Winst:
- Mogelijkheid om Scope 3 vast te stellen door leveranciers te prioriteren op basis van uitgaven en risiconiveau en onderscheid te maken tussen feitelijke gegevens en proxy-schattingen
- Wanneer u risicosignalen van leveranciers markeert met kunstmatige intelligentie, behandel deze dan als 'te onderzoeken signalen' in plaats van als bewijsmateriaal
- Vermogen om ernstige mensenrechten-/milieuclaims te beheren via een due diligence-proces dat veldinspectie en juridische bevestiging vereist
Voor de meeste bedrijven ligt het grootste deel van hun duurzaamheidsimpact niet in hun eigen fabriek, maar in hun toeleveringsketen. Meer dan 80 procent van de CO2-voetafdruk van een kledingmerk kan afkomstig zijn van zijn leveranciers, variërend van stoffenfabrikanten tot verzending. Ook de ernstigste sociale risico’s, zoals kinderarbeid, dwangarbeid en milieuschendingen, doen zich vaak diep in de toeleveringsketen voor. In dit onderdeel leert u hoe u kunstmatige intelligentie (AI) kunt gebruiken om gegevens over de toeleveringsketen te verzamelen en te evalueren en om risico's op te sporen.
Laten we twee concepten verduidelijken. Scope 3 betreft, zoals we in de vorige unit hebben gezien, de indirecte emissies in de waardeketen van het bedrijf en is over het algemeen het grootste maar moeilijkst te meten item. Due diligence is het proces van het identificeren, voorkomen en verhelpen van mensenrechten- en milieurisico's in de toeleveringsketen van een bedrijf. Regelgeving zoals de CSDDD (Corporate Sustainability Due Diligence-richtlijn) van de EU maakt dit verplicht voor grote bedrijven.
De belangrijkste uitdaging van supply chain-gegevens
U kunt de gegevens van uw eigen faciliteit meten; Maar je kunt de data van honderden leveranciers niet direct meten, je moet het ze vragen. Dit levert drie problemen op:
- Gegevens komen niet aan of zijn onvolledig. De meeste kleinere leveranciers houden geen koolstofgegevens bij.
- De gegevens zijn onbetrouwbaar. Wanneer een leverancier zelf rapporteert, kan er sprake zijn van over- of onderrapportage.
- Er is een gok (proxy) vereist. Als er geen feitelijke gegevens beschikbaar zijn, wordt gebruik gemaakt van sectorgemiddelde of op uitgaven gebaseerde schattingen.
Dit is waar AI op twee manieren helpt: (1) het snel opstellen van enquêtes en vervolgbrieven die naar honderden leveranciers moeten worden gestuurd, (2) het structureren van verspreide reacties en het signaleren van risicosignalen. Maar geen enkel door de leverancier opgegeven nummer wordt geverifieerd, geen enkel risicosignaal wordt geconcludeerd zonder menselijke beoordeling.
Categorie Scope 3 (voorbeeld)
Gegevensbron
Typische methode
Gekochte goederen/diensten
Leveranciersonderzoek / uitgaven
Echte gegevens > proxy
Verzending en distributie
Vervoerdergegevens
Afstand × belasting × factor
zakenreizen
reissysteem
Km/vlucht × factor
Gebruik van het verkochte product
Energiegegevens van producten
Gebruiksmodel
afval
Documenten voor afvaloverdracht
Aantal × factor
Tip: In Scope 3 is de ‘op uitgaven gebaseerde’ schatting (zoveel CO₂e per bestede € 1.000) een snelle, maar ruwe schatting. Wanneer een leverancier echte gegevens verstrekt, gebruik deze dan; De op uitgaven gebaseerde schatting is alleen voorlopig als er geen feitelijke gegevens zijn en moet in het rapport worden gemarkeerd als 'schatting/proxy'.
Stap voor stap: Supply chain-workflow met AI
1. Geef prioriteit aan leveranciers. Je kunt niet alle honderden leveranciers even diep onderzoeken. Focus op bedrijven met een hoog uitgavenomvang en risico (sector, land). AI kan met deze prioritering een conceptlijst produceren.
2. Opstellen enquête en aanvraag. Vraag AI om een duidelijk, eenvoudig in te vullen overzicht van de leveranciersgegevensenquête.
3. Configureer de binnenkomende gegevens. Zet de antwoorden in verschillende formaten in één tabel; Markeer de ontbrekende onderdelen.
4. Scan op risicosignalen. Laat de AI ‘rode vlag’-kandidaten vinden in het publieke nieuws, gegevens schenden en discrepanties in onderzoeken voorkomen; Maar mensen verifiëren elk signaal.
5. Actie en achtervolging. Opstellen van een corrigerend actie- en vervolgplan voor leveranciers met een hoog risico; Documenteer het proces.
Zwakke prompt/sterke prompt
Zwakke prompt:
Bereken de CO2-voetafdruk van onze leveranciers.
Geen gegevensbron, geen echt/proxy-onderscheid en geen verificatie; AI verzint leveranciersnummers.
Krachtige prompt:
Jouw rol: analist duurzaamheid supply chain. Invoer: de namen van vijftien leveranciers, de sector, het jaarlijkse uitgavenbedrag en de daadwerkelijke emissiegegevens die zij verstrekken (indien aanwezig). Taak: 1) Voor degenen die echte gegevens verstrekken, gebruik die gegevens. 2) Voor degenen die niet over echte gegevens beschikken, schrijf "op uitgaven gebaseerde PROXY vereist", PAS NIET op het nummer; specificeer welke factor u uit de officiële bron moet halen.3) Geef prioriteit aan leveranciers in de sector met hoge uitgaven en een hoog risico. Uitvoer: tabel (Leverancier | Industrie | Uitgaven | Gegevenstype [actueel/proxy] | Prioriteit | Opmerking). Proxynummers worden gemarkeerd in het rapport.
Vraag om screening van leveranciersrisico's
Zet een risicoscreeningsplatform op voor de volgende lijst met leveranciers. Beoordeel voor elke leverancier (alleen op basis van informatie die ik heb verstrekt, publieke claim FAKE): - Mogelijk risico voor de mensenrechten vanuit land/sector (hoog/gemiddeld/laag) - Mogelijk milieurisico - Inconsistentie in onderzoeksreactie/rode vlaggenRegel: voeg de opmerking "verificatie vereist - geen bron" toe voor elk risico; uit geen definitieve beschuldigingen, stel alleen signalen voor om te onderzoeken. Lijst: [LEVERANCIERS]
Met de volgende prompt wordt een enquête over gegevensverzoeken opgesteld die naar leveranciers kan worden verzonden.
Jouw rol: specialist in duurzaamheidssourcing. Taak: stel een ESG-dataonderzoek op met niet meer dan 10 vragen die kleine/middelgrote leveranciers gemakkelijk kunnen invullen. Inclusief: energieverbruik, brandstoftype, verspilling, aantal arbeidsveiligheidsongevallen, inzet voor dwangarbeid/kinderarbeid. Toon: eenvoudig, duidelijk, gemakkelijk aan te vullen; Voeg eenheden en voorbeelden toe aan elke vraag.
Let op: Laat AI geen risicosignaal over de leverancier verifiëren (bijvoorbeeld ‘kinderarbeid’) en gebruik nooit een door AI gegenereerde claim als bewijs. Dergelijke ernstige claims worden alleen bevestigd door betrouwbare bronnen, veldinspecties en juridische procedures. AI produceert slechts een “te onderzoeken signaal”; oordeelt niet.
drie minikoffers
Geval 1 — Eerlijk gebruik van proxy. Slechts 30 van de 200 leveranciers van één meubelfabrikant verstrekten daadwerkelijke CO2-gegevens. Voor de overige 170 gebruikte het team een op uitgaven gebaseerde proxy, maar het rapport vermeldt duidelijk: "65% van Scope 3 is een op uitgaven gebaseerde schatting." De accountant erkende deze eerlijkheid; als het verborgen was geweest, had de verzekering kunnen worden ontkend.
Geval 2 — Prioritering. Een voedingsbedrijf had 480 leveranciers. AI liet zien dat 80% van de uitgaven geconcentreerd was bij 40 leveranciers. Het team concentreerde de diepe duik op deze 40; er werden geen middelen verspild en de leveranciers met de grootste impact werden gerapporteerd met echte gegevens.
Geval 3 — Risico op valse beschuldigingen. AI markeerde een leverancier als “mogelijke dwangarbeid”; De reden was alleen het landelijk gemiddelde. Het team accepteerde dit als een "te onderzoeken signaal", niet als bewijs, en verzocht om een veldinspectie. De inspectie heeft geen problemen aangetroffen; Als het signaal van de AI als bewijs zou worden opgevat, zou er een oneerlijke beschuldiging en een juridisch risico ontstaan.
Veel voorkomende fouten
- Leveranciersgegevens accepteren zonder deze te verifiëren. Zelfrapportage van leveranciersgegevens vereist kruiscontrole.
- De proxy verbergen. Het gebruik van op uitgaven gebaseerde prognoses is prima; Het niet specificeren is een probleem bij auditing.
- Alle leveranciers gelijkwaardig onderzoeken. Sourcing moet zich richten op leveranciers met hoge uitgaven en risico's.
- Het AI-signaal voor bewijs aanzien. Claims over mensenrechten-/milieuschendingen worden geverifieerd door het veld en de wet, niet door AI.
- Scope 3 helemaal overslaan. De grootste impact is meestal hier; Het kan niet worden genegeerd omdat het “moeilijk te meten” is.
Samengevat
De toeleveringsketen is waar de grootste ecologische en sociale impact van de meeste bedrijven schuilgaat; Scope 3-emissies en due diligence-risico's concentreren zich hier. AI; Het is een krachtig hulpmiddel bij het prioriteren van leveranciers, het opstellen van enquêtes, het structureren van verspreide reacties en het markeren van risicosignalen. Maar leveranciersgegevens worden pas in het rapport opgenomen nadat deze zijn geverifieerd, de proxy's duidelijk zijn vermeld en ernstige beschuldigingen zijn bevestigd door veldinspecties. AI genereert signalen; De mens neemt het oordeel en de verantwoordelijkheid op zich.
Applicatie taak
Maak een lijst van 10 fictieve leveranciers met naam, branche en jaarlijkse uitgaven; Voeg aan enkele feitelijke emissiegegevens toe en laat de meeste blanco. Vraag de AI om een tabel met prioriteiten en gegevenstype via de krachtige prompt hierboven. Vervolgens: (1) verifiëren dat het aantal leveranciers dat een volmacht nodig heeft niet bestaat, (2) de drie leveranciers met de hoogste prioriteit selecteren met motivering, (3) een korte gegevensenquête opstellen om naar hen te sturen.
controlelijst
- [ ] Ik heb leveranciers geprioriteerd op basis van uitgaven en risiconiveau.
- [ ] Ik heb echte gegevens gebruikt; Voor degenen die het niet hebben, ik heb de proxy gemarkeerd.
- [ ] Ik heb de leveranciersgegevens niet beoordeeld zoals ze zijn, maar door middel van kruiscontroles.
- [ ] Ik beschouwde de risicosignalen als "te onderzoeken" en gebruikte ze niet als bewijs.
- [ ] Ik heb een veldaudit/juridische verificatiestap gepland voor ernstige claims.
- [ ] Scope 3 heb ik niet overgeslagen; In het rapport heb ik de omvang en het inschattingspercentage vermeld.
- [ ] Het gehele traject heb ik vastgelegd met een due diligence document.