End-to-end ESG-workflow, databeheer, ethiek en kwaliteitsgateway

Winst:

• Mogelijkheid om een ESG-workflow in acht stappen op te zetten, van materialiteit tot publicatie met kwaliteitspoorten op het ritme van 'kunstmatige intelligentie produceert → menselijke verificaties → gaat door de poort'
• Mogelijkheid om persoonlijke en niet-openbaar gemaakte financiële gegevens te beschermen door ESG-gegevens te classificeren als gratis/intern/vertrouwelijk
• Mogelijkheid om de eindverantwoordelijkheid op zich te nemen en verantwoordelijke namen en goedkeuringsgegevens aan elke publicatie te koppelen zonder te vertrouwen op de 'AI zei'-verdediging

In de voorgaande tien units hebben we elk onderdeel van de ESG- en duurzaamheidsactiviteiten afzonderlijk behandeld: ingang en grenzen, materialiteit, gegevensverzameling, CO2-boekhouding, rapportagekaders, toeleveringsketen, communicatie met belanghebbenden, het schrijven van rapporten, zekerheid en greenwashing. In dit laatste deel zullen we de stukken samenvoegen en een end-to-end workflow opzetten: waar, hoe en met welke beveiligingspoort we kunstmatige intelligentie (AI) kunnen gebruiken bij elke stap, vanaf de definitie van een duurzaamheidsmissie tot de publicatie ervan. We zullen ook data governance, privacy en ethische verantwoordelijkheid in één raamwerk brengen.

Laten we nogmaals de constante ruggengraat van de module herhalen: AI; Het is een assistent die code schrijft, gegevens ordent, concepten maakt en samenvat. De juistheid van het getal, de bevestiging van de factor, de controle op de norm, het bewijs van de claim en de eindverantwoordelijkheid berusten altijd bij de bevoegde deskundige. Deze unit maakt van dit principe een dagelijkse workflow en checklist.

End-to-end ESG-workflow

Overweeg een duurzaamheidsrapportagecyclus in acht stappen:

1. Reikwijdte en materialiteit — Welke onderwerpen zijn materieel? (Eenheid 2)
2. Gegevensverzameling — Bronnen, eenheden, audittraject. (Eenheid 3)
3. Berekening — Koolstofuitstoot en andere statistieken met geverifieerde factoren. (Eenheid 4)
4. Raamwerkmatching — GRI/ESRS/ISSB-stoffen, bevestiging door officiële tekst. (Eenheid 5)
5. Toeleveringsketen — Toepassingsgebied 3 en due diligence. (Eenheid 6)
6. Schrijven en communicatie — Evenwichtig, onderbouwd rapport en boodschap voor belanghebbenden. (Eenheid 7-8)
7. Voorbereiding van de zekerheid — Keten van bewijsmateriaal en voorbereiding van audits. (Eenheid 9)
8. Claimaudit – Greenwashing-screening en goedkeuring van vrijgave. (Eenheid 10)

Bij elke stap is AI een versneller; Maar aan het einde van elke stap is er een kwaliteitspoort: een controlepunt dat moet worden gepasseerd voordat we naar de volgende stap kunnen gaan. De uitvoer die niet door de deur gaat, gaat niet verder.

stap

Wat doet AI?

Kwaliteit poort

materialiteit

Onderwerpkandidaat, themaanalyse

Impact+financieel aspect menselijke goedkeuring

Gegevens

Configuratie, eenheidconversie

Bron- en volumeverificatie

rekening

Formule, codesteigers

De factor wordt bevestigd door de officiële bron

Passend

Artikel suggestie

Controleer de afbeelding met de standaardtekst

spelling

ontwerp, samenvatting

Claims zonder bewijs uitzoeken

beweren

Greenwashing-scan

Door mensen gecertificeerde publicatie

Tip: Richt de workflow in op het ritme van “AI produceert → mens verifieert → loopt door de deur.” Voordat u elke AI-uitvoer naar de volgende stap verplaatst, moet u zich afvragen: “Welk deel van deze uitvoer kan niet doorgaan zonder validatie?” Dat deel is de kwaliteitspoort van die stap.

Gegevensbeheer en privacy

ESG-gegevens zijn vaak gevoelig: geslachts- en salarisgegevens van werknemers, contractvoorwaarden van leveranciers, financiële gevolgen die nog niet zijn bekendgemaakt, productiegegevens op fabrieksniveau. Het is noodzakelijk om deze te classificeren voordat ze aan een openbare AI-tool worden gegeven. Data governance is “wie kan welke data gebruiken, hoe en met welke tool?” De vraag is gebonden aan de regel.

Een eenvoudige classificatie:

• Gratis: gegevens zijn al openbaar beschikbaar (gepubliceerd rapport). Het kan aan AI worden gegeven.
• Intern gebruik: Interne gegevens zonder commerciële waarde. Voorzichtig in bedrijfsauto.
• Vertrouwelijk: Bedrijfsgeheim, niet openbaar gemaakte financiële impact, persoonlijke gegevens (KVKK/GDPR). Het wordt niet aan de AI gegeven zonder anonimisering of institutionele (niet-lekkende) middelen.

Jouw rol: data governance adviseur. Taak: classificeer de volgende gegevensitems als "gratis / intern gebruik / vertrouwelijk" en schrijf de aanbevolen actie voor elk vertrouwelijk item (anonimiseren / aggregeren / bedrijfstool / helemaal niet geven). Regel: als u het niet zeker weet, plaats dan een meer beschermende klasse. Items: [PERSOONLIJKE EN FINANCIËLE GEGEVENSITEMS]

Zwakke prompt/sterke prompt

De manier waarop u een taak delegeert aan een tool verandert het privacyrisico radicaal.

Zwakke prompt:

Analyseer de salaris- en faciliteitsproductietabel van de werknemers en kom met een ESG-samenvatting.

Exporteert onbewerkte persoonlijke en bedrijfsgeheimen rechtstreeks naar een open tool; Er is geen classificatie-, anonimiserings- en bevestigingsstap.

Krachtige prompt:

Jouw rol: ESG-analist gevoelig voor data governance. Ik heb u ALLEEN geaggregeerde, persoonlijke/bedrijfsgeheimen-vrije gegevens gegeven. Taak: analyseer de volgende samenvattende indicatoren. Regels: - GEEN individuele namen, salarissen, ID's of geheime financiële gevolgen in de gegevens; Als u zo'n veld ziet, zeg dan "VERTROUWELIJKE GEGEVENS - niet verwerken, waarschuw". - Voeg geen nieuw getal toe aan het resultaat; ga gewoon verder met de samenvatting die ik gaf. - Voeg een notitie 'menselijke goedkeuring vereist' toe aan het einde van de uitvoer. Gegevens (geaggregeerd): [SAMENVATTING INDICATOREN]

Let op: "AI zei" is geen verdediging. De verantwoordelijkheid voor een onjuist nummer, een ongefundeerde claim of gelekte vertrouwelijke gegevens in een ESG-rapport ligt bij de organisatie en de persoon die het heeft goedgekeurd. Wanneer u AI gebruikt, draagt ​​u geen verantwoordelijkheid over; Je versnelt het werk alleen maar.

End-to-end kwaliteitspoortprompt

De volgende prompt voert alle stappen door één enkele controle uit voordat deze wordt gepubliceerd.

Jouw rol: ESG-kwaliteitsfunctionaris. Taak: geef het volgende rapportgedeelte door de end-to-end kwaliteitspoort. Geef voor elk item "geslaagd / FAIL" op en schrijf de reden op als het niet lukt: 1) Worden de bron en de eenheid van elk nummer vermeld? 2) Zijn de emissiefactoren afkomstig uit de officiële bron? 3) Zijn de standaard artikelnummers geverifieerd? 4) Zijn proxy's/schattingen gemarkeerd? 5) Zijn er uitspraken die greenwashing bevatten? 6) Is er sprake van lekkage van vertrouwelijke/persoonlijke gegevens? 7) Naam verantwoordelijke voor definitieve goedkeuring toegewezen? Sectie: [HOOFDSTUK]

De volgende prompt converteert de volledige module naar een ondernemingsbeleid.

Jouw rol: teamleider duurzaamheid. Taak: schrijf een intern beleid van één pagina over het gebruik van AI door het team bij ESG-werk. Inclusief: - Taken waarbij AI vrijelijk kan worden gebruikt (concept, samenvatting, code, themaanalyse) - Taken die menselijke verificatie vereisen (factor, standaard, claim, reikwijdte) - Gegevenstypen die nooit aan AI zullen worden gegeven (persoonlijk, niet bekendgemaakt financieel) - Kwaliteitspoortstappen die vóór elke release moeten worden doorlopen Toon: duidelijk, opsommingsteken, van toepassing.

drie minikoffers

Geval 1 — Rapport terug van de deur. Eén team dacht dat ze alle stappen hadden doorlopen en dat het rapport klaar was voor publicatie. De laatste prompt voor de kwaliteitspoort bevatte een niet-gesourcete “78% herstel”-claim en een “koolstofneutrale” verklaring in één sectie. De publicatie werd stopgezet voordat een van beide werd gecorrigeerd; De deur hield de bug vast voordat deze openbaar werd.

Geval 2 — Het lekken van vertrouwelijke gegevens wordt voorkomen. Een analist zou de nog te publiceren driemaandelijkse financiële impactgegevens in een openbaar beschikbaar hulpmiddel voor analyse plakken. De prompt voor gegevensclassificatie markeerde het als ‘vertrouwelijk – niet openbaar gemaakt financieel’. De gegevens werden eerst geaggregeerd en vervolgens verwerkt in de enterprise-tool; Een mogelijke overtreding van de wetgeving werd voorkomen.

Geval 3 — Verantwoordelijkheid nemen. Nadat een rapport was gepubliceerd, stelde een stakeholder een aantal in vraag. Het team zei niet "AI berekend"; opende de audit trail, vermeldde de bron, bracht een kleine correctie aan en legde het transparant uit. Deze houding, die niet berustte op de ‘AI zei’-verdediging, bewaarde het vertrouwen.

Veel voorkomende fouten

• Vooruitgaan zonder de deur van kwaliteit. Als er geen verificatie wordt uitgevoerd aan het einde van elke stap, zullen de fouten zich tot het einde ophopen.
• Gegevens aan het voertuig doorgeven zonder het te classificeren. Vertrouwelijke en persoonlijke gegevens kunnen niet zonder anonimisering in openbare AI worden ingevoerd.
• Verantwoordelijkheid overdragen aan AI. “AI zei” is geen juridische of professionele verdediging.
• Denkstappen geïsoleerd. Materialiteit, data, berekening en claim zijn met elkaar verbonden; Als er één beschadigd is, worden ze allemaal getroffen.
• Geen persoon aanwijzen die verantwoordelijk is voor de goedkeuring van de publicatie. Achter elke publieke claim moet een mens schuilgaan.

Samengevat

De ESG-business is een keten van acht onderling verbonden stappen, en AI is een versneller bij elke stap; Maar bij elke stap bevindt zich een deur van kwaliteit. Het ritme van “AI produceert → mens verifieert → gaat door de deur” combineert alle lessen van deze module tot één studiediscipline. Classificeer gegevens en bescherm de vertrouwelijkheid, bevestig factor en standaard uit officiële bron, koppel claim aan bewijsmateriaal, verwijder greenwashing vóór publicatie en geef de eindverantwoordelijkheid aan een mens. AI versnelt het werk; Je gaat uit van nauwkeurigheid, eerlijkheid en verantwoordelijkheid. Het criterium van dit beroep is niet ‘vloeiend overkomen’, maar ‘door de audit heen komen en bewezen zijn’.

Applicatie taak

Combineer de resultaten die u in eerdere eenheden hebt geproduceerd (een materialiteitslijst, een koolstofrekening, een rapportsectie) in één minirapport. Doorloop dit minirapport in 7 items met de bovenstaande end-to-end quality gate-prompt van AI. Vervolgens: (1) corrigeer elk item gemarkeerd met "RELEASE", (2) classificeer en onderneem actie met betrekking tot alle vertrouwelijke/persoonlijke gegevens, (3) voeg een verantwoordelijke naam en goedkeuringsnota toe voor publicatie.

controlelijst

• [ ] Ik heb de workflow opgezet met het ritme van “AI produceert → mens verifieert → gaat door de deur.”
• [ ] Ik heb een kwaliteitspoort geïmplementeerd bij de uitgang van elke stap.
• [ ] Ik heb alle gegevens geclassificeerd als vrij/intern/vertrouwelijk en heb de vertrouwelijkheid beschermd.
• [ ] Ik heb de factoren en standaarditems van de officiële bron bevestigd.
• [ ] Ik ondersteunde elke bewering met bewijs, waardoor greenwashing vóór publicatie werd geëlimineerd.
• [ ] Ik nam de verantwoordelijkheid zonder te vertrouwen op de "AI zei"-verdediging.
• [ ] Ik heb een verantwoordelijke naam en goedkeuringsregistratie voor de publicatie ingesteld.

Module-examen

1. Welke van de volgende is de beste positionering voor AI in de ESG- en duurzaamheidssector?

• A) Kunstmatige intelligentie is een assistent van code, data en blauwdrukken; De verantwoordelijkheid voor factoren, normen, bewijsmateriaal en ethische beslissingen ligt bij mensen ✔
• B) Kunstmatige intelligentie is een auditor en de ESG-waarden die het biedt, zijn een vervanging voor onafhankelijke zekerheid
• C) Kunstmatige intelligentie werkt alleen bij het schrijven van rapporten, het heeft niets met data en berekeningen te maken
• D) Omdat AI onpartijdiger is dan mensen, moeten alle ESG-beslissingen aan AI worden overgelaten

Omschrijving: Kunstmatige intelligentie; Het is een assistent die code schrijft, gegevens ordent, concepten maakt en samenvat. De eindverantwoordelijkheid voor het bevestigen van de emissiefactor, het controleren van het standaardstofnummer en het bewijzen van elke claim ligt echter bij de bevoegde deskundige. Het grote taalmodel is geen rekenmachine, database met regelgeving/standaarden of controleur; is een tekstgenerator die het 'volgende meest waarschijnlijke woord' produceert en de niet-geverifieerde uitvoer ervan kan leiden tot een valse melding of claim.

2. Wat betekent het aspect 'impactmaterialiteit' van een onderwerp in de dubbele materialiteitsanalyse?

• A) De impact van de uitgifte op de winst en de aandelenwaarde van de onderneming
• B) Het financiële risico van de uitgifte is alleen voor beleggers
• C) Prestaties van concurrerende bedrijven op hetzelfde onderwerp
• D) Impact van de activiteiten van het bedrijf op het milieu en de maatschappij ✔

Beschrijving: Dubbele materialiteit kijkt door twee lenzen. Financiële materialiteit is de impact van een issue op de kasstromen en waarde van een onderneming ('outside-in'). Impactmaterialiteit is de impact van de activiteiten van de onderneming op het milieu en de maatschappij (‘inside out’). CSRD/ESRS handhaaft beide aspecten; Omdat kunstmatige intelligentie vaak alleen naar de financiële richting verschuift, moet de impactrichting bovendien door de mens worden gecontroleerd.

3. Wat is de juiste aanpak bij het verzamelen van energiegegevens in kWh, MWh en GJ van verschillende installaties?

• A) Negeer eenheden en voeg alle getallen direct toe
• B) Vertrouwen op kunstmatige intelligentie om de lange lijst in je hoofd te verzamelen
• C) Alle waarden omzetten in een enkele eenheid en de conversie en som uitvoeren met code/formule ✔
• D) Het selecteren van de grootste eenheid en het niet rapporteren van andere faciliteiten

Uitleg: Unit churn is de meest voorkomende en gevaarlijke fout van ESG; Aangezien 1 MWh = 1.000 kWh kan het resultaat, als de eenheid wordt weggelaten, een factor 1.000 afwijken. De juiste aanpak is om alle waarden om te zetten in één enkele eenheid en de kunstmatige intelligentie deze conversie en optelling te laten doen met een uitvoerbare code/formule, en niet handmatig; het resultaat is dus deterministisch en verifieerbaar.

4. Tot welke reikwijdte behoren de emissies die voortvloeien uit de productie van aangekochte elektriciteit volgens het GHG Protocol?

• A) Toepassingsgebied 1
• B) Toepassingsgebied 2 ✔
• C) Toepassingsgebied 3
• D) Het is in geen enkele scope opgenomen en er wordt niet over gerapporteerd

Omschrijving: Scope 1 betreft de directe emissies uit de eigen bronnen van de organisatie (ketel, bedrijfswagen, generator). Scope 2 betreft de indirecte emissies uit de productie van ingekochte energie (elektriciteit, stoom, verwarming, koeling). Scope 3 omvat alle overige indirecte emissies in de waardeketen (aanbod, reizen, productgebruik, afval). Elektriciteit komt niet uit de schoorsteen van het bedrijf, maar de elektriciteitscentrale die deze produceert stoot emissies uit; het is dus bereik 2.

5. Welk concept wordt gebruikt bij het omzetten van een broeikasgas zoals methaan (CH₄) in CO₂e en waarom is dit belangrijk?

• A) GWP (potentieel voor de opwarming van de aarde); Als dit wordt weggelaten, zal het methaan/N₂O-effect sterk worden onderschat ✔
• B) AQI (luchtkwaliteitsindex); bepaalt de kleur van het gas in de lucht
• C) GRI (rapportage-initiatief); bepaalt in welke stof het gas wordt gerapporteerd
• D) Geen coëfficiënten vereist; methaan telt 1 op 1, net als CO₂

Beschrijving: GWP (Global Warming Potential) is de coëfficiënt die het verwarmingseffect van verschillende broeikasgassen omzet in een gemeenschappelijke eenheid ten opzichte van CO₂. Het 100-jarige GWP van methaan is ongeveer 28; 1 ton methaan betekent dus ongeveer 28 ton CO₂e. Als GWP buiten beschouwing wordt gelaten, wordt de impact van sterke gassen als methaan en N₂O sterk onderschat en zal de inventarisatie volkomen onnauwkeurig zijn; Ook moet worden vermeld welke GWP-set (bijvoorbeeld IPCC AR6, 100 jaar) wordt gebruikt.

6. Welke aanpak is de juiste voor het berekenen van 'activiteitsgegevens x emissiefactor' in een broeikasgasinventarisatie?

• A) Gebruik maken van de factor die de kunstmatige intelligentie onthoudt en het totaal handmatig laten doen
• B) Tellen van alle gassen als CO₂ en overslaanfactor en GWP-conversie
• C) Gebruik precies een standaardfactor voor elk land, jaar en brandstof
• D) Het bevestigen van de factor uit de officiële bron volgens land en jaar en het maken van de berekening steiger en totaal met code ✔

Beschrijving: Emissiefactoren variëren per land, jaar en brandstof; Het ‘herinneren’ aan de AI brengt het risico met zich mee dat er dingen worden verzonnen (hallucinaties). De factor moet altijd worden bevestigd aan de hand van een officiële tabel (IPCC, DEFRA/EPA, IEA, nationale inventaris); Alleen het scheiden van scopes, boekhoudkundige steigers en totale code zouden door kunstmatige intelligentie moeten worden gedaan. Totalen met meerdere rijen worden uitgevoerd met uitvoerbare code, niet handmatig.

7. Wat is het juiste gedrag voor een GRI/ESRS-standaardstofnummer (bijvoorbeeld 'GRI 305 voor waterverbruik') voorgesteld door de AI?

• A) Het nummer rechtstreeks in het rapport schrijven omdat kunstmatige intelligentie dit suggereert
• B) Artikelnummers zijn onbelangrijk; alles kan worden geschreven
• C) Het verifiëren van het nummer en de inhoud ervan met de officiële standaardtekst, en bevestigen in het geval dat het nep/verouderd is ✔
• D) Aangezien de emissies naar water en lucht vergelijkbaar zijn, moeten deze in hetzelfde artikel worden vermeld

Beschrijving: Kunstmatige intelligentie kan standaardcijfers genereren die echt lijken, maar waarvan de inhoud vals of volledig verzonnen is; Ook worden standaarden bijgewerkt en kan de versie die het model kent verouderd zijn. Water wordt bijvoorbeeld gerapporteerd onder GRI 303, terwijl GRI 305 luchtemissies betreft. Daarom kan elk stofnummer en elke inhoud niet worden gebruikt zonder te zijn geverifieerd met de officiële standaardtekst (GRI/EFRAG/ISSB).

8. Als de meeste leveranciers in de toeleveringsketen niet over echte koolstofgegevens beschikken, wat is dan de juiste en eerlijke aanpak voor Scope 3?

• A) Rechtstreeks gebruik maken van de cijfers die kunstmatige intelligentie verzint voor leveranciers
• B) Scope 3 volledig overslaan omdat het ‘moeilijk te meten’ is
• C) Gebruik degenen met echte gegevens en markeer duidelijk de proxy voor degenen zonder ✔
• D) Proxy toepassen op alle leveranciers en verbergen in het rapport

Beschrijving: Scope 3 is voor de meeste bedrijven het grootste, maar moeilijkst te meten item. Bij leveranciers die daadwerkelijke gegevens aanleveren, worden die gegevens gebruikt; Voor degenen die dit niet verstrekken, kan een op uitgaven gebaseerde proxy (schatting) worden gebruikt. Het cruciale punt is om de proxy niet te verbergen: het rapport moet duidelijk het deel en de proportie van de gebruikte schatting vermelden. Een versluierde volmacht kan leiden tot het ontkennen van onafhankelijke zekerheid; Het is ook verkeerd om Scope 3 geheel over te slaan omdat deze 'moeilijk te meten' is.

9. AI markeerde een leverancier uitsluitend op basis van het landelijke gemiddelde als 'mogelijke dwangarbeid'. Wat is correct gedrag?

• A) Accepteer het signaal als bewijs en verbreek onmiddellijk publiekelijk de relatie met de leverancier
• B) De claim rechtstreeks in het rapport schrijven omdat de kunstmatige intelligentie dit zegt
• C) Risicosignalen volledig negeren en helemaal niet onderzoeken
• D) Het signaal beschouwen als een ‘te onderzoeken waarschuwing’ en bevestigen met veldinspectie en een betrouwbare bron ✔

Uitleg: Ernstige beschuldigingen zoals mensenrechtenschendingen kunnen niet worden bewezen met een signaal afkomstig van kunstmatige intelligentie. Zo'n signaal is slechts een 'te onderzoeken waarschuwing'; Het gebruiken ervan als definitieve beschuldiging is zowel oneerlijk als juridisch riskant. Dergelijke claims worden alleen bevestigd door een betrouwbare bron, veldinspectie en juridische procedures. Kunstmatige intelligentie genereert signalen; De mens neemt het oordeel en de verantwoordelijkheid op zich.

10. Wat is de meest kritische voorzorgsmaatregel bij het analyseren van honderden vrije-tekstreacties uit een enquête onder belanghebbenden met AI?

• A) Zeldzame signalen van groot belang (veiligheid/ethisch/milieu) afzonderlijk vereisen en deze niet overschaduwen ✔
• B) Alleen de thema’s met de hoogste frequentie kiezen, waarbij minderheidsstandpunten worden geëlimineerd
• C) Reduceer alle antwoorden tot één positieve samenvatting en laat de details achterwege
• D) Het accepteren van de samenvatting van kunstmatige intelligentie in plaats van ruwe antwoorden

Beschrijving: Kunstmatige intelligentie versterkt de stem van de meerderheid en onderdrukt de stem van de minderheid in thematische analyse. Het meest waardevolle signaal op het gebied van duurzaamheid is echter soms een ernstig veiligheids-, ethisch of milieuprobleem dat door één persoon wordt geuit. De analyse vraagt ​​dus: 'wat werd het vaakst gezegd?' Het eindigt niet met; Signalen van 'zeldzame maar hoge significantie' moeten afzonderlijk worden opgevraagd en ruwe antwoorden moeten worden gebruikt als aanvulling op, en niet in plaats van, de samenvatting.

11. Wat is de meest effectieve manier om te voorkomen dat valse cijfers en doelen in de tekst lekken bij het schrijven van een rapportsectie naar kunstmatige intelligentie?

• A) Het gehele rapport in één keer laten maken door te zeggen 'schrijf een passende tekst'
• B) Alleen geverifieerde gegevens verstrekken en het genereren van nieuwe nummers/claims expliciet verbieden ✔
• C) Controleer hoe vloeiend en indrukwekkend de tekst is en publiceer deze
• D) AI toestaan om ontbrekende gegevens aan te vullen met redelijke gissingen

Beschrijving: Kunstmatige intelligentie genereert cijfers en doelstellingen die u in werkelijkheid niet heeft, waarbij gebruik wordt gemaakt van de logica 'dit is wat soortgelijke rapporten zeiden' in een lege prompt. De meest effectieve voorzorgsmaatregel is om het alleen geverifieerde gegevens te geven en 'geen cijfers, percentages, datums of claims toe te voegen behalve de gegevens die ik u heb gegeven; Het is bedoeld om duidelijk de regel te vermelden: 'schrijf [GEGEVENS VEREIST] op de ontbrekende plaats'. Bovendien moet het rapport sectie voor sectie worden afgedrukt, gevoed met gegevens.

12. Waar let een onafhankelijke assurance-auditor als eerste op bij het beoordelen van een duurzaamheidsverslag?

• A) Hoe vloeiend en professioneel het rapport is geschreven
• B) Elke kwestie heeft een bewijsketen die herleidbaar is tot het brondocument ✔
• C) Kunstmatige intelligentie zegt dat 'het rapport klaar is voor audit'
• D) Zorg ervoor dat het rapport assertiever overkomt dan de concurrentie

Uitleg: De onderzoeker is niet geïnteresseerd in de vloeiendheid van de tekst, maar in de bewijsketen achter elke bewering; Zijn eerste vraag is 'bewijs dit aantal'. Er wordt gekeken uit welk brondocument een getal komt, van welke formule en factor het een rapport maakt en of het zelfstandig herhaald kan worden. Daarom moet elke materiële metriek herleidbaar zijn tot de bron, moeten factoren worden geverifieerd vanuit de officiële bron en moeten proxy's worden gespecificeerd; Kunstmatige intelligentie bereidt deze voorbereiding voor, maar kan geen zekerheid bieden.

13. Welke van de volgende milieuclaims heeft het laagste risico op greenwashing?

• A) 'We hebben onze productie-emissies tegen 2023 met 18% verminderd (met verificatie door derden)' ✔
• B) 'Onze producten zijn volledig milieuvriendelijk en natuurlijk'
• C) 'Ons bedrijf is klimaatneutraal' (zonder documenten of gegevens te verstrekken)
• D) 'Wij zijn het meest duurzame en bijna-zero-impact bedrijf in de sector'

Toelichting: Een goede milieuclaim is meetbaar (bevat een getal), bewezen (gebaseerd op bewijs) en helder van omvang (het is duidelijk wat met wat wordt vergeleken en wanneer). 'We hebben de productie-emissies tegen 2023 met 18% verminderd (met verificatie door derden)' heeft deze drie kenmerken. Uitdrukkingen als ‘milieuvriendelijk’, ‘natuurlijk’, niet-gecertificeerd ‘koolstofneutraal’ zijn niet kwantificeerbaar of niet onderbouwd en brengen het risico van greenwashing met zich mee.

14. Wat moet er gebeuren voordat niet-openbaar gemaakte productie- en emissiegegevens van de fabriek voor analyse in een openbaar beschikbare AI-tool worden geplakt?

• A) De gegevens plakken zoals ze zijn; milieugegevens zijn altijd openbaar beschikbaar
• B) Geven zonder voorzorgsmaatregelen te nemen, aangezien de verantwoordelijkheid overgaat op de aanbieder van kunstmatige intelligentie
• C) Het risico is eenvoudigweg een misrekening; Een vertrouwelijkheidsmaatregel is niet nodig
• D) Gegevens classificeren als gratis/intern/vertrouwelijk en vertrouwelijke gegevens anonimiseren of bedrijfshulpmiddelen gebruiken ✔

Openbaarmaking: productie- en emissiegegevens op fabrieksniveau kunnen bedrijfsgeheimen zijn; financiële/milieugegevens die nog niet openbaar zijn gemaakt, kunnen in strijd zijn met de openbaarmakingsregels van de toezichthouder; Locatie-/salarisgegevens van medewerkers zijn persoonsgegevens in het kader van de KVKK/AVG. Voordat u dit soort gegevens aan een open tool geeft, is het noodzakelijk om deze te classificeren als gratis/intern/vertrouwelijk, indien nodig te anonimiseren of een bedrijfstool (gegevensvrij) te gebruiken. 'AI zei' is geen verdediging; De verantwoordelijkheid ligt bij de instelling en degene die het goedkeurt.