Gevinster:
- Evne til å skille mellom enkelt vesentlighet og dobbel vesentlighet og vurdere et problem med tanke på både innvirkning og økonomisk vesentlighet
- Evne til å dele hundrevis av interessentsvar i temaer med kunstig intelligens mens lavfrekvente, men viktige signaler holdes adskilt
- Evne til å teste listen over emner produsert av kunstig intelligens med bransjespesifikk virkelighet og knytte det endelige prioriterings- og metodikkdokumentet til mennesker
Ingen bedrifter kan rapportere om alle bærekraftspørsmål i samme dybde; Mens vannforbruk er et sekundært problem for et programvareselskap, er det livslinjen for en drikkevareprodusent. Dette er spørsmålet "hvilke saker er virkelig viktige for oss?" Svaret på spørsmålet er gitt av vesentlighetsanalyse (viktighetsanalyse). Vesentlighet er prosessen med å bestemme hvor "betydelig/betydelig" et bærekraftspørsmål er for en organisasjon og danner grunnlaget for hele ESG-rapporten. Falsk vesentlighet gjør til og med hundrevis av sider med rapporter verdiløse; fordi rapporten fokuserer på feil problemstillinger. I denne enheten vil du lære hvor du skal bruke kunstig intelligens (AI) som en akselerator og hvor som en risiko i denne prosessen.
La oss avklare to begreper først. Enkelt vesentlighet ser bare på hvordan et problem påvirker et selskaps økonomiske helse: "Hvordan vil klimaendringer påvirke inntektene/kostnadene våre?" Dobbel materialitet legger til et annet aspekt: selskapets innvirkning på verden. Så spørsmålet er todelt: (1) Hvordan påvirker dette problemet selskapet økonomisk? (2) Hvordan påvirker bedriften miljøet og samfunnet i denne forbindelse? CSRD og ESRS håndhever dette andre dobbeltblikket. Denne utmerkelsen er kjernen i både eksamen og praksis.
To aspekter av dobbel betydning
Dobbel materialitet ser gjennom to linser:
- Impact materiality — «inside out»: Den positive/negative effekten av virksomhetens aktiviteter på mennesker og miljø. Eksempel: avløpsvann som slippes ut i elven av en tekstilfabrikk.
- Finansiell vesentlighet – «utenfor-inn»: Virkningen av et bærekraftsproblem på et selskaps kontantstrømmer, kostnader og verdi. Eksempel: å øke karbonprisen øker produksjonskostnadene.
Hvis et emne er materiell i en av disse to linsene, anses det som rapporterbart i den doble materialitetslogikken. AI har vanskelig for å skille mellom disse to aspektene og driver ofte bare mot den økonomiske siden; Derfor er det viktig å kontrollere utgangen med denne forskjellen i tankene.
Emne
Impakt materialitet (til verden)
Økonomisk vesentlighet (for selskapet)
klimagassutslipp
Bidrag til klimaendringer
Karbonavgift, CBAM-kostnad
Arbeidernes helse og sikkerhet
Arbeidstakers liv og helse
Ulykkeserstatning, produksjonsstans
vannbruk
Regionalt vannstress
Vannmangel, produksjonsrisiko
Personvern for data
Brukerrettigheter
Straff, omdømme og kundetap
Tips: Når du vurderer et problem, "påvirker dette oss eller påvirker vi verden?" Del den i to. Mye grønnvasking og underrapportering skjer når selskaper bare rapporterer den økonomiske siden som påvirker dem, og skjuler virkningen de har på verden.
Trinn for trinn: AI-drevet materialitetsprosess
1. Lag faguniverset. Lag en lang liste over mulige bærekraftsemner som er relevante for din bransje. AI er en god idédugnadspartner her; En kandidatliste produseres ved å skanne ESRS-emneoverskrifter, GRI-bransjestandarder og peer-selskapsrapporter.
2. Identifiser interessenter. Interessenter er parter som er berørt av eller påvirket av selskapets aktiviteter: ansatte, kunder, leverandører, investorer, lokalbefolkningen, regulatorer, sivilsamfunnet. For hvert viktig spørsmål, "hvem er berørt?" spørsmålet stilles.
3. Samle innspill fra interessenter. Finn ut hvilke saker interessenter finner viktige gjennom undersøkelser, intervjuer og workshops. AI er veldig kraftig til å sortere hundrevis av åpne spørreundersøkelser i temaer (dette kalles tematisk analyse).
4. Score og prioriter. Score hvert emne på en skala på to akser (påvirkning og økonomisk). Emner med høy score anses som «viktig/materiale» og blir fokus i rapporten.
5. Bekreft og dokumenter. En forvaltningskomité godkjenner prioritering; Hvordan prosessen gjøres (metodikk) dokumenteres. CSRD krever også at selve materialitetsprosessen skal forklares.
Svak forespørsel / Sterk forespørsel
Svak melding:
Fortell oss om bærekraftspørsmålene som er viktige for deg.
Det inkluderer ikke industri, forretningsmodell, interessenter og dualitetsaspekter; AI produserer en generisk liste og hopper ofte over virkningsretningen.
Kraftig ledetekst:
Din rolle: ekspert på dobbel vesentlighet.Bedrift: Et mellomstort matvareselskap som produserer i Tyrkia.Oppgave: liste opp mulige bærekraftsspørsmål og foreta TO SEPARATE vurderinger for hver:- Virkningsvesentlighet (bedriftens innvirkning på miljøet/samfunnet) - Økonomisk vesentlighet (emisjonens økonomiske innvirkning på selskapet)For hver emisjon, skriv også ned de berørte kandidatene:Dennekandidaten er en; Scoring og endelig avgjørelse tilhører oss. Merk sektordata du ikke er sikker på som fabrikkert, "må verifiseres". Utgang: tabell (Tema | Virkningsretning | Økonomisk aspekt | Interessenter | Merknad).
Sorter interessentenes svar i temaer
Det tar dager å håndlese hundrevis av fritekstsvar fra vesentlighetsundersøkelser. AI kan bryte disse ned i temaer; men med et forbehold: AI kan avvise en minoritet, men kritisk mening (for eksempel et alvorlig sikkerhetsproblem reist av en enkelt ansatt) som «uviktig». Derfor er det tematiske sammendraget ikke en erstatning for råsvar; Det er en inngangsport til dem.
Nedenfor er 200 fritekstsvar fra vesentlighetsundersøkelsen.Oppgave:1) Del svarene inn i ikke mer enn 10 temaer, og gi hvert tema et kort navn.2) Tell hvor mange svar som nevner hvert tema.3) lister OGSÅ opp, eliminer, et lite antall men alvorlige (sikkerhet, juridisk, miljørisiko) meninger under overskriften "lav frekvens" eller ikke forvren noen høy frekvens. svar.Svar: [ANSWERS]
Forsiktig: Det tematiske sammendraget av AI er ikke en erstatning for råsvar. Spesielt "lavfrekvente, men høye viktige" meninger (et sikkerhetsbrudd, en mistanke om korrupsjon) kan bli overskygget av AI fordi de er få i antall. Sørg for å sjekke disse meningene med et eget øye.
tre minisaker
Sak 1 — Utelatelse av handlingsretningen. Et kjemisk selskap fikk AI til å utarbeide en materialitetsliste. Listen fokuserte på økonomiske spørsmål som karbonprisen og energikostnaden; men dens innvirkning på vannforsyningen til landsbyen nær fabrikken var ikke på listen. Eksperten la til «påvirkning»-aspektet som et spørsmål av dobbel betydning; Dette problemet viste seg senere å være det mest kritiske interessentproblemet.
Tilfelle 2 — Vekt i tall. En forhandler analyserte 1200 kundeundersøkelser med kunstig intelligens. YZ fant at 41 % av svarene berørte temaet «emballasjeavfall» og 23 % berørte temaet «arbeidsforhold». Teamet erklærte disse to temaene som prioriterte materielle emner; En forsyningskjede som dukket opp under overskriften "lavfrekvent" brakte imidlertid også mistanken om barnearbeid under særskilt gransking.
Sak 3 – Falsk betydning. AI flagget "vannforbruk" som et høyt prioritert materiell problem for et programvareselskap; mens selskapets eneste vannbruk var kontorkjøkkenet. Eksperten bagatelliserte dette og fokuserte på det virkelig materielle «datapersonvernet og energiforbruket». Rapporten ville mistet fokus dersom feil materiell ikke var blitt rettet.
Spør om å sette opp materialitetsmatrisen
Materialitetsmatrisen er et visuelt prioriteringsverktøy som plasserer emner langs to akser (påvirkning og økonomisk). Temaene i øvre høyre hjørne er de viktigste.
Ordne følgende emner og poeng i logikken til en materialitetsmatrise. Innspill: Impact score (1-5) og Financial score (1-5) for hvert tema. Oppgave: 1) Del temaene inn i fire soner: høy-høy (prioritert), høy effekt-lav økonomi, lav effekt-høy finans, lav-lav. 2) Foreslå den "prioriterte" regionen som hovedfokus for rapporten. 3) Definer grenseemner (rundt 3-3) som "menneskelig dømmekraft kreves". Poeng: [EMNE OG POENG]
Følgende ledetekst gir en oversikt for å skrive vesentlighetsmetodikken inn i rapporten.
Din rolle: ESG-rapportskribent. Oppgave: skriv 1 reviderbart avsnitt som forklarer vår doble vesentlighetsprosess. Ta med: hvilket fagunivers som ble skannet, hvilke interessenter som var involvert, etter hvilken metode det ble skåret, hvem som godkjente det. Regel: skriv undervurdert, verifiserbart og prosessorientert; legger til resultatpåstand.Inndata: [PROSESSNOTATER]
Vanlige feil
- Å være fornøyd med en viktig ting. Å kun se på den økonomiske konsekvensen og ignorere selskapets innvirkning på verden er mot CSRD.
- Holde interessenten smal. Å bare lytte til investorer og ekskludere ansatte, lokalbefolkning og leverandører forvrenger vesentlighet.
- Godtar AI-listen som den er. Kritiske problemstillinger spesifikke for sektoren kan mangle eller gis feil vekt i AI.
- Eliminer lavfrekvente seriøse meninger. Signaler som er få i antall, men høy risiko bør undersøkes separat.
- Dokumenterer ikke metodikken. Dersom det ikke er skrevet hvordan prosessen gjøres, vil ikke revisor godta vesentligheten.
Oppsummert
Materialanalyse er kompasset i hele ESG-rapporten; En rapport som fokuserer på feil problemstillinger er verdiløs, uansett hvor kvalitet den er skrevet. Den doble betydningen er både "hvordan påvirker dette problemet oss økonomisk?" samt "hvordan påvirker vi verden i denne saken?" stiller spørsmål sammen. AI er en kraftig akselerator for å generere universet av emner og sortere hundrevis av interessentsvar i temaer; men det har en tendens til å gå glipp av støtretningen, skape falsk betydning og eliminere lavfrekvente kritiske synspunkter. Endelig prioritering og godkjenning ligger alltid hos mennesket.
Søknadsoppgave
Velg en bransje (f.eks. matvarehandel) og be AI om en liste over 12-15 kandidatemner med den kraftige ledeteksten ovenfor. Deretter: (1) sjekk hvert emne ved å dele det i to når det gjelder innvirkning og økonomisk aspekt, (2) korriger kun de som har skiftet til den økonomiske siden, (3) velg de 5 emnene du mener er mest materielle med begrunnelse og lag utkast til en liten vesentlighetsmatrise.
sjekkliste
- [ ] Jeg evaluerte hvert problem med tanke på både innvirkning og økonomisk vesentlighet.
- [ ] Jeg utvidet listen over interessenter utover investoren (ansatt, offentlig, leverandør).
- [ ] Jeg testet listen over emner generert av AI mot bransjespesifikk virkelighet.
- [ ] Jeg undersøkte lavfrekvente, men høye viktige meninger separat.
- [ ] Jeg godkjente prioriteringen ved et menneske/utvalgsvedtak.
- [ ] Jeg har dokumentert vesentlighetsmetodikken i henhold til tilsynet.
- [ ] Jeg droppet spørsmål av falsk betydning (som egentlig ikke påvirker oss).