利益:
- リスクレベルに応じて、ESGワークフロー（データ、アカウント、マッピング、レポート）の中で人工知能が時間を節約する部分と、要素、基準、および請求の決定が人間に委ねられる部分を区別できるようになります。
- 単位、ソース、および監査証跡のステップを使用して、数値的および定性的な各出力を監査する規律を適用する能力
- 偽の排出係数、偽の基準参照、グリーンウォッシングの表現がこの職業にとってリスクであり、最初から考慮する必要がある理由を理解する。
企業の持続可能性レポートは、もはや単なる善意のパンフレットではありません。これは、会計文書と同様に拘束力があり、監査され、法的影響を与える文書です。欧州連合の CSRD (企業持続可能性報告指令) 規制により、数千の企業が、炭素排出量、従業員データ、サプライチェーンへの影響を、財務諸表と同様に義務的かつ検証可能かつ比較可能な方法で開示する必要があった。この単元では、この重くてデータ集約的なタスクにおいて、人工知能 (AI) が実際に時間を節約する場所、危険な場所、および各出力を検証する方法を学びます。
まず、重要な概念です。 ESGとは、環境（Environment）、社会（Social）、ガバナンス（Governance）という英語の頭文字をとったものです。これは、炭素排出量や水使用などの企業の環境への影響、従業員の権利や労働安全などの社会への影響、取締役会の構造や倫理などのガバナンス実践を測定するフレームワークの名前です。サステナビリティレポートでは、これら 3 つの分野のパフォーマンスを標準的な方法で測定し、一般に公開します。
2 番目の重要な概念である幻覚は、AI が実際には真実ではない情報を自信を持って生成することです。 ESGの世界ではこれが重要です。架空の排出係数、存在しない GRI 基準番号、間違った単位、または存在しない法律条項への参照が表示される場合があります。重要な点は、大規模言語モデル (LLM) は計算機、規制データベース、または監査機ではないということです。これは、トレーニング データに含まれるテキストを統計的に模倣するテキスト ジェネレーターです。ほとんどの場合、正確な情報が生成されます。しかし、「ほとんどの場合正確である」と「監査に合格するのに十分な正確さ」の違いが、ESG レポートのすべてです。
ESG のどこで AI が機能し、どこで機能しないのでしょうか?
AI を素早いドラフト、データのキュレーション、分析のパートナーとして考えてください。価値はありますが、検証には不可欠です。次の特徴がこのモジュールのバックボーンです。
クエスト
AIの貢献
専門家の責任
データ収集
さまざまな形式を編集し、スペースをマークします
原資料で番号を確認する
排出アカウント
式と計算フレームワークを作成します
公的情報源からの排出係数の確認
GRI/CSRDマッピング
食材から定番までおすすめ
定型文との正確な確認
マテリアリティ分析
ステークホルダーの意見をテーマに分ける
優先順位を決定する
レポート作成
草案テキストと要約を作成します
あらゆる主張を証拠で裏付ける
グリーンウォッシング制御
危険なフレーズにフラグを立てる
最終的な請求責任を負います
経験則: AI をデータ自体に適用するのではありません。データの整理、足場の分析、テキストの下書きに使用します。各数値と各基準参照を常に一次情報源 (請求書、メーター記録、公式基準テキスト、排出係数データベース) で確認してください。持続可能性報告書のすべての数値の背後には、監査人が望む監査証跡があるはずです。 AI はこの証拠を提示できません。整理するのに役立つだけです。
ESGにおけるAIの3つの致命的な罠
1. でっち上げられた排出係数と数値。 AI は、覚えていない排出係数 (燃料または電気の単位あたりの炭素排出係数) を、合理的と思われる数値で「埋める」ことができます。この数値は二酸化炭素排出量の計算全体を無効にします。
2. 存在しない、または時代遅れの法律/基準への言及。 AI は、「GRI 305-7」など、本物のように見えても内容が誤って伝えられている、または完全に捏造されている標準数値を生成する可能性があります。規格も定期的に更新されます。モデルが認識しているバージョンが古い可能性があります。
3. グリーンウォッシングを生み出す言語。 AI は、「環境に優しい」、「環境に優しい」、「カーボンニュートラル」など、聞こえは良いが根拠のない誤解を招く表現を熱心に生み出します。これらの声明には今日、法的なリスクが伴います。これについては単元 10 で詳しく説明します。
ヒント: すべての数値的な ESG 成果には 3 つの質問を使用してアプローチします: (1) その単位 (tCO₂e、kg、MWh) は何ですか? (2) 出典はどの文書ですか? (3) この数字を監査人に証明するにはどうすればよいですか?これら 3 つの質問は、ほとんどの ESG 間違いを芽のうちに発見します。ここでの「tCO₂e」は「二酸化炭素換算トン」を意味します。これは、さまざまな温室効果ガスを 1 つの共通単位に換算する尺度です。
ステップバイステップ: ESG における安全な AI ワークフロー
1. タスクを標準およびユニットにリンクします。 「当社の炭素排出量を計算してください」の代わりに、「2024 年、イスタンブール オフィス、天然ガス消費量 12,000 m3; GHG プロトコル スコープ 1 手法を使用して排出量を tCO₂e で計算し、使用する排出係数と排出源を指定してください。」と言います。
2. 出典と仮定を明確に尋ねます。 AI に、各数値に対してどの排出係数、どの基準、どの仮定を使用したかを書き留めるよう依頼します。出典を引用せずに数値を受け入れないでください。
3. 一次情報源で検証します。公式データベース (例: 国家エネルギー省、英国 DEFRA データセット、IEA)、GRI または EFRAG 公式文書の標準テキストから排出係数を確認します。 EFRAG は、CSRD の基礎となる ESRS (欧州持続可能性報告基準) 基準を作成する欧州の機関です。
4. 監査証跡を保存します。どのデータを、どのソースから、どの日付で、どのような仮定の下で使用したかを表に書きます。保証監査人（独立検証者）がこれを要求します。
5. 最終的な主張を人間に確認してもらいます。あらゆる公的 ESG 主張の背後には責任者が存在する必要があります。
弱いプロンプト / 強いプロンプト
同じ仕事を 2 つの異なる方法で依頼すると、結果の信頼性が根本的に変わります。
弱いプロンプト:
当社の二酸化炭素排出量を計算し、持続可能性レポートの文章を作成します。
この主張には、単位、範囲、年、データ、および出典は含まれません。 AIは空白を捏造で埋め、グリーンウォッシングに満ちたテキストを生成します。
強力なプロンプト:
あなたの役割: 上級 ESG レポート スペシャリスト。入力データ (これらのみを使用し、欠落している場合は「データなし」と記入してください): - 2024 年、天然ガス: 12,000 m3 - 2024 年、グリッド電力: 85,000 kWh タスク: GHG プロトコルのスコープ 1 およびスコープ 2 (場所ベース) メソッドを使用して CO₂e の排出量を計算します。ルール: - 使用する各排出量を指定します。係数、単位、ソースを別の列に表示します。 - 要因がわからない場合は、でっち上げないでください。 「公式係数が必要」と記入してください。 - 結果を表に示します。最後に確認が必要な項目を記載します。
倫理、プライバシー、境界線
ESG データは、従業員の性別と給与データ (社会的指標)、サプライヤーの契約条件、未開示の財務上の影響など、機密性の高いデータであることがよくあります。このデータを公開 AI ツールに入力する前に、プライバシーの境界を明確にしてください。個人データ (KVKK および GDPR の範囲内での名前、ID、給与) を AI に渡す前に匿名化または集約します。それは、個人ではなく「女性社員比率は38％」といった集計的な数字にすることです。 KVKK はトゥルキエの個人データ保護法であり、GDPR はヨーロッパの個人データ保護法です。
注意: ESG レポートにおける虚偽または誇張された主張は、風評リスクとなるだけではありません。 CSRD および各国の消費者法に基づいて罰金や法的責任が課される可能性があります。 AI によって生成された主張を証拠なしに公開しないでください。
ミニケース3個
ケース 1 — 人為的な要因。ある製造会社がAIにディーゼル消費量を与え、排出量の計算を依頼した。 YZ は係数「ディーゼルの場合 2.40 kgCO₂e/リットル」を使用しました。専門家が調べたところ、公式係数は約 2.68 kgCO₂e/リットルでした。その差は 10% で、40,000 リットルの消費あたり約 11 トンの CO₂e の偏差を意味します。この係数は公式ソースから修正されました。
ケース 2 — 存在しない標準。コンサルタントは YZ に対し、報告書のタイトル「GRI 305-8 水消費量」を依頼しました。一方、水は GRI 303 に基づいて報告されます。 GRI 305 は大気への排出量です。標準テキストで確認したところ、エラーが捕捉され、内容が正しい記事に移動されました。
ケース 3 — グリーンウォッシング言語。 YZ は、小売ブランドに対して「当社の製品は完全に環境に優しい」という文言を提案しました。 ESG チームはこれが証明できないと判断し、「当社の梱包材の 60% がリサイクルされています (2024 年、内部測定)」のような具体的で証明可能な記述に置き換えました。
監査の準備が整った作業のプロンプト
以下の ESG テキストを監査の目で調べてください。各数値請求項について: 1) 単位は明確ですか? ２）出典は明記されていますか？ 3) それは検証可能ですか、それとも主観的/誇張されていますか? 「環境に優しい、環境に優しい、自然」などの根拠のない、または曖昧な表現にマークを付け、それぞれについて具体的で測定可能な代替案を提案します。テキスト: [テキスト]
次のプロンプトでは、組織内での AI 使用の制限を明確にする簡単なポリシーの概要が表示されます。
あなたの役割: サステナビリティ チームのリーダー。タスク: ESG 業務におけるチームの AI の使用を管理する 1 ページの内部ポリシー草案を作成します。含まれるもの: - AI を自由に使用できるタスク (概要、要約、書式設定) - 人間による検証が必要なタスク (数値、要素、標準帰属、クレーム) - AI に決して入力されないデータの種類 (個人データ、未公開の財務への影響) トーン: 明確、箇条書き、適用可能。
次のプロンプトは、各 ESG 成果物に追加できる小さな「監査証跡」テーブル スケルトンを設定します。
次のアカウントの隣に監査証跡テーブルを作成します。列: データ項目 |値 |単位 |ソースドキュメント |日付 |仮定 |検証されていますか?ソースが不明な場合は、各行に「ソースが必要」と記入します。エントリ: [アカウント]
よくある間違い
- 出典のない数字をそのまま受け入れる。 YZ が提供するすべての排出係数と数値は、公式情報源による確認がない限り、報告書には含まれていません。
- 単位無視です。 kg とトン、kWh と MWh を混同すると、結果が 1000 倍も異なる可能性があります。
- 彼らの標準的なトリックを盲目的に信頼します。 GRI/ESRS 物質番号は公式文書で検証する必要があります。
- 機密データをそのまま入力します。従業員およびサプライヤーのデータは、匿名化されずに公開ツールに提供されることはありません。
- 監査人の代わりにAIを導入する。 AI はチェックリストを作成できますが、独立した保証を提供することはできません。
要約すると
AI は、ESG における強力な草案作成、データキュレーション、分析パートナーです。しかし、それは計算機、規制データベース、または監査人ではありません。その価値は検証することで明らかになる。一次情報源からのすべての数値を確認し、すべての標準リファレンスを公式テキストと比較し、機密データを匿名化し、最終的な主張の責任を人間に委ねることが、このモジュールの一貫したバックボーンです。 「流暢に見えること」と「監査に合格すること」の違いを決して忘れないでください。
アプリケーションタスク
自分の組織 (または架空の会社) から環境データの項目を 1 つ選択します (月々の電気代など)。上記の「パワー プロンプト」テンプレートを使用して、AI にスコープ 2 排出量会計スケルトンを要求します。次に、(1) 使用する排出係数を公式の情報源と比較し、(2) 単位の一貫性をチェックし、(3) 「検証が必要」な項目をリストした小さな監査証跡表を作成します。
チェックリスト
- [ ] 私は AI が与えるあらゆる数字の単位と出所に疑問を抱きました。
- [ ] 排出係数は公式データベースで確認しました。
- [ ] 規格（GRI/ESRS）の数値を公式テキストで確認しました。
- [ ] 私は機密/個人データを匿名化または集約しました。
- [ ] 「環境に優しい、グリーン、ナチュラル」などの根拠のない記述にマークを付けました。
- [ ] 私は各決定の監査証跡 (情報源、日付、仮定) を保管しました。
- [ ] 最終的な請求を確認する責任者を特定しました。