നേട്ടങ്ങൾ:
- GRI, ESRS, ISSB ചട്ടക്കൂടുകൾ (ഇംപാക്റ്റ്, ഡബിൾ മെറ്റീരിയൽ, ഫിനാൻഷ്യൽ) എന്നിവയുടെ ഫോക്കസുകൾ വേർതിരിച്ചറിയാനും വായനക്കാരന് അനുസരിച്ച് ശരിയായ ചട്ടക്കൂട് തിരഞ്ഞെടുക്കാനുമുള്ള കഴിവ്
- സ്റ്റാൻഡേർഡ് ഇനം കാൻഡിഡേറ്റുകളിലേക്ക് മെറ്റീരിയൽ വിഷയങ്ങൾ മാപ്പ് ചെയ്യാനും ഔദ്യോഗിക സ്റ്റാൻഡേർഡ് ടെക്സ്റ്റ് ഉപയോഗിച്ച് ഓരോ നമ്പറും പരിശോധിക്കാനുമുള്ള കഴിവ്
- ഒരൊറ്റ ഡാറ്റയെ ഒന്നിലധികം ഫ്രെയിമുകളിലേക്ക് ബന്ധിപ്പിക്കുന്ന ഒരു ക്രോസ്-മാച്ചിംഗ് സ്ഥാപിക്കാനുള്ള കഴിവ്, അവ മറയ്ക്കാതെ തന്നെ ഡാറ്റ വിടവുകൾ വ്യക്തമായി സൂചിപ്പിക്കുക
ഒരു കമ്പനി സുസ്ഥിരതാ ഡാറ്റ ശേഖരിച്ചുകഴിഞ്ഞാൽ, അത് അന്താരാഷ്ട്രതലത്തിൽ അംഗീകരിക്കപ്പെട്ട റിപ്പോർട്ടിംഗ് ചട്ടക്കൂട് അനുസരിച്ച് അത് വെളിപ്പെടുത്തണം, അല്ലാതെ ഏകപക്ഷീയമായ രീതിയിലല്ല. "ഏത് വിഷയം റിപ്പോർട്ട് ചെയ്യണം, എങ്ങനെ, ഏതൊക്കെ സൂചകങ്ങളോടെ" എന്ന് നിർണ്ണയിക്കുന്ന പൊതു ഭാഷയാണ് ചട്ടക്കൂട്; ഇതിന് നന്ദി, രണ്ട് വ്യത്യസ്ത കമ്പനികളിൽ നിന്നുള്ള റിപ്പോർട്ടുകൾ താരതമ്യം ചെയ്യാൻ കഴിയും. ഈ യൂണിറ്റിൽ, നിങ്ങൾ മൂന്ന് പ്രധാന ചട്ടക്കൂടുകൾ (GRI, ESRS/CSRD, ISSB) അറിയുകയും ഈ ചട്ടക്കൂടുകൾക്കനുസരിച്ച് ഉള്ളടക്ക പൊരുത്തപ്പെടുത്തലിൽ കൃത്രിമബുദ്ധി (AI) എങ്ങനെ സുരക്ഷിതമായി ഉപയോഗിക്കാമെന്ന് പഠിക്കുകയും ചെയ്യും.
മൂന്ന് ചട്ടക്കൂടുകളെ നമുക്ക് ചുരുക്കി വിവരിക്കാം. GRI (ഗ്ലോബൽ റിപ്പോർട്ടിംഗ് ഇനിഷ്യേറ്റീവ്) ലോകത്ത് ഏറ്റവും കൂടുതൽ ഉപയോഗിക്കുന്ന സന്നദ്ധ സുസ്ഥിരതാ റിപ്പോർട്ടിംഗ് മാനദണ്ഡങ്ങളുടെ കുടുംബമാണ്; ഇത് പ്രധാനമായും ലോകത്തെ കമ്പനിയുടെ സ്വാധീനത്തെ നോക്കുന്നു. ESRS (യൂറോപ്യൻ സുസ്ഥിരതാ റിപ്പോർട്ടിംഗ് മാനദണ്ഡങ്ങൾ) എന്നത് CSRD നിർദ്ദേശത്തിൻ്റെ പരിധിയിൽ യൂറോപ്യൻ യൂണിയൻ ആവശ്യപ്പെടുന്ന, ഇരട്ട ഭൗതികതയെ അടിസ്ഥാനമാക്കിയുള്ള ഒരു കൂട്ടം മാനദണ്ഡങ്ങളാണ്. ISSB (ഇൻ്റർനാഷണൽ സസ്റ്റൈനബിലിറ്റി സ്റ്റാൻഡേർഡ്സ് ബോർഡ്) എന്നത് ഒരു നിക്ഷേപക ശ്രദ്ധയോടെ സാമ്പത്തിക ഭൗതികതയിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്ന IFRS S1/S2 മാനദണ്ഡങ്ങൾ പ്രസിദ്ധീകരിക്കുന്ന ഒരു അന്താരാഷ്ട്ര ബോർഡാണ്.
മൂന്ന് ഫ്രെയിമുകൾ, മൂന്ന് കാഴ്ചപ്പാടുകൾ
ഫ്രെയിം
ആരാണ് അത് ഊരിയെടുത്തത്?
പ്രധാന ശ്രദ്ധ
അത് നിർബന്ധമാണോ?
ചാരനിറം
GRI സ്ഥാപനം
ലോകത്തെ കമ്പനിയുടെ സ്വാധീനം
സ്വമേധയാ, വളരെ സാധാരണമായത്
ESRS/CSRD
EU / EFRAG
ഇരട്ട ഭൗതികത (ഇംപാക്ട് + ഫിനാൻസ്)
EU പ്രകാരം നിർബന്ധമാണ്
ISSB (IFRS S1/S2)
IFRS ഫൗണ്ടേഷൻ
നിക്ഷേപകന് സാമ്പത്തിക സാമഗ്രി
രാജ്യം അംഗീകരിച്ചത്
ഈ ചട്ടക്കൂടുകൾ പരസ്പരം മത്സരിക്കുന്നവരല്ല, മറിച്ച് വ്യത്യസ്ത വായനക്കാരെ ആകർഷിക്കുന്ന പരസ്പര പൂരകമായ ഭാഷകളാണ്. മിക്ക വലിയ കമ്പനികളും അവരുടെ ഡാറ്റ ഒരിക്കൽ ശേഖരിക്കുകയും ഒന്നിലധികം ചട്ടക്കൂടുകളിലേക്ക് "മാപ്പ്" ചെയ്യുകയും ചെയ്യുന്നു. ഇവിടെയാണ് AI-യുടെ യഥാർത്ഥ മൂല്യം സ്ഥിതിചെയ്യുന്നത്: വ്യത്യസ്ത ഫ്രെയിമുകളുടെ ഐറ്റം നമ്പറുകളിലേക്ക് ഒരേ ഡാറ്റ ശുപാർശ ചെയ്യുന്നതിൽ ഇത് ഒരു ഫാസ്റ്റ് അസിസ്റ്റൻ്റാണ്. എന്നാൽ ഇതിന് ഇനം നമ്പറുകളുമായി പൊരുത്തപ്പെടാൻ കഴിയും, അതിനാൽ ഓരോ പൊരുത്തവും ഔദ്യോഗിക സ്റ്റാൻഡേർഡ് ടെക്സ്റ്റിന് എതിരായി പരിശോധിച്ചുറപ്പിച്ചിരിക്കണം.
നുറുങ്ങ്: "ഏതാണ് മികച്ചത്?" എന്ന ചോദ്യവുമായി നിങ്ങൾക്ക് ഫ്രെയിമുകൾ താരതമ്യം ചെയ്യാം. അല്ല "ആരു വായിക്കും?" തിരഞ്ഞെടുക്കുക . നിങ്ങൾ നിക്ഷേപകരുമായി സംസാരിക്കുകയാണെങ്കിൽ, ISSB/സാമ്പത്തിക മെറ്റീരിയൽ; നിങ്ങൾ EU നിയന്ത്രണത്തിന് വിധേയമാണെങ്കിൽ ESRS നിർബന്ധമാണ്; നിങ്ങളുടെ സ്വാധീനം വിശാലമായ ശ്രേണിയിലുള്ള പങ്കാളികളുമായി ആശയവിനിമയം നടത്തുകയാണെങ്കിൽ GRI ശക്തമാണ്. പലപ്പോഴും ഒന്നിൽ കൂടുതൽ ഒരുമിച്ച് ഉപയോഗിക്കുന്നു.
GRI മാനദണ്ഡങ്ങളുടെ ഘടന
വിഷയാധിഷ്ഠിത സംഖ്യകൾ ഉപയോഗിച്ചാണ് ജിആർഐ ക്രമീകരിച്ചിരിക്കുന്നത്. കുറച്ച് ഉദാഹരണങ്ങൾ (സ്ഥിരീകരണത്തിനായി ഔദ്യോഗിക വാചകം പരിശോധിക്കുന്നത് ഉറപ്പാക്കുക):
- GRI 302 - ഊർജ്ജം
- GRI 303 - ജലവും മലിനജലവും
- GRI 305 — ഉദ്വമനം (വായു)
- GRI 306 - മാലിന്യം
- GRI 403 - തൊഴിൽപരമായ ആരോഗ്യവും സുരക്ഷയും
ഏറ്റവും സാധാരണമായ AI തെറ്റ് തെറ്റായ നമ്പറിന് കീഴിൽ ഒരു വിഷയം സ്ഥാപിക്കുന്നതാണ്: ഉദാഹരണത്തിന്, GRI 305 (എമിഷൻ) ന് കീഴിൽ വെള്ളം കാണിക്കുന്നു. വെള്ളം GRI 303 ആണ്. അത്തരം പിശകുകൾ ഔദ്യോഗിക സ്റ്റാൻഡേർഡ് പട്ടികയിൽ മാത്രമേ പിടിക്കപ്പെടുകയുള്ളൂ.
ഘട്ടം ഘട്ടമായി: AI-യുമായി ഫ്രെയിം പൊരുത്തപ്പെടുത്തൽ
1. ഭൗതികതയെ അടിസ്ഥാനമാക്കി. ഏതൊക്കെ വിഷയങ്ങളാണ് റിപ്പോർട്ട് ചെയ്യേണ്ടതെന്ന് നിങ്ങൾ നിർണ്ണയിച്ചുകഴിഞ്ഞാൽ (യൂണിറ്റ് 2), മാപ്പിംഗിലേക്ക് നീങ്ങുക.
2. സ്റ്റാൻഡേർഡ് ഇനത്തിലേക്ക് ഡാറ്റ ശുപാർശ ചെയ്യുക. ഓരോ മെറ്റീരിയൽ വിഷയവും പ്രസക്തമായ GRI/ESRS പദാർത്ഥ കാൻഡിഡേറ്റിലേക്ക് മാപ്പ് ചെയ്യാൻ AI-യോട് ആവശ്യപ്പെടുക; എന്നാൽ "ഇതൊരു കരട് നിർദ്ദേശമാണ്" എന്ന് പ്രസ്താവിക്കുക.
3. ഔദ്യോഗിക വാചകം ഉപയോഗിച്ച് ഇനം നമ്പർ പരിശോധിക്കുക. നിർദ്ദേശിച്ച ഓരോ നമ്പറും GRI അല്ലെങ്കിൽ EFRAG-ൻ്റെ ഔദ്യോഗിക പ്രമാണം ഉപയോഗിച്ച് സ്ഥിരീകരിക്കുക. നമ്പറും ഉള്ളടക്കവും പരിശോധിക്കുക.
4. വിടവുകൾ തിരിച്ചറിയുക. നിങ്ങൾക്ക് സ്റ്റാൻഡേർഡ് ആവശ്യമുള്ളതും എന്നാൽ ഇല്ലാത്തതുമായ ഡാറ്റ ലിസ്റ്റ് ചെയ്യുക (ഡാറ്റ വിടവ്); ഇവ ഒന്നുകിൽ ശേഖരിക്കുകയോ "ലഭ്യമല്ല" എന്ന് പ്രഖ്യാപിക്കുകയോ ചെയ്യുന്നു.
5. ക്രോസ് മാപ്പിംഗ് സജ്ജീകരിക്കുക. GRI, ESRS, ISSB നമ്പറുകളിലേക്ക് സമാന ഡാറ്റ ലിങ്ക് ചെയ്യുന്ന ഒരു പട്ടിക തയ്യാറാക്കുക; അതിനാൽ നിങ്ങൾ ഒരു ഡാറ്റ ഉപയോഗിച്ച് ഒന്നിലധികം ചട്ടക്കൂടുകളിലേക്ക് റിപ്പോർട്ട് ചെയ്യുന്നു.
ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്
ദുർബലമായ പ്രോംപ്റ്റ്:
GRI അനുസരിച്ച് ഈ വിഷയങ്ങൾ അക്കമിടുക.
യുക്തിസഹമായി തോന്നുന്ന എന്നാൽ തെറ്റായ/നിർമ്മിത സംഖ്യകൾ AI സൃഷ്ടിച്ചേക്കാം; മൂല്യനിർണ്ണയ കോൾ ഇല്ല.
ശക്തമായ നിർദ്ദേശം:
നിങ്ങളുടെ റോൾ: റിപ്പോർട്ടിംഗ് ചട്ടക്കൂട് വിദഗ്ധൻ. ഇൻപുട്ട്: ഞങ്ങളുടെ മെറ്റീരിയൽ വിഷയങ്ങൾ (ഊർജ്ജം, ജലം, ഉദ്വമനം, തൊഴിൽ സുരക്ഷ, മാലിന്യങ്ങൾ). ടാസ്ക്: ഓരോ വിഷയത്തിനും സാധ്യമായ GRI, ESRS പദാർത്ഥങ്ങളുടെ ഉദ്യോഗാർത്ഥികളെ നിർദ്ദേശിക്കുക. നിയമങ്ങൾ:- ഓരോ നിർദ്ദേശത്തിനും "സ്ഥിരീകരിക്കണം" എന്ന ടാഗ് നൽകുക; കൃത്യമായ നമ്പർ ക്ലെയിം ചെയ്യരുത്. - നിങ്ങൾക്ക് ഉറപ്പില്ലാത്ത ഒരു നമ്പർ ഉണ്ടാക്കരുത്; "ഔദ്യോഗിക സ്റ്റാൻഡേർഡ് ലിസ്റ്റിൽ നിന്നുള്ള സ്ഥിരീകരണം" എഴുതുക. - വെള്ളം, ഉദ്വമനം എന്നിവ പോലെ ആശയക്കുഴപ്പത്തിലാക്കാൻ എളുപ്പമുള്ള വിഷയങ്ങളിൽ വിവേചനത്തിൻ്റെ കാരണം എഴുതുക. ഔട്ട്പുട്ട്: പട്ടിക (വിഷയം | GRI കാൻഡിഡേറ്റ് | ESRS കാൻഡിഡേറ്റ് | സ്ഥിരീകരണ കുറിപ്പ്).
മൾട്ടി-ഫ്രെയിം മാപ്പിംഗ് ടേബിളിനായി ആവശ്യപ്പെടുക
ഇനിപ്പറയുന്ന മെറ്റീരിയൽ വിഷയങ്ങൾക്കായി ഒരു മൾട്ടി-ഫ്രെയിം മാപ്പിംഗ് ടേബിൾ സ്കാർഫോൾഡ് നിർമ്മിക്കുക. കോളങ്ങൾ: വിഷയം | ഡാറ്റ ഇനം | GRI ആർട്ട്. | ESRS കല. | ISSB (S1/S2) | ഉറവിട ഡാറ്റ | എന്തെങ്കിലും വിടവുകൾ ഉണ്ടോ?നിയമങ്ങൾ:- ഇനം നമ്പറുകൾ "കാൻഡിഡേറ്റ്/പരിശോധിക്കേണ്ടത്" എന്ന് അടയാളപ്പെടുത്തുക.- ഡാറ്റ ഇല്ലാത്ത സെല്ലുകളിൽ "DATA GAP" എഴുതുക. വിഷയങ്ങൾ: [TOPICS]
ഇനിപ്പറയുന്ന പ്രോംപ്റ്റ് ഒരു റിപ്പോർട്ടിംഗ് വിടവ് വിശകലനം ഉണ്ടാക്കുന്നു.
നിങ്ങളുടെ റോൾ: ESG കംപ്ലയിൻസ് അനലിസ്റ്റ്. ടാസ്ക്: ഞങ്ങൾ തിരഞ്ഞെടുത്ത ചട്ടക്കൂട് (ESRS) ആവശ്യമായ വിശദീകരണങ്ങളുമായി ഞങ്ങളുടെ പക്കലുള്ള ഡാറ്റ താരതമ്യം ചെയ്ത് ഒരു വിടവ് വിശകലനം നടത്തുക. ഔട്ട്പുട്ട്: ആവശ്യമായ വിശദീകരണം | നമുക്കത് ഉണ്ടോ? | നഷ്ടപ്പെട്ടാൽ എന്തൊക്കെ ശേഖരിക്കണം | ഉത്തരവാദിത്തം.നിയമം: "ഞങ്ങൾക്ക് ഉണ്ട്" എന്ന് നിങ്ങൾ പറയുന്ന ഓരോ വരിയിലും ഉറവിടം എഴുതുക; നിങ്ങൾക്ക് ഉറപ്പില്ലെങ്കിൽ, "ചെക്ക് ആവശ്യമാണ്" എന്ന് പറയുക. ഔദ്യോഗിക വാചകത്തിൽ നിന്ന് സ്റ്റാൻഡേർഡ് ക്ലോസുകൾ പരിശോധിക്കാൻ എന്നെ ഓർമ്മിപ്പിക്കുക. എൻട്രി: [ലഭ്യമായ ഡാറ്റയുടെ പട്ടിക]
ശ്രദ്ധിക്കുക: മാനദണ്ഡങ്ങൾ പതിവായി അപ്ഡേറ്റ് ചെയ്യുന്നു; ഇനം നമ്പറുകളും പരിധികളും ആവശ്യകതകളും മാറിയേക്കാം. AI-യുടെ പരിശീലന ഡാറ്റ കാലഹരണപ്പെട്ട പതിപ്പിനെ പ്രതിഫലിപ്പിച്ചേക്കാം. ബാധകമായ ഔദ്യോഗിക ടെക്സ്റ്റ് ഉപയോഗിച്ച് നിർണായക ജോടിയാക്കലും ബാധ്യതാ തീരുമാനങ്ങളും എല്ലായ്പ്പോഴും സ്ഥിരീകരിക്കുക.
മൂന്ന് മിനി കേസുകൾ
കേസ് 1 - തെറ്റായ നമ്പർ. GRI മാപ്പിംഗിനായി ഒരു ഊർജ്ജ കമ്പനി AI യോട് ആവശ്യപ്പെട്ടു. YZ അതിൻ്റെ ജല ഉപഭോഗം "GRI 305-8" എന്ന് ലേബൽ ചെയ്തു. വിദഗ്ധൻ പരിശോധിച്ചു: വെള്ളം GRI 303 ആണ്, GRI 305 എയർ എമിഷൻ ആണ്, കൂടാതെ 305-8 എന്ന പ്രസ്താവനയും ഇല്ല. ഔദ്യോഗിക ലിസ്റ്റിനൊപ്പം നമ്പർ തിരുത്തിയിട്ടുണ്ട്.
കേസ് 2 - ഒരു ഡാറ്റയുള്ള നിരവധി റിപ്പോർട്ടുകൾ. ഒരു നിർമ്മാതാവ് ഒരിക്കൽ ഊർജ്ജ ഡാറ്റ ശേഖരിക്കുകയും AI-യുടെ സഹായത്തോടെ GRI 302, ESRS E1 (കാലാവസ്ഥ), ISSB S2 ആവശ്യകതകളിലേക്ക് മാപ്പ് ചെയ്യുകയും ചെയ്തു. ക്രോസ് ടേബിളിന് നന്ദി, മൂന്ന് വ്യത്യസ്ത റിപ്പോർട്ടുകൾക്കായി ഡാറ്റ വീണ്ടും ശേഖരിക്കുന്നതിന് പകരം ഒരൊറ്റ ഉറവിടത്തിൽ നിന്നാണ് ഡാറ്റ നൽകുന്നത്; ഓരോ നമ്പറും ഔദ്യോഗിക വാചകം വഴി സ്ഥിരീകരിച്ചു.
കേസ് 3 - മറഞ്ഞിരിക്കുന്ന അറ. ESRS-ന് ആവശ്യമായ "സ്കോപ്പ് 3 എമിഷൻസ്" വെളിപ്പെടുത്തൽ ഒരു കമ്പനിക്ക് ഇല്ലായിരുന്നു. AI റിപ്പോർട്ട് “പൂർത്തിയായതുപോലെ” ഒഴുക്കോടെ എഴുതുകയും വിടവ് അദൃശ്യമാക്കുകയും ചെയ്തു. വിടവ് വിശകലനം നടത്തിയപ്പോൾ, പോരായ്മ വെളിപ്പെട്ടു; ഡാറ്റ കെട്ടിച്ചമയ്ക്കുന്നതിനുപകരം, "സ്കോപ്പ് 3 ഡാറ്റ 2025-ൽ ശേഖരിക്കും" എന്ന് റിപ്പോർട്ട് സത്യസന്ധമായി വിശദീകരിച്ചു.
സാധാരണ തെറ്റുകൾ
- ഇനത്തിൻ്റെ നമ്പർ പരിശോധിക്കുന്നില്ല. GRI/ESRS/ISSB നമ്പറുകൾ ഔദ്യോഗിക വാചകം ഉപയോഗിച്ച് സ്ഥിരീകരിക്കാതെ ഉപയോഗിക്കില്ല.
- മിക്സിംഗ് ഫ്രെയിമുകൾ. GRI-യുടെ ഇംപാക്ട് ഫോക്കസും ISSB-യുടെ സാമ്പത്തിക ശ്രദ്ധയും ഒരുപോലെയാണെന്ന് കരുതുന്നത് തെറ്റായ വിശദീകരണങ്ങളിലേക്ക് നയിക്കും.
- പഴയ പതിപ്പിനെ ആശ്രയിക്കുന്നു. മാനദണ്ഡങ്ങൾ പുതുക്കിയിരിക്കുന്നു; നിലവിലെ വാചകം അത്യാവശ്യമാണ്.
- ഡാറ്റ വിടവ് മറയ്ക്കുന്നു. നഷ്ടമായ ഡാറ്റ വ്യക്തമായി പ്രസ്താവിക്കേണ്ടത് ആവശ്യമാണ്, അത് "പൂർണമായതുപോലെ" എഴുതരുത്.
- വെള്ളം/പുറന്തള്ളൽ പോലുള്ള ആശയക്കുഴപ്പമുണ്ടാക്കുന്ന പ്രശ്നങ്ങൾ. സമാനമായി ദൃശ്യമാകുന്ന വിഷയങ്ങൾ വ്യത്യസ്ത ഇന നമ്പറുകൾക്ക് കീഴിലാണ്.
ചുരുക്കത്തിൽ
റിപ്പോർട്ടിംഗ് ചട്ടക്കൂടുകൾ സുസ്ഥിരത ഡാറ്റയെ പൊതുവായ താരതമ്യപ്പെടുത്താവുന്ന ഭാഷയിലേക്ക് വിവർത്തനം ചെയ്യുന്ന ഘടനകളാണ്: GRI ആഘാതം നോക്കുന്നു, ISSB ധനകാര്യം നോക്കുന്നു, ESRS രണ്ടും ദ്വിതീയ ഭൗതികതയോടെ നോക്കുന്നു. വ്യത്യസ്ത ചട്ടക്കൂടുകളുടെ ഇനങ്ങളിലേക്ക് ഒരേ ഡാറ്റ വേഗത്തിൽ മാപ്പ് ചെയ്യുന്നതിൽ AI ഒരു ശക്തമായ സഹായിയാണ്; എന്നാൽ ഐറ്റം നമ്പറുകൾ ഫഡ്ജ് ചെയ്യുകയും പഴയ പതിപ്പുകൾ പ്രതിഫലിപ്പിക്കുകയും ചെയ്യാം. ഓരോ മാപ്പിംഗും അതിൻ്റെ ഔദ്യോഗിക കാനോനിക്കൽ ടെക്സ്റ്റ് ഉപയോഗിച്ച് സാധൂകരിക്കുക, റീഡർ പ്രകാരം ഫ്രെയിമുകൾ തിരഞ്ഞെടുക്കുക, ഡാറ്റ വിടവുകൾ മറയ്ക്കരുത്. ഒരൊറ്റ ഡാറ്റ ഉപയോഗിച്ച് ഒന്നിലധികം ചട്ടക്കൂടുകളിലേക്ക് റിപ്പോർട്ട് ചെയ്യുന്നത് കാര്യക്ഷമമാണ്; എന്നാൽ ഓരോ നമ്പറും സ്ഥിരീകരിക്കുമ്പോൾ മാത്രമേ ഇത് സുരക്ഷിതമാകൂ.
ആപ്ലിക്കേഷൻ ടാസ്ക്
അഞ്ച് മെറ്റീരിയൽ വിഷയങ്ങൾ തിരഞ്ഞെടുക്കുക (ഉദാ. ഊർജ്ജം, വെള്ളം, ഉദ്വമനം, മാലിന്യം, തൊഴിൽ സുരക്ഷ). മുകളിലുള്ള മൾട്ടി-ഫ്രെയിം മാച്ചിംഗ് പ്രോംപ്റ്റ് വഴി AI-യിൽ നിന്ന് ഒരു GRI/ESRS/ISSB കാൻഡിഡേറ്റ് ടേബിൾ അഭ്യർത്ഥിക്കുക. തുടർന്ന്: (1) ഔദ്യോഗിക ടെക്സ്റ്റ് ഉപയോഗിച്ച് കുറഞ്ഞത് മൂന്ന് ഇനം നമ്പറുകളെങ്കിലും പരിശോധിക്കുക, (2) വെള്ളവും ഉദ്വമനവും ശരിയായി വേർതിരിച്ചിട്ടുണ്ടോയെന്ന് പരിശോധിക്കുക, (3) നിങ്ങൾക്ക് നഷ്ടമായ ഡാറ്റ ഒരു ശൂന്യ പട്ടികയിൽ എഴുതുക.
ചെക്ക്ലിസ്റ്റ്
- [ ] ഞാൻ ഓരോ മെറ്റീരിയൽ വിഷയവും പ്രസക്തമായ ഫ്രെയിം ലേഖനത്തിലേക്ക് മാപ്പ് ചെയ്തു.
- [ ] ഞാൻ ഔദ്യോഗിക (GRI/EFRAG/ISSB) ടെക്സ്റ്റ് ഉപയോഗിച്ച് ഇനം നമ്പറുകൾ പരിശോധിച്ചു.
- [ ] ഞാൻ ചട്ടക്കൂട് തിരഞ്ഞെടുത്തത് അതിൻ്റെ വായനക്കാരുടെ (നിക്ഷേപകൻ/പങ്കാളിത്തം/ റെഗുലേറ്റർ) അടിസ്ഥാനമാക്കിയാണ്.
- [ ] വെള്ളം/പുറന്തള്ളൽ പോലെ ആശയക്കുഴപ്പത്തിലാക്കാൻ എളുപ്പമുള്ള വിഷയങ്ങൾ ഞാൻ ശരിയായി വേർതിരിച്ചിരിക്കുന്നു.
- [ ] ഞാൻ ഡാറ്റ വിടവുകൾ മറയ്ക്കാതെ വ്യക്തമായി പട്ടികപ്പെടുത്തിയിട്ടുണ്ട്.
- [ ] ഞാൻ മാനദണ്ഡങ്ങളുടെ നിലവിലെ പതിപ്പാണ് ഉപയോഗിക്കുന്നതെന്ന് ഞാൻ സ്ഥിരീകരിച്ചു.
- [ ] ഒറ്റ ഡാറ്റയെ ഒന്നിലധികം ഫ്രെയിമുകളിലേക്ക് ബന്ധിപ്പിക്കുന്ന ഒരു ക്രോസ്ടാബ് ഞാൻ സജ്ജീകരിച്ചു.