ಲಾಭಗಳು:
- ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ESG ವರ್ಕ್ಫ್ಲೋನಲ್ಲಿ (ಡೇಟಾ, ಖಾತೆಗಳು, ಮ್ಯಾಪಿಂಗ್, ವರದಿ ಮಾಡುವಿಕೆ) ಸಮಯವನ್ನು ಎಲ್ಲಿ ಉಳಿಸುತ್ತದೆ ಮತ್ತು ಅಪಾಯದ ಮಟ್ಟವನ್ನು ಅವಲಂಬಿಸಿ ಮನುಷ್ಯರಿಗೆ ಅಂಶ, ಮಾನದಂಡ ಮತ್ತು ಹಕ್ಕು ನಿರ್ಧಾರಗಳನ್ನು ಎಲ್ಲಿ ಬಿಡಲಾಗುತ್ತದೆ ಎಂಬುದನ್ನು ಗುರುತಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ.
- ಘಟಕ, ಮೂಲ ಮತ್ತು ಆಡಿಟ್ ಟ್ರಯಲ್ ಹಂತಗಳೊಂದಿಗೆ ಪ್ರತಿ ಸಂಖ್ಯಾತ್ಮಕ ಮತ್ತು ಗುಣಾತ್ಮಕ ಔಟ್ಪುಟ್ ಅನ್ನು ಆಡಿಟ್ ಮಾಡುವ ಶಿಸ್ತನ್ನು ಅನ್ವಯಿಸುವ ಸಾಮರ್ಥ್ಯ
- ನಕಲಿ ಹೊರಸೂಸುವಿಕೆ ಅಂಶಗಳು, ನಕಲಿ ಪ್ರಮಾಣಿತ ಉಲ್ಲೇಖಗಳು ಮತ್ತು ಹಸಿರು ತೊಳೆಯುವ ಭಾಷೆ ಈ ವೃತ್ತಿಗೆ ಏಕೆ ಅಪಾಯವಾಗಿದೆ ಎಂಬುದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು ಮೊದಲಿನಿಂದಲೂ ಪರಿಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳಬೇಕಾಗಿದೆ.
ಕಂಪನಿಯ ಸುಸ್ಥಿರತೆಯ ವರದಿಯು ಇನ್ನು ಮುಂದೆ ಕೇವಲ ಸದ್ಭಾವನೆಯ ಕರಪತ್ರವಲ್ಲ; ಇದು ಅಕೌಂಟಿಂಗ್ ಡಾಕ್ಯುಮೆಂಟ್ನಂತೆ ಬೈಂಡಿಂಗ್, ಆಡಿಟ್ ಮಾಡಲಾದ ಮತ್ತು ಕಾನೂನು ಪರಿಣಾಮಗಳನ್ನು ಹೊಂದಿರುವ ಡಾಕ್ಯುಮೆಂಟ್ ಆಗಿದೆ. ಯುರೋಪಿಯನ್ ಒಕ್ಕೂಟದ CSRD (ಕಾರ್ಪೊರೇಟ್ ಸಸ್ಟೈನಬಿಲಿಟಿ ರಿಪೋರ್ಟಿಂಗ್ ಡೈರೆಕ್ಟಿವ್) ನಿಯಂತ್ರಣದೊಂದಿಗೆ, ಸಾವಿರಾರು ಕಂಪನಿಗಳು; ಇದು ಕಾರ್ಬನ್ ಹೊರಸೂಸುವಿಕೆ, ಉದ್ಯೋಗಿ ಡೇಟಾ ಮತ್ತು ಪೂರೈಕೆ ಸರಪಳಿಯ ಪರಿಣಾಮಗಳನ್ನು ಕಡ್ಡಾಯವಾಗಿ, ಪರಿಶೀಲಿಸಬಹುದಾದ ಮತ್ತು ಹೋಲಿಸಬಹುದಾದ ರೀತಿಯಲ್ಲಿ ಹಣಕಾಸು ಹೇಳಿಕೆಗಳಂತೆಯೇ ಬಹಿರಂಗಪಡಿಸಬೇಕಾಗಿತ್ತು. ಈ ಘಟಕದಲ್ಲಿ, ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (AI) ನಿಜವಾಗಿಯೂ ಈ ಭಾರೀ ಮತ್ತು ಡೇಟಾ-ತೀವ್ರ ಕಾರ್ಯದಲ್ಲಿ ಸಮಯವನ್ನು ಉಳಿಸುತ್ತದೆ, ಎಲ್ಲಿ ಅದು ಅಪಾಯಕಾರಿ ಮತ್ತು ಪ್ರತಿ ಔಟ್ಪುಟ್ ಅನ್ನು ಹೇಗೆ ಪರಿಶೀಲಿಸುವುದು ಎಂಬುದನ್ನು ನೀವು ಕಲಿಯುವಿರಿ.
ಮೊದಲನೆಯದಾಗಿ, ಒಂದು ವಿಮರ್ಶಾತ್ಮಕ ಪರಿಕಲ್ಪನೆ. ESG ಎಂಬುದು ಪರಿಸರ, ಸಾಮಾಜಿಕ ಮತ್ತು ಆಡಳಿತ ಎಂಬ ಇಂಗ್ಲಿಷ್ ಪದಗಳ ಮೊದಲಕ್ಷರವಾಗಿದೆ; ಇಂಗಾಲದ ಹೊರಸೂಸುವಿಕೆ ಮತ್ತು ನೀರಿನ ಬಳಕೆ, ಉದ್ಯೋಗಿ ಹಕ್ಕುಗಳು ಮತ್ತು ಔದ್ಯೋಗಿಕ ಸುರಕ್ಷತೆಯಂತಹ ಸಾಮಾಜಿಕ ಪರಿಣಾಮಗಳು ಮತ್ತು ಮಂಡಳಿಯ ರಚನೆ ಮತ್ತು ನೈತಿಕತೆಯಂತಹ ಆಡಳಿತದ ಅಭ್ಯಾಸಗಳಂತಹ ಕಂಪನಿಯ ಪರಿಸರದ ಪರಿಣಾಮಗಳನ್ನು ಅಳೆಯುವ ಚೌಕಟ್ಟಿನ ಹೆಸರಾಗಿದೆ. ಸುಸ್ಥಿರತೆಯ ವರದಿಯು ಈ ಮೂರು ಕ್ಷೇತ್ರಗಳಲ್ಲಿನ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಪ್ರಮಾಣಿತ ರೀತಿಯಲ್ಲಿ ಅಳೆಯುವುದು ಮತ್ತು ಅದನ್ನು ಸಾರ್ವಜನಿಕರಿಗೆ ಬಹಿರಂಗಪಡಿಸುವುದು.
ಎರಡನೆಯ ವಿಮರ್ಶಾತ್ಮಕ ಪರಿಕಲ್ಪನೆ: AI ಪೂರ್ಣ ವಿಶ್ವಾಸದಿಂದ ನಿಜವಾಗಿ ನಿಜವಲ್ಲದ ಮಾಹಿತಿಯನ್ನು ಉತ್ಪಾದಿಸಿದಾಗ ಭ್ರಮೆಯಾಗಿದೆ. ESG ಜಗತ್ತಿನಲ್ಲಿ ಇದು; ನೀವು ಕಾಲ್ಪನಿಕ ಹೊರಸೂಸುವಿಕೆ ಅಂಶ, ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲದ GRI ಪ್ರಮಾಣಿತ ಸಂಖ್ಯೆ, ತಪ್ಪಾದ ಘಟಕ ಅಥವಾ ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲದ ಶಾಸನ ಲೇಖನದ ಉಲ್ಲೇಖವನ್ನು ಎದುರಿಸಬಹುದು. ನಿರ್ಣಾಯಕ ಅಂಶವೆಂದರೆ ದೊಡ್ಡ ಭಾಷಾ ಮಾದರಿ (LLM) ಕ್ಯಾಲ್ಕುಲೇಟರ್, ನಿಯಂತ್ರಕ ಡೇಟಾಬೇಸ್ ಅಥವಾ ಆಡಿಟರ್ ಅಲ್ಲ. ಇದು ಪಠ್ಯ ಜನರೇಟರ್ ಆಗಿದ್ದು ಅದು ತರಬೇತಿ ಡೇಟಾದಲ್ಲಿ ನೋಡುವ ಪಠ್ಯಗಳನ್ನು ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯವಾಗಿ ಅನುಕರಿಸುತ್ತದೆ. ಇದು ಹೆಚ್ಚಿನ ಸಮಯ ನಿಖರವಾದ ಮಾಹಿತಿಯನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ; ಆದರೆ "ಹೆಚ್ಚಿನ ಸಮಯ ನಿಖರವಾದ" ಮತ್ತು "ಪರಿಶೋಧನೆಯಲ್ಲಿ ಉತ್ತೀರ್ಣರಾಗಲು ಸಾಕಷ್ಟು ನಿಖರವಾದ" ನಡುವಿನ ವ್ಯತ್ಯಾಸವು ESG ವರದಿಯಲ್ಲಿದೆ.
ESG ಯಲ್ಲಿ AI ಎಲ್ಲಿ ಕೆಲಸ ಮಾಡುತ್ತದೆ ಮತ್ತು ಎಲ್ಲಿ ಕೆಲಸ ಮಾಡುವುದಿಲ್ಲ?
AI ಅನ್ನು ತ್ವರಿತ ಡ್ರಾಫ್ಟ್, ಡೇಟಾ ಕ್ಯುರೇಶನ್ ಮತ್ತು ವಿಶ್ಲೇಷಣಾ ಪಾಲುದಾರ ಎಂದು ಯೋಚಿಸಿ: ಮೌಲ್ಯಯುತವಾದ ಆದರೆ ಮೌಲ್ಯೀಕರಣಕ್ಕೆ ಅತ್ಯಗತ್ಯ. ಕೆಳಗಿನ ವ್ಯತ್ಯಾಸವು ಈ ಮಾಡ್ಯೂಲ್ನ ಬೆನ್ನೆಲುಬಾಗಿದೆ.
ಅನ್ವೇಷಣೆ
AI ನ ಕೊಡುಗೆ
ತಜ್ಞರ ಜವಾಬ್ದಾರಿ
ಡೇಟಾ ಸಂಗ್ರಹಣೆ
ವಿಭಿನ್ನ ಸ್ವರೂಪಗಳನ್ನು ಸಂಪಾದಿಸುತ್ತದೆ, ಜಾಗಗಳನ್ನು ಗುರುತಿಸುತ್ತದೆ
ಮೂಲ ದಾಖಲೆಯೊಂದಿಗೆ ಸಂಖ್ಯೆಯನ್ನು ದೃಢೀಕರಿಸುವುದು
ಎಮಿಷನ್ ಖಾತೆ
ಸೂತ್ರ ಮತ್ತು ಲೆಕ್ಕಾಚಾರದ ಚೌಕಟ್ಟನ್ನು ರಚಿಸುತ್ತದೆ
ಅಧಿಕೃತ ಮೂಲದಿಂದ ಹೊರಸೂಸುವಿಕೆಯ ಅಂಶವನ್ನು ಪರಿಶೀಲಿಸಲಾಗುತ್ತಿದೆ
GRI/CSRD ಮ್ಯಾಪಿಂಗ್
ಪ್ರಮಾಣಿತ ವಸ್ತುಗಳಿಗೆ ಪದಾರ್ಥಗಳನ್ನು ಶಿಫಾರಸು ಮಾಡುತ್ತದೆ
ಪ್ರಮಾಣಿತ ಪಠ್ಯದೊಂದಿಗೆ ನಿಖರವಾಗಿ ಪರಿಶೀಲಿಸಲಾಗುತ್ತಿದೆ
ವಸ್ತು ವಿಶ್ಲೇಷಣೆ
ಮಧ್ಯಸ್ಥಗಾರರ ಅಭಿಪ್ರಾಯಗಳನ್ನು ಥೀಮ್ಗಳಾಗಿ ಪ್ರತ್ಯೇಕಿಸುತ್ತದೆ
ಆದ್ಯತೆಯ ನಿರ್ಧಾರವನ್ನು ಮಾಡಿ
ವರದಿ ಬರವಣಿಗೆ
ಕರಡು ಪಠ್ಯ ಮತ್ತು ಸಾರಾಂಶವನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ
ಪ್ರತಿ ಕ್ಲೈಮ್ ಅನ್ನು ಪುರಾವೆಗಳೊಂದಿಗೆ ಬೆಂಬಲಿಸಿ
ಹಸಿರು ತೊಳೆಯುವ ನಿಯಂತ್ರಣ
ಅಪಾಯಕಾರಿ ನುಡಿಗಟ್ಟುಗಳನ್ನು ಫ್ಲ್ಯಾಗ್ ಮಾಡುತ್ತದೆ
ಅಂತಿಮ ಹಕ್ಕು ಜವಾಬ್ದಾರಿಯನ್ನು ತೆಗೆದುಕೊಳ್ಳಿ
ಹೆಬ್ಬೆರಳಿನ ನಿಯಮ: ಡೇಟಾಗೆ ಅಲ್ಲ AI ಅನ್ನು ಅನ್ವಯಿಸಿ; ಡೇಟಾ, ಸ್ಕ್ಯಾಫೋಲ್ಡ್ ವಿಶ್ಲೇಷಣೆ ಮತ್ತು ಕರಡು ಪಠ್ಯವನ್ನು ಸಂಘಟಿಸಲು ಬಳಸಿ; ಯಾವಾಗಲೂ ಪ್ರತಿ ಸಂಖ್ಯೆ ಮತ್ತು ಪ್ರತಿ ಪ್ರಮಾಣಿತ ಉಲ್ಲೇಖವನ್ನು ಪ್ರಾಥಮಿಕ ಮೂಲದೊಂದಿಗೆ ಪರಿಶೀಲಿಸಿ (ಇನ್ವಾಯ್ಸ್, ಮೀಟರ್ ದಾಖಲೆ, ಅಧಿಕೃತ ಪ್ರಮಾಣಿತ ಪಠ್ಯ, ಎಮಿಷನ್ ಫ್ಯಾಕ್ಟರ್ ಡೇಟಾಬೇಸ್). ಸಮರ್ಥನೀಯತೆಯ ವರದಿಯಲ್ಲಿನ ಪ್ರತಿ ಅಂಕಿ ಅಂಶದ ಹಿಂದೆ ಲೆಕ್ಕಪರಿಶೋಧಕನು ಬಯಸಬಹುದಾದ ಆಡಿಟ್ ಟ್ರಯಲ್ ಇರಬೇಕು. AI ಈ ಸಾಕ್ಷ್ಯವನ್ನು ಉತ್ಪಾದಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ; ಅದನ್ನು ಸಂಘಟಿಸಲು ನಿಮಗೆ ಸಹಾಯ ಮಾಡುತ್ತದೆ.
ESG ಯಲ್ಲಿ AI ಯ ಮೂರು ಮಾರಕ ಬಲೆಗಳು
1. ತಯಾರಿಸಿದ ಹೊರಸೂಸುವಿಕೆ ಅಂಶಗಳು ಮತ್ತು ಸಂಖ್ಯೆಗಳು. AI ತನಗೆ ನೆನಪಿಲ್ಲದ ಹೊರಸೂಸುವಿಕೆಯ ಅಂಶವನ್ನು (ಇಂಧನ ಅಥವಾ ವಿದ್ಯುತ್ ಘಟಕಕ್ಕೆ ಇಂಗಾಲದ ಹೊರಸೂಸುವಿಕೆಯ ಗುಣಾಂಕ) ಸಮಂಜಸವೆಂದು ತೋರುವ ಸಂಖ್ಯೆಯೊಂದಿಗೆ "ಭರ್ತಿ" ಮಾಡಬಹುದು. ಈ ಸಂಖ್ಯೆಯು ಸಂಪೂರ್ಣ ಇಂಗಾಲದ ಹೆಜ್ಜೆಗುರುತು ಲೆಕ್ಕಾಚಾರವನ್ನು ಅಮಾನ್ಯಗೊಳಿಸುತ್ತದೆ.
2. ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲದ ಅಥವಾ ಹಳತಾದ ಶಾಸನ/ಮಾನದಂಡಗಳ ಉಲ್ಲೇಖ. "GRI 305-7" ನಂತಹ ನೈಜವಾಗಿ ಕಂಡುಬರುವ ಆದರೆ ಅದರ ವಿಷಯವನ್ನು ತಪ್ಪಾಗಿ ಪ್ರತಿನಿಧಿಸುವ ಅಥವಾ ಸಂಪೂರ್ಣವಾಗಿ ನಿರ್ಮಿಸಲಾದ ಪ್ರಮಾಣಿತ ಸಂಖ್ಯೆಗಳನ್ನು AI ರಚಿಸಬಹುದು. ಮಾನದಂಡಗಳನ್ನು ಸಹ ನಿಯಮಿತವಾಗಿ ನವೀಕರಿಸಲಾಗುತ್ತದೆ; ಮಾದರಿಗೆ ತಿಳಿದಿರುವ ಆವೃತ್ತಿಯು ಹಳೆಯದಾಗಿರಬಹುದು.
3. ಹಸಿರು ತೊಳೆಯುವಿಕೆಯನ್ನು ಉತ್ಪಾದಿಸುವ ಭಾಷೆ. AI ಉತ್ಸುಕತೆಯಿಂದ "ಪರಿಸರ ಸ್ನೇಹಿ", "ಪರಿಸರ ಸ್ನೇಹಿ", "ಕಾರ್ಬನ್ ನ್ಯೂಟ್ರಲ್" ನಂತಹ ಉತ್ತಮವಾದ ಧ್ವನಿಯ ಆದರೆ ಆಧಾರರಹಿತ ಮತ್ತು ತಪ್ಪುದಾರಿಗೆಳೆಯುವ ಹೇಳಿಕೆಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ. ಈ ಹೇಳಿಕೆಗಳು ಇಂದು ಕಾನೂನು ಅಪಾಯವನ್ನು ಹೊಂದಿವೆ. ನಾವು ಇದನ್ನು ಘಟಕ 10 ರಲ್ಲಿ ಆಳವಾಗಿ ಕವರ್ ಮಾಡುತ್ತೇವೆ.
ಸಲಹೆ: ಮೂರು ಪ್ರಶ್ನೆಗಳೊಂದಿಗೆ ಪ್ರತಿ ಸಂಖ್ಯಾತ್ಮಕ ESG ಫಲಿತಾಂಶವನ್ನು ಸಮೀಪಿಸಿ: (1) ಅದರ ಘಟಕ ಯಾವುದು (tCO₂e, kg, MWh)? (2) ಯಾವ ದಾಖಲೆಯು ಮೂಲವಾಗಿದೆ? (3) ಲೆಕ್ಕಪರಿಶೋಧಕನಿಗೆ ನಾನು ಈ ಅಂಕಿಅಂಶವನ್ನು ಹೇಗೆ ಸಾಬೀತುಪಡಿಸುವುದು? ಈ ಮೂರು ಪ್ರಶ್ನೆಗಳು ಮೊಗ್ಗಿನಲ್ಲೇ ಹೆಚ್ಚಿನ ESG ತಪ್ಪುಗಳನ್ನು ಹಿಡಿಯುತ್ತವೆ. ಇಲ್ಲಿ "tCO₂e" ಎಂದರೆ "ಟನ್ಗಳಷ್ಟು ಇಂಗಾಲದ ಡೈಆಕ್ಸೈಡ್ ಸಮಾನ"; ಇದು ವಿಭಿನ್ನ ಹಸಿರುಮನೆ ಅನಿಲಗಳನ್ನು ಒಂದು ಸಾಮಾನ್ಯ ಘಟಕವಾಗಿ ಪರಿವರ್ತಿಸುವ ಅಳತೆಯಾಗಿದೆ.
ಹಂತ ಹಂತವಾಗಿ: ESG ನಲ್ಲಿ ಸುರಕ್ಷಿತ AI ವರ್ಕ್ಫ್ಲೋ
1. ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಮತ್ತು ಘಟಕಕ್ಕೆ ಕೆಲಸವನ್ನು ಲಿಂಕ್ ಮಾಡಿ. "ನಮ್ಮ ಕಾರ್ಬನ್ ಹೊರಸೂಸುವಿಕೆಯನ್ನು ಲೆಕ್ಕಹಾಕಿ" ಬದಲಿಗೆ, "2024, ಇಸ್ತಾನ್ಬುಲ್ ಕಚೇರಿ, ನೈಸರ್ಗಿಕ ಅನಿಲ ಬಳಕೆ 12,000 m³; GHG ಪ್ರೋಟೋಕಾಲ್ ಸ್ಕೋಪ್ 1 ವಿಧಾನದೊಂದಿಗೆ tCO₂e ನಲ್ಲಿ ಹೊರಸೂಸುವಿಕೆಯನ್ನು ಲೆಕ್ಕಹಾಕಿ, ನೀವು ಬಳಸುವ ಹೊರಸೂಸುವಿಕೆ ಅಂಶ ಮತ್ತು ಮೂಲವನ್ನು ಸೂಚಿಸಿ."
2. ಮೂಲ ಮತ್ತು ಊಹೆಗಾಗಿ ಸ್ಪಷ್ಟವಾಗಿ ಕೇಳಿ. ಪ್ರತಿ ಸಂಖ್ಯೆಗೆ ಯಾವ ಎಮಿಷನ್ ಫ್ಯಾಕ್ಟರ್, ಯಾವ ಮಾನದಂಡ ಮತ್ತು ಯಾವ ಊಹೆಯನ್ನು ಬಳಸಿದ್ದಾರೆ ಎಂಬುದನ್ನು ಬರೆಯಲು AI ಅನ್ನು ಕೇಳಿ. ಮೂಲವನ್ನು ಉಲ್ಲೇಖಿಸದೆ ಯಾವುದೇ ಸಂಖ್ಯೆಯನ್ನು ಸ್ವೀಕರಿಸಬೇಡಿ.
3. ಪ್ರಾಥಮಿಕ ಮೂಲದೊಂದಿಗೆ ಪರಿಶೀಲಿಸಿ. ಅಧಿಕೃತ ಡೇಟಾಬೇಸ್ನಿಂದ ಹೊರಸೂಸುವಿಕೆಯ ಅಂಶವನ್ನು ದೃಢೀಕರಿಸಿ (ಉದಾ. ಇಂಧನಕ್ಕಾಗಿ ರಾಷ್ಟ್ರೀಯ ಇಲಾಖೆ, UK DEFRA ಡೇಟಾಸೆಟ್, IEA), GRI ಅಥವಾ EFRAG ಅಧಿಕೃತ ದಾಖಲೆಯಿಂದ ಪ್ರಮಾಣಿತ ಪಠ್ಯ. EFRAG ಯುರೋಪ್ ಸಂಸ್ಥೆಯಾಗಿದ್ದು ಅದು ESRS (ಯುರೋಪಿಯನ್ ಸಸ್ಟೈನಬಿಲಿಟಿ ರಿಪೋರ್ಟಿಂಗ್ ಸ್ಟ್ಯಾಂಡರ್ಡ್ಸ್) ಮಾನದಂಡಗಳನ್ನು CSRD ಆಧರಿಸಿದೆ.
4. ಆಡಿಟ್ ಟ್ರಯಲ್ ಅನ್ನು ಉಳಿಸಿ. ನೀವು ಯಾವ ಡೇಟಾವನ್ನು ಬಳಸಿದ್ದೀರಿ, ಯಾವ ಮೂಲದಿಂದ, ಯಾವ ದಿನಾಂಕದಂದು ಮತ್ತು ಯಾವ ಊಹೆಯ ಅಡಿಯಲ್ಲಿ ನೀವು ಬಳಸಿದ್ದೀರಿ ಎಂಬುದನ್ನು ಕೋಷ್ಟಕದಲ್ಲಿ ಬರೆಯಿರಿ. ಅಶ್ಯೂರೆನ್ಸ್ ಆಡಿಟರ್ (ಸ್ವತಂತ್ರ ಪರಿಶೀಲಕ) ಇದನ್ನು ವಿನಂತಿಸುತ್ತಾರೆ.
5. ಅಂತಿಮ ಹಕ್ಕನ್ನು ದೃಢೀಕರಿಸಲು ಮಾನವನನ್ನು ಹೊಂದಿರಿ. ಪ್ರತಿ ಸಾರ್ವಜನಿಕ ESG ಕ್ಲೈಮ್ನ ಹಿಂದೆ ಒಬ್ಬ ಜವಾಬ್ದಾರಿಯುತ ವ್ಯಕ್ತಿ ಇರಬೇಕು.
ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್
ಒಂದೇ ಕೆಲಸವನ್ನು ಎರಡು ವಿಭಿನ್ನ ರೀತಿಯಲ್ಲಿ ವಿನಂತಿಸುವುದು ಫಲಿತಾಂಶದ ವಿಶ್ವಾಸಾರ್ಹತೆಯನ್ನು ಆಮೂಲಾಗ್ರವಾಗಿ ಬದಲಾಯಿಸುತ್ತದೆ.
ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:
ನಮ್ಮ ಕಂಪನಿಯ ಇಂಗಾಲದ ಹೆಜ್ಜೆಗುರುತನ್ನು ಲೆಕ್ಕಹಾಕಿ ಮತ್ತು ಸುಸ್ಥಿರತೆಯ ವರದಿಗಾಗಿ ಪ್ಯಾರಾಗ್ರಾಫ್ ಬರೆಯಿರಿ.
ಈ ಹಕ್ಕು ಘಟಕ, ವ್ಯಾಪ್ತಿ, ವರ್ಷ, ಡೇಟಾ ಮತ್ತು ಮೂಲವನ್ನು ಒಳಗೊಂಡಿಲ್ಲ; AI ಫ್ಯಾಬ್ರಿಕೇಶನ್ನೊಂದಿಗೆ ಖಾಲಿ ಜಾಗವನ್ನು ತುಂಬುತ್ತದೆ ಮತ್ತು ಹಸಿರು ತೊಳೆಯುವಿಕೆಯ ಪೂರ್ಣ ಪಠ್ಯವನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ.
ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:
ನಿಮ್ಮ ಪಾತ್ರ: ಹಿರಿಯ ESG ವರದಿ ಮಾಡುವ ತಜ್ಞರು.ಇನ್ಪುಟ್ ಡೇಟಾ (ಇವುಗಳನ್ನು ಮಾತ್ರ ಬಳಸಿ, ಕಾಣೆಯಾಗಿದ್ದಲ್ಲಿ 'ಡೇಟಾ ಇಲ್ಲ' ಎಂದು ಬರೆಯಿರಿ):- 2024, ನೈಸರ್ಗಿಕ ಅನಿಲ: 12,000 m³- 2024, ಗ್ರಿಡ್ ವಿದ್ಯುತ್: 85,000 kWhTask: CO₂e ನಲ್ಲಿ ಹೊರಸೂಸುವಿಕೆಯನ್ನು ಲೆಕ್ಕಹಾಕಿ GHG ಪ್ರೊಟೊಕಾಲ್ (Scope-2 ಆಧಾರಿತ 1) ವಿಧಾನ.ನಿಯಮಗಳು:- ನೀವು ಬಳಸುವ ಪ್ರತಿಯೊಂದು ಹೊರಸೂಸುವಿಕೆಯೂ ಪ್ರತ್ಯೇಕ ಕಾಲಂನಲ್ಲಿ ಅಂಶ, ಘಟಕ ಮತ್ತು ಮೂಲವನ್ನು ಸೂಚಿಸಿ. - ನಿಮಗೆ ಅಂಶ ತಿಳಿದಿಲ್ಲದಿದ್ದರೆ, ಅದನ್ನು ರೂಪಿಸಬೇಡಿ; "ಅಧಿಕೃತ ಅಂಶ ಅಗತ್ಯವಿದೆ" ಎಂದು ಬರೆಯಿರಿ. - ಫಲಿತಾಂಶವನ್ನು ಕೋಷ್ಟಕದಲ್ಲಿ ನೀಡಿ; ಕೊನೆಯಲ್ಲಿ ಪರಿಶೀಲಿಸಬೇಕಾದ ಐಟಂಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ.
ನೈತಿಕತೆ, ಗೌಪ್ಯತೆ ಮತ್ತು ಗಡಿಗಳು
ESG ಡೇಟಾವು ಸಾಮಾನ್ಯವಾಗಿ ಸೂಕ್ಷ್ಮವಾಗಿರುತ್ತದೆ: ಉದ್ಯೋಗಿ ಲಿಂಗ ಮತ್ತು ಸಂಬಳದ ಡೇಟಾ (ಸಾಮಾಜಿಕ ಸೂಚಕಗಳು), ಪೂರೈಕೆದಾರ ಒಪ್ಪಂದದ ನಿಯಮಗಳು, ಹಣಕಾಸಿನ ಪರಿಣಾಮಗಳು ಇನ್ನೂ ಬಹಿರಂಗಪಡಿಸಲಾಗಿಲ್ಲ. ಸಾರ್ವಜನಿಕ AI ಪರಿಕರದಲ್ಲಿ ಈ ಡೇಟಾವನ್ನು ನಮೂದಿಸುವ ಮೊದಲು ಗೌಪ್ಯತೆಯ ಗಡಿಯನ್ನು ಸ್ಪಷ್ಟಪಡಿಸಿ. AI ಗೆ ನೀಡುವ ಮೊದಲು ವೈಯಕ್ತಿಕ ಡೇಟಾವನ್ನು (ಹೆಸರು, ID, KVKK ಮತ್ತು GDPR ವ್ಯಾಪ್ತಿಯಲ್ಲಿ ಸಂಬಳ) ಅನಾಮಧೇಯಗೊಳಿಸಿ ಅಥವಾ ಒಟ್ಟುಗೂಡಿಸಿ; ಅಂದರೆ, ವೈಯಕ್ತಿಕ ಜನರ ಬದಲಿಗೆ, "ಮಹಿಳಾ ಉದ್ಯೋಗಿ ದರ 38%" ನಂತಹ ಸಾರಾಂಶ ಸಂಖ್ಯೆಗಳಾಗಿ ಪರಿವರ್ತಿಸಿ. KVKK ಎಂಬುದು ಟರ್ಕಿಯ ವೈಯಕ್ತಿಕ ಡೇಟಾ ಸಂರಕ್ಷಣಾ ಕಾನೂನು ಮತ್ತು GDPR ಯುರೋಪ್ನ ವೈಯಕ್ತಿಕ ಡೇಟಾ ಸಂರಕ್ಷಣಾ ಕಾನೂನು.
ಎಚ್ಚರಿಕೆ: ESG ವರದಿಯಲ್ಲಿನ ತಪ್ಪು ಅಥವಾ ಉತ್ಪ್ರೇಕ್ಷಿತ ಹಕ್ಕು ಪ್ರತಿಷ್ಠಿತ ಅಪಾಯ ಮಾತ್ರವಲ್ಲ; ಇದು CSRD ಮತ್ತು ರಾಷ್ಟ್ರೀಯ ಗ್ರಾಹಕ ಶಾಸನದ ಅಡಿಯಲ್ಲಿ ದಂಡ ಮತ್ತು ಕಾನೂನು ಹೊಣೆಗಾರಿಕೆಗೆ ಕಾರಣವಾಗಬಹುದು. ಪುರಾವೆಗಳಿಲ್ಲದೆ AI ನಿರ್ಮಿಸಿದ ಯಾವುದೇ ಹಕ್ಕುಗಳನ್ನು ಪ್ರಕಟಿಸಬೇಡಿ.
ಮೂರು ಸಣ್ಣ ಪ್ರಕರಣಗಳು
ಪ್ರಕರಣ 1 - ಕನ್ಟ್ರಿವ್ಡ್ ಫ್ಯಾಕ್ಟರ್. ಉತ್ಪಾದನಾ ಕಂಪನಿಯು AI ಗೆ ಡೀಸೆಲ್ ಬಳಕೆಯನ್ನು ನೀಡಿತು ಮತ್ತು ಹೊರಸೂಸುವಿಕೆಯ ಲೆಕ್ಕಾಚಾರವನ್ನು ಕೇಳಿತು. YZ "ಡೀಸೆಲ್ಗಾಗಿ 2.40 kgCO₂e/ಲೀಟರ್" ಅಂಶವನ್ನು ಬಳಸಿದೆ. ತಜ್ಞರು ಪರಿಶೀಲಿಸಿದರು: ಅಧಿಕೃತ ಅಂಶವು ಸುಮಾರು 2.68 kgCO₂e/ಲೀಟರ್ ಆಗಿತ್ತು. ವ್ಯತ್ಯಾಸವು 10% ಆಗಿತ್ತು ಮತ್ತು 40,000 ಲೀಟರ್ ಬಳಕೆಗೆ ಸರಿಸುಮಾರು 11 ಟನ್ಗಳಷ್ಟು CO₂e ನ ವಿಚಲನವಾಗಿದೆ. ಅಂಶವನ್ನು ಅಧಿಕೃತ ಮೂಲದಿಂದ ಸರಿಪಡಿಸಲಾಗಿದೆ.
ಪ್ರಕರಣ 2 - ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲದ ಮಾನದಂಡ. ಸಲಹೆಗಾರರೊಬ್ಬರು ವರದಿಗಾಗಿ YZ ಗೆ "GRI 305-8 ನೀರಿನ ಬಳಕೆ" ಶೀರ್ಷಿಕೆಯನ್ನು ಕೇಳಿದರು. ಆದರೆ GRI 303 ಅಡಿಯಲ್ಲಿ ನೀರು ವರದಿಯಾಗಿದೆ; GRI 305 ವಾಯು ಹೊರಸೂಸುವಿಕೆಯಾಗಿದೆ. ಪ್ರಮಾಣಿತ ಪಠ್ಯದೊಂದಿಗೆ ಪರಿಶೀಲಿಸಿದಾಗ, ದೋಷ ಕಂಡುಬಂದಿದೆ ಮತ್ತು ವಿಷಯವನ್ನು ಸರಿಯಾದ ಲೇಖನಕ್ಕೆ ಸರಿಸಲಾಗಿದೆ.
ಪ್ರಕರಣ 3 - ಹಸಿರು ತೊಳೆಯುವ ಭಾಷೆ. YZ ಚಿಲ್ಲರೆ ಬ್ರಾಂಡ್ಗಾಗಿ "ನಮ್ಮ ಉತ್ಪನ್ನಗಳು ಸಂಪೂರ್ಣವಾಗಿ ಪರಿಸರ ಸ್ನೇಹಿ" ಎಂಬ ವಾಕ್ಯವನ್ನು ಸೂಚಿಸಿದೆ. ESG ತಂಡವು ಇದನ್ನು ಸಾಬೀತುಪಡಿಸಲಾಗದು ಎಂದು ಕಂಡುಹಿಡಿದಿದೆ ಮತ್ತು "ನಮ್ಮ ಪ್ಯಾಕೇಜಿಂಗ್ನ 60% ಅನ್ನು ಮರುಬಳಕೆ ಮಾಡಲಾಗಿದೆ (2024, ಆಂತರಿಕ ಮಾಪನ)" ನಂತಹ ಕಾಂಕ್ರೀಟ್, ಸಾಬೀತುಪಡಿಸಬಹುದಾದ ಹೇಳಿಕೆಯೊಂದಿಗೆ ಬದಲಾಯಿಸಿತು.
ಆಡಿಟ್-ಸಿದ್ಧ ಕೆಲಸಕ್ಕಾಗಿ ಅಪೇಕ್ಷಿಸುತ್ತದೆ
ಕೆಳಗಿನ ESG ಪಠ್ಯವನ್ನು ಆಡಿಟಿಂಗ್ ಕಣ್ಣಿನೊಂದಿಗೆ ಪರೀಕ್ಷಿಸಿ. ಪ್ರತಿ ಸಂಖ್ಯಾತ್ಮಕ ಹಕ್ಕು: 1) ಘಟಕವು ಸ್ಪಷ್ಟವಾಗಿದೆಯೇ? 2) ಮೂಲವನ್ನು ತಿಳಿಸಲಾಗಿದೆಯೇ? 3) ಇದು ಪರಿಶೀಲಿಸಬಹುದಾದ ಅಥವಾ ವ್ಯಕ್ತಿನಿಷ್ಠ/ಉತ್ಪ್ರೇಕ್ಷಿತವೇ? "ಪರಿಸರ ಸ್ನೇಹಿ, ಹಸಿರು, ನೈಸರ್ಗಿಕ" ನಂತಹ ಆಧಾರರಹಿತ ಅಥವಾ ಅಸ್ಪಷ್ಟ ಹೇಳಿಕೆಗಳನ್ನು ಗುರುತಿಸಿ ಮತ್ತು ಪ್ರತಿಯೊಂದಕ್ಕೂ ಕಾಂಕ್ರೀಟ್, ಅಳೆಯಬಹುದಾದ ಪರ್ಯಾಯವನ್ನು ಸೂಚಿಸಿ. ಪಠ್ಯ: [TEXT]
ಕೆಳಗಿನ ಪ್ರಾಂಪ್ಟ್ ಸಂಸ್ಥೆಯೊಳಗೆ AI ಬಳಕೆಯ ಮಿತಿಯನ್ನು ಸ್ಪಷ್ಟಪಡಿಸುವ ಸಂಕ್ಷಿಪ್ತ ನೀತಿ ರೂಪರೇಖೆಯನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ.
ನಿಮ್ಮ ಪಾತ್ರ: ಸಮರ್ಥನೀಯ ತಂಡದ ನಾಯಕ. ಕಾರ್ಯ: ESG ಕೆಲಸದಲ್ಲಿ AI ಯ ತಂಡದ ಬಳಕೆಯನ್ನು ನಿಯಂತ್ರಿಸುವ 1-ಪುಟದ ಆಂತರಿಕ ನೀತಿ ಕರಡು ಬರೆಯಿರಿ. ಸೇರಿಸಿ:- AI ಅನ್ನು ಮುಕ್ತವಾಗಿ ಬಳಸಬಹುದಾದ ಕಾರ್ಯಗಳು (ಔಟ್ಲೈನ್, ಸಾರಾಂಶ, ಫಾರ್ಮ್ಯಾಟಿಂಗ್)- ಮಾನವ ಪರಿಶೀಲನೆಯ ಅಗತ್ಯವಿರುವ ಕಾರ್ಯಗಳು (ಸಂಖ್ಯೆ, ಅಂಶ, ಪ್ರಮಾಣಿತ ಗುಣಲಕ್ಷಣ, ಹಕ್ಕು)- AI ಗೆ ಎಂದಿಗೂ ನಮೂದಿಸದ ಡೇಟಾ ಪ್ರಕಾರಗಳು (ವೈಯಕ್ತಿಕ ಡೇಟಾ, ಬಹಿರಂಗಪಡಿಸದ ಆರ್ಥಿಕ ಪರಿಣಾಮ) ಟೋನ್: ಸ್ಪಷ್ಟ, ಬುಲೆಟ್-ಪಾಯಿಂಟ್, ಅನ್ವಯಿಸುತ್ತದೆ.
ಕೆಳಗಿನ ಪ್ರಾಂಪ್ಟ್ ಸಣ್ಣ "ಆಡಿಟ್ ಟ್ರಯಲ್" ಟೇಬಲ್ ಅಸ್ಥಿಪಂಜರವನ್ನು ಹೊಂದಿಸುತ್ತದೆ, ಅದನ್ನು ಪ್ರತಿ ESG ವಿತರಣೆಗೆ ಸೇರಿಸಬಹುದು.
ಕೆಳಗಿನ ಖಾತೆಯ ಪಕ್ಕದಲ್ಲಿ ಆಡಿಟ್ ಟ್ರಯಲ್ ಟೇಬಲ್ ಅನ್ನು ತಯಾರಿಸಿ.ಕಾಲಮ್ಗಳು: ಡೇಟಾ ಐಟಂ | ಮೌಲ್ಯ | ಘಟಕ | ಮೂಲ ದಾಖಲೆ | ದಿನಾಂಕ | ಊಹೆ | ಇದನ್ನು ಪರಿಶೀಲಿಸಲಾಗಿದೆಯೇ? ಮೂಲವು ತಿಳಿದಿಲ್ಲದಿದ್ದರೆ ಪ್ರತಿ ಸಾಲಿನಲ್ಲಿ "ಮೂಲದ ಅಗತ್ಯವಿದೆ" ಎಂದು ಬರೆಯಿರಿ. ಪ್ರವೇಶ: [ACCOUNT]
ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು
- ಮೂಲವಿಲ್ಲದೆ ಸಂಖ್ಯೆಯನ್ನು ಸ್ವೀಕರಿಸುವುದು. YZ ನೀಡಿದ ಪ್ರತಿಯೊಂದು ಹೊರಸೂಸುವಿಕೆ ಅಂಶ ಮತ್ತು ಅಂಕಿಅಂಶಗಳನ್ನು ಅಧಿಕೃತ ಮೂಲದಿಂದ ದೃಢೀಕರಿಸದೆ ವರದಿಯಲ್ಲಿ ಸೇರಿಸಲಾಗಿಲ್ಲ.
- ಘಟಕವನ್ನು ನಿರ್ಲಕ್ಷಿಸಲಾಗುತ್ತಿದೆ. ಕೆಜಿಯನ್ನು ಟನ್ಗಳೊಂದಿಗೆ, kWh ಅನ್ನು MWh ನೊಂದಿಗೆ ಗೊಂದಲಗೊಳಿಸಿದರೆ, ಫಲಿತಾಂಶವು 1000 ಪಟ್ಟು ವಿಚಲನಗೊಳ್ಳಬಹುದು.
- ಅವರ ಪ್ರಮಾಣಿತ ತಂತ್ರಗಳನ್ನು ಕುರುಡಾಗಿ ನಂಬುವುದು. GRI/ESRS ವಸ್ತುವಿನ ಸಂಖ್ಯೆಗಳನ್ನು ಅಧಿಕೃತ ದಾಖಲೆಯೊಂದಿಗೆ ಪರಿಶೀಲಿಸಬೇಕು.
- ಸೂಕ್ಷ್ಮ ಡೇಟಾವನ್ನು ಹಾಗೆಯೇ ನಮೂದಿಸಲಾಗುತ್ತಿದೆ. ಉದ್ಯೋಗಿ ಮತ್ತು ಪೂರೈಕೆದಾರರ ಡೇಟಾವನ್ನು ಅನಾಮಧೇಯಗೊಳಿಸದೆ ಸಾರ್ವಜನಿಕ ಸಾಧನಕ್ಕೆ ಒದಗಿಸಲಾಗುವುದಿಲ್ಲ.
- ಲೆಕ್ಕಪರಿಶೋಧಕರ ಸ್ಥಳದಲ್ಲಿ AI ಅನ್ನು ಇರಿಸುವುದು. AI ಒಂದು ಪರಿಶೀಲನಾಪಟ್ಟಿಯನ್ನು ತಯಾರಿಸಬಹುದು, ಆದರೆ ಇದು ಸ್ವತಂತ್ರ ಭರವಸೆಯನ್ನು ನೀಡಲು ಸಾಧ್ಯವಿಲ್ಲ.
ಸಾರಾಂಶದಲ್ಲಿ
AI ಪ್ರಬಲ ಡ್ರಾಫ್ಟಿಂಗ್, ಡೇಟಾ ಕ್ಯುರೇಶನ್ ಮತ್ತು ವಿಶ್ಲೇಷಣಾ ಪಾಲುದಾರ ESG; ಆದರೆ ಇದು ಕ್ಯಾಲ್ಕುಲೇಟರ್, ನಿಯಂತ್ರಕ ಡೇಟಾಬೇಸ್ ಅಥವಾ ಆಡಿಟರ್ ಅಲ್ಲ. ಅದರ ಮೌಲ್ಯವು ಅದರ ಪರಿಶೀಲನೆಯಿಂದ ತಿಳಿದುಬರುತ್ತದೆ. ಪ್ರಾಥಮಿಕ ಮೂಲದಿಂದ ಪ್ರತಿ ಸಂಖ್ಯೆಯನ್ನು ದೃಢೀಕರಿಸುವುದು, ಅಧಿಕೃತ ಪಠ್ಯದೊಂದಿಗೆ ಪ್ರತಿ ಪ್ರಮಾಣಿತ ಉಲ್ಲೇಖವನ್ನು ಹೋಲಿಸುವುದು, ಸೂಕ್ಷ್ಮ ಡೇಟಾವನ್ನು ಅನಾಮಧೇಯಗೊಳಿಸುವುದು ಮತ್ತು ಅಂತಿಮ ಹಕ್ಕುಗಳ ಜವಾಬ್ದಾರಿಯನ್ನು ಮಾನವನಿಗೆ ಬಿಡುವುದು ಈ ಮಾಡ್ಯೂಲ್ನ ನಿರಂತರ ಬೆನ್ನೆಲುಬಾಗಿದೆ. "ನಿರರ್ಗಳವಾಗಿ ಕಾಣಿಸಿಕೊಳ್ಳುವುದು" ಮತ್ತು "ಆಡಿಟ್ ಅನ್ನು ಹಾದುಹೋಗುವುದು" ನಡುವಿನ ವ್ಯತ್ಯಾಸವನ್ನು ಎಂದಿಗೂ ಮರೆಯಬೇಡಿ.
ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ
ನಿಮ್ಮ ಸ್ವಂತ ಸಂಸ್ಥೆಯಿಂದ (ಅಥವಾ ಕಾಲ್ಪನಿಕ ಕಂಪನಿ) ಪರಿಸರ ಡೇಟಾದ ಒಂದು ಐಟಂ ಅನ್ನು ಆಯ್ಕೆಮಾಡಿ: ಉದಾಹರಣೆಗೆ, ಮಾಸಿಕ ವಿದ್ಯುತ್ ಬಿಲ್. ಮೇಲಿನ "ಪವರ್ ಪ್ರಾಂಪ್ಟ್" ಟೆಂಪ್ಲೇಟ್ ಅನ್ನು ಬಳಸಿಕೊಂಡು AI ನಿಂದ ಸ್ಕೋಪ್ 2 ಎಮಿಷನ್ಸ್ ಅಕೌಂಟಿಂಗ್ ಅಸ್ಥಿಪಂಜರವನ್ನು ವಿನಂತಿಸಿ. ನಂತರ: (1) ಅಧಿಕೃತ ಮೂಲದೊಂದಿಗೆ ಅದು ಬಳಸುವ ಹೊರಸೂಸುವಿಕೆಯ ಅಂಶವನ್ನು ಹೋಲಿಕೆ ಮಾಡಿ, (2) ಘಟಕಗಳ ಸ್ಥಿರತೆಯನ್ನು ಪರಿಶೀಲಿಸಿ, (3) ಯಾವ ಐಟಂಗಳಿಗೆ "ಪರಿಶೀಲನೆ ಅಗತ್ಯವಿದೆ" ಎಂದು ಪಟ್ಟಿ ಮಾಡುವ ಸಣ್ಣ ಆಡಿಟ್ ಟ್ರಯಲ್ ಟೇಬಲ್ ಅನ್ನು ಬರೆಯಿರಿ.
ಪರಿಶೀಲನಾಪಟ್ಟಿ
- [ ] ನಾನು AI ನೀಡಿದ ಪ್ರತಿ ಸಂಖ್ಯೆಯ ಘಟಕ ಮತ್ತು ಮೂಲವನ್ನು ಪ್ರಶ್ನಿಸಿದೆ.
- [ ] ನಾನು ಅಧಿಕೃತ ಡೇಟಾಬೇಸ್ನೊಂದಿಗೆ ಹೊರಸೂಸುವಿಕೆ ಅಂಶಗಳನ್ನು ದೃಢೀಕರಿಸಿದ್ದೇನೆ.
- [ ] ನಾನು ಪ್ರಮಾಣಿತ (GRI/ESRS) ಸಂಖ್ಯೆಗಳನ್ನು ಅಧಿಕೃತ ಪಠ್ಯದೊಂದಿಗೆ ಪರಿಶೀಲಿಸಿದ್ದೇನೆ.
- [ ] ನಾನು ಸೂಕ್ಷ್ಮ/ವೈಯಕ್ತಿಕ ಡೇಟಾವನ್ನು ಅನಾಮಧೇಯಗೊಳಿಸಿದ್ದೇನೆ ಅಥವಾ ಒಟ್ಟುಗೂಡಿಸಿದ್ದೇನೆ.
- [ ] ನಾನು "ಪರಿಸರ ಸ್ನೇಹಿ, ಹಸಿರು, ನೈಸರ್ಗಿಕ" ನಂತಹ ಪುರಾವೆಗಳಿಲ್ಲದ ಹೇಳಿಕೆಗಳನ್ನು ಗುರುತಿಸಿದ್ದೇನೆ.
- [ ] ನಾನು ಪ್ರತಿ ನಿರ್ಧಾರಕ್ಕೂ ಆಡಿಟ್ ಟ್ರಯಲ್ (ಮೂಲ, ದಿನಾಂಕ, ಊಹೆ) ಇಟ್ಟುಕೊಂಡಿದ್ದೇನೆ.
- [ ] ಅಂತಿಮ ಹಕ್ಕನ್ನು ದೃಢೀಕರಿಸುವ ಜವಾಬ್ದಾರಿಯುತ ವ್ಯಕ್ತಿಯನ್ನು ನಾನು ಗುರುತಿಸಿದ್ದೇನೆ.