മെറ്റീരിയൽ, ഡ്യുവൽ മെറ്റീരിയൽ വിശകലനം: വിഷയ ഐഡൻ്റിഫിക്കേഷൻ, ഓഹരി ഉടമകളുടെ ഇൻപുട്ടും മുൻഗണനയും

നേട്ടങ്ങൾ:

• സിംഗിൾ മെറ്റീരിയലിറ്റിയും ഡബിൾ മെറ്റീരിയലിറ്റിയും തമ്മിൽ വേർതിരിച്ചറിയാനുള്ള കഴിവ്, ആഘാതത്തിൻ്റെയും സാമ്പത്തിക ഭൗതികതയുടെയും അടിസ്ഥാനത്തിൽ ഒരു പ്രശ്നം വിലയിരുത്തുക
• കുറഞ്ഞ ആവൃത്തിയിലുള്ളതും എന്നാൽ ഉയർന്ന പ്രാധാന്യമുള്ളതുമായ സിഗ്നലുകൾ പ്രത്യേകം നിലനിർത്തിക്കൊണ്ട് നൂറുകണക്കിന് ഓഹരി ഉടമകളുടെ പ്രതികരണങ്ങളെ ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഉപയോഗിച്ച് തീമുകളായി വേർതിരിക്കാനുള്ള കഴിവ്
• വ്യവസായ-നിർദ്ദിഷ്‌ട യാഥാർത്ഥ്യവുമായി ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് നിർമ്മിച്ച വിഷയങ്ങളുടെ ലിസ്റ്റ് പരിശോധിക്കാനും അന്തിമ മുൻഗണനയും രീതിശാസ്ത്ര രേഖയും മനുഷ്യരുമായി ബന്ധിപ്പിക്കാനുമുള്ള കഴിവ്

ഒരു കമ്പനിക്കും എല്ലാ സുസ്ഥിര പ്രശ്നവും ഒരേ ആഴത്തിൽ റിപ്പോർട്ട് ചെയ്യാൻ കഴിയില്ല; ഒരു സോഫ്‌റ്റ്‌വെയർ കമ്പനിക്ക് ജല ഉപഭോഗം ഒരു ദ്വിതീയ പ്രശ്‌നമാണെങ്കിലും, ഒരു പാനീയ നിർമ്മാതാവിൻ്റെ ജീവനാഡിയാണിത്. ഇതാണ് "ഏതാണ് പ്രശ്‌നങ്ങൾ ഞങ്ങൾക്ക് ശരിക്കും പ്രധാനം?" ചോദ്യത്തിനുള്ള ഉത്തരം മെറ്റീരിയൽ വിശകലനം (പ്രാധാന്യ വിശകലനം) നൽകുന്നു. ഒരു ഓർഗനൈസേഷനെ സംബന്ധിച്ചിടത്തോളം ഒരു സുസ്ഥിരത പ്രശ്‌നം എത്രത്തോളം “പ്രാധാന്യമുള്ളത്/പ്രധാനമാണ്” എന്ന് നിർണ്ണയിക്കുന്ന പ്രക്രിയയാണ് മെറ്റീരിയൽ. തെറ്റായ ഭൗതികത നൂറുകണക്കിന് പേജുകളുടെ റിപ്പോർട്ടുകൾ പോലും വിലപ്പോവില്ല; കാരണം റിപ്പോർട്ട് തെറ്റായ വിഷയങ്ങളിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നു. ഈ യൂണിറ്റിൽ, ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് (AI) ഒരു ആക്സിലറേറ്ററായി എവിടെ ഉപയോഗിക്കണമെന്നും ഈ പ്രക്രിയയിൽ എവിടെയാണ് അപകടസാധ്യതയെന്നും നിങ്ങൾ പഠിക്കും.

ആദ്യം രണ്ട് ആശയങ്ങൾ വ്യക്തമാക്കാം. ഒരു പ്രശ്‌നം ഒരു കമ്പനിയുടെ സാമ്പത്തിക ആരോഗ്യത്തെ എങ്ങനെ ബാധിക്കുന്നു എന്നത് മാത്രമാണ് ഏക സാമഗ്രി നോക്കുന്നത്: "കാലാവസ്ഥാ വ്യതിയാനം നമ്മുടെ വരുമാനം/ചെലവുകളെ എങ്ങനെ ബാധിക്കും?" ഇരട്ട ഭൗതികത രണ്ടാമത്തെ വശം ചേർക്കുന്നു: കമ്പനിയുടെ ലോകത്തെ സ്വാധീനം. അപ്പോൾ ചോദ്യം ഇരട്ടിയാണ്: (1) ഈ പ്രശ്നം കമ്പനിയെ സാമ്പത്തികമായി എങ്ങനെ ബാധിക്കുന്നു? (2) കമ്പനി പരിസ്ഥിതിയെയും സമൂഹത്തെയും ഇക്കാര്യത്തിൽ എങ്ങനെ സ്വാധീനിക്കുന്നു? CSRD ഉം ESRS ഉം ഈ രണ്ടാമത്തെ, ഇരട്ട രൂപം നടപ്പിലാക്കുന്നു. ഈ വ്യത്യാസം പരീക്ഷകളുടെയും പരിശീലനത്തിൻ്റെയും ഹൃദയമാണ്.

ഇരട്ട പ്രാധാന്യമുള്ള രണ്ട് വശങ്ങൾ

ഇരട്ട ഭൗതികത രണ്ട് ലെൻസുകളിലൂടെ നോക്കുന്നു:

• ഇംപാക്റ്റ് മെറ്റീരിയൽ — "അകത്ത് പുറത്ത്": കമ്പനിയുടെ പ്രവർത്തനങ്ങളുടെ പോസിറ്റീവ്/നെഗറ്റീവ് ആഘാതം ആളുകളിലും പരിസ്ഥിതിയിലും. ഉദാഹരണം: ഒരു ടെക്‌സ്‌റ്റൈൽ ഫാക്ടറി നദിയിലേക്ക് തുറന്നുവിടുന്ന മലിനജലം.
• സാമ്പത്തിക ഭൗതികത - "പുറത്ത്": ഒരു കമ്പനിയുടെ പണമൊഴുക്ക്, ചെലവുകൾ, മൂല്യം എന്നിവയിൽ സുസ്ഥിരത പ്രശ്നത്തിൻ്റെ സ്വാധീനം. ഉദാഹരണം: കാർബൺ വില കൂടുന്നത് ഉൽപ്പാദനച്ചെലവ് വർദ്ധിപ്പിക്കുന്നു.

ഈ രണ്ട് ലെൻസുകളിലേതെങ്കിലുമൊരു വിഷയം മെറ്റീരിയൽ ആണെങ്കിൽ, ഡ്യുവൽ മെറ്റീരിയൽ ലോജിക്കിൽ അത് റിപ്പോർട്ടബിൾ ആയി കണക്കാക്കുന്നു. ഈ രണ്ട് വശങ്ങളും തമ്മിൽ വേർതിരിച്ചറിയാൻ AI-ക്ക് ബുദ്ധിമുട്ടാണ്, പലപ്പോഴും സാമ്പത്തിക വശത്തേക്ക് മാത്രം നീങ്ങുന്നു; അതിനാൽ, ഈ വ്യത്യാസം മനസ്സിൽ വെച്ചുകൊണ്ട് ഔട്ട്പുട്ട് നിയന്ത്രിക്കേണ്ടത് അത്യാവശ്യമാണ്.

വിഷയം

ഭൗതികതയെ സ്വാധീനിക്കുക (ലോകത്തിലേക്ക്)

സാമ്പത്തിക മെറ്റീരിയൽ (കമ്പനിക്ക്)

ഹരിതഗൃഹ വാതക ഉദ്വമനം

കാലാവസ്ഥാ വ്യതിയാനത്തിന് സംഭാവന

കാർബൺ നികുതി, CBAM ചെലവ്

തൊഴിലാളികളുടെ ആരോഗ്യവും സുരക്ഷയും

ജീവനക്കാരുടെ ജീവിതവും ആരോഗ്യവും

അപകട നഷ്ടപരിഹാരം, ഉൽപ്പാദനം നിർത്തി

ജല ഉപയോഗം

പ്രാദേശിക ജല സമ്മർദ്ദം

ജലക്ഷാമം, ഉൽപാദന അപകടസാധ്യത

ഡാറ്റ സ്വകാര്യത

ഉപയോക്തൃ അവകാശങ്ങൾ

പിഴ, പ്രശസ്തി, ഉപഭോക്തൃ നഷ്ടം

നുറുങ്ങ്: ഒരു പ്രശ്നം പരിഗണിക്കുമ്പോൾ, "ഇത് നമ്മെ ബാധിക്കുമോ അതോ ലോകത്തെ ബാധിക്കുമോ?" അതിനെ രണ്ടായി വിഭജിക്കുക. കമ്പനികൾ തങ്ങളെ ബാധിക്കുന്ന സാമ്പത്തിക വശം മാത്രം റിപ്പോർട്ട് ചെയ്യുമ്പോൾ, അവർ ലോകത്ത് ചെലുത്തുന്ന ആഘാതം മറച്ചുവെക്കുമ്പോൾ വളരെയധികം ഗ്രീൻ വാഷിംഗും അണ്ടർ റിപ്പോർട്ട് ചെയ്യലും സംഭവിക്കുന്നു.

ഘട്ടം ഘട്ടമായി: AI- പവർഡ് മെറ്റീരിയലിറ്റി പ്രോസസ്

1. വിഷയ പ്രപഞ്ചം സൃഷ്ടിക്കുക. നിങ്ങളുടെ വ്യവസായവുമായി ബന്ധപ്പെട്ട സാധ്യമായ സുസ്ഥിരത വിഷയങ്ങളുടെ ഒരു നീണ്ട ലിസ്റ്റ് ഉണ്ടാക്കുക. AI ഇവിടെ ഒരു നല്ല ബ്രെയിൻസ്റ്റോമിംഗ് പങ്കാളിയാണ്; ESRS വിഷയ തലക്കെട്ടുകൾ, GRI വ്യവസായ മാനദണ്ഡങ്ങൾ, പിയർ കമ്പനി റിപ്പോർട്ടുകൾ എന്നിവ സ്കാൻ ചെയ്താണ് ഒരു കാൻഡിഡേറ്റ് ലിസ്റ്റ് നിർമ്മിക്കുന്നത്.

2. പങ്കാളികളെ തിരിച്ചറിയുക. കമ്പനിയുടെ പ്രവർത്തനങ്ങളാൽ ബാധിക്കപ്പെടുന്ന അല്ലെങ്കിൽ ബാധിക്കപ്പെടുന്ന കക്ഷികളാണ് ഓഹരി ഉടമകൾ: ജീവനക്കാർ, ഉപഭോക്താക്കൾ, വിതരണക്കാർ, നിക്ഷേപകർ, പ്രാദേശിക ആളുകൾ, റെഗുലേറ്റർമാർ, സിവിൽ സൊസൈറ്റി. ഓരോ പ്രധാന പ്രശ്നത്തിനും, "ആരെയാണ് ബാധിക്കുന്നത്?" ചോദ്യം ചോദിക്കുന്നു.

3. ഓഹരി ഉടമകളുടെ ഇൻപുട്ട് ശേഖരിക്കുക. സർവേകൾ, ഇൻ്റർവ്യൂകൾ, വർക്ക്‌ഷോപ്പുകൾ എന്നിവയിലൂടെ പങ്കാളികൾ പ്രധാനമായി കണ്ടെത്തുന്ന വിഷയങ്ങൾ കണ്ടെത്തുക. നൂറുകണക്കിന് ഓപ്പൺ-എൻഡഡ് സർവേ പ്രതികരണങ്ങളെ തീമുകളിലേക്ക് അടുക്കുന്നതിൽ AI വളരെ ശക്തമാണ് (ഇതിനെ തീമാറ്റിക് വിശകലനം എന്ന് വിളിക്കുന്നു).

4. സ്കോർ ചെയ്യുകയും മുൻഗണന നൽകുകയും ചെയ്യുക. ഓരോ വിഷയവും രണ്ട് അക്ഷങ്ങളിൽ (ആഘാതം, സാമ്പത്തികം) സ്കെയിലിൽ സ്കോർ ചെയ്യുക. ഉയർന്ന സ്കോറുകളുള്ള വിഷയങ്ങൾ "പ്രധാനം/മെറ്റീരിയൽ" ആയി കണക്കാക്കുകയും റിപ്പോർട്ടിൻ്റെ ശ്രദ്ധാകേന്ദ്രമാവുകയും ചെയ്യുന്നു.

5. പരിശോധിച്ച് രേഖപ്പെടുത്തുക. ഒരു മാനേജ്മെൻ്റ് കമ്മിറ്റി മുൻഗണന അംഗീകരിക്കുന്നു; പ്രക്രിയ എങ്ങനെയാണ് ചെയ്യുന്നത് (രീതിശാസ്ത്രം) രേഖപ്പെടുത്തിയിട്ടുണ്ട്. ഭൗതികതയുടെ പ്രക്രിയ തന്നെ വിശദീകരിക്കണമെന്നും സിഎസ്ആർഡി ആവശ്യപ്പെടുന്നു.

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലമായ പ്രോംപ്റ്റ്:

നിങ്ങൾക്ക് പ്രധാനപ്പെട്ട സുസ്ഥിരത പ്രശ്നങ്ങളെ കുറിച്ച് ഞങ്ങളോട് പറയുക.

അതിൽ വ്യവസായം, ബിസിനസ് മോഡൽ, ഓഹരി ഉടമ, ദ്വൈത വശങ്ങൾ എന്നിവ ഉൾപ്പെടുന്നില്ല; AI ഒരു ജനറിക് ലിസ്റ്റ് നിർമ്മിക്കുകയും പലപ്പോഴും ആഘാതത്തിൻ്റെ ദിശ ഒഴിവാക്കുകയും ചെയ്യുന്നു.

ശക്തമായ നിർദ്ദേശം:

നിങ്ങളുടെ റോൾ: ഇരട്ട മെറ്റീരിയലിറ്റി വിദഗ്ധൻ.കമ്പനി: തുർക്കിയിൽ ഉൽപ്പാദിപ്പിക്കുന്ന ഒരു ഇടത്തരം ഭക്ഷ്യ കമ്പനി. ടാസ്ക്: സാധ്യമായ സുസ്ഥിരത പ്രശ്നങ്ങൾ ലിസ്റ്റുചെയ്യുക, ഓരോന്നിനും രണ്ട് പ്രത്യേക വിലയിരുത്തലുകൾ നടത്തുക:- ഇംപാക്റ്റ് മെറ്റീരിയൽ (കമ്പനിയുടെ പരിസ്ഥിതി/സമൂഹത്തിൻ്റെ സ്വാധീനം) - സാമ്പത്തിക മെറ്റീരിയൽ (ഇഷ്യൂവിൻ്റെ ഓരോ സാമ്പത്തിക ആഘാതം കമ്പനിയെ ബാധിക്കും. ഒരു ഡ്രാഫ്റ്റ് കാൻഡിഡേറ്റ്; സ്കോറിംഗും അന്തിമ തീരുമാനവും ഞങ്ങളുടേതാണ്. നിങ്ങൾക്ക് ഉറപ്പില്ലാത്ത സെക്ടർ ഡാറ്റ കെട്ടിച്ചമച്ചതാണെന്ന് അടയാളപ്പെടുത്തുക, "പരിശോധിച്ചിരിക്കണം". ഔട്ട്പുട്ട്: പട്ടിക (വിഷയം | സ്വാധീന ദിശ | സാമ്പത്തിക വശം | ഓഹരി ഉടമകൾ | കുറിപ്പ്).

ഓഹരി ഉടമകളുടെ പ്രതികരണങ്ങൾ തീമുകളായി അടുക്കുക

മെറ്റീരിയലിറ്റി സർവേകളിൽ നിന്നുള്ള നൂറുകണക്കിന് സൗജന്യ-വാചക പ്രതികരണങ്ങൾ കൈകൊണ്ട് വായിക്കാൻ ദിവസങ്ങൾ എടുക്കും. AI-ക്ക് ഇവയെ തീമുകളായി വിഭജിക്കാൻ കഴിയും; എന്നാൽ ഒരു മുന്നറിയിപ്പോടെ: AI ഒരു ന്യൂനപക്ഷത്തെ എന്നാൽ വിമർശനാത്മക അഭിപ്രായം (ഉദാഹരണത്തിന്, ഒരു ജീവനക്കാരൻ ഉന്നയിക്കുന്ന ഗുരുതരമായ സുരക്ഷാ പ്രശ്നം) "അപ്രധാനം" എന്ന് പറഞ്ഞ് തള്ളിക്കളയാം. അതിനാൽ, തീമാറ്റിക് സംഗ്രഹം അസംസ്‌കൃത പ്രതികരണങ്ങൾക്ക് പകരമല്ല; അത് അവർക്കുള്ള ഒരു കവാടമാണ്.

മെറ്റീരിയലിറ്റി സർവേയിൽ നിന്നുള്ള 200 സൗജന്യ ടെക്‌സ്‌റ്റ് പ്രതികരണങ്ങൾ ചുവടെയുണ്ട്. ടാസ്‌ക്:1) പ്രതികരണങ്ങളെ 10-ൽ കൂടുതൽ തീമുകളായി വിഭജിക്കുക, ഓരോ തീമിനും ഒരു ഹ്രസ്വ നാമം നൽകുക.2) എത്ര പ്രതികരണങ്ങൾ ഓരോ തീമും പരാമർശിക്കുന്നു എന്ന് എണ്ണുക. പ്രതികരണങ്ങൾ. ഉത്തരങ്ങൾ: [ഉത്തരങ്ങൾ]

മുന്നറിയിപ്പ്: AI-യുടെ തീമാറ്റിക് സംഗ്രഹം അസംസ്‌കൃത ഉത്തരങ്ങൾക്ക് പകരമല്ല. പ്രത്യേകിച്ചും, "കുറഞ്ഞ ആവൃത്തിയും എന്നാൽ ഉയർന്ന പ്രാധാന്യവും" അഭിപ്രായങ്ങൾ (സുരക്ഷാ ലംഘനം, അഴിമതിയുടെ സംശയം) AI-ക്ക് മറയ്ക്കാൻ കഴിയും, കാരണം അവ എണ്ണത്തിൽ കുറവാണ്. ഈ അഭിപ്രായങ്ങൾ പ്രത്യേകം കണ്ണുകൊണ്ട് പരിശോധിക്കുന്നത് ഉറപ്പാക്കുക.

മൂന്ന് മിനി കേസുകൾ

കേസ് 1 - പ്രവർത്തനത്തിൻ്റെ ദിശ ഒഴിവാക്കുന്നു. ഒരു കെമിക്കൽ കമ്പനി AI ഒരു മെറ്റീരിയൽ ലിസ്റ്റ് തയ്യാറാക്കി. കാർബൺ വിലയും ഊർജത്തിൻ്റെ വിലയും പോലുള്ള സാമ്പത്തിക പ്രശ്‌നങ്ങളിൽ ശ്രദ്ധ കേന്ദ്രീകരിച്ചായിരുന്നു പട്ടിക; എന്നാൽ ഫാക്ടറിക്ക് സമീപമുള്ള ഗ്രാമത്തിലെ ജലവിതരണത്തിൽ അതിൻ്റെ സ്വാധീനം പട്ടികയിൽ ഉണ്ടായിരുന്നില്ല. വിദഗ്ദ്ധൻ "ഇംപാക്ട്" വശം ഇരട്ട പ്രാധാന്യമുള്ള ഒരു വിഷയമായി ചേർത്തു; ഈ പ്രശ്നം പിന്നീട് ഏറ്റവും നിർണായകമായ ഓഹരി ഉടമകളുടെ പ്രശ്നമായി മാറി.

കേസ് 2 - അക്കങ്ങളിൽ ഭാരം. ഒരു റീട്ടെയിലർ AI ഉപയോഗിച്ച് 1,200 ഉപഭോക്തൃ സർവേകൾ വിശകലനം ചെയ്തു. 41% പ്രതികരണങ്ങൾ "പാക്കേജിംഗ് വേസ്റ്റ്" എന്ന വിഷയത്തിലും 23% "തൊഴിൽ സാഹചര്യങ്ങൾ" എന്ന വിഷയത്തിലും സ്പർശിച്ചതായി YZ കണ്ടെത്തി. ഈ രണ്ട് തീമുകളും മുൻഗണനാ വിഷയങ്ങളായി ടീം പ്രഖ്യാപിച്ചു; എന്നിരുന്നാലും, "ലോ-ഫ്രീക്വൻസി" എന്ന തലക്കെട്ടിന് കീഴിൽ പ്രത്യക്ഷപ്പെട്ട ഒരു വിതരണ ശൃംഖലയും ബാലവേലയുടെ സംശയം പ്രത്യേക പരിശോധനയ്ക്ക് വിധേയമാക്കി.

കേസ് 3 - വ്യാജ പ്രാധാന്യം. ഒരു സോഫ്‌റ്റ്‌വെയർ കമ്പനിയുടെ ഉയർന്ന മുൻഗണനയുള്ള മെറ്റീരിയൽ പ്രശ്‌നമായി AI ഫ്ലാഗ് ചെയ്തു "ജല ഉപഭോഗം"; കമ്പനിയുടെ ഒരേയൊരു ജല ഉപയോഗം ഓഫീസ് അടുക്കളയായിരുന്നു. വിദഗ്‌ദ്ധൻ ഇത് കുറച്ചുകാണിക്കുകയും യഥാർത്ഥത്തിൽ "ഡാറ്റ സ്വകാര്യതയും ഊർജ്ജ ഉപഭോഗവും" എന്നതിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുകയും ചെയ്തു. തെറ്റായ വിവരങ്ങൾ തിരുത്തിയില്ലെങ്കിൽ റിപ്പോർട്ടിൻ്റെ ശ്രദ്ധ നഷ്ടപ്പെടുമായിരുന്നു.

മെറ്റീരിയൽ മാട്രിക്സ് സജ്ജീകരിക്കാൻ ആവശ്യപ്പെടുക

വിഷയങ്ങളെ രണ്ട് അക്ഷങ്ങളിൽ (ആഘാതവും സാമ്പത്തികവും) സ്ഥാപിക്കുന്ന ഒരു വിഷ്വൽ മുൻഗണനാ ഉപകരണമാണ് മെറ്റീരിയൽ മാട്രിക്സ്. മുകളിൽ വലത് കോണിലുള്ള വിഷയങ്ങളാണ് ഏറ്റവും പ്രധാനം.

ഒരു മെറ്റീരിയൽ മാട്രിക്സിൻ്റെ യുക്തിയിൽ ഇനിപ്പറയുന്ന വിഷയങ്ങളും സ്കോറുകളും ക്രമീകരിക്കുക. ഇൻപുട്ട്: ഓരോ വിഷയത്തിനും ഇംപാക്ട് സ്കോർ (1-5), സാമ്പത്തിക സ്കോർ (1-5). ടാസ്‌ക്: 1) വിഷയങ്ങളെ നാല് സോണുകളായി വിഭജിക്കുക: ഉയർന്ന-ഉയർന്ന (മുൻഗണന), ഉയർന്ന ഇംപാക്റ്റ്-ലോ ഫിനാൻസ്, ലോ ഇംപാക്റ്റ്-ഹൈ ഫിനാൻസ്, ലോ-ലോ. 2) റിപ്പോർട്ടിൻ്റെ പ്രധാന കേന്ദ്രമായി "മുൻഗണന" മേഖല നിർദ്ദേശിക്കുക. 3) ബോർഡർലൈൻ (ഏകദേശം 3-3) വിഷയങ്ങളെ "മാനുഷിക വിധി ആവശ്യമാണ്" അടയാളമായി നിർവചിക്കുക. പോയിൻ്റുകൾ: [വിഷയവും സ്കോറുകളും]

ഇനിപ്പറയുന്ന പ്രോംപ്റ്റ് റിപ്പോർട്ടിൽ മെറ്റീരിയലിറ്റി മെത്തഡോളജി എഴുതുന്നതിനുള്ള ഒരു രൂപരേഖ തയ്യാറാക്കുന്നു.

നിങ്ങളുടെ റോൾ: ESG റിപ്പോർട്ട് റൈറ്റർ. ടാസ്‌ക്: ഞങ്ങളുടെ ഡ്യുവൽ മെറ്റീരിയലിറ്റി പ്രോസസ് വിശദീകരിക്കുന്ന ഒരു ഓഡിറ്റബിൾ ഖണ്ഡിക എഴുതുക. ഉൾപ്പെടുത്തുക: ഏത് വിഷയ പ്രപഞ്ചം സ്കാൻ ചെയ്തു, ഏത് പങ്കാളികൾ ഉൾപ്പെട്ടിരുന്നു, ഏത് രീതിയിലാണ് അത് സ്കോർ ചെയ്തത്, ആരാണ് അത് അംഗീകരിച്ചത്. റൂൾ: അടിവരയിട്ടതും പരിശോധിക്കാവുന്നതും പ്രക്രിയയെ അടിസ്ഥാനമാക്കിയുള്ളതും എഴുതുക; ഫല ഉറപ്പ് ചേർക്കുന്നു. ഇൻപുട്ട്: [പ്രോസസ്സ് കുറിപ്പുകൾ]

സാധാരണ തെറ്റുകൾ

• പ്രധാനപ്പെട്ട ഒരു കാര്യത്തിൽ തൃപ്തനാകുക. സാമ്പത്തിക ആഘാതം മാത്രം നോക്കുന്നതും കമ്പനിയുടെ ലോകത്തെ സ്വാധീനത്തെ അവഗണിക്കുന്നതും സിഎസ്ആർഡിക്ക് എതിരാണ്.
• ഓഹരി ഉടമയെ ഇടുങ്ങിയതാക്കുന്നു. നിക്ഷേപകരെ മാത്രം ശ്രദ്ധിക്കുകയും ജീവനക്കാരെയും നാട്ടുകാരെയും വിതരണക്കാരെയും ഒഴിവാക്കുകയും ചെയ്യുന്നത് ഭൗതികതയെ വളച്ചൊടിക്കുന്നു.
• AI-യുടെ ലിസ്റ്റ് അതേപടി സ്വീകരിക്കുന്നു. മേഖലയുമായി ബന്ധപ്പെട്ട നിർണായക പ്രശ്‌നങ്ങൾ നഷ്‌ടമായിരിക്കാം അല്ലെങ്കിൽ AI-യിൽ തെറ്റായ ഭാരം നൽകാം.
• കുറഞ്ഞ ആവൃത്തിയിലുള്ള ഗുരുതരമായ അഭിപ്രായങ്ങൾ ഇല്ലാതാക്കുന്നു. എണ്ണത്തിൽ കുറവുള്ളതും എന്നാൽ ഉയർന്ന അപകടസാധ്യതയുള്ളതുമായ സിഗ്നലുകൾ പ്രത്യേകം പരിശോധിക്കണം.
• രീതിശാസ്ത്രം രേഖപ്പെടുത്തുന്നില്ല. പ്രക്രിയ എങ്ങനെ നടക്കുന്നു എന്ന് എഴുതിയിട്ടില്ലെങ്കിൽ, ഓഡിറ്റർ മെറ്റീരിയൽ സ്വീകരിക്കില്ല.

ചുരുക്കത്തിൽ

മെറ്റീരിയൽ വിശകലനം എന്നത് മുഴുവൻ ESG റിപ്പോർട്ടിൻ്റെയും കോമ്പസ് ആണ്; തെറ്റായ വിഷയങ്ങളിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്ന ഒരു റിപ്പോർട്ട് എത്ര നിലവാരം പുലർത്തിയാലും വിലപ്പോവില്ല. "ഈ പ്രശ്നം ഞങ്ങളെ സാമ്പത്തികമായി എങ്ങനെ ബാധിക്കുന്നു?" എന്നതാണ് ഇരട്ട പ്രാധാന്യം. അതുപോലെ "ഈ വിഷയത്തിൽ നമ്മൾ ലോകത്തെ എങ്ങനെ സ്വാധീനിക്കും?" ഒരുമിച്ച് ചോദ്യങ്ങൾ ചോദിക്കുന്നു. വിഷയങ്ങളുടെ പ്രപഞ്ചം സൃഷ്ടിക്കുന്നതിലും നൂറുകണക്കിന് ഓഹരി ഉടമകളുടെ പ്രതികരണങ്ങളെ തീമുകളിലേക്ക് അടുക്കുന്നതിലും AI ഒരു ശക്തമായ ആക്സിലറേറ്ററാണ്; എന്നാൽ ഇത് ആഘാതത്തിൻ്റെ ദിശ തെറ്റിദ്ധരിക്കുകയും തെറ്റായ പ്രാധാന്യം സൃഷ്ടിക്കുകയും കുറഞ്ഞ ആവൃത്തിയിലുള്ള വിമർശനാത്മക കാഴ്ചകൾ ഇല്ലാതാക്കുകയും ചെയ്യുന്നു. അന്തിമ മുൻഗണനയും അംഗീകാരവും എല്ലായ്പ്പോഴും മനുഷ്യനിലാണ്.

ആപ്ലിക്കേഷൻ ടാസ്ക്

ഒരു വ്യവസായം തിരഞ്ഞെടുക്കുക (ഉദാ. ഫുഡ് റീട്ടെയിൽ) മുകളിൽ ശക്തമായ പ്രോംപ്റ്റിനൊപ്പം 12-15 കാൻഡിഡേറ്റ് വിഷയങ്ങളുടെ ഒരു ലിസ്റ്റ് AI-യോട് ആവശ്യപ്പെടുക. തുടർന്ന്: (1) ഓരോ വിഷയത്തെയും സ്വാധീനത്തിൻ്റെയും സാമ്പത്തിക വശത്തിൻ്റെയും അടിസ്ഥാനത്തിൽ രണ്ടായി വിഭജിച്ച് പരിശോധിക്കുക, (2) സാമ്പത്തിക വശത്തേക്ക് മാറിയവ മാത്രം ശരിയാക്കുക, (3) ന്യായീകരണത്തോടുകൂടിയ ഏറ്റവും മെറ്റീരിയലെന്ന് നിങ്ങൾ കരുതുന്ന 5 വിഷയങ്ങൾ തിരഞ്ഞെടുത്ത് ഒരു ചെറിയ മെറ്റീരിയലിറ്റി മെട്രിക്സ് തയ്യാറാക്കുക.

ചെക്ക്ലിസ്റ്റ്

• [ ] ഞാൻ ഓരോ ലക്കവും ആഘാതത്തിൻ്റെയും സാമ്പത്തിക ഭൗതികതയുടെയും അടിസ്ഥാനത്തിൽ വിലയിരുത്തി.
• [ ] ഞാൻ നിക്ഷേപകൻ (തൊഴിലാളി, പൊതു, വിതരണക്കാരൻ) എന്നതിലുപരി ഓഹരി ഉടമകളുടെ പട്ടിക വിപുലീകരിച്ചു.
• [ ] വ്യവസായ-നിർദ്ദിഷ്ട യാഥാർത്ഥ്യത്തിനെതിരെ AI സൃഷ്ടിച്ച വിഷയങ്ങളുടെ ലിസ്റ്റ് ഞാൻ പരീക്ഷിച്ചു.
• [ ] കുറഞ്ഞ ആവൃത്തിയും എന്നാൽ ഉയർന്ന പ്രാധാന്യമുള്ള അഭിപ്രായങ്ങളും ഞാൻ പ്രത്യേകം പരിശോധിച്ചു.
• [ ] ഒരു മാനുഷിക/കമ്മിറ്റി തീരുമാനത്തിലൂടെ ഞാൻ മുൻഗണന അംഗീകരിച്ചു.
• [ ] ഓഡിറ്റിന് അനുസൃതമായി ഞാൻ മെറ്റീരിയലിറ്റി മെത്തഡോളജി ഡോക്യുമെൻ്റ് ചെയ്തിട്ടുണ്ട്.
• [ ] തെറ്റായ പ്രാധാന്യമുള്ള വിഷയങ്ങൾ ഞാൻ ഉപേക്ഷിച്ചു (അത് ഞങ്ങളെ ശരിക്കും ബാധിക്കില്ല).