Enhet 8 / 11

Rapportskriving og automatisering: utkast, konsistens og narrativ redigering

Gevinster:

  • Evne til å skrive ut rapporten seksjon for seksjon med kun verifiserte data og forby kunstig intelligens å generere nye tall/påstander
  • Evne til å skanne etter inkonsekvenser av samme metrikk i forskjellige seksjoner og bestemme riktig verdi ved å gå til kilden
  • Evne til å forhindre at korrekt tekst blir til et villedende sammendrag ved å opprettholde "delvise/estimerte/ikke godkjente" forbehold under oppsummeringen

Alle data ble samlet inn, karbon ble beregnet, kartlagt til rammeverket, interessenter ble lyttet til; Nå skal alt dette bli til en lesbar bærekraftsrapport. En CSRD-rapport inneholder hundrevis av sider, dusinvis av indikatorer, mange narrative deler. Det er her det mest synlige bidraget til kunstig intelligens (AI) er: å produsere utkast til tekst, gjøre ulike seksjoner sammenhengende, oppsummere langt teknisk innhold. Men det er her den største risikoen ligger: AI er dyktig til å produsere flytende, vakker, prøvefri tekst. I denne enheten lærer du hvordan du opprettholder nøyaktighet og revisjonsbarhet mens du skriver ut rapporten raskt.

La oss sette det grunnleggende prinsippet fra begynnelsen: AI skriver teksten, mennesket kobler den til bevis. Hver numerisk påstand i en bærekraftsrapport bør være basert på et revisjonsspor, og enhver kvalitativ påstand bør være basert på et faktum. AI sin jobb er å organisere, effektivisere og gjøre uttrykket sammenhengende; not to produce the truth of the claim. «Velskrevet» og «nøyaktig og begrunnet» er to uavhengige egenskaper.

Hvor er AI sterk og hvor er det risikabelt i rapportskriving?

Quest

AI-bidrag

Risiko

Produserer et første utkast

Quickly fills the blank page

Can add claims without evidence

Konsistenssjekk

Catches term/unit conflict

Kan "korrigere" feil

oppsummering

Shortens the long section

Kan utelate kritisk nyanse

Toneredigering

Provides formal/clear language

May slide into exaggeration

Oversettelse

Generates multilingual reports

Mistranslates technical term

Den kritiske regelen er denne: når du gir AI en rapport, gi den bare validerte inndata og forby den fra å generere nye tall/krav. Ellers henter AI tall fra tidligere setninger som "virker rimelige", men som ikke har noen kilde.

Tips: Når du utarbeider en rapport, gi alltid AI-en denne regelen: "Ikke legg til noen tall, prosenter, datoer eller påstander annet enn dataene jeg ga deg; hvis noe mangler, skriv [DATA KREVES] der." Denne enkeltsetningen forhindrer de fleste av de oppdiktede påstandene som har sneket seg inn i rapporten.

Step by step: secure report writing

1. Build the skeleton first. Planlegg seksjonsoverskriftene og hvilke verifiserte data som skal gå i hver seksjon. AI produces good contents/skeleton.

2. Section by section, feed it with data. Skriv ut hver partisjon separat, med bare verifiserte data for den partisjonen. Ikke si "gjør opp" hele rapporten på en gang.

3. Lag et krav-bevis-match. Legg merke til kilden ved siden av hver tallsetning. En setning uten kilde vil ikke bli tatt med i rapporten.

4. Sjekk konsistensen. Det er en vanlig feil at den samme metrikken vises med forskjellige verdier i forskjellige seksjoner; AI er god til å skanne etter dette, men mennesket godkjenner korrigeringen.

5. Skann etter hype og greenwashing. I siste runde fjerner du teksten med et øye for "umålelig/ikke-beviserklæring" (neste enhet graver i dette).

Svak forespørsel / Sterk forespørsel

Svak melding:

Skriv klimadelen av vår bærekraftsrapport.

Ingen data; AI utgjør en "typisk klimaepisode", og setter inn tall og mål i teksten som du faktisk ikke har.

Kraftig ledetekst:

Din rolle: ESG-rapportskribent. Skriv: utkast til "Klima"-delen av rapporten. De ENESTE dataene du vil bruke (velg bort, legg til nytt nummer):- Scope 1: 1240 tCO2e (2024, bekreftet)- Scope 2: 2100 tCO2e (2024, stedsbasert)- Scope 3: delvis, 60 % dekket (inkludert proxy-reduksjon til 30+1 % i Scope 2)- Mål: 42+ til 12 % (ikke SBTi godkjent, brukt)Regler:- IKKE FAKE antall/prosent/dato annet enn dataene jeg gir; hvis mangler, skriv [DATA KREVES].- Gjør klart at Scope 3 er delvis og inkluderer en proxy.- Skriv ærlig at målet ennå ikke er godkjent, ikke si "godkjent".- Tone: tydelig, formell, undervurdert.

Ber om konsistens og kvalitetskontroll

Utfør en KONSistenskontroll på rapportutkastet nedenfor. Identifiser (merk, ikke korrekt):1) Situasjoner der samme metrikk forekommer med forskjellige verdier på forskjellige steder2) Enhetsinkonsekvenser (kg/tonn, kWh/MWh)3) Konflikt mellom en påstand i en seksjon med en annen seksjon4) Numeriske påstander med uspesifiserte kilder List opp hvert funn med seksjons-/radreferanse.Utkast: [UTKAST]

Følgende ledetekst oppsummerer en lang teknisk del til lederen; men det tvinger deg til å opprettholde nyanser.

Din rolle: rapportredaktør.Oppgave: reduser den tekniske delen nedenfor til 150 ord for sammendraget.Regler:- Ikke endre eller overdriv noen tall ved å avrunde.- HOPP reservasjoner som "delvis/estimert/ikke bekreftet", flytt til sammendrag.- Presenter usikkerhet som "sikker".Seksjon: [KAPITTEL]

OBS: AI kaster oftest ut «reservasjoner» når man oppsummerer. Hvis setninger som "Scope 3-data er delvis", "mål ennå ikke bekreftet", "data inneholder prediksjon" slettes for sammendragets skyld, blir en nøyaktig tekst til et villedende sammendrag. Å opprettholde forbehold i sammendrag er like viktig som å bevare tall.

tre minisaker

Tilfelle 1 - Lekket falskt mål. Et selskap fikk AI til å skrive klimadelen sin med en enkel oppfordring. YZ la til et "2040 netto null"-mål som faktisk ikke ble satt fordi "det ble nevnt i lignende rapporter." Redaktøren fanget opp dette; Målet ble faktisk ikke tatt og ville ha vært en feilaktig fremstilling hvis det ble publisert.

Tilfelle 2 – Inkonsistent beregning. I oppsummeringsdelen av en rapport ble vannforbruk skrevet som "1,2 millioner m³" og i detaljdelen ble det skrevet som "1,8 millioner m³". AIs konsistensskanning flagget motsigelsen; gikk ned til kilden, ble riktig verdi kombinert til 1,8 millioner m³.

Sak 3 — Slettet forbehold. Et sammendrag ble skrevet av AI som utelot forbeholdet om at "60 % av Scope 3 er et estimat", og rapporten så ut til å være fullstendig målt. Førrevisjonskontrollen la tilbake reservasjonen; ellers ville sammendraget være mer selvsikker og misvisende enn selve rapporten.

Vanlige feil

  • Skrive ut en rapport uten å oppgi data. Den tomme meldingen driver AI til å lage tall og mål.
  • Produserer hele rapporten på en gang. Å skrive ved å mate den data, seksjon for seksjon, opprettholder kontrollen.
  • Forkaste forbehold ved oppsummering. Ordene «delvis/estimert/ubekreftet» bør også forbli i sammendraget.
  • Å ha AI blindt korrigere inkonsekvensen. AI vet ikke hvilken verdi som er riktig; mann går ned til kilden.
  • Forveksler «flytende» med «riktig». Hvis en velskrevet setning er uten bevis, vil den fortsatt ikke bli inkludert i rapporten.

Oppsummert

Rapportskriving er det mest synlige, men mest risikable området for AI-bidrag. AI fyller raskt den tomme siden, holder delene konsistente og oppsummerer langt innhold; men det har en tendens til å legge til påstander uten bevis, slette forbehold og produsere overdrivelser. Sikker metode: mat bare verifiserte data, forby dem fra å generere nye tall, skriv ut seksjon for seksjon, skann for konsistens, men la mennesket gjøre korrigeringen ned til kilden. En "velskrevet" rapport er bare en god rapport hvis enhver påstand er basert på bevis.

Søknadsoppgave

Ha 4-5 numeriske dataelementer som du antar er bekreftet (ett "estimert" og ett "ubekreftet mål"). Be AI om et rapportseksjonsutkast via den kraftige ledeteksten ovenfor. Deretter: (1) verifiser at ingen tall som du ikke har oppgitt har lekket inn i teksten, (2) kontroller at de "estimerte" og "ubekreftede" forbeholdene beholdes, (3) reduser teksten til et sammendrag på 150 ord og bekrefter at forbeholdene forblir i sammendraget.

sjekkliste

  • [ ] Jeg la bare inn bekreftede data i rapporten.
  • [ ] Jeg ga eksplisitt AI-regelen "opprett nytt nummer/krav".
  • [ ] Jeg skrev ut rapporten del for del og matet den med data.
  • [ ] Jeg koblet hver numeriske påstand til en kilde/revisjonsspor.
  • [ ] Jeg skannet for inkonsekvenser og bestemte riktig verdi ved å gå tilbake til kilden.
  • [ ] Jeg beholdt de "delvise/estimerte/ikke bekreftede" forbeholdene i sammendragene.
  • [ ] Jeg eliminerte de overdrevne og umåtelige uttrykkene i siste runde.