이득:
- ESG 워크플로우(데이터, 계정, 매핑, 보고)에서 인공 지능이 시간을 절약하는 부분과 위험 수준에 따라 요소, 표준 및 청구 결정을 인간에게 맡기는 부분을 구별할 수 있습니다.
- 단위, 소스 및 감사 추적 단계를 통해 각 수치 및 정성적 결과를 감사하는 규율을 적용하는 능력
- 가짜 배출 계수, 가짜 표준 참조 및 Greenwash 언어가 왜 처음부터 고려해야 하는 이 직업에 대한 위험인지 이해합니다.
기업의 지속 가능성 보고서는 더 이상 단순한 영업권 브로셔가 아닙니다. 이는 회계 문서만큼 구속력이 있고 감사를 받으며 법적 결과를 가져오는 문서입니다. 유럽 연합의 CSRD(기업 지속 가능성 보고 지침) 규정에 따라 수천 개의 기업이 재무제표와 마찬가지로 탄소 배출량, 직원 데이터, 공급망 영향을 의무적이고 검증 가능하며 비교 가능한 방식으로 공개해야 했습니다. 이 단원에서는 이러한 무겁고 데이터 집약적인 작업에서 인공 지능(AI)이 실제로 시간을 절약하는 부분, 위험한 부분 및 각 출력을 확인하는 방법을 알아봅니다.
첫째, 비판적 개념이다. ESG는 환경(Environmental), 사회(Social), 거버넌스(Governance)의 영문 이니셜을 딴 것입니다. 탄소 배출, 물 사용 등 기업의 환경 영향, 직원 권리 및 산업 안전 등 사회적 영향, 이사회 구조 및 윤리 등 거버넌스 관행을 측정하는 프레임워크의 이름입니다. 지속가능경영 보고는 이 세 가지 영역의 성과를 표준화된 방식으로 측정하여 대중에게 공개하는 것입니다.
두 번째 중요한 개념: 환각은 AI가 완전한 확신을 갖고 실제로 사실이 아닌 정보를 생성하는 경우입니다. ESG 세계에서는 이것이다. 가상의 배출 계수, 존재하지 않는 GRI 표준 번호, 잘못된 단위 또는 존재하지 않는 법률 조항에 대한 참조가 발생할 수 있습니다. 중요한 점은 LLM(대형 언어 모델)이 계산기, 규제 데이터베이스 또는 감사자가 아니라는 것입니다. 훈련 데이터에서 보는 텍스트를 통계적으로 모방하는 텍스트 생성기입니다. 대부분의 경우 정확한 정보를 생성합니다. 그러나 “대부분의 정확성”과 “감사를 통과할 만큼 정확한” 사이의 차이는 ESG 보고의 전부입니다.
AI가 ESG에서 작동하는 곳과 작동하지 않는 곳은 어디입니까?
AI를 빠른 초안, 데이터 큐레이션 및 분석 파트너로 생각하십시오. 가치가 있지만 검증에 필수적입니다. 다음 차이점은 이 모듈의 백본입니다.
퀘스트
AI의 투고
전문가의 책임
데이터 수집
다양한 형식을 편집하고 공백을 표시합니다.
원본 문서로 번호 확인
배출 계정
수식 및 계산 프레임워크 생성
공식 소스에서 배출계수 검증
GRI/CSRD 매핑
표준 품목에 대한 재료를 권장합니다.
표준 텍스트로 정확하게 확인
중요성 분석
이해관계자의 의견을 주제별로 분리
우선순위 결정을 내리세요
보고서 작성
초안 텍스트 및 요약을 생성합니다.
증거로 모든 주장을 뒷받침하세요
그린워싱 관리
위험한 문구 표시
최종 청구 책임을 지다
경험 법칙: AI를 데이터 자체에 적용하지 마십시오. 데이터 정리, 비계 분석 및 초안 텍스트를 사용합니다. 항상 기본 소스(송장, 계량기 기록, 공식 표준 텍스트, 배출계수 데이터베이스)를 통해 각 번호와 각 표준 참조를 확인하세요. 지속 가능성 보고서의 모든 수치 뒤에는 감사자가 원하는 감사 추적이 있어야 합니다. AI는 이러한 증거를 생성할 수 없습니다. 단지 정리하는 데 도움이 될 뿐입니다.
ESG에서 AI의 세 가지 치명적인 함정
1. 합성된 배출계수 및 수치. AI는 자신이 기억하지 못하는 배출계수(연료나 전기 단위당 탄소 배출 계수)를 합리적으로 보이는 숫자로 '채울' 수 있습니다. 이 숫자는 전체 탄소 발자국 계산을 무효화합니다.
2. 존재하지 않거나 오래된 법률/표준에 대한 참조. AI는 "GRI 305-7"과 같이 실제처럼 보이지만 내용이 잘못 표시되거나 완전히 조작된 표준 숫자를 생성할 수 있습니다. 표준도 정기적으로 업데이트됩니다. 모델에 알려진 버전이 오래되었을 수 있습니다.
3. 그린워싱을 생산하는 언어. AI는 "환경 친화적", "환경 친화적", "탄소 중립"과 같은 듣기 좋지만 근거가 없고 오해의 소지가 있는 진술을 열심히 생산합니다. 이러한 진술은 오늘날 법적 위험을 수반합니다. 이 내용은 10단원에서 자세히 다루겠습니다.
팁: 세 가지 질문으로 모든 수치적 ESG 결과에 접근하십시오. (1) 단위(tCO2e, kg, MWh)는 무엇입니까? (2) 출처는 어느 문서입니까? (3) 이 수치를 감사인에게 어떻게 증명합니까? 이 세 가지 질문은 초기에 대부분의 ESG 실수를 포착합니다. 여기서 "tCO2e"는 "이산화탄소 환산톤"을 의미합니다. 서로 다른 온실가스를 하나의 공통 단위로 변환하는 척도입니다.
단계별: ESG의 안전한 AI 워크플로우
1. 작업을 표준 및 단위에 연결합니다. "탄소 배출량 계산" 대신 "2024년, 이스탄불 사무실, 천연가스 소비량 12,000m3; GHG 프로토콜 범위 1 방법을 사용하여 배출량을 tCO2e로 계산하고, 사용하는 배출 계수와 배출원을 지정하세요."라고 말합니다.
2. 출처와 가정을 명확하게 물어보세요. AI에게 각 숫자에 대해 어떤 배출 계수, 표준, 어떤 가정을 사용했는지 적어달라고 요청하세요. 출처를 밝히지 않은 수치는 받아들이지 마세요.
3. 기본 소스로 확인합니다. 공식 데이터베이스(예: 국가 에너지부, 영국 DEFRA 데이터 세트, IEA), GRI 또는 EFRAG 공식 문서의 표준 텍스트에서 배출 계수를 확인하세요. EFRAG는 CSRD의 기반이 되는 ESRS(유럽 지속 가능성 보고 표준) 표준을 준비하는 유럽 기관입니다.
4. 감사 추적을 저장합니다. 어떤 데이터를 어떤 출처에서, 어떤 날짜에, 어떤 가정 하에 사용했는지 표로 작성하세요. 인증감사인(독립 검증인)이 이를 요청하게 됩니다.
5. 사람이 최종 주장을 확인하도록 하세요. 모든 공개 ESG 주장 뒤에는 책임 있는 사람이 있어야 합니다.
약한 프롬프트 / 강한 프롬프트
동일한 작업을 두 가지 다른 방식으로 요청하면 결과의 신뢰성이 근본적으로 달라집니다.
약한 프롬프트:
우리 회사의 탄소발자국을 계산하고 지속가능성 보고서에 대한 한 문단을 작성해 보세요.
이 주장에는 단위, 범위, 연도, 데이터 및 소스가 포함되지 않습니다. AI는 빈칸을 조작으로 채우고 그린워싱이 가득한 텍스트를 생성합니다.
강력한 프롬프트:
귀하의 역할: 선임 ESG 보고 전문가.입력 데이터(이것만 사용하고 누락된 경우 '데이터 없음'이라고 기재):- 2024, 천연 가스: 12,000m³- 2024, 그리드 전기: 85,000kWh작업: GHG 프로토콜 범위 1 및 범위 2(위치 기반) 방법을 사용하여 CO2e 배출량을 계산합니다.규칙:- 사용하는 각 배출량 별도 열에 계수, 단위 및 출처를 지정합니다. - 요인을 모르면 구성하지 마십시오. "공식적인 요소가 필요합니다"라고 작성하세요. - 결과를 표로 제공합니다. 마지막에 확인해야 할 항목을 나열합니다.
윤리, 개인 정보 보호 및 경계
ESG 데이터는 민감한 경우가 많습니다. 직원 성별 및 급여 데이터(사회적 지표), 공급업체 계약 조건, 재무적 영향은 아직 공개되지 않습니다. 이 데이터를 공용 AI 도구에 입력하기 전에 개인 정보 보호 경계를 명확히 하세요. AI에 제공하기 전에 개인 데이터(KVKK 및 GDPR 범위 내 이름, ID, 급여)를 익명화하거나 집계합니다. 즉, 개인이 아닌 '여직원 비율이 38%'와 같은 요약 수치로 변환하는 것이다. KVKK는 터키의 개인 데이터 보호법이고 GDPR은 유럽의 개인 데이터 보호법입니다.
주의: ESG 보고서의 허위 또는 과장된 주장은 평판 위험일 뿐만 아니라 CSRD 및 국가 소비자법에 따라 벌금이 부과되고 법적 책임이 발생할 수 있습니다. 증거 없이 AI가 생성한 주장을 게시하지 마십시오.
세 개의 미니 케이스
사례 1 - 인위적인 요인. 한 제조사는 디젤 소비량을 AI에 맡기고 배출량 계산을 요청했다. YZ는 "디젤의 경우 2.40kgCO2e/리터"라는 계수를 사용했습니다. 전문가가 확인한 결과 공식 계수는 약 2.68kgCO2e/리터였습니다. 그 차이는 10%였으며 이는 소비량 40,000리터당 CO2e 약 11톤의 편차를 의미합니다. 해당 요소는 공식 소스에서 수정되었습니다.
사례 2 - 존재하지 않는 표준. 한 컨설턴트가 YZ에 보고서 제목 "GRI 305-8 물 소비량"을 요청했습니다. 물은 GRI 303에 따라 보고됩니다. GRI 305는 대기 배출입니다. 표준문으로 확인했을 때 오류를 잡아내고 해당 내용을 올바른 기사로 옮겼습니다.
사례 3 — Greenwashing 언어. YZ는 소매 브랜드에 "우리 제품은 완전히 환경 친화적이다"라는 문장을 제안했습니다. ESG 팀은 이를 증명할 수 없다고 판단하고 “우리 포장의 60%가 재활용됩니다(2024년, 내부 측정)”와 같은 구체적이고 증명 가능한 진술로 대체했습니다.
감사 준비 작업에 대한 프롬프트
아래의 ESG 텍스트를 감사의 눈으로 살펴보세요. 각 수치 주장에 대해: 1) 단위가 명확합니까? 2) 출처가 명시되어 있나요? 3) 검증 가능한가, 주관적/과장된가? '친환경, 친환경, 자연' 등 근거가 없거나 모호한 문구를 표시하고 각각에 대해 구체적이고 측정 가능한 대안을 제시합니다. 텍스트: [텍스트]
다음 프롬프트는 조직 내에서 AI 사용의 한계를 명확히 하는 간략한 정책 개요를 생성합니다.
귀하의 역할: 지속 가능성 팀 리더. 작업: ESG 작업에서 팀의 AI 사용을 관리하는 1페이지 분량의 내부 정책 초안을 작성합니다. 포함: - AI를 자유롭게 사용할 수 있는 작업(개요, 요약, 서식 지정) - 사람의 확인이 필요한 작업(숫자, 요소, 표준 귀속, 주장) - AI에 절대 입력되지 않는 데이터 유형(개인 데이터, 공개되지 않은 재정적 영향)톤: 명확함, 중요 항목, 적용 가능.
다음 프롬프트는 각 ESG 결과물에 추가할 수 있는 작은 "감사 추적" 테이블 뼈대를 설정합니다.
다음 계정 옆에 감사 추적 테이블을 생성합니다.열: 데이터 항목 | 가치 | 단위 | 원본 문서 | 날짜 | 가정 | 검증됐나요? 출처를 알 수 없는 경우 각 줄에 "SOURCE REQUIRED"라고 기재하세요. 항목: [계정]
일반적인 실수
- 출처 없이 번호를 수락합니다. YZ가 제공한 모든 배출 계수 및 수치는 공식 출처의 확인 없이 보고서에 포함되지 않습니다.
- 단위를 무시합니다. kg을 톤, kWh를 MWh와 혼동하면 결과가 1000배나 달라질 수 있습니다.
- 그들의 표준적인 속임수를 맹목적으로 신뢰합니다. GRI/ESRS 물질 번호는 공식 문서를 통해 확인되어야 합니다.
- 민감한 데이터를 있는 그대로 입력합니다. 직원 및 공급업체 데이터는 익명 처리 없이 공개 도구에 제공되지 않습니다.
- AI를 감사자 자리에 두는 것. AI는 체크리스트를 생성할 수 있지만 독립적인 보증을 제공할 수는 없습니다.
요약하면
AI는 ESG의 강력한 초안 작성, 데이터 큐레이션 및 분석 파트너입니다. 그러나 계산기, 규제 데이터베이스 또는 감사자는 아닙니다. 그 가치는 검증을 통해 드러납니다. 기본 소스의 모든 번호를 확인하고, 모든 표준 참조를 공식 텍스트와 비교하고, 민감한 데이터를 익명화하고, 최종 청구에 대한 책임을 사람에게 맡기는 것이 이 모듈의 지속적인 백본입니다. "유창해 보이는 것"과 "감사 통과"의 차이를 절대 잊지 마십시오.
응용과제
자신의 조직(또는 가상의 회사)에서 환경 데이터의 단일 항목을 선택합니다(예: 월간 전기 요금 청구서). 위의 "전원 프롬프트" 템플릿을 사용하여 AI에서 Scope 2 배출 회계 뼈대를 요청하세요. 그런 다음 (1) 공식 소스와 사용하는 배출 계수를 비교하고, (2) 단위의 일관성을 확인하고, (3) "검증이 필요한" 항목을 나열하는 작은 감사 추적 테이블을 작성합니다.
체크리스트
- [ ] AI가 부여한 모든 숫자의 단위와 출처에 대해 질문을 던졌습니다.
- [ ] 공식 데이터베이스를 통해 배출계수를 확인했습니다.
- [ ] 공식 텍스트로 표준(GRI/ESRS) 수치를 확인했습니다.
- [ ] 민감한/개인 데이터를 익명화하거나 집계했습니다.
- [ ] "친환경, 녹색, 천연" 등 증거가 없는 내용을 표시하였습니다.
- [ ] 각 결정에 대한 감사 추적(출처, 날짜, 가정)을 유지했습니다.
- [ ] 최종 청구를 확인하는 책임자를 지정했습니다.