Guadagni:
- Capacità di stabilire l'ambito 3 dando priorità ai fornitori in base alla spesa e al livello di rischio e distinguendo tra dati effettivi e stime approssimative
- Quando segnali i segnali di rischio dei fornitori con l'intelligenza artificiale, trattali come "segnali da esaminare" piuttosto che come prove
- Capacità di gestire gravi rivendicazioni in materia di diritti umani/ambientali attraverso un processo di due diligence che richiede ispezione sul campo e conferma legale
Per la maggior parte delle aziende, la maggior parte dell’impatto sulla sostenibilità non risiede nella propria fabbrica ma nella catena di fornitura. Oltre l’80% dell’impronta di carbonio di un marchio di abbigliamento può provenire dai suoi fornitori, dai produttori di tessuti alle spedizioni. Allo stesso modo, i rischi sociali più gravi, come il lavoro minorile, il lavoro forzato e le violazioni ambientali, spesso si verificano all’interno della catena di fornitura. In questa unità imparerai come utilizzare l'intelligenza artificiale (AI) per raccogliere e valutare i dati della catena di approvvigionamento e individuare i rischi.
Chiariamo due concetti. L'ambito 3, come abbiamo visto nell'unità precedente, riguarda le emissioni indirette nella catena del valore dell'azienda ed è generalmente la voce più grande ma più difficile da misurare. La due diligence è il processo di identificazione, prevenzione e risoluzione dei rischi legati ai diritti umani e all'ambiente nella catena di fornitura di un'azienda. Regolamenti come la CSDDD (Corporate Sustainability Due Diligence Direttiva) dell’UE lo rendono obbligatorio per le grandi aziende.
La sfida principale dei dati della supply chain
Puoi misurare i dati della tua struttura; Ma non puoi misurare direttamente i dati di centinaia di fornitori, devi chiederli a loro. Ciò crea tre problemi:
- I dati non arrivano o sono incompleti. La maggior parte dei fornitori più piccoli non conserva i dati sul carbonio.
- I dati non sono affidabili. Quando un fornitore effettua autodichiarazioni, è possibile che si verifichi una sovrastima o una sottostima.
- È richiesta un'ipotesi (proxy). Se i dati effettivi non sono disponibili, viene utilizzata la media del settore o una stima basata sulla spesa.
È qui che l’intelligenza artificiale aiuta in due modi: (1) redigendo rapidamente sondaggi e lettere di follow-up da inviare a centinaia di fornitori, (2) strutturando risposte sparse e segnalando segnali di rischio. Ma nessun numero fornito dal fornitore viene verificato, nessun segnale di rischio viene concluso senza la revisione umana.
Categoria Ambito 3 (esempio)
Origine dati
Metodo tipico
Beni/servizi acquistati
Sondaggio/spesa sui fornitori
Dati reali > proxy
Spedizione e distribuzione
Registri del trasportatore
Distanza × carico × fattore
viaggio d'affari
sistema di viaggio
Km/volo × fattore
Utilizzo del prodotto venduto
Dati energetici del prodotto
Modello d'uso
rifiuti
Documenti di conferimento rifiuti
Quantità × fattore
Suggerimento: nell’ambito 3, la stima “basata sulla spesa” (questa quantità di CO₂ per 1.000 dollari spesi) è un inizio rapido, ma approssimativo. Quando un fornitore fornisce dati reali, usateli; La stima basata sulla spesa è provvisoria solo se non sono disponibili dati effettivi e deve essere contrassegnata come "stima/proxy" nel rapporto.
Passo dopo passo: flusso di lavoro della supply chain con l'intelligenza artificiale
1. Dare priorità ai fornitori. Non è possibile esaminare tutte le centinaia di fornitori con la stessa profondità. Concentrarsi su quelli con dimensioni di spesa e rischi elevati (settore, paese). L’intelligenza artificiale può produrre una bozza di elenco con questa priorità.
2. Bozza di sondaggio e richiesta. Chiedi all'AI uno schema di sondaggio sui dati dei fornitori chiaro e facile da compilare.
3. Configurare i dati in entrata. Metti le risposte in diversi formati in un'unica tabella; Segna le parti mancanti.
4. Cercare segnali di rischio. Chiedere all’intelligenza artificiale di individuare i candidati “red flag” nelle notizie pubbliche, nelle violazioni dei record e nelle discrepanze nei sondaggi; Ma gli esseri umani verificano ogni segnale.
5. Azione e perseguimento. Stabilire un’azione correttiva e un piano di follow-up per i fornitori ad alto rischio; Documentare il processo.
Prompt debole / Prompt forte
Suggerimento debole:
Calcola l'impronta di carbonio dei nostri fornitori.
Nessuna fonte di dati, nessuna distinzione reale/proxy e nessuna verifica; L’intelligenza artificiale costituisce i numeri dei fornitori.
Suggerimento potente:
Il tuo ruolo: analista di sostenibilità della supply chain. Input: nomi di 15 fornitori, settore, importo della spesa annuale e dati sulle emissioni effettive forniti (se presenti). Compito: 1) Coloro che forniscono dati reali, utilizzino tali dati. 2) Per chi non ha dati reali scrivere “PROXY in base alla spesa richiesta”, NON INSERIRE il numero; specificare quale fattore ottenere dalla fonte ufficiale.3) Dare priorità ai fornitori nel settore ad alta spesa + alto rischio. Output: tabella (Fornitore | Settore | Spesa | Tipo di dati [effettivi/proxy] | Priorità | Nota). I numeri di proxy saranno contrassegnati nel rapporto.
Richiedere lo screening dei rischi del fornitore
Configurare un'impalcatura di screening del rischio per il seguente elenco di fornitori. Valutare per ciascun fornitore (solo sulla base delle informazioni da me fornite, dichiarazione pubblica FALSO):- Possibile rischio per i diritti umani da parte del paese/settore (alto/medio/basso)- Possibile rischio ambientale- Incoerenza nella risposta al sondaggio/segnali di allarme Regola: aggiungere la nota "verifica richiesta - nessuna fonte" per ciascun rischio; non fare accuse definitive, suggerisci solo segnali su cui indagare.Elenco: [FORNITORI]
Il seguente prompt redige un sondaggio di richiesta dati da inviare ai fornitori.
Il tuo ruolo: specialista dell'approvvigionamento sostenibile. Compito: redigere un sondaggio sui dati ESG composto da non più di 10 domande che i fornitori di piccole/medie dimensioni possano facilmente compilare. Includere: consumo di energia, tipo di carburante, rifiuti, numero di incidenti legati alla sicurezza sul lavoro, impegno nel lavoro forzato/minorile. Tono: semplice, chiaro, facile da completare; Aggiungi unità ed esempi a ciascuna domanda.
Attenzione: non chiedere all'AI di verificare un segnale di rischio relativo al fornitore (ad esempio "lavoro minorile") e non utilizzare mai una dichiarazione generata dall'AI come prova. Tali gravi affermazioni sono confermate solo da fonti affidabili, ispezioni sul campo e procedimenti legali. L’intelligenza artificiale produce solo un “segnale da esaminare”; non giudica.
tre mini custodie
Caso 1 – Uso onesto della delega. Solo 30 dei 200 fornitori di un produttore di mobili hanno fornito dati effettivi sul carbonio. Il team ha utilizzato un proxy basato sulla spesa per i restanti 170, ma il rapporto afferma chiaramente che "il 65% dell'ambito 3 è una stima basata sulla spesa". Il revisore ha riconosciuto questa onestà; se fosse stato nascosto, l'assicurazione avrebbe potuto essere negata.
Caso 2 — Definizione delle priorità. Un'azienda alimentare aveva 480 fornitori. L’intelligenza artificiale ha mostrato che l’80% della spesa era concentrata in 40 fornitori. Il team ha concentrato l'analisi approfondita su questi 40; le risorse non sono state sprecate e i fornitori a maggiore impatto sono stati rendicontati con dati reali.
Caso 3 — Rischio di false accuse. AI ha segnalato un fornitore come “possibile lavoro forzato”; Il motivo era solo la media nazionale. Il team ha accettato questo come un "segnale da esaminare", non una prova, e ha richiesto un'ispezione sul campo. L'ispezione non ha riscontrato problemi; Se il segnale dell'IA venisse preso come prova, si creerebbe un'accusa ingiusta e un rischio legale.
Errori comuni
- Accettare i dati del fornitore senza verificarli. I dati dei fornitori autodichiarati richiedono un controllo incrociato.
- Nascondere il proxy. Usare le previsioni basate sulla spesa va bene; Non specificare è un problema nell'auditing.
- Esaminare tutti i fornitori allo stesso modo. L’approvvigionamento dovrebbe concentrarsi su fornitori ad alta spesa e ad alto rischio.
- Confondendo il segnale dell’IA per una prova. Le denunce di violazioni dei diritti umani/ambientali sono verificate sul campo e dalla legge, non dall’intelligenza artificiale.
- Tralasciando completamente l'Ambito 3. L'impatto maggiore è solitamente qui; Non può essere ignorato perché è “difficile da misurare”.
In sintesi
La catena di fornitura è il luogo in cui si nasconde il maggiore impatto ambientale e sociale della maggior parte delle aziende; Qui si concentrano le emissioni Scope 3 e i rischi di due diligence. IA; Si tratta di un potente aiuto nella definizione delle priorità dei fornitori, nella stesura di sondaggi, nella strutturazione di risposte sparse e nella segnalazione dei segnali di rischio. Ma i dati dei fornitori non vengono inclusi nel rapporto finché non vengono verificati, i proxy non vengono chiaramente indicati e le accuse gravi non vengono confermate da un'ispezione sul campo. L'intelligenza artificiale genera segnali; L’essere umano si assume il giudizio e la responsabilità.
Compito dell'applicazione
Preparare un elenco di 10 fornitori fittizi con nome, settore e spesa annuale; Aggiungi i dati sulle emissioni effettive ad alcuni, lascia la maggior parte vuota. Chiedi all'IA una tabella di priorità e tipo di dati tramite il potente prompt sopra. Quindi: (1) verificare che il numero dei fornitori che richiedono una delega non sia raggiunto, (2) selezionare i 3 fornitori con la priorità più alta motivandola, (3) redigere una breve indagine dati da inviare loro.
lista di controllo
- [ ] Ho dato la priorità ai fornitori in base alla spesa e al livello di rischio.
- [ ] Ho usato quelli con dati reali; Per chi non ce l'ha ho segnato la procura.
- [ ] Ho valutato i dati dei fornitori non così come sono, ma attraverso un controllo incrociato.
- [ ] Ho considerato i segnali di rischio “da esaminare” e non li ho utilizzati come prova.
- [ ] Ho pianificato una fase di audit sul campo/verifica legale per reclami gravi.
- [ ] Non ho saltato lo Scope 3; Ho indicato l'ambito e il tasso di stima nel rapporto.
- [ ] Ho registrato l'intero processo con un documento di due diligence.