लाभ:
- कृत्रिम बुद्धिमत्ताले ESG कार्यप्रवाह (डेटा, खाता, म्यापिङ, रिपोर्टिङ) मा कहाँ समय बचत गर्छ र जोखिम स्तरको आधारमा कारक, मानक र दाबी निर्णयहरू मानिसहरूलाई कहाँ छोडिन्छ भनी छुट्याउन सक्षम हुनु।
- एक अनुशासन लागू गर्ने क्षमता जसले प्रत्येक संख्यात्मक र गुणात्मक आउटपुटलाई एकाइ, स्रोत र अडिट ट्रेल चरणहरूको साथ लेखापरीक्षण गर्दछ।
- किन नक्कली उत्सर्जन कारकहरू, नक्कली मानक सन्दर्भहरू र हरियो धुने भाषाहरू यस पेशाको लागि जोखिमहरू हुन् भन्ने कुरा बुझ्न सुरुदेखि नै विचार गर्न आवश्यक छ।
कम्पनीको दिगोपन प्रतिवेदन अब सद्भावना पुस्तिका मात्र होइन; यो एक कागजात हो जुन लेखा कागजातको रूपमा बाध्यकारी, अडिट गरिएको र कानूनी परिणामहरू छन्। युरोपेली संघको CSRD (कर्पोरेट सस्टेनेबिलिटी रिपोर्टिङ डाइरेक्टिभ) नियमनसँगै हजारौं कम्पनीहरू; यसले कार्बन उत्सर्जन, कर्मचारी डेटा र आपूर्ति श्रृंखला प्रभावहरू अनिवार्य रूपमा, प्रमाणित र तुलनात्मक रूपमा वित्तीय विवरणहरू जस्तै खुलासा गर्नुपर्थ्यो। यो एकाइमा, तपाईंले कृत्रिम बुद्धिमत्ता (AI) ले यो भारी र डाटा-गहन कार्यमा वास्तवमै समय कहाँ बचत गर्छ, यो कहाँ खतरनाक छ, र प्रत्येक आउटपुट कसरी प्रमाणित गर्ने भनेर सिक्नुहुनेछ।
पहिलो, एक महत्वपूर्ण अवधारणा। ESG अंग्रेजी शब्द Environmental, Social and Governance को आद्याक्षर हो; यो फ्रेमवर्कको नाम हो जसले कम्पनीको वातावरणीय प्रभावहरू जस्तै कार्बन उत्सर्जन र पानीको प्रयोग, सामाजिक प्रभावहरू जस्तै कर्मचारी अधिकार र व्यावसायिक सुरक्षा, र बोर्ड संरचना र नैतिकता जस्ता शासन अभ्यासहरू मापन गर्दछ। दिगोपन प्रतिवेदनले यी तीन क्षेत्रको कार्यसम्पादनलाई मानक ढंगले नाप्ने र सार्वजनिक गर्ने कार्य हो।
दोस्रो आलोचनात्मक अवधारणा: भ्रम भनेको एआईले पूर्ण आत्मविश्वासका साथ वास्तवमा सत्य नभएको जानकारी उत्पादन गर्दा हो। ESG संसारमा यो; तपाईंले एक काल्पनिक उत्सर्जन कारक, एक अस्तित्वहीन GRI मानक संख्या, एक गलत एकाइ वा एक गैर-अवस्थित कानून लेखको सन्दर्भ सामना गर्न सक्नुहुन्छ। महत्वपूर्ण बिन्दु यो हो कि ठूलो भाषा मोडेल (LLM) क्यालकुलेटर, नियामक डाटाबेस, वा लेखा परीक्षक होइन। यो एक पाठ जनरेटर हो जसले सांख्यिकीय रूपमा प्रशिक्षण डेटामा देख्ने पाठहरूको नक्कल गर्दछ। यसले अधिकांश समय सही जानकारी उत्पादन गर्छ; तर "अधिकांश समय सटीक" र "अडिट पास गर्न पर्याप्त सटीक" बीचको भिन्नता ESG रिपोर्टिङमा सबै कुरा हो।
AI ले ESG मा कहाँ काम गर्छ र कहाँ गर्दैन?
AI लाई द्रुत ड्राफ्ट, डेटा क्युरेसन र विश्लेषण साझेदारको रूपमा सोच्नुहोस्: मूल्यवान तर प्रमाणीकरणको लागि आवश्यक छ। निम्न भिन्नता यस मोड्युलको मेरुदण्ड हो।
खोज
AI को योगदान
विज्ञको जिम्मेवारी
डाटा संग्रह
बिभिन्न ढाँचाहरू सम्पादन गर्नुहोस्, स्थानहरू चिन्ह लगाउनुहोस्
स्रोत कागजातको साथ नम्बर पुष्टि गर्दै
उत्सर्जन खाता
सूत्र र गणना फ्रेमवर्क सिर्जना गर्दछ
आधिकारिक स्रोतबाट उत्सर्जन कारक प्रमाणित गर्दै
GRI/CSRD म्यापिङ
मानक वस्तुहरूमा सामग्री सिफारिस गर्दछ
ठ्याक्कै मानक पाठको साथ जाँच गर्दै
भौतिक विश्लेषण
विषयवस्तुहरूमा सरोकारवाला विचारहरू अलग गर्दछ
प्राथमिकता निर्धारण गर्ने निर्णय गर्नुहोस्
रिपोर्ट लेखन
मस्यौदा पाठ र सारांश उत्पादन गर्दछ
प्रत्येक दावीलाई प्रमाण सहित समर्थन गर्नुहोस्
हरियो धुने नियन्त्रण
झण्डा जोखिमपूर्ण वाक्यांशहरू
अन्तिम दावी जिम्मेवारी लिनुहोस्
अंगूठाको नियम: एआई लागू गर्नुहोस् डेटामा होइन; डेटा व्यवस्थित गर्न प्रयोग गर्नुहोस्, मचान विश्लेषण, र मस्यौदा पाठ; सँधै प्रत्येक नम्बर र प्रत्येक मानक सन्दर्भ प्राथमिक स्रोत (इनभ्वाइस, मिटर रेकर्ड, आधिकारिक मानक पाठ, उत्सर्जन कारक डाटाबेस) को साथ प्रमाणित गर्नुहोस्। स्थायित्व प्रतिवेदनमा प्रत्येक आंकडाको पछाडि एक लेखापरीक्षकले चाहेको लेखापरीक्षण ट्रेल हुनुपर्छ। AI ले यो प्रमाण उत्पादन गर्न सक्दैन; यसले तपाईंलाई व्यवस्थित गर्न मद्दत गर्दछ।
ESG मा AI को तीन घातक पासो
1. निर्मित उत्सर्जन कारक र संख्याहरू। AI ले याद नगर्ने उत्सर्जन कारक "भर्न" सक्छ (इन्धन वा बिजुलीको प्रति एकाइ कार्बन उत्सर्जनको गुणांक) उचित देखिन्छ। यो संख्याले सम्पूर्ण कार्बन फुटप्रिन्ट गणनालाई अमान्य बनाउँछ।
2. अवस्थित छैन वा पुरानो कानून/मानकहरूको सन्दर्भ। AI ले मानक संख्याहरू उत्पन्न गर्न सक्छ जुन वास्तविक देखिन्छ तर जसको सामग्री गलत रूपमा प्रस्तुत गरिएको छ वा पूर्ण रूपमा बनावटी छ, जस्तै "GRI 305-7"। मानकहरू पनि नियमित रूपमा अद्यावधिक हुन्छन्; मोडेललाई थाहा भएको संस्करण पुरानो हुन सक्छ।
3. भाषा जसले हरियो धुलाई उत्पादन गर्दछ। AI ले उत्सुकताका साथ "वातावरणमैत्री", "वातावरणमैत्री", "कार्बन न्यूट्रल" जस्ता राम्रो सुन्ने तर अप्रमाणित र भ्रामक कथनहरू उत्पादन गर्छ। यी कथनहरूले आज कानुनी जोखिम बोक्छन्। हामी यसलाई इकाई 10 मा गहिराइमा कभर गर्नेछौं।
सुझाव: तीन प्रश्नहरू सहित प्रत्येक संख्यात्मक ESG नतिजालाई अप्रोच गर्नुहोस्: (1) यसको एकाइ के हो (tCO₂e, kg, MWh)? (2) कुन कागजात स्रोत हो? (३) मैले यो आंकडा लेखापरीक्षकलाई कसरी प्रमाणित गर्ने? यी तीन प्रश्नहरूले धेरै ESG गल्तीहरू अंकुरमा समात्छन्। "tCO₂e" को अर्थ यहाँ "कार्बन डाइअक्साइड बराबरको टन" हो; यो विभिन्न हरितगृह ग्यासहरूलाई एक साझा इकाईमा रूपान्तरण गर्ने उपाय हो।
चरणबद्ध रूपमा: ESG मा सुरक्षित एआई कार्यप्रवाह
1. कार्यलाई मानक र एकाइमा लिङ्क गर्नुहोस्। "हाम्रो कार्बन उत्सर्जन गणना गर्नुहोस्" को सट्टा "2024, इस्तानबुल कार्यालय, प्राकृतिक ग्यास खपत 12,000 m³; GHG प्रोटोकल स्कोप 1 विधिको साथ tCO₂e मा उत्सर्जन गणना गर्नुहोस्, तपाईंले प्रयोग गर्ने उत्सर्जन कारक र स्रोत निर्दिष्ट गर्नुहोस्।"
2. स्रोत र धारणाको लागि स्पष्ट रूपमा सोध्नुहोस्। AI लाई कुन उत्सर्जन कारक, कुन मानक, र कुन धारणा उसले प्रत्येक नम्बरको लागि प्रयोग गर्यो लेख्न सोध्नुहोस्। स्रोत उद्धृत नगरी कुनै पनि नम्बर स्वीकार नगर्नुहोस्।
3. प्राथमिक स्रोतबाट प्रमाणित गर्नुहोस्। आधिकारिक डाटाबेसबाट उत्सर्जन कारक पुष्टि गर्नुहोस् (जस्तै ऊर्जाको लागि राष्ट्रिय विभाग, UK DEFRA डाटासेट, IEA), GRI वा EFRAG आधिकारिक कागजातबाट मानक पाठ। EFRAG युरोपेली संस्था हो जसले ESRS (युरोपियन सस्टेनेबिलिटी रिपोर्टिङ स्ट्यान्डर्ड्स) मापदण्डहरू तयार गर्छ जसमा CSRD आधारित छ।
४. अडिट ट्रेल बचत गर्नुहोस्। तालिकामा लेख्नुहोस् कुन डाटा तपाईंले प्रयोग गर्नुभयो, कुन स्रोतबाट, कुन मितिमा, र कुन धारणा अन्तर्गत। आश्वासन लेखा परीक्षक (स्वतन्त्र प्रमाणिकरणकर्ता) ले यो अनुरोध गर्नेछ।
5. अन्तिम दावीको पुष्टि गर्ने मानिसलाई दिनुहोस्। प्रत्येक सार्वजनिक ESG दावी पछाडि जिम्मेवार व्यक्ति हुनुपर्छ।
कमजोर प्रम्प्ट / बलियो प्रम्प्ट
एउटै कामलाई दुई फरक तरिकाले अनुरोध गर्दा नतिजाको विश्वसनीयतामा आमूल परिवर्तन हुन्छ।
कमजोर प्रम्प्ट:
हाम्रो कम्पनीको कार्बन फुटप्रिन्ट गणना गर्नुहोस् र स्थिरता रिपोर्टको लागि अनुच्छेद लेख्नुहोस्।
यो दावीले एकाइ, दायरा, वर्ष, डाटा र स्रोत समावेश गर्दैन; एआईले खाली ठाउँहरू फेब्रिकेसनले भर्छ र हरियो धुनेले भरिएको टेक्स्ट उत्पादन गर्छ।
शक्तिशाली प्रम्प्ट:
तपाईंको भूमिका: एक वरिष्ठ ESG रिपोर्टिङ विशेषज्ञ। इनपुट डेटा (यिनीहरू मात्र प्रयोग गर्नुहोस्, हराइरहेको भए 'डेटा छैन' लेख्नुहोस्):- 2024, प्राकृतिक ग्यास: 12,000 m³- 2024, ग्रिड बिजुली: 85,000 kWhTask: GHG प्रोटोकल र Scobased12 को प्रयोग गरेर CO₂e मा उत्सर्जन गणना गर्नुहोस्। विधि।नियम:- तपाईंले प्रयोग गर्नुहुने प्रत्येक उत्सर्जनलाई छुट्टै स्तम्भमा कारक, एकाइ र स्रोत निर्दिष्ट गर्नुहोस्। - यदि तपाईंलाई कारक थाहा छैन भने, यसलाई बनाउनुहोस्; "आधिकारिक कारक आवश्यक" लेख्नुहोस्। - तालिकामा परिणाम दिनुहोस्; अन्तमा प्रमाणीकरण गर्न आवश्यक वस्तुहरू सूचीबद्ध गर्नुहोस्।
नैतिकता, गोपनीयता र सीमाहरू
ESG डेटा प्रायः संवेदनशील हुन्छ: कर्मचारी लिङ्ग र तलब डेटा (सामाजिक सूचकहरू), आपूर्तिकर्ता अनुबंध सर्तहरू, वित्तीय प्रभावहरू अझै खुलासा गरिएको छैन। सार्वजनिक AI उपकरणमा यो डाटा प्रविष्ट गर्नु अघि गोपनीयता सीमा स्पष्ट गर्नुहोस्। AI लाई दिनु अघि व्यक्तिगत डेटा (नाम, ID, KVKK र GDPR को दायरा भित्रको तलब) गुमनाम वा जम्मा गर्नुहोस्; त्यो हो, व्यक्तिगत व्यक्तिहरूको सट्टा, तिनीहरूलाई सारांश संख्याहरूमा बदल्नुहोस् जस्तै "महिला कर्मचारी दर 38% छ"। KVKK Türkiye को व्यक्तिगत डेटा संरक्षण कानून हो र GDPR युरोप को व्यक्तिगत डेटा संरक्षण कानून हो।
सावधानी: ESG प्रतिवेदनमा भएको झूटो वा अतिरंजित दाबी प्रतिष्ठित जोखिम मात्र होइन; यसले CSRD र राष्ट्रिय उपभोक्ता कानून अन्तर्गत जरिवाना र कानूनी दायित्वको परिणाम हुन सक्छ। प्रमाण बिना AI द्वारा उत्पादित कुनै पनि दावीहरू प्रकाशित नगर्नुहोस्।
तीन मिनी केसहरू
केस १ - कन्ट्रिभ्ड फ्याक्टर। एउटा निर्माण कम्पनीले एआईलाई डिजेल खपत दियो र उत्सर्जन गणनाको लागि सोध्यो। YZ ले कारक प्रयोग गर्यो "2.40 kgCO₂e/liter डिजेलको लागि"। विशेषज्ञले जाँच गरे: आधिकारिक कारक लगभग 2.68 kgCO₂e/लिटर थियो। भिन्नता 10% थियो र यसको मतलब प्रति 40,000 लिटर खपतमा लगभग 11 टन CO₂e को विचलन थियो। कारक आधिकारिक स्रोतबाट सच्याइएको छ।
केस 2 - अवस्थित छैन मानक। एक सल्लाहकारले रिपोर्टको लागि "GRI 305-8 पानी खपत" शीर्षकको लागि YZ लाई सोधे। जबकि पानी GRI 303 अन्तर्गत रिपोर्ट गरिएको छ; GRI 305 हावा उत्सर्जन हो। मानक पाठको साथ जाँच गर्दा, त्रुटि समातियो र सामग्री सही लेखमा सारियो।
केस ३ - हरियो धुने भाषा। YZ ले रिटेल ब्रान्डको लागि "हाम्रा उत्पादनहरू पूर्ण रूपमा वातावरणमैत्री छन्" वाक्य सुझाव दिए। ESG टोलीले यो अप्रमाणित पाए र यसलाई "हाम्रो प्याकेजिङको ६०% रिसाइकल गरिएको छ (२०२४, आन्तरिक मापन)" जस्ता ठोस, प्रमाणित कथनले प्रतिस्थापन गर्यो।
अडिट-तयार कामको लागि संकेत गर्दछ
तलको ESG पाठलाई अडिटिङ आँखाले जाँच गर्नुहोस्। प्रत्येक संख्यात्मक दावीको लागि: 1) के एकाइ स्पष्ट छ? 2) स्रोत बताईएको छ? 3) के यो प्रमाणित वा व्यक्तिपरक / बढाइचढाइ छ? अप्रमाणित वा अस्पष्ट कथनहरू जस्तै "पर्यावरण-मैत्री, हरियो, प्राकृतिक" चिन्ह लगाउनुहोस् र प्रत्येकको लागि ठोस, मापन योग्य विकल्प सुझाव गर्नुहोस्। पाठ: [TEXT]
निम्न प्रम्प्टले एक संक्षिप्त नीति रूपरेखा उत्पादन गर्दछ जसले संगठन भित्र AI प्रयोगको सीमा स्पष्ट गर्दछ।
तपाईंको भूमिका: एक स्थिरता टोली नेता। कार्य: 1-पृष्ठको आन्तरिक नीतिको मस्यौदा लेख्नुहोस् जुन टोलीले ESG कार्यमा AI को प्रयोग गर्छ। समावेश गर्नुहोस्: - कार्यहरू जहाँ AI लाई स्वतन्त्र रूपमा प्रयोग गर्न सकिन्छ (रूपरेखा, सारांश, ढाँचा) - मानव प्रमाणीकरण आवश्यक पर्ने कार्यहरू (नम्बर, कारक, मानक एट्रिब्युसन, दावी) - डाटा प्रकारहरू जुन AI मा कहिल्यै प्रवेश गरिने छैन (व्यक्तिगत डेटा, अज्ञात वित्तीय प्रभाव) टोन: स्पष्ट, बुलेट-बिन्दु, लागू।
निम्न प्रम्प्टले एउटा सानो "अडिट ट्रेल" तालिका कंकाल सेट अप गर्दछ जुन प्रत्येक ESG डेलिभरीमा थप्न सकिन्छ।
निम्न खाताको छेउमा अडिट ट्रेल तालिका उत्पादन गर्नुहोस्। स्तम्भहरू: डाटा वस्तु | मूल्य | एकाइ | स्रोत कागजात | मिति | अनुमान | यो प्रमाणित छ? स्रोत अज्ञात छ भने प्रत्येक लाइनमा "स्रोत आवश्यक" लेख्नुहोस्। प्रविष्टि: [खाता]
सामान्य गल्तीहरू
- स्रोत बिना नम्बर स्वीकार गर्दै। YZ द्वारा दिइएको प्रत्येक उत्सर्जन कारक र फिगर आधिकारिक स्रोत द्वारा पुष्टि नगरी रिपोर्टमा समावेश गरिएको छैन।
- इकाईलाई बेवास्ता गर्दै। यदि kg लाई टनमा, kWh सँग MWh, नतिजा 1000 गुणाले विचलित हुन सक्छ।
- तिनीहरूको मानक चालहरूमा अन्धाधुन्ध विश्वास गर्दै। GRI/ESRS पदार्थ नम्बरहरू आधिकारिक कागजातसँग प्रमाणित गरिनुपर्छ।
- जस्तै संवेदनशील डाटा प्रविष्ट गर्दै। कर्मचारी र आपूर्तिकर्ता डाटा सार्वजनिक उपकरणमा अज्ञातीकरण बिना प्रदान गरिएको छैन।
- लेखा परीक्षकको स्थानमा AI राख्दै। AI ले चेकलिस्ट उत्पादन गर्न सक्छ, तर यसले स्वतन्त्र आश्वासन दिन सक्दैन।
संक्षेपमा
AI ESG मा एक शक्तिशाली ड्राफ्टिङ, डेटा क्युरेसन र विश्लेषण साझेदार हो; तर यो क्याल्कुलेटर, नियामक डाटाबेस वा लेखा परीक्षक होइन। यसको मूल्य यसको प्रमाणीकरण द्वारा प्रकट हुन्छ। प्राथमिक स्रोतबाट प्रत्येक संख्या पुष्टि गर्ने, आधिकारिक पाठसँग प्रत्येक मानक सन्दर्भ तुलना गर्ने, संवेदनशील डाटा गुमाउने र अन्तिम दावीको जिम्मेवारी मानवलाई छोड्ने यस मोड्युलको निरन्तर मेरुदण्ड हो। "प्रवाह देखिने" र "लेखापरीक्षण पास" बीचको भिन्नता कहिल्यै नबिर्सनुहोस्।
आवेदन कार्य
तपाईंको आफ्नै संस्था (वा काल्पनिक कम्पनी) बाट वातावरणीय डेटाको एकल वस्तु छान्नुहोस्: उदाहरणका लागि, मासिक बिजुली बिल। माथिको "पावर प्रम्प्ट" टेम्प्लेट प्रयोग गरेर AI बाट स्कोप 2 उत्सर्जन लेखा कंकाल अनुरोध गर्नुहोस्। त्यसपछि: (१) आधिकारिक स्रोतसँग यसले प्रयोग गर्ने उत्सर्जन कारकलाई तुलना गर्नुहोस्, (२) एकाइहरूको स्थिरता जाँच गर्नुहोस्, (३) कुन वस्तुहरूलाई "प्रमाणीकरण आवश्यक छ" सूचीबद्ध गर्दै एउटा सानो अडिट ट्रेल तालिका लेख्नुहोस्।
चेकलिस्ट
- [ ] मैले AI द्वारा दिइएको प्रत्येक संख्याको एकाइ र स्रोतलाई प्रश्न गरें।
- [] मैले आधिकारिक डाटाबेसको साथ उत्सर्जन कारकहरू पुष्टि गरें।
- [ ] मैले आधिकारिक पाठसँग मानक (GRI/ESRS) नम्बरहरू प्रमाणित गरेको छु।
- [ ] मसँग अज्ञात वा एकत्रित संवेदनशील/व्यक्तिगत डेटा छ।
- [ ] मैले "पर्यावरण-मैत्री, हरियो, प्राकृतिक" जस्ता प्रमाण बिना कथनहरू चिन्ह लगाइदिएँ।
- मैले प्रत्येक निर्णयको लागि लेखापरीक्षण ट्रेल (स्रोत, मिति, अनुमान) राखें।
- [ ] मैले अन्तिम दावी पुष्टि गर्ने जिम्मेवार व्यक्ति पहिचान गरेको छु।