri con fattori verificati. (Unità 4)
4. Adeguamento del quadro: sostanze GRI/ESRS/ISSB, conferma tramite testo ufficiale. (Unità 5)
5. Catena di fornitura – Scope 3 e due diligence. (Unità 6)
6. Scrittura e comunicazione: report equilibrato e documentato e messaggio per gli stakeholder. (Unità 7-8)
7. Preparazione della garanzia – Catena di prove e preparazione dell’audit. (Unità 9)
8. Verifica delle richieste: screening del greenwashing e approvazione del rilascio. (Unità 10)

Ad ogni passo, l’intelligenza artificiale è un acceleratore; Ma all’uscita di ogni fase c’è un cancello di qualità, un checkpoint che deve essere superato prima di passare alla fase successiva. L'uscita che non passa attraverso la porta non avanza.

passo

Cosa fa l’IA?

Porta di qualità

materialità

Candidato all'argomento, analisi del tema

Aspetto impatto+finanza approvazione umana

Dati

Configurazione, conversione di unità

Verifica della fonte e del volume

conto

Formula, impalcatura del codice

Il fattore è confermato dalla fonte ufficiale

Corrispondenza

Suggerimento articolo

Controlla l'immagine con il suo testo standard

ortografia

bozza, riassunto

Sistemazione delle richieste senza prove

pretesa

Scansione greenwashing

Pubblicazione certificata dall'uomo

Suggerimento: imposta il flusso di lavoro secondo il ritmo “L’intelligenza artificiale produce → l’uomo verifica → varca la porta”. Prima di spostare ciascun output dell'IA al passaggio successivo, chiedi: "Quale parte di questo output non può procedere senza convalida?" Quella parte è il cancello di qualità di quel passaggio.

Governance dei dati e privacy

I dati ESG sono spesso sensibili: dati sul sesso e sullo stipendio dei dipendenti, termini contrattuali con i fornitori, impatti finanziari non ancora divulgati, dati sulla produzione a livello di struttura. È necessario classificarli prima di consegnarli a uno strumento pubblico di intelligenza artificiale. La governance dei dati è “chi può utilizzare quali dati, come e con quale strumento?” La questione è legata alla regola.

Una semplice classificazione:

• Gratuito: dati già disponibili al pubblico (rapporto pubblicato). Può essere dato all'IA.
• Uso interno: dati interni senza valore commerciale. Con attenzione nel veicolo aziendale.
• Riservato: segreto commerciale, impatto finanziario non divulgato, dati personali (KVKK/GDPR). Non vengono forniti all’IA senza anonimizzazione o mezzi istituzionali (non divulgabili).

Il tuo ruolo: consulente per la governance dei dati. Compito: classificare i seguenti elementi di dati come "gratuiti/uso interno/riservati" e scrivere l'azione consigliata per ciascun elemento riservato (anonimizzare/aggregare/strumento aziendale/non fornire affatto). Regola: se non sei sicuro, mettiti in una classe più protettiva. Voci: [DATI PERSONALI E FINANZIARI]

Prompt debole / Prompt forte

Il modo in cui deleghi un compito a uno strumento cambia radicalmente il rischio per la privacy.

Suggerimento debole:

Analizzare lo stipendio dei dipendenti e la tabella di produzione della struttura, elaborare un riepilogo ESG.

Esporta i dati personali grezzi e i segreti commerciali direttamente in uno strumento aperto; Non è prevista alcuna fase di classificazione, anonimizzazione e conferma.

Suggerimento potente:

Il tuo ruolo: analista ESG sensibile alla governance dei dati. Ti ho fornito SOLO dati aggregati, personali/privi di segreti commerciali. Compito: analizzare i seguenti indicatori sintetici. Regole: - NON sono presenti nei dati nomi individuali, stipendi, documenti d'identità o impatto finanziario non divulgato; Se vedi un campo di questo tipo, dì "DATI RISERVATI - non elaborare, avvisa". - Non aggiungere un nuovo numero al risultato; basta seguire il riassunto che ho dato. - Aggiungi una nota "è richiesta l'approvazione umana" alla fine dell'output. Dati (aggregati): [INDICATORI DI SINTESI]

Attenzione: "AI ha detto" non è una difesa. La responsabilità per un numero errato, un'affermazione non comprovata o una fuga di dati riservati in un rapporto ESG spetta all'organizzazione e alla persona che lo ha approvato. Quando usi l’intelligenza artificiale, non trasferisci la responsabilità; Accelererai solo il lavoro.

Richiesta di gate di qualità end-to-end

La seguente richiesta esegue tutti i passaggi attraverso un singolo controllo prima della pubblicazione.

Il tuo ruolo: responsabile del controllo qualità ESG. Compito: passare la seguente sezione del report attraverso il cancello di qualità end-to-end. Fornisci "superato/fallito" per ogni elemento e scrivi il motivo se fallisce: 1) Sono indicate la fonte e l'unità di ciascun numero? 2) I fattori di emissione sono di fonte ufficiale? 3) I codici articolo standard sono verificati? 4) Le proxy/stime sono contrassegnate? 5) Ci sono dichiarazioni contenenti greenwashing? 6) C'è qualche fuga di dati riservati/personali? 7) Nome responsabile per l'approvazione finale assegnato? Sezione: [CAPITOLO]

La seguente richiesta converte l'intero modulo in una policy aziendale.

Il tuo ruolo: leader del team di sostenibilità. Compito: scrivere una politica interna di 1 pagina che regola l'uso dell'intelligenza artificiale da parte del team nel lavoro ESG. Includere:- Attività in cui l'intelligenza artificiale può essere utilizzata liberamente (bozza, riepilogo, codice, analisi del tema)- Attività che richiedono verifica umana (fattore, standard, dichiarazione, ambito)- Tipi di dati che non verranno mai forniti all'IA (personali, finanziari non divulgati)- Passaggi di qualità da superare prima di ogni rilascio Tono: chiaro, punto elenco, applicabile.

tre mini custodie

Caso 1 – Rapporto restituito dalla porta. Un team riteneva di aver completato tutti i passaggi e che il rapporto fosse pronto per la pubblicazione. La richiesta finale di controllo della qualità ha catturato in una sezione un'affermazione priva di fonti di "recupero del 78%" e una dichiarazione di "carbon neutral". La pubblicazione è stata interrotta prima che uno dei due fosse corretto; La porta conteneva la cimice prima che diventasse pubblica.

Caso 2: prevenzione della fuga di dati riservati. Un analista incollerebbe i dati sull’impatto finanziario trimestrale non ancora pubblicati in uno strumento di analisi disponibile al pubblico. La richiesta di classificazione dei dati li ha contrassegnati come "confidenziali: dati finanziari non divulgati". I dati sono stati prima aggregati e poi elaborati nello strumento aziendale; È stata evitata una possibile violazione della legislazione.

Caso 3 – Assumersi la responsabilità. Dopo la pubblicazione di un rapporto, uno dei soggetti interessati ha posto domande su un numero. Il team non ha detto "calcolato dall'intelligenza artificiale"; ha aperto la pista di controllo, ha citato la fonte, ha apportato una piccola correzione e ha spiegato in modo trasparente. Questo atteggiamento, che non si basava sulla difesa "AI ha detto", ha preservato la fiducia.

Errori comuni

• Andare avanti senza la porta della qualità. Se la verifica non viene eseguita all'uscita di ogni passaggio, gli errori si accumuleranno fino alla fine.
• Fornire dati al veicolo senza classificarlo. I dati riservati e personali non possono essere inseriti nell’IA pubblica senza anonimizzazione.
• Trasferimento di responsabilità all’IA. "AI ha detto" non è una difesa legale o professionale.
• Passaggi di pensiero isolati. Materialità, dati, calcolo e dichiarazione sono interconnessi; Se uno è danneggiato, tutti ne sono colpiti.
• Non assegnare una persona responsabile dell'approvazione della pubblicazione. Dietro ogni rivendicazione pubblica deve esserci un essere umano.

In sintesi

Il business ESG è una catena di otto passaggi interconnessi e l’AI è un acceleratore in ogni passaggio; Ma c'è una porta di qualità all'uscita di ogni passo. Il ritmo “L’AI produce → l’uomo verifica → varca la porta” unisce tutte le lezioni di questo modulo in un’unica disciplina di studio. Classificare i dati e proteggere la riservatezza, confermare fattori e standard dalla fonte ufficiale, collegare le affermazioni alle prove, eliminare il greenwashing prima della pubblicazione e attribuire la responsabilità finale a un essere umano. L’intelligenza artificiale accelera il lavoro; Ti assumi precisione, onestà e responsabilità. Il criterio di questa professione non è "apparire fluente", ma "superare l'audit ed essere provato".

Compito dell'applicazione

Combina i risultati finali prodotti nelle unità precedenti (un elenco di materialità, un conto del carbonio, una sezione del report) in un unico mini-report. Esamina questo mini report in 7 elementi con il prompt di controllo della qualità end-to-end fornito dall'intelligenza artificiale sopra. Quindi: (1) correggere ogni elemento contrassegnato con "RELEASE", (2) classificare e agire su tutti i dati riservati/personali, (3) aggiungere un nome responsabile e una nota di approvazione per la pubblicazione.

lista di controllo

• [] Ho impostato il flusso di lavoro con il ritmo di “L’intelligenza artificiale produce → l’uomo verifica → passa attraverso la porta”.
• [ ] Ho implementato un cancello di qualità all'uscita di ogni passaggio.
• [ ] Ho classificato tutti i dati come liberi/interni/confidenziali e ne ho tutelato la riservatezza.
• [ ] Ho confermato i fattori e gli elementi standard dalla fonte ufficiale.
• [ ] Ho supportato ogni affermazione con prove, eliminando il greenwashing prima della pubblicazione.
• [] Mi sono assunto la responsabilità senza fare affidamento sulla difesa "ha detto l'AI".
• [ ] Ho impostato un nome responsabile e un record di approvazione per la pubblicazione.

Esame del modulo

1. Quale dei seguenti è il miglior posizionamento per l'intelligenza artificiale nel settore ESG e della sostenibilità?

• A) L'intelligenza artificiale è un assistente di codice, dati e progetti; La responsabilità di fattori, standard, prove e decisioni etiche spetta alle persone ✔
• B) L’intelligenza artificiale è un revisore dei conti e i valori ESG che fornisce sostituiscono una garanzia indipendente
• C) L'intelligenza artificiale funziona solo scrivendo report, non ha nulla a che fare con dati e calcoli
• D) Poiché l’intelligenza artificiale è più imparziale degli esseri umani, tutte le decisioni ESG dovrebbero spettarle

Descrizione: Intelligenza artificiale; È un assistente che scrive codice, organizza dati, produce bozze e riassume. Tuttavia, la responsabilità finale di confermare il fattore di emissione, controllare il numero di sostanza standard e dimostrare ogni affermazione spetta all'esperto competente. Il grande modello linguistico non è un calcolatore, un database normativo/standard o un controllore; è un generatore di testo che produce la "prossima parola più probabile" e il suo output non verificato può portare a una falsa segnalazione o reclamo.

2. Cosa significa l'aspetto della “materialità dell'impatto” di una questione nell'analisi della doppia materialità?

• A) L'impatto dell'emissione sull'utile della società e sul valore delle azioni
• B) Il rischio finanziario dell'emissione solo per gli investitori
• C) Performance delle imprese rivali sullo stesso tema
• D) Impatto delle attività aziendali sull'ambiente e sulla società ✔

Descrizione: La doppia matericità guarda attraverso due lenti. La rilevanza finanziaria è l'impatto di un problema sui flussi di cassa e sul valore di un'azienda ("outside-in"). La materialità dell'impatto è l'impatto delle attività dell'azienda sull'ambiente e sulla società (“dentro e fuori”). CSRD/ESRS applica entrambi gli aspetti; Poiché l’intelligenza artificiale spesso si sposta solo verso la direzione finanziaria, la direzione dell’impatto deve essere controllata anche dall’uomo.

3. Qual è l'approccio corretto quando si raccolgono dati energetici in kWh, MWh e GJ da diverse strutture?

• A) Ignora le unità e aggiungi direttamente tutti i numeri
• B) Affidarsi all'intelligenza artificiale per raccogliere la lunga lista nella tua testa
• C) Convertire tutti i valori in una singola unità ed effettuare la conversione e la somma con il codice/formula ✔
• D) Selezionando l'unità più grande e non segnalando altre strutture

Spiegazione: l'abbandono delle unità è l'errore ESG più frequente e pericoloso; Poiché 1 MWh = 1.000 kWh, se l'unità viene omessa, il risultato può discostarsi di un fattore 1.000. L’approccio corretto è convertire tutti i valori in una singola unità e fare in modo che l’intelligenza artificiale esegua questa conversione e somma con un codice/formula eseguibile, non manualmente; quindi il risultato è deterministico e verificabile.

4. In quale ambito rientrano le emissioni derivanti dalla produzione di energia elettrica acquistata secondo il GHG Protocol?

• A) Ambito 1
• B) Ambito 2 ✔
• C) Ambito 3
• D) Non rientra in alcun ambito e non viene rendicontato

Descrizione: Lo scopo 1 riguarda le emissioni dirette provenienti dalle fonti proprie dell'organizzazione (caldaia, veicolo aziendale, generatore). Lo Scope 2 riguarda le emissioni indirette derivanti dalla produzione di energia acquistata (elettricità, vapore, riscaldamento, raffreddamento). Lo scope 3 copre tutte le altre emissioni indirette nella catena del valore (fornitura, viaggi, utilizzo del prodotto, rifiuti). L'energia elettrica non esce dal camino dell'azienda, ma la centrale elettrica che la produce emette emissioni; quindi è l'Ambito 2.

5. Quale concetto viene utilizzato quando si converte un gas serra come il metano (CH₄) in CO₂e e perché è importante?

• A) GWP (potenziale di riscaldamento globale); se omesso, l'effetto metano/N₂O sarà fortemente sottostimato ✔
• B) AQI (indice di qualità dell'aria); determina il colore del gas nell'aria
• C) GRI (iniziativa di rendicontazione); determina la sostanza in cui verrà riportato il gas
• D) Nessun coefficiente richiesto; il metano conta 1 a 1 direttamente come la CO₂

Descrizione: GWP (Global Warming Potential) è il coefficiente che converte l'effetto di riscaldamento di diversi gas serra in un'unità comune relativa alla CO₂. Il GWP del metano su 100 anni è di circa 28; Quindi 1 tonnellata di metano significa circa 28 tonnellate di CO₂e. Se si omette il GWP, l’impatto di gas forti come metano e N₂O sarà fortemente sottostimato e l’inventario sarà completamente impreciso; Dovrebbe essere inoltre indicato quale set GWP viene utilizzato (ad esempio IPCC AR6, 100 anni).

6. Quale approccio è corretto per calcolare i "dati di attività x fattore di emissione" in un inventario dei gas serra?

• A) Utilizzando il fattore che l'intelligenza artificiale ricorda e facendole eseguire il totale manualmente
• B) Conteggio di tutti i gas come CO₂, fattore di salto e conversione GWP
• C) Utilizzando un fattore predefinito esattamente per ogni paese, anno e carburante
• D) Confermare il fattore dalla fonte ufficiale in base al paese e all'anno ed effettuare il calcolo ponteggio e totale con codice ✔

Descrizione: I fattori di emissione variano in base al Paese, all'anno e al carburante; "Ricordare" all'IA crea il rischio di inventare cose (allucinazioni). Il fattore dovrebbe sempre essere confermato da una tabella ufficiale (IPCC, DEFRA/EPA, IEA, inventario nazionale); Solo la separazione dell’ambito, l’impalcatura contabile e il codice totale dovrebbero essere gestiti dall’intelligenza artificiale. I totali su più righe vengono eseguiti tramite codice eseguibile, non manualmente.

7. Qual è il comportamento corretto per un numero di sostanza standard GRI/ESRS (ad esempio "GRI 305 per il consumo di acqua") suggerito dall'AI?

• A) Scrivere il numero direttamente nel report perché l'intelligenza artificiale lo suggerisce
• B) I numeri degli articoli non sono importanti; qualsiasi può essere scritto
• C) Verificare il numero e il suo contenuto con il testo standard ufficiale, confermandolo nel caso sia falso/obsoleto ✔
• D) Poiché le emissioni in acqua e in aria sono simili, riportarle nello stesso articolo

Descrizione: L'intelligenza artificiale può generare numeri standard che sembrano reali ma il cui contenuto è falso o completamente inventato; Inoltre, gli standard vengono aggiornati e la versione conosciuta dal modello potrebbe essere obsoleta. Ad esempio, l'acqua è rendicontata nel GRI 303, mentre il GRI 305 riguarda le emissioni atmosferiche. Pertanto, ogni numero e contenuto di sostanza non può essere utilizzato senza essere verificato con il testo standard ufficiale (GRI/EFRAG/ISSB).

8. Se la maggior parte dei fornitori nella catena di fornitura non dispone di dati reali sul carbonio, qual è l’approccio giusto e onesto per l’Ambito 3?

• A) Utilizzando direttamente i numeri composti dall'intelligenza artificiale per i fornitori
• B) Tralasciare completamente l'ambito 3 perché è "difficile da misurare"
• C) Utilizzando quelli con dati reali, contrassegnando chiaramente il proxy per quelli senza ✔
• D) Applicare la delega a tutti i fornitori e nasconderla nel rapporto

Descrizione: L'ambito 3 è l'elemento più grande ma più difficile da misurare per la maggior parte delle aziende. Per i fornitori che forniscono dati effettivi, vengono utilizzati tali dati; Per coloro che non lo forniscono è possibile utilizzare una proxy (stima) basata sulla spesa. La cosa fondamentale è non nascondere la proxy: il rapporto dovrebbe indicare chiaramente la parte e la proporzione della stima utilizzata. La delega offuscata può portare al rifiuto di una garanzia indipendente; È inoltre sbagliato tralasciare del tutto l'ambito 3 perché è “difficile da misurare”.

9. AI ha contrassegnato un fornitore come “possibile lavoro forzato” basandosi esclusivamente sulla media del paese. Qual è il comportamento corretto?

• A) Accettare la segnalazione come prova e interrompere immediatamente pubblicamente il rapporto con il fornitore
• B) Scrivere il reclamo direttamente nel rapporto perché lo ha detto l'intelligenza artificiale
• C) Ignorare completamente i segnali di rischio e non esaminarli affatto
• D) Considerare il segnale come un "avvertimento su cui indagare" e confermarlo con un'ispezione sul campo e una fonte affidabile ✔

Spiegazione: accuse gravi come violazioni dei diritti umani non possono essere dimostrate con un segnale prodotto dall'intelligenza artificiale. Un segnale del genere costituisce semplicemente un «avvertimento da esaminare»; Usarla come accusa definitiva è ingiusto e giuridicamente rischioso. Tali affermazioni sono confermate solo da una fonte affidabile, da un'ispezione sul campo e da un procedimento legale. L'intelligenza artificiale genera segnali; L’essere umano si assume il giudizio e la responsabilità.

10. Qual è la precauzione più importante quando si analizzano centinaia di risposte in testo libero da un sondaggio tra le parti interessate con l'intelligenza artificiale?

• A) Richiedere separatamente segnali rari ma di grande importanza (sicurezza/etica/ambientale) senza metterli in ombra ✔
• B) Scegliere solo i temi più frequenti, eliminando le opinioni minoritarie
• C) Ridurre tutte le risposte ad un unico riassunto positivo e tralasciare i dettagli
• D) Accettare la sintesi dell’intelligenza artificiale invece delle risposte grezze

Descrizione: L'intelligenza artificiale amplifica la voce della maggioranza e sopprime quella della minoranza nell'analisi tematica. Tuttavia, il segnale più prezioso in termini di sostenibilità è talvolta un grave problema di sicurezza, etico o ambientale espresso da una singola persona. Quindi l'analisi si chiede 'che cosa è stato detto più spesso?' Non finisce con; I segnali “rari ma di elevata significatività” dovrebbero essere richiesti separatamente e le risposte grezze dovrebbero essere utilizzate in aggiunta, anziché al posto della sintesi.

11. Qual è il modo più efficace per evitare che numeri e obiettivi falsi penetrino nel testo quando si scrive una sezione di rapporto sull'intelligenza artificiale?

• A) Far produrre tutta la relazione in una volta dicendo "scrivi un testo adatto"
• B) Fornire solo dati verificati e vietare esplicitamente di generare nuovi numeri/reclami ✔
• C) Verifica quanto il testo è scorrevole e di impatto e pubblicalo
• D) Consentire all'IA di integrare i dati mancanti con ipotesi ragionevoli

Descrizione: l'intelligenza artificiale genera numeri e obiettivi che in realtà non hai, utilizzando la logica "questo è ciò che dicono rapporti simili" in un prompt vuoto. La precauzione più efficace è fornire solo dati verificati e non aggiungere numeri, percentuali, date o affermazioni diverse dai dati che ti ho fornito; Si tratta di affermare chiaramente la regola di 'scrivere [DATI RICHIESTI] nel posto mancante'. Inoltre, il rapporto dovrebbe essere stampato sezione per sezione, arricchito con i dati.

12. Che cosa cerca innanzitutto un revisore dei conti indipendente quando esamina un rapporto di sostenibilità?

• A) Con quale fluidità e professionalità è stato scritto il rapporto
• B) Ogni questione ha una catena di evidenze riconducibile al documento sorgente ✔
• C) L'intelligenza artificiale dice che "il rapporto è pronto per l'audit"
• D) Far sì che il report appaia più assertivo rispetto ai concorrenti

Spiegazione: l'esaminatore non è interessato alla fluidità del testo, ma alla catena di prove dietro ogni affermazione; La sua prima domanda è "dimostrare questo numero". Viene esaminato da quale documento sorgente proviene un numero, quale formula e fattore trasforma in un rapporto e se può essere ripetuto in modo indipendente. Pertanto, ogni metrica materiale deve essere riconducibile alla sua fonte, i fattori devono essere verificati dalla fonte ufficiale e le proxy devono essere specificate; L’intelligenza artificiale effettua questa preparazione, ma non può fornire garanzie.

13. Quale delle seguenti affermazioni ambientali presenta il minor rischio di greenwashing?

• A) 'Abbiamo ridotto le emissioni della nostra produzione del 18% entro il 2023 (con verifica di parte terza)' ✔
• B) "I nostri prodotti sono completamente ecologici e naturali"
• C) "La nostra azienda è carbon neutral" (senza fornire documenti o dati)
• D) 'Siamo l'azienda più sostenibile e ad impatto quasi zero del settore'

Spiegazione: una buona affermazione ambientale è misurabile (contiene un numero), provata (basata su prove) e chiara nella portata (è chiaro cosa viene confrontato con cosa e quando). "Abbiamo ridotto le emissioni di produzione del 18% entro il 2023 (con verifica di terze parti)" ha queste tre caratteristiche. Espressioni come "ecologico", "naturale", "carbon neutral" non certificato non sono quantificabili o non comprovate e comportano il rischio di greenwashing.

14. Cosa si dovrebbe fare prima di incollare i dati non divulgati sulla produzione e sulle emissioni degli impianti in uno strumento di intelligenza artificiale disponibile al pubblico per l’analisi?

• A) Incollare i dati così come sono; i dati ambientali sono sempre disponibili al pubblico
• B) Dare senza prendere precauzioni poiché la responsabilità passa al fornitore di intelligenza artificiale
• C) Il rischio è semplicemente un errore di calcolo; Una misura di riservatezza non è necessaria
• D) Classificazione dei dati come liberi/interni/confidenziali e anonimizzazione dei dati riservati o utilizzo di strumenti aziendali ✔

Divulgazione: i dati sulla produzione e sulle emissioni a livello di impianto possono essere segreti commerciali; i dati finanziari/ambientali che non sono stati ancora divulgati potrebbero violare le norme normative sulla divulgazione; I dati relativi all'ubicazione/salario dei dipendenti sono dati personali nell'ambito del KVKK/GDPR. Prima di conferire questo tipo di dati a uno strumento aperto, è necessario classificarli come gratuiti/interni/confidenziali, anonimizzarli se necessario o utilizzare uno strumento aziendale (privo di dati). "L'AI ha detto" non è una difesa; La responsabilità è dell'istituzione e di chi la approva.