利益:
- 支出とリスクレベルに基づいてサプライヤーに優先順位を付け、実際のデータと代理推定値を区別することにより、スコープ 3 を確立する能力
- 人工知能を使ってサプライヤーのリスクシグナルにフラグを立てるときは、それらを証拠としてではなく「調査すべきシグナル」として扱います
- 現地調査と法的確認を必要とするデューデリジェンスプロセスを通じて、重大な人権/環境に関する主張を管理する能力
ほとんどの企業にとって、サステナビリティへの影響の最大の部分は自社の工場ではなくサプライチェーンにあります。衣料品ブランドの二酸化炭素排出量の 80% 以上は、生地メーカーから配送業者に至るまで、そのサプライヤーから発生している可能性があります。同様に、児童労働、強制労働、環境違反などの最も深刻な社会リスクは、サプライチェーンの奥深くで発生することがよくあります。この単元では、人工知能 (AI) を使用してサプライ チェーン データを収集および評価し、リスクをスクリーニングする方法を学びます。
2 つの概念を明確にしましょう。前の単元で見たように、スコープ 3 は企業のバリューチェーンにおける間接排出量であり、一般に最大規模ですが測定が最も難しい項目です。デュー デリジェンスは、企業のサプライ チェーンにおける人権および環境リスクを特定、防止、修復するプロセスです。 EU の CSDDD (企業持続可能性デューデリジェンス指令) などの規制により、大企業に対してこれが義務付けられています。
サプライチェーンデータの主な課題
自分の施設のデータを測定できます。しかし、何百ものサプライヤーのデータを直接測定することはできないため、サプライヤーに問い合わせる必要があります。これにより、次の 3 つの問題が生じます。
- データが届かないか不完全です。ほとんどの小規模サプライヤーは炭素データを保持していません。
- データは信頼できません。サプライヤーが自己報告する場合、過大報告または過小報告が行われる可能性があります。
- 推測（代理）が必要です。実際のデータが入手できない場合は、業界平均または支出ベースの推定値が使用されます。
ここで、AI は 2 つの方法で役立ちます。(1) 数百のサプライヤーに送信するアンケートとフォローアップ レターを迅速に作成すること、(2) 散在する回答を構造化し、リスク信号にフラグを立てることです。しかし、サプライヤーが提供する数値は検証されず、人間によるレビューなしにリスク信号が結論付けられることはありません。
スコープ3カテゴリー（例）
データソース
代表的な方法
購入した商品/サービス
サプライヤー調査/支出
実データ > プロキシ
出荷と流通
通信事業者の記録
距離×荷重×係数
出張
トラベルシステム
キロ/フライト × 係数
販売した商品の使用
製品エネルギーデータ
使用モデル
無駄
廃棄物譲渡書類
数量×係数
ヒント: スコープ 3 では、「支出ベース」の見積もり (支出額 1,000 ドルあたりの CO₂e の量) は手っ取り早いですが、大まかな見積もりです。サプライヤーが実際のデータを提供する場合は、それを使用します。実際のデータがない場合、支出ベースの見積もりは暫定的なものにすぎないため、レポート内で「見積もり/代理」としてマークする必要があります。
ステップバイステップ: AI を使用したサプライ チェーン ワークフロー
1. サプライヤーを優先します。何百ものサプライヤーすべてを同じ詳細に調査することはできません。支出規模とリスクが高いもの (セクター、国) に焦点を当てます。 AI は、この優先順位を使用してリストの下書きを作成できます。
2. 調査と要求の草案を作成します。 AI に、明確で記入しやすいサプライヤー データ調査の概要を依頼します。
3. 受信データを構成します。さまざまな形式の回答を 1 つの表にまとめます。不足している部分にマークを付けます。
4. リスク信号をスキャンします。 AI に公開ニュース、侵害記録、調査の矛盾から「危険信号」候補を見つけさせます。しかし、人間はあらゆる信号を検証します。
5. 行動と追求。高リスクのサプライヤーに対する是正措置とフォローアップ計画を確立します。プロセスを文書化します。
弱いプロンプト / 強いプロンプト
弱いプロンプト:
サプライヤーの二酸化炭素排出量を計算します。
データソースがなく、実際/プロキシの区別もなく、検証もありません。 AI はサプライヤーの数を構成します。
強力なプロンプト:
あなたの役割: サプライチェーンの持続可能性アナリスト。入力: 15 のサプライヤーの名前、業界、年間支出額、およびサプライヤーが提供する実際の排出量データ (存在する場合)。タスク: 1) 実際のデータを提供する人は、そのデータを使用してください。 2) 実際のデータを持っていない人は、「支出ベースのプロキシが必要」と書きます。数字は当てはまらないでください。公式ソースからどの要素を取得するかを指定します。3) 支出が高くリスクが高い業界のサプライヤーを優先します。出力: テーブル (サプライヤー | 業界 | 支出 | データ型 [実際/プロキシ] | 優先順位 | 注)。レポートには代理番号がマークされます。
サプライヤーのリスクスクリーニングを促す
以下のサプライヤーのリストに対してリスク スクリーニングの足場を設定します。各サプライヤーを評価します（私が提供した情報のみに基づいて、公的主張は偽物です）： - 国/部門からの人権リスクの可能性（高/中/低） - 環境リスクの可能性 - 調査回答の不一致/危険信号 ルール：各リスクについて「検証が必要 - 情報源なし」という注記を追加。決定的な告発は行わず、調査するよう示唆するだけです。リスト: [サプライヤー]
次のプロンプトは、サプライヤーに送信するデータ要求調査の草案を作成します。
あなたの役割: サステナビリティ調達スペシャリスト。タスク: 中小規模のサプライヤーが簡単に回答できる、10 個以内の質問からなる ESG データ調査の草案を作成します。エネルギー消費量、燃料の種類、廃棄物、労働安全事故の数、強制労働/児童労働の取り組みなどを含みます。トーン: シンプル、クリア、完成しやすい。各質問に単元と例を追加します。
注意: AI にサプライヤーに関するリスク信号 (「児童労働」など) を検証させたり、AI によって生成された主張を証拠として使用したりしないでください。このような重大な主張は、信頼できる情報源、現地調査、および法的手続きによってのみ確認されます。 AIは「検査すべき信号」を生成するだけです。判断しない。
ミニケース3個
ケース 1 — プロキシの正直な使用。ある家具メーカーの 200 社のサプライヤーのうち、実際の炭素データを提供したのは 30 社だけでした。チームは残りの 170 について支出ベースの推定値を使用しましたが、レポートには「スコープ 3 の 65% は支出ベースの推定である」と明確に記載されています。監査人はこの誠実さを認めました。もしそれが隠蔽されていたら、その保証は否定されていたかもしれない。
ケース 2 — 優先順位付け。ある食品会社には 480 社のサプライヤーがいました。 AI は、支出の 80% が 40 社のサプライヤーに集中していることを示しました。チームはこれら 40 件に焦点を当てて詳しく調査しました。リソースは無駄にならず、最も大きな影響を与えたサプライヤーは実際のデータとともに報告されました。
ケース 3 — 冤罪のリスク。 AIはサプライヤーに「強制労働の可能性がある」と警告した。その理由はあくまで全国平均でした。チームはこれを証拠ではなく「調査すべき信号」として受け入れ、現地調査を要請した。検査では問題は見つかりませんでした。 AIの信号が証拠とされると不当な告発や法的リスクが生じる。
よくある間違い
- サプライヤーのデータを検証せずに受け入れる。自己報告のサプライヤーデータにはクロスチェックが必要です。
- プロキシを非表示にします。支出ベースの予測を使用しても問題ありません。指定しないと監査上問題になります。
- すべてのサプライヤーを平等に検査します。調達は、支出が高くリスクの高いサプライヤーに重点を置く必要があります。
- AI信号を証拠と間違える。人権/環境侵害の申し立ては、AIではなく現場と法律によって検証されます。
- スコープ 3 を完全にスキップします。通常、最大の影響はここにあります。 「測定が難しい」という理由で無視することはできません。
要約すると
サプライチェーンは、ほとんどの企業にとって環境および社会への最大の影響が隠れている場所です。スコープ 3 の排出量とデューデリジェンスのリスクがここに集中しています。 AI;これは、サプライヤーの優先順位付け、調査の草案作成、分散した回答の構築、およびリスク信号のフラグ付けに強力に役立ちます。ただし、サプライヤーのデータは、検証され、代理人が明確に記載され、重大な申し立てが現場検査によって確認されるまで、報告書には含まれません。 AI はシグナルを生成します。人間が判断し責任を負います。
アプリケーションタスク
名前、業種、年間支出を含む 10 社の架空のサプライヤーのリストを作成します。実際の排出量データをいくつかに追加し、ほとんどを空白のままにします。上記の強力なプロンプトを介して AI に優先順位とデータ タイプの表を要求します。次に、(1) 代理人を必要とするサプライヤーの数が不足していることを確認し、(2) 正当な理由を持って最優先のサプライヤー 3 社を選択し、(3) それらのサプライヤーに送信する短いデータ調査の草案を作成します。
チェックリスト
- [ ] 支出とリスクレベルに基づいてサプライヤーに優先順位を付けました。
- [ ] 実際のデータを使用しました。お持ちでない方のために、代理人をマークしました。
- [ ] サプライヤーのデータをそのままではなく、照合して評価しました。
- [ ] 私はリスクシグナルを「検討する必要がある」と考え、証拠としては使用しませんでした。
- [ ] 重大な申し立てに対する現場監査/法的検証のステップを計画しました。
- [ ] スコープ 3 をスキップしませんでした。範囲と推計割合については報告書に記載させていただきました。
- [ ] 私はプロセス全体をデューデリジェンス文書に記録しました。