ಲಾಭಗಳು:
- ವೆಚ್ಚ ಮತ್ತು ಅಪಾಯದ ಮಟ್ಟವನ್ನು ಆಧರಿಸಿ ಪೂರೈಕೆದಾರರಿಗೆ ಆದ್ಯತೆ ನೀಡುವ ಮೂಲಕ ಸ್ಕೋಪ್ 3 ಅನ್ನು ಸ್ಥಾಪಿಸುವ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ನಿಜವಾದ ಡೇಟಾ ಮತ್ತು ಪ್ರಾಕ್ಸಿ ಅಂದಾಜುಗಳ ನಡುವೆ ವ್ಯತ್ಯಾಸ
- ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯೊಂದಿಗೆ ಪೂರೈಕೆದಾರರ ಅಪಾಯದ ಸಂಕೇತಗಳನ್ನು ಫ್ಲ್ಯಾಗ್ ಮಾಡುವಾಗ, ಅವುಗಳನ್ನು ಪುರಾವೆಯಾಗಿ ಪರಿಗಣಿಸುವ ಬದಲು 'ಪರೀಕ್ಷಿಸಬೇಕಾದ ಸಂಕೇತಗಳು' ಎಂದು ಪರಿಗಣಿಸಿ
- ಕ್ಷೇತ್ರ ತಪಾಸಣೆ ಮತ್ತು ಕಾನೂನು ದೃಢೀಕರಣದ ಅಗತ್ಯವಿರುವ ಕಾರಣ ಶ್ರದ್ಧೆ ಪ್ರಕ್ರಿಯೆಯ ಮೂಲಕ ಗಂಭೀರ ಮಾನವ ಹಕ್ಕುಗಳು/ಪರಿಸರ ಹಕ್ಕುಗಳನ್ನು ನಿರ್ವಹಿಸುವ ಸಾಮರ್ಥ್ಯ
ಹೆಚ್ಚಿನ ಕಂಪನಿಗಳಿಗೆ, ಅವರ ಸಮರ್ಥನೀಯತೆಯ ಪ್ರಭಾವದ ದೊಡ್ಡ ಭಾಗವು ಅವರ ಸ್ವಂತ ಕಾರ್ಖಾನೆಯಲ್ಲಿ ಅಲ್ಲ ಆದರೆ ಅವರ ಪೂರೈಕೆ ಸರಪಳಿಯಲ್ಲಿದೆ. ಬಟ್ಟೆಯ ಬ್ರಾಂಡ್ನ ಕಾರ್ಬನ್ ಹೆಜ್ಜೆಗುರುತುಗಳ 80 ಪ್ರತಿಶತಕ್ಕಿಂತಲೂ ಹೆಚ್ಚಿನವು ಅದರ ಪೂರೈಕೆದಾರರಿಂದ ಬರಬಹುದು, ಬಟ್ಟೆ ತಯಾರಕರಿಂದ ಸಾಗಣೆಯವರೆಗೆ. ಅಂತೆಯೇ, ಬಾಲ ಕಾರ್ಮಿಕರು, ಬಲವಂತದ ಕಾರ್ಮಿಕರು ಮತ್ತು ಪರಿಸರ ಉಲ್ಲಂಘನೆಗಳಂತಹ ಅತ್ಯಂತ ತೀವ್ರವಾದ ಸಾಮಾಜಿಕ ಅಪಾಯಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಪೂರೈಕೆ ಸರಪಳಿಯಲ್ಲಿ ಆಳವಾಗಿ ಸಂಭವಿಸುತ್ತವೆ. ಈ ಘಟಕದಲ್ಲಿ, ಪೂರೈಕೆ ಸರಪಳಿಯ ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸಲು ಮತ್ತು ಮೌಲ್ಯಮಾಪನ ಮಾಡಲು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (AI) ಅನ್ನು ಹೇಗೆ ಬಳಸುವುದು ಮತ್ತು ಅಪಾಯಗಳಿಗಾಗಿ ನೀವು ಕಲಿಯುವಿರಿ.
ಎರಡು ಪರಿಕಲ್ಪನೆಗಳನ್ನು ಸ್ಪಷ್ಟಪಡಿಸೋಣ. ಸ್ಕೋಪ್ 3, ನಾವು ಹಿಂದಿನ ಘಟಕದಲ್ಲಿ ನೋಡಿದಂತೆ, ಕಂಪನಿಯ ಮೌಲ್ಯ ಸರಪಳಿಯಲ್ಲಿ ಪರೋಕ್ಷ ಹೊರಸೂಸುವಿಕೆಯಾಗಿದೆ ಮತ್ತು ಇದು ಸಾಮಾನ್ಯವಾಗಿ ದೊಡ್ಡದಾಗಿದೆ ಆದರೆ ಅಳೆಯಲು ಅತ್ಯಂತ ಕಷ್ಟಕರವಾಗಿದೆ. ಕಾರಣ ಶ್ರದ್ಧೆಯು ಕಂಪನಿಯ ಪೂರೈಕೆ ಸರಪಳಿಯಲ್ಲಿ ಮಾನವ ಹಕ್ಕುಗಳು ಮತ್ತು ಪರಿಸರ ಅಪಾಯಗಳನ್ನು ಗುರುತಿಸುವ, ತಡೆಗಟ್ಟುವ ಮತ್ತು ನಿವಾರಿಸುವ ಪ್ರಕ್ರಿಯೆಯಾಗಿದೆ. EU ನ CSDDD (ಕಾರ್ಪೊರೇಟ್ ಸಸ್ಟೈನಬಿಲಿಟಿ ಡ್ಯೂ ಡಿಲಿಜೆನ್ಸ್ ಡೈರೆಕ್ಟಿವ್) ನಂತಹ ನಿಯಮಗಳು ದೊಡ್ಡ ಕಂಪನಿಗಳಿಗೆ ಇದನ್ನು ಕಡ್ಡಾಯಗೊಳಿಸುತ್ತವೆ.
ಪೂರೈಕೆ ಸರಪಳಿ ಡೇಟಾದ ಪ್ರಮುಖ ಸವಾಲು
ನಿಮ್ಮ ಸ್ವಂತ ಸೌಲಭ್ಯದ ಡೇಟಾವನ್ನು ನೀವು ಅಳೆಯಬಹುದು; ಆದರೆ ನೂರಾರು ಪೂರೈಕೆದಾರರ ಡೇಟಾವನ್ನು ನೀವು ನೇರವಾಗಿ ಅಳೆಯಲು ಸಾಧ್ಯವಿಲ್ಲ, ನೀವು ಅವರನ್ನು ಕೇಳಬೇಕು. ಇದು ಮೂರು ಸಮಸ್ಯೆಗಳನ್ನು ಸೃಷ್ಟಿಸುತ್ತದೆ:
- ಡೇಟಾ ಬರುವುದಿಲ್ಲ ಅಥವಾ ಅಪೂರ್ಣವಾಗಿದೆ. ಹೆಚ್ಚಿನ ಸಣ್ಣ ಪೂರೈಕೆದಾರರು ಕಾರ್ಬನ್ ಡೇಟಾವನ್ನು ಇಟ್ಟುಕೊಳ್ಳುವುದಿಲ್ಲ.
- ಡೇಟಾ ವಿಶ್ವಾಸಾರ್ಹವಲ್ಲ. ಸರಬರಾಜುದಾರರು ಸ್ವಯಂ-ವರದಿ ಮಾಡಿದಾಗ, ಅತಿಯಾಗಿ ಹೇಳುವುದು ಅಥವಾ ಕಡಿಮೆ ವರದಿ ಮಾಡುವಿಕೆ ಇರಬಹುದು.
- ಒಂದು ಊಹೆ (ಪ್ರಾಕ್ಸಿ) ಅಗತ್ಯವಿದೆ. ನಿಜವಾದ ಡೇಟಾ ಲಭ್ಯವಿಲ್ಲದಿದ್ದರೆ, ಉದ್ಯಮದ ಸರಾಸರಿ ಅಥವಾ ವೆಚ್ಚ ಆಧಾರಿತ ಅಂದಾಜನ್ನು ಬಳಸಲಾಗುತ್ತದೆ.
ಇಲ್ಲಿ AI ಎರಡು ರೀತಿಯಲ್ಲಿ ಸಹಾಯ ಮಾಡುತ್ತದೆ: (1) ತ್ವರಿತವಾಗಿ ಕರಡು ಸಮೀಕ್ಷೆಗಳು ಮತ್ತು ನೂರಾರು ಪೂರೈಕೆದಾರರಿಗೆ ಕಳುಹಿಸಲು ಅನುಸರಣಾ ಪತ್ರಗಳು, (2) ಚದುರಿದ ಪ್ರತಿಕ್ರಿಯೆಗಳನ್ನು ರಚಿಸುವುದು ಮತ್ತು ಅಪಾಯದ ಸಂಕೇತಗಳನ್ನು ಫ್ಲ್ಯಾಗ್ ಮಾಡುವುದು. ಆದರೆ ಪೂರೈಕೆದಾರರು ನೀಡಿದ ಯಾವುದೇ ಸಂಖ್ಯೆಯನ್ನು ಪರಿಶೀಲಿಸಲಾಗಿಲ್ಲ, ಮಾನವ ವಿಮರ್ಶೆಯಿಲ್ಲದೆ ಯಾವುದೇ ಅಪಾಯದ ಸಂಕೇತವನ್ನು ತೀರ್ಮಾನಿಸಲಾಗುವುದಿಲ್ಲ.
ವ್ಯಾಪ್ತಿ 3 ವರ್ಗ (ಉದಾಹರಣೆ)
ಡೇಟಾ ಮೂಲ
ವಿಶಿಷ್ಟ ವಿಧಾನ
ಖರೀದಿಸಿದ ಸರಕುಗಳು/ಸೇವೆಗಳು
ಪೂರೈಕೆದಾರರ ಸಮೀಕ್ಷೆ / ಖರ್ಚು
ನೈಜ ಡೇಟಾ > ಪ್ರಾಕ್ಸಿ
ಶಿಪ್ಪಿಂಗ್ ಮತ್ತು ವಿತರಣೆ
ವಾಹಕ ದಾಖಲೆಗಳು
ದೂರ × ಲೋಡ್ × ಅಂಶ
ವ್ಯಾಪಾರ ಪ್ರಯಾಣ
ಪ್ರಯಾಣ ವ್ಯವಸ್ಥೆ
ಕಿಮೀ/ವಿಮಾನ × ಅಂಶ
ಮಾರಾಟವಾದ ಉತ್ಪನ್ನದ ಬಳಕೆ
ಉತ್ಪನ್ನ ಶಕ್ತಿ ಡೇಟಾ
ಬಳಕೆಯ ಮಾದರಿ
ವ್ಯರ್ಥ
ತ್ಯಾಜ್ಯ ವರ್ಗಾವಣೆ ದಾಖಲೆಗಳು
ಪ್ರಮಾಣ × ಅಂಶ
ಸಲಹೆ: ಸ್ಕೋಪ್ 3 ರಲ್ಲಿ, "ಖರ್ಚು-ಆಧಾರಿತ" ಅಂದಾಜು (ಪ್ರತಿ $1,000 ಖರ್ಚು ಮಾಡಲು ಇಷ್ಟು CO₂e) ತ್ವರಿತ ಆರಂಭವಾಗಿದೆ, ಆದರೆ ಒರಟು. ಸರಬರಾಜುದಾರರು ನೈಜ ಡೇಟಾವನ್ನು ಒದಗಿಸಿದಾಗ, ಅದನ್ನು ಬಳಸಿ; ಯಾವುದೇ ನಿಜವಾದ ಡೇಟಾ ಇಲ್ಲದಿದ್ದರೆ ಖರ್ಚು-ಆಧಾರಿತ ಅಂದಾಜು ತಾತ್ಕಾಲಿಕವಾಗಿರುತ್ತದೆ ಮತ್ತು ವರದಿಯಲ್ಲಿ "ಅಂದಾಜು/ಪ್ರಾಕ್ಸಿ" ಎಂದು ಗುರುತಿಸಬೇಕು.
ಹಂತ ಹಂತವಾಗಿ: AI ನೊಂದಿಗೆ ಪೂರೈಕೆ ಸರಪಳಿ ಕೆಲಸದ ಹರಿವು
1. ಪೂರೈಕೆದಾರರಿಗೆ ಆದ್ಯತೆ ನೀಡಿ. ನೀವು ಎಲ್ಲಾ ನೂರಾರು ಪೂರೈಕೆದಾರರನ್ನು ಒಂದೇ ಆಳದಲ್ಲಿ ಪರೀಕ್ಷಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ. ಹೆಚ್ಚಿನ ಖರ್ಚು ಗಾತ್ರ ಮತ್ತು ಅಪಾಯವನ್ನು ಹೊಂದಿರುವವರ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸಿ (ವಲಯ, ದೇಶ). ಈ ಆದ್ಯತೆಯೊಂದಿಗೆ AI ಕರಡು ಪಟ್ಟಿಯನ್ನು ತಯಾರಿಸಬಹುದು.
2. ಕರಡು ಸಮೀಕ್ಷೆ ಮತ್ತು ವಿನಂತಿ. ಪೂರೈಕೆದಾರರ ಡೇಟಾ ಸಮೀಕ್ಷೆಯ ಔಟ್ಲೈನ್ ಅನ್ನು ಸ್ಪಷ್ಟ, ಸುಲಭವಾಗಿ ಭರ್ತಿ ಮಾಡಲು AI ಅನ್ನು ಕೇಳಿ.
3. ಒಳಬರುವ ಡೇಟಾವನ್ನು ಕಾನ್ಫಿಗರ್ ಮಾಡಿ. ಉತ್ತರಗಳನ್ನು ವಿವಿಧ ಸ್ವರೂಪಗಳಲ್ಲಿ ಒಂದೇ ಕೋಷ್ಟಕದಲ್ಲಿ ಇರಿಸಿ; ಕಾಣೆಯಾದ ಭಾಗಗಳನ್ನು ಗುರುತಿಸಿ.
4. ಅಪಾಯದ ಸಂಕೇತಗಳಿಗಾಗಿ ಸ್ಕ್ಯಾನ್ ಮಾಡಿ. ಸಾರ್ವಜನಿಕ ಸುದ್ದಿ, ಉಲ್ಲಂಘನೆ ದಾಖಲೆಗಳು ಮತ್ತು ಸಮೀಕ್ಷೆಯ ವ್ಯತ್ಯಾಸಗಳಲ್ಲಿ AI "ಕೆಂಪು ಧ್ವಜ" ಅಭ್ಯರ್ಥಿಗಳನ್ನು ಕಂಡುಹಿಡಿಯಲಿ; ಆದರೆ ಮಾನವರು ಪ್ರತಿಯೊಂದು ಸಂಕೇತವನ್ನೂ ಪರಿಶೀಲಿಸುತ್ತಾರೆ.
5. ಕ್ರಿಯೆ ಮತ್ತು ಅನ್ವೇಷಣೆ. ಹೆಚ್ಚಿನ ಅಪಾಯದ ಪೂರೈಕೆದಾರರಿಗೆ ಸರಿಪಡಿಸುವ ಕ್ರಮ ಮತ್ತು ಅನುಸರಣಾ ಯೋಜನೆಯನ್ನು ಸ್ಥಾಪಿಸಿ; ಪ್ರಕ್ರಿಯೆಯನ್ನು ದಾಖಲಿಸಿ.
ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್
ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:
ನಮ್ಮ ಪೂರೈಕೆದಾರರ ಇಂಗಾಲದ ಹೆಜ್ಜೆಗುರುತನ್ನು ಲೆಕ್ಕಹಾಕಿ.
ಡೇಟಾ ಮೂಲವಿಲ್ಲ, ನೈಜ/ಪ್ರಾಕ್ಸಿ ವ್ಯತ್ಯಾಸವಿಲ್ಲ, ಮತ್ತು ಪರಿಶೀಲನೆ ಇಲ್ಲ; AI ಪೂರೈಕೆದಾರರ ಸಂಖ್ಯೆಗಳನ್ನು ರೂಪಿಸುತ್ತದೆ.
ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:
ನಿಮ್ಮ ಪಾತ್ರ: ಪೂರೈಕೆ ಸರಪಳಿ ಸುಸ್ಥಿರತೆ ವಿಶ್ಲೇಷಕ. ಇನ್ಪುಟ್: 15 ಪೂರೈಕೆದಾರರ ಹೆಸರುಗಳು, ಉದ್ಯಮ, ವಾರ್ಷಿಕ ಖರ್ಚು ಮೊತ್ತ ಮತ್ತು ಅವರು ಒದಗಿಸುವ ನಿಜವಾದ ಹೊರಸೂಸುವಿಕೆಯ ಡೇಟಾ (ಯಾವುದಾದರೂ ಇದ್ದರೆ). ಕಾರ್ಯ: 1) ನೈಜ ಡೇಟಾವನ್ನು ಒದಗಿಸುವವರಿಗೆ, ಆ ಡೇಟಾವನ್ನು ಬಳಸಿ. 2) ನಿಜವಾದ ಡೇಟಾವನ್ನು ಹೊಂದಿರದವರಿಗೆ, "ವ್ಯಯಿಸುವ-ಆಧಾರಿತ ಪ್ರಾಕ್ಸಿ ಅಗತ್ಯವಿದೆ" ಎಂದು ಬರೆಯಿರಿ, ಸಂಖ್ಯೆಯನ್ನು ಹೊಂದಿಸಬೇಡಿ; ಅಧಿಕೃತ ಮೂಲದಿಂದ ಯಾವ ಅಂಶವನ್ನು ಪಡೆಯಬೇಕು ಎಂಬುದನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸಿ.3) ಹೆಚ್ಚಿನ ಖರ್ಚು + ಹೆಚ್ಚಿನ ಅಪಾಯದ ಉದ್ಯಮದಲ್ಲಿ ಪೂರೈಕೆದಾರರಿಗೆ ಆದ್ಯತೆ ನೀಡಿ. ಔಟ್ಪುಟ್: ಟೇಬಲ್ (ಪೂರೈಕೆದಾರ | ಉದ್ಯಮ | ಖರ್ಚು | ಡೇಟಾ ಪ್ರಕಾರ[ವಾಸ್ತವ/ಪ್ರಾಕ್ಸಿ] |ಆದ್ಯತೆ | ಗಮನಿಸಿ). ಪ್ರಾಕ್ಸಿ ಸಂಖ್ಯೆಗಳನ್ನು ವರದಿಯಲ್ಲಿ ಗುರುತಿಸಲಾಗುತ್ತದೆ.
ಪೂರೈಕೆದಾರರ ಅಪಾಯದ ತಪಾಸಣೆಗಾಗಿ ಪ್ರಾಂಪ್ಟ್ ಮಾಡಿ
ಕೆಳಗಿನ ಪೂರೈಕೆದಾರರ ಪಟ್ಟಿಗಾಗಿ ಅಪಾಯದ ಸ್ಕ್ರೀನಿಂಗ್ ಸ್ಕ್ಯಾಫೋಲ್ಡ್ ಅನ್ನು ಹೊಂದಿಸಿ. ಪ್ರತಿ ಪೂರೈಕೆದಾರರಿಗೆ ಮೌಲ್ಯಮಾಪನ ಮಾಡಿ (ನಾನು ಒದಗಿಸಿದ ಮಾಹಿತಿಯ ಆಧಾರದ ಮೇಲೆ, ಸಾರ್ವಜನಿಕ ಹಕ್ಕು ನಕಲಿ):- ದೇಶ/ವಲಯದಿಂದ ಸಂಭಾವ್ಯ ಮಾನವ ಹಕ್ಕುಗಳ ಅಪಾಯ (ಹೆಚ್ಚಿನ/ಮಧ್ಯಮ/ಕಡಿಮೆ)- ಸಂಭವನೀಯ ಪರಿಸರ ಅಪಾಯ- ಸಮೀಕ್ಷೆಯ ಪ್ರತಿಕ್ರಿಯೆಯಲ್ಲಿ ಅಸಂಗತತೆ/ಕೆಂಪು ಧ್ವಜಗಳು ನಿಯಮ: ಪ್ರತಿ ಅಪಾಯಕ್ಕೆ ಟಿಪ್ಪಣಿಯನ್ನು ಸೇರಿಸಿ “ಪರಿಶೀಲನೆ ಅಗತ್ಯವಿಲ್ಲ — ಯಾವುದೇ ಮೂಲವಿಲ್ಲ”; ನಿರ್ಣಾಯಕ ಆರೋಪಗಳನ್ನು ಮಾಡಬೇಡಿ, ತನಿಖೆಗೆ ಸಂಕೇತಗಳನ್ನು ಸೂಚಿಸಿ. ಪಟ್ಟಿ: [ಪೂರೈಕೆದಾರರು]
ಪೂರೈಕೆದಾರರಿಗೆ ಕಳುಹಿಸಲು ಕೆಳಗಿನ ಪ್ರಾಂಪ್ಟ್ ಡೇಟಾ ವಿನಂತಿ ಸಮೀಕ್ಷೆಯನ್ನು ಕರಡು ಮಾಡುತ್ತದೆ.
ನಿಮ್ಮ ಪಾತ್ರ: ಸಸ್ಟೈನಬಿಲಿಟಿ ಸೋರ್ಸಿಂಗ್ ಸ್ಪೆಷಲಿಸ್ಟ್. ಕಾರ್ಯ: ಸಣ್ಣ/ಮಧ್ಯಮ ಪೂರೈಕೆದಾರರು ಸುಲಭವಾಗಿ ಪೂರ್ಣಗೊಳಿಸಬಹುದಾದ 10 ಕ್ಕಿಂತ ಹೆಚ್ಚಿನ ಪ್ರಶ್ನೆಗಳ ESG ಡೇಟಾ ಸಮೀಕ್ಷೆಯನ್ನು ಕರಡು ಮಾಡಿ. ಸೇರಿಸಿ: ಶಕ್ತಿಯ ಬಳಕೆ, ಇಂಧನ ಪ್ರಕಾರ, ತ್ಯಾಜ್ಯ, ಔದ್ಯೋಗಿಕ ಸುರಕ್ಷತೆ ಅಪಘಾತಗಳ ಸಂಖ್ಯೆ, ಬಲವಂತದ/ಬಾಲ ಕಾರ್ಮಿಕರಿಗೆ ಬದ್ಧತೆ. ಟೋನ್: ಸರಳ, ಸ್ಪಷ್ಟ, ಪೂರ್ಣಗೊಳಿಸಲು ಸುಲಭ; ಪ್ರತಿ ಪ್ರಶ್ನೆಗೆ ಘಟಕಗಳು ಮತ್ತು ಉದಾಹರಣೆಗಳನ್ನು ಸೇರಿಸಿ.
ಎಚ್ಚರಿಕೆ: ಪೂರೈಕೆದಾರರ ಬಗ್ಗೆ ಅಪಾಯದ ಸಂಕೇತವನ್ನು ಪರಿಶೀಲಿಸಲು AI ಅನ್ನು ಹೊಂದಿಲ್ಲ (ಉದಾ. "ಬಾಲಕಾರ್ಮಿಕ") ಮತ್ತು ಪುರಾವೆಯಾಗಿ AI ನಿಂದ ರಚಿಸಲಾದ ಕ್ಲೈಮ್ ಅನ್ನು ಎಂದಿಗೂ ಬಳಸಬೇಡಿ. ಅಂತಹ ಸಮಾಧಿ ಹಕ್ಕುಗಳನ್ನು ವಿಶ್ವಾಸಾರ್ಹ ಮೂಲ, ಕ್ಷೇತ್ರ ಪರಿಶೀಲನೆ ಮತ್ತು ಕಾನೂನು ಪ್ರಕ್ರಿಯೆಯಿಂದ ಮಾತ್ರ ದೃಢೀಕರಿಸಲಾಗುತ್ತದೆ. AI ಕೇವಲ "ಪರೀಕ್ಷಿಸಬೇಕಾದ ಸಿಗ್ನಲ್" ಅನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ; ನಿರ್ಣಯಿಸುವುದಿಲ್ಲ.
ಮೂರು ಸಣ್ಣ ಪ್ರಕರಣಗಳು
ಪ್ರಕರಣ 1 - ಪ್ರಾಕ್ಸಿಯ ಪ್ರಾಮಾಣಿಕ ಬಳಕೆ. ಒಂದು ಪೀಠೋಪಕರಣ ತಯಾರಕರ 200 ಪೂರೈಕೆದಾರರಲ್ಲಿ 30 ಮಂದಿ ಮಾತ್ರ ನಿಜವಾದ ಇಂಗಾಲದ ಡೇಟಾವನ್ನು ಒದಗಿಸಿದ್ದಾರೆ. ತಂಡವು ಉಳಿದ 170 ಕ್ಕೆ ಖರ್ಚು-ಆಧಾರಿತ ಪ್ರಾಕ್ಸಿಯನ್ನು ಬಳಸಿದೆ, ಆದರೆ ವರದಿಯು ಸ್ಪಷ್ಟವಾಗಿ ಹೇಳುತ್ತದೆ, "ಸ್ಕೋಪ್ 3 ರ 65% ಖರ್ಚು ಆಧಾರಿತ ಅಂದಾಜು." ಲೆಕ್ಕ ಪರಿಶೋಧಕರು ಈ ಪ್ರಾಮಾಣಿಕತೆಯನ್ನು ಒಪ್ಪಿಕೊಂಡರು; ಅದನ್ನು ಮರೆಮಾಚಿದ್ದರೆ, ಆಶ್ವಾಸನೆಯನ್ನು ನಿರಾಕರಿಸಬಹುದಿತ್ತು.
ಪ್ರಕರಣ 2 - ಆದ್ಯತೆ. ಒಂದು ಆಹಾರ ಕಂಪನಿಯು 480 ಪೂರೈಕೆದಾರರನ್ನು ಹೊಂದಿತ್ತು. 80% ಖರ್ಚು 40 ಪೂರೈಕೆದಾರರಲ್ಲಿ ಕೇಂದ್ರೀಕೃತವಾಗಿದೆ ಎಂದು AI ತೋರಿಸಿದೆ. ತಂಡವು ಈ 40ರ ಮೇಲೆ ಆಳವಾದ ಡೈವ್ ಅನ್ನು ಕೇಂದ್ರೀಕರಿಸಿತು; ಸಂಪನ್ಮೂಲಗಳು ವ್ಯರ್ಥವಾಗಲಿಲ್ಲ ಮತ್ತು ಹೆಚ್ಚಿನ ಪ್ರಭಾವದ ಪೂರೈಕೆದಾರರನ್ನು ನೈಜ ಡೇಟಾದೊಂದಿಗೆ ವರದಿ ಮಾಡಲಾಗಿದೆ.
ಪ್ರಕರಣ 3 - ಸುಳ್ಳು ಆರೋಪದ ಅಪಾಯ. AI ಪೂರೈಕೆದಾರರನ್ನು "ಸಂಭವನೀಯ ಬಲವಂತದ ಕಾರ್ಮಿಕ" ಎಂದು ಫ್ಲ್ಯಾಗ್ ಮಾಡಿದೆ; ಕಾರಣ ರಾಷ್ಟ್ರೀಯ ಸರಾಸರಿ ಮಾತ್ರ. ತಂಡವು ಇದನ್ನು "ಪರಿಶೀಲಿಸಬೇಕಾದ ಸಂಕೇತ" ಎಂದು ಒಪ್ಪಿಕೊಂಡಿತು, ಸಾಕ್ಷ್ಯವಲ್ಲ, ಮತ್ತು ಕ್ಷೇತ್ರ ಪರಿಶೀಲನೆಗೆ ವಿನಂತಿಸಿತು. ತಪಾಸಣೆಯಲ್ಲಿ ಯಾವುದೇ ತೊಂದರೆಗಳಿಲ್ಲ; AI ಯ ಸಂಕೇತವನ್ನು ಪುರಾವೆಯಾಗಿ ತೆಗೆದುಕೊಂಡರೆ, ಅನ್ಯಾಯದ ಆರೋಪ ಮತ್ತು ಕಾನೂನು ಅಪಾಯವು ಉದ್ಭವಿಸುತ್ತದೆ.
ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು
- ಪೂರೈಕೆದಾರರ ಡೇಟಾವನ್ನು ಪರಿಶೀಲಿಸದೆಯೇ ಸ್ವೀಕರಿಸಲಾಗುತ್ತಿದೆ. ಸ್ವಯಂ-ವರದಿ ಮಾಡುವ ಪೂರೈಕೆದಾರ ಡೇಟಾಗೆ ಅಡ್ಡ-ಪರಿಶೀಲನೆಯ ಅಗತ್ಯವಿದೆ.
- ಪ್ರಾಕ್ಸಿಯನ್ನು ಮರೆಮಾಡಲಾಗುತ್ತಿದೆ. ಖರ್ಚು-ಆಧಾರಿತ ಮುನ್ಸೂಚನೆಯನ್ನು ಬಳಸುವುದು ಉತ್ತಮವಾಗಿದೆ; ನಿರ್ದಿಷ್ಟಪಡಿಸದಿರುವುದು ಆಡಿಟಿಂಗ್ನಲ್ಲಿ ಸಮಸ್ಯೆಯಾಗಿದೆ.
- ಎಲ್ಲಾ ಪೂರೈಕೆದಾರರನ್ನು ಸಮಾನವಾಗಿ ಪರೀಕ್ಷಿಸುವುದು. ಸೋರ್ಸಿಂಗ್ ಹೆಚ್ಚಿನ ಖರ್ಚು ಮತ್ತು ಹೆಚ್ಚಿನ ಅಪಾಯದ ಪೂರೈಕೆದಾರರ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸಬೇಕು.
- ಪುರಾವೆಗಾಗಿ AI ಸಂಕೇತವನ್ನು ತಪ್ಪಾಗಿ ಗ್ರಹಿಸುವುದು. ಮಾನವ ಹಕ್ಕುಗಳು/ಪರಿಸರ ಉಲ್ಲಂಘನೆಯ ಹಕ್ಕುಗಳನ್ನು ಕ್ಷೇತ್ರ ಮತ್ತು ಕಾನೂನಿನ ಮೂಲಕ ಪರಿಶೀಲಿಸಲಾಗುತ್ತದೆ, AI ನಿಂದ ಅಲ್ಲ.
- ಸ್ಕೋಪ್ 3 ಅನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಬಿಟ್ಟುಬಿಡುವುದು. ದೊಡ್ಡ ಪರಿಣಾಮವು ಸಾಮಾನ್ಯವಾಗಿ ಇಲ್ಲಿರುತ್ತದೆ; "ಅಳೆಯಲು ಕಷ್ಟ" ಎಂಬ ಕಾರಣಕ್ಕಾಗಿ ಅದನ್ನು ನಿರ್ಲಕ್ಷಿಸಲಾಗುವುದಿಲ್ಲ.
ಸಾರಾಂಶದಲ್ಲಿ
ಪೂರೈಕೆ ಸರಪಳಿಯು ಹೆಚ್ಚಿನ ಕಂಪನಿಗಳ ಅತಿದೊಡ್ಡ ಪರಿಸರ ಮತ್ತು ಸಾಮಾಜಿಕ ಪ್ರಭಾವವನ್ನು ಮರೆಮಾಡುತ್ತದೆ; ವ್ಯಾಪ್ತಿ 3 ಹೊರಸೂಸುವಿಕೆಗಳು ಮತ್ತು ಕಾರಣ ಶ್ರದ್ಧೆಯ ಅಪಾಯಗಳು ಇಲ್ಲಿ ಕೇಂದ್ರೀಕೃತವಾಗಿವೆ. AI; ಪೂರೈಕೆದಾರರ ಆದ್ಯತೆ, ಸಮೀಕ್ಷೆಯ ಕರಡು ರಚನೆ, ಚದುರಿದ ಪ್ರತಿಕ್ರಿಯೆಗಳನ್ನು ರಚಿಸುವುದು ಮತ್ತು ಅಪಾಯದ ಸಂಕೇತವನ್ನು ಫ್ಲ್ಯಾಗ್ ಮಾಡುವಿಕೆಯಲ್ಲಿ ಇದು ಪ್ರಬಲವಾದ ಸಹಾಯವಾಗಿದೆ. ಆದರೆ ಪೂರೈಕೆದಾರರ ಡೇಟಾವನ್ನು ಪರಿಶೀಲಿಸುವವರೆಗೆ ವರದಿಯಲ್ಲಿ ಸೇರಿಸಲಾಗಿಲ್ಲ, ಪ್ರಾಕ್ಸಿಗಳನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ಹೇಳಲಾಗುತ್ತದೆ ಮತ್ತು ಕ್ಷೇತ್ರ ಪರಿಶೀಲನೆಯಿಂದ ಗಂಭೀರ ಆರೋಪಗಳನ್ನು ದೃಢೀಕರಿಸಲಾಗುತ್ತದೆ. AI ಸಂಕೇತಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ; ಮಾನವನು ತೀರ್ಪು ಮತ್ತು ಜವಾಬ್ದಾರಿಯನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತಾನೆ.
ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ
ಹೆಸರು, ಉದ್ಯಮ ಮತ್ತು ವಾರ್ಷಿಕ ವೆಚ್ಚದೊಂದಿಗೆ 10 ಕಾಲ್ಪನಿಕ ಪೂರೈಕೆದಾರರ ಪಟ್ಟಿಯನ್ನು ತಯಾರಿಸಿ; ಕೆಲವು ವಾಸ್ತವಿಕ ಹೊರಸೂಸುವಿಕೆಯ ಡೇಟಾವನ್ನು ಸೇರಿಸಿ, ಹೆಚ್ಚಿನದನ್ನು ಖಾಲಿ ಬಿಡಿ. ಮೇಲಿನ ಪ್ರಬಲ ಪ್ರಾಂಪ್ಟ್ ಮೂಲಕ ಆದ್ಯತೆಯ ಟೇಬಲ್ ಮತ್ತು ಡೇಟಾ ಪ್ರಕಾರಕ್ಕಾಗಿ AI ಅನ್ನು ಕೇಳಿ. ನಂತರ: (1) ಪ್ರಾಕ್ಸಿ ಅಗತ್ಯವಿರುವ ಪೂರೈಕೆದಾರರ ಸಂಖ್ಯೆಯು ಮಾಡಲಾಗಿಲ್ಲ ಎಂದು ಪರಿಶೀಲಿಸಿ, (2) ಸಮರ್ಥನೆಯೊಂದಿಗೆ 3 ಹೆಚ್ಚಿನ ಆದ್ಯತೆಯ ಪೂರೈಕೆದಾರರನ್ನು ಆಯ್ಕೆ ಮಾಡಿ, (3) ಅವರಿಗೆ ಕಳುಹಿಸಲು ಸಣ್ಣ ಡೇಟಾ ಸಮೀಕ್ಷೆಯನ್ನು ಕರಡು ಮಾಡಿ.
ಪರಿಶೀಲನಾಪಟ್ಟಿ
- [ ] ನಾನು ಖರ್ಚು ಮತ್ತು ಅಪಾಯದ ಮಟ್ಟವನ್ನು ಆಧರಿಸಿ ಪೂರೈಕೆದಾರರಿಗೆ ಆದ್ಯತೆ ನೀಡಿದ್ದೇನೆ.
- [ ] ನಾನು ನೈಜ ಡೇಟಾವನ್ನು ಬಳಸಿದ್ದೇನೆ; ಅದನ್ನು ಹೊಂದಿಲ್ಲದವರಿಗೆ, ನಾನು ಪ್ರಾಕ್ಸಿಯನ್ನು ಗುರುತಿಸಿದ್ದೇನೆ.
- [ ] ನಾನು ಪೂರೈಕೆದಾರ ಡೇಟಾವನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಿದ್ದೇನೆ ಆದರೆ ಕ್ರಾಸ್-ಚೆಕಿಂಗ್ ಮೂಲಕ.
- [ ] ನಾನು ಅಪಾಯದ ಸಂಕೇತಗಳನ್ನು "ಪರಿಶೀಲಿಸಬೇಕು" ಎಂದು ಪರಿಗಣಿಸಿದ್ದೇನೆ ಮತ್ತು ಅವುಗಳನ್ನು ಪುರಾವೆಯಾಗಿ ಬಳಸಲಿಲ್ಲ.
- [ ] ನಾನು ಗಂಭೀರವಾದ ಕ್ಲೈಮ್ಗಳಿಗಾಗಿ ಕ್ಷೇತ್ರ ಲೆಕ್ಕಪರಿಶೋಧನೆ/ಕಾನೂನು ಪರಿಶೀಲನೆ ಹಂತವನ್ನು ಯೋಜಿಸಿದ್ದೇನೆ.
- [ ] ನಾನು ಸ್ಕೋಪ್ 3 ಅನ್ನು ಬಿಟ್ಟುಬಿಡಲಿಲ್ಲ; ವ್ಯಾಪ್ತಿ ಮತ್ತು ಅಂದಾಜು ದರವನ್ನು ವರದಿಯಲ್ಲಿ ಹೇಳಿದ್ದೇನೆ.
- [ ] ನಾನು ಸಂಪೂರ್ಣ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಸರಿಯಾದ ಪರಿಶ್ರಮದ ದಾಖಲೆಯೊಂದಿಗೆ ದಾಖಲಿಸಿದ್ದೇನೆ.