Guadagni:
- Capacità di distinguere tra materialità singola e materialità doppia e valutare una questione sia in termini di impatto che di materialità finanziaria
- Capacità di separare centinaia di risposte delle parti interessate in temi con l'intelligenza artificiale mantenendo separati i segnali a bassa frequenza ma ad alta importanza
- Capacità di testare l'elenco di argomenti prodotti dall'intelligenza artificiale con la realtà specifica del settore e collegare il documento finale di definizione delle priorità e metodologia agli esseri umani
Nessuna azienda può riferire su ogni questione di sostenibilità con la stessa profondità; Mentre il consumo di acqua è un problema secondario per un’azienda di software, rappresenta l’ancora di salvezza per un produttore di bevande. Questa è la domanda "quali questioni sono veramente importanti per noi?" La risposta alla domanda è data dall’analisi di materialità (analisi di importanza). La materialità è il processo per determinare quanto “significativo/significativo” sia un tema di sostenibilità per un’organizzazione e costituisce la base dell’intero report ESG. La falsa materialità rende inutili anche centinaia di pagine di rapporti; perché la relazione si concentra sulle questioni sbagliate. In questa unità imparerai dove utilizzare l'intelligenza artificiale (AI) come acceleratore e dove come rischio in questo processo.
Chiariamo prima due concetti. La materialità singola esamina solo il modo in cui un problema influisce sulla salute finanziaria di un'azienda: "In che modo il cambiamento climatico influirà sulle nostre entrate/costi?" La doppia materialità aggiunge un secondo aspetto: l'impatto dell'azienda sul mondo. Quindi la domanda è duplice: (1) In che modo questo problema influisce finanziariamente sulla società? (2) Che impatto ha l’azienda sull’ambiente e sulla società a questo riguardo? CSRD ed ESRS applicano questo secondo, doppio sguardo. Questa distinzione è al centro sia degli esami che della pratica.
Due aspetti dalla doppia valenza
La doppia materialità guarda attraverso due lenti:
- Materialità dell'impatto — "inside out": l'impatto positivo/negativo delle attività dell'azienda sulle persone e sull'ambiente. Esempio: acque reflue rilasciate nel fiume da una fabbrica tessile.
- Rilevanza finanziaria – “outside-in”: l’impatto di una questione di sostenibilità sui flussi di cassa, sui costi e sul valore di un’azienda. Esempio: l’aumento del prezzo del carbonio aumenta il costo di produzione.
Se un argomento è materiale in una di queste due lenti, è considerato segnalabile nella logica della doppia materialità. L’intelligenza artificiale fa fatica a distinguere tra questi due aspetti e spesso si sposta solo verso l’aspetto finanziario; Pertanto, è essenziale controllare l’output tenendo presente questa distinzione.
Oggetto
Materialità dell’impatto (per il mondo)
Rilevanza finanziaria (per l’azienda)
emissioni di gas serra
Contributo al cambiamento climatico
Carbon tax, costo CBAM
Salute e sicurezza dei lavoratori
Vita e salute dei dipendenti
Risarcimento infortuni, fermo produzione
utilizzo dell'acqua
Stress idrico regionale
Scarsità d'acqua, rischio di produzione
Privacy dei dati
Diritti dell'utente
Penalità, reputazione e perdita di clienti
Suggerimento: quando si considera un problema, "questo influisce su di noi o influenza il mondo?" Dividilo in due. Gran parte del greenwashing e della sottostima si verificano quando le aziende riportano solo il lato finanziario che le riguarda, nascondendo l’impatto che hanno sul mondo.
Passo dopo passo: processo di materialità basato sull’intelligenza artificiale
1. Creare l'universo soggetto. Fai un lungo elenco di possibili argomenti di sostenibilità rilevanti per il tuo settore. L’intelligenza artificiale è un buon partner per il brainstorming qui; Un elenco di candidati viene prodotto analizzando le intestazioni degli argomenti ESRS, gli standard di settore GRI e i rapporti delle aziende concorrenti.
2. Identificare le parti interessate. Gli stakeholder sono parti che sono influenzate o influenzate dalle attività dell'azienda: dipendenti, clienti, fornitori, investitori, popolazione locale, regolatori, società civile. Per ogni questione importante, “chi è interessato?” viene posta la domanda.
3. Raccogliere il contributo delle parti interessate. Scopri quali questioni le parti interessate ritengono importanti attraverso sondaggi, interviste e workshop. L’intelligenza artificiale è molto potente nell’ordinare centinaia di risposte a sondaggi aperti in temi (questa è chiamata analisi tematica).
4. Punteggio e priorità. Assegna un punteggio a ciascun argomento su una scala su due assi (impatto e finanziario). Gli argomenti con punteggi elevati sono considerati "importanti/materiali" e diventano il fulcro del report.
5. Verificare e documentare. Un comitato di gestione approva la definizione delle priorità; Il modo in cui viene eseguito il processo (metodologia) è documentato. La CSRD richiede inoltre che venga spiegato il processo stesso di materialità.
Prompt debole / Prompt forte
Suggerimento debole:
Parlaci delle questioni di sostenibilità che sono importanti per te.
Non include gli aspetti legati all’industria, al modello di business, alle parti interessate e alla dualità; L’intelligenza artificiale produce un elenco generico e spesso salta la direzione dell’impatto.
Suggerimento potente:
Il tuo ruolo: esperto di doppia materialità. Azienda: un'azienda alimentare di medie dimensioni che produce in Turchia. Compito: elencare possibili questioni di sostenibilità ed effettuare DUE valutazioni SEPARATE per ciascuna: - Materialità dell'impatto (l'impatto dell'azienda sull'ambiente/società) - Materialità finanziaria (l'impatto finanziario della questione sull'azienda) Per ogni questione, annotare anche gli stakeholder interessati. Regola: questo è un candidato BOZZA; Il punteggio e la decisione finale appartengono a noi. Contrassegna i dati del settore di cui non sei sicuro come fabbricati, "devono essere verificati". Risultato: tabella (Argomento | Direzione dell'impatto | Aspetto finanziario | Stakeholder | Nota).
Ordinare le risposte delle parti interessate in temi
Occorrono giorni per leggere manualmente centinaia di risposte a testo libero provenienti da sondaggi sulla materialità. L’intelligenza artificiale può suddividerli in temi; ma con un avvertimento: l’intelligenza artificiale può respingere un’opinione minoritaria ma critica (ad esempio, un serio problema di sicurezza sollevato da un singolo dipendente) come “non importante”. Pertanto, la sintesi tematica non sostituisce le risposte grezze; È una porta verso di loro.
Di seguito sono riportate 200 risposte a testo libero dall'indagine sulla materialità. Compito: 1) Dividere le risposte in non più di 10 temi, assegnando a ciascun tema un nome breve.2) Contare quante risposte menzionano ciascun tema.3) INOLTRE elencare, eliminare, un numero limitato di opinioni serie (rischio legale, di sicurezza, ambientale) sotto la voce "bassa frequenza / alta importanza".4) Non inventare, combinare o distorcere alcuna risposta.Risposte: [RISPOSTE]
Attenzione: il riassunto tematico dell'IA non sostituisce le risposte grezze. In particolare, le opinioni “a bassa frequenza ma di grande importanza” (una violazione della sicurezza, un sospetto di corruzione) possono essere messe in ombra dall’intelligenza artificiale perché sono poche. Assicurati di controllare queste opinioni con un occhio separato.
tre mini custodie
Caso 1 – Omissione della direzione dell’azione. Un’azienda chimica ha chiesto ad AI di preparare un elenco di materialità. L'elenco si concentrava su questioni finanziarie come il prezzo del carbonio e il costo dell'energia; ma il suo impatto sull’approvvigionamento idrico del villaggio vicino alla fabbrica non era sulla lista. L'esperto ha aggiunto che l'aspetto “impatto” è una questione di doppia importanza; Questa questione si è poi rivelata la questione più critica per le parti interessate.
Caso 2 — Peso in numeri. Un rivenditore ha analizzato 1.200 sondaggi tra i clienti con l'intelligenza artificiale. YZ ha riscontrato che il 41% delle risposte toccava il tema dei "rifiuti di imballaggio" e il 23% il tema delle "condizioni di lavoro". Il team ha dichiarato questi due temi temi materiali prioritari; Tuttavia, una catena di fornitura che figurava sotto la voce "a bassa frequenza" ha portato anche il sospetto di lavoro minorile ad un esame separato.
Caso 3 – Falsa importanza. L'intelligenza artificiale ha segnalato il "consumo di acqua" come una questione materiale ad alta priorità per un'azienda di software; mentre l'unico utilizzo idrico dell'azienda era quello della cucina dell'ufficio. L'esperto ha minimizzato questo aspetto e si è concentrato sugli aspetti veramente materiali "protezione dei dati e consumo energetico". Il rapporto avrebbe perso il suo focus se il materiale errato non fosse stato corretto.
Richiesta di impostazione della matrice di materialità
La matrice di materialità è uno strumento visivo di definizione delle priorità che colloca gli argomenti lungo due assi (impatto e finanziario). Gli argomenti nell'angolo in alto a destra sono i più importanti.
Disporre i seguenti argomenti e punteggi nella logica di una matrice di materialità. Input: punteggio di impatto (1-5) e punteggio finanziario (1-5) per ciascun argomento. Compito: 1) Dividere gli argomenti in quattro zone: alta-alta (priorità), finanza ad alto impatto-basso, finanza a basso impatto-alta, bassa-bassa. 2) Suggerire la regione "prioritaria" come obiettivo principale della relazione. 3) Definire gli argomenti limite (circa 3-3) come "giudizio umano richiesto".Punti: [ARGOMENTO E PUNTEGGI]
Il seguente suggerimento produce uno schema per scrivere la metodologia di materialità nel report.
Il tuo ruolo: redattore di report ESG. Compito: scrivere 1 paragrafo verificabile che spieghi il nostro processo di doppia materialità. Includere: quale universo tematico è stato scansionato, quali stakeholder sono stati coinvolti, con quale metodo è stato valutato, chi lo ha approvato. Regola: scrivere in modo discreto, verificabile e orientato al processo; aggiunta dell'asserzione del risultato.Input: [NOTE SUL PROCESSO]
Errori comuni
- Essere soddisfatti di una cosa importante. Guardare solo all’impatto finanziario e ignorare l’impatto dell’azienda sul mondo è contro la CSRD.
- Mantenere gli stakeholder ristretti. Ascoltare solo gli investitori ed escludere dipendenti, popolazione locale e fornitori distorce la materialità.
- Accettare l'elenco dell'IA così com'è. Le questioni critiche specifiche del settore potrebbero non essere presenti o essere attribuite loro un peso sbagliato nell’intelligenza artificiale.
- Eliminare le opinioni serie a bassa frequenza. I segnali che sono pochi ma ad alto rischio dovrebbero essere esaminati separatamente.
- Non documentare la metodologia. Se non è scritto come viene svolto il processo, il revisore non ne accetterà la materialità.
In sintesi
L’analisi materiale è la bussola dell’intero report ESG; Un rapporto che si concentra sulle questioni sbagliate non ha valore, indipendentemente dalla qualità della sua stesura. La doppia importanza è “in che modo questo problema ci influenza finanziariamente?” così come "come possiamo influenzare il mondo su questo tema?" pone domande insieme. L’intelligenza artificiale è un potente acceleratore nel generare l’universo degli argomenti e nell’ordinare centinaia di risposte delle parti interessate in temi; ma tende a non cogliere la direzione dell’impatto, a creare una falsa importanza ed a eliminare le visioni critiche a bassa frequenza. La definizione delle priorità finali e l’approvazione spettano sempre all’essere umano.
Compito dell'applicazione
Scegli un settore (ad esempio vendita al dettaglio di prodotti alimentari) e chiedi all'intelligenza artificiale un elenco di 12-15 argomenti candidati con il potente suggerimento sopra. Quindi: (1) controlla ciascun argomento dividendolo in due in termini di impatto e aspetto finanziario, (2) correggi solo quelli che sono passati al lato finanziario, (3) seleziona i 5 argomenti che ritieni più materiali con giustificazione e redige una piccola matrice di materialità.
lista di controllo
- [ ] Ho valutato ogni questione sia in termini di impatto che di materialità finanziaria.
- [ ] Ho ampliato l'elenco degli stakeholder oltre l'investitore (dipendente, pubblico, fornitore).
- [ ] Ho testato l'elenco di argomenti generati dall'intelligenza artificiale rispetto alla realtà specifica del settore.
- [ ] Ho esaminato separatamente le opinioni a bassa frequenza ma ad alta importanza.
- [ ] Ho approvato la definizione delle priorità tramite una decisione umana/del comitato.
- [ ] Ho documentato la metodologia di materialità in conformità con l'audit.
- [ ] Ho abbandonato questioni di falsa importanza (che non ci riguardano realmente).