ਲਾਭ:
- ਇਹ ਫਰਕ ਕਰਨ ਦੇ ਯੋਗ ਹੋਣਾ ਕਿ ਨਕਲੀ ਬੁੱਧੀ ESG ਵਰਕਫਲੋ (ਡੇਟਾ, ਖਾਤੇ, ਮੈਪਿੰਗ, ਰਿਪੋਰਟਿੰਗ) ਵਿੱਚ ਕਿੱਥੇ ਸਮਾਂ ਬਚਾਉਂਦੀ ਹੈ ਅਤੇ ਕਿੱਥੇ ਕਾਰਕ, ਮਿਆਰੀ ਅਤੇ ਦਾਅਵੇ ਦੇ ਫੈਸਲੇ ਮਨੁੱਖਾਂ ਲਈ ਛੱਡੇ ਜਾਂਦੇ ਹਨ, ਜੋਖਮ ਪੱਧਰ ਦੇ ਅਧਾਰ ਤੇ
- ਇੱਕ ਅਨੁਸ਼ਾਸਨ ਲਾਗੂ ਕਰਨ ਦੀ ਯੋਗਤਾ ਜੋ ਯੂਨਿਟ, ਸਰੋਤ ਅਤੇ ਆਡਿਟ ਟ੍ਰੇਲ ਕਦਮਾਂ ਦੇ ਨਾਲ ਹਰੇਕ ਸੰਖਿਆਤਮਕ ਅਤੇ ਗੁਣਾਤਮਕ ਆਉਟਪੁੱਟ ਦਾ ਆਡਿਟ ਕਰਦਾ ਹੈ
- ਇਹ ਸਮਝਣਾ ਕਿ ਕਿਉਂ ਨਕਲੀ ਨਿਕਾਸੀ ਕਾਰਕ, ਜਾਅਲੀ ਮਿਆਰੀ ਹਵਾਲੇ ਅਤੇ ਹਰੀ ਧੋਣ ਵਾਲੀ ਭਾਸ਼ਾ ਇਸ ਪੇਸ਼ੇ ਲਈ ਖ਼ਤਰੇ ਹਨ ਜਿਨ੍ਹਾਂ ਨੂੰ ਸ਼ੁਰੂ ਤੋਂ ਹੀ ਧਿਆਨ ਵਿੱਚ ਰੱਖਣਾ ਚਾਹੀਦਾ ਹੈ।
ਇੱਕ ਕੰਪਨੀ ਦੀ ਸਥਿਰਤਾ ਰਿਪੋਰਟ ਹੁਣ ਸਿਰਫ਼ ਇੱਕ ਸਦਭਾਵਨਾ ਬਰੋਸ਼ਰ ਨਹੀਂ ਹੈ; ਇਹ ਇੱਕ ਅਜਿਹਾ ਦਸਤਾਵੇਜ਼ ਹੈ ਜੋ ਲੇਖਾਕਾਰੀ ਦਸਤਾਵੇਜ਼ ਦੇ ਰੂਪ ਵਿੱਚ ਬਾਈਡਿੰਗ, ਆਡਿਟ ਅਤੇ ਕਾਨੂੰਨੀ ਨਤੀਜੇ ਹਨ। ਯੂਰਪੀਅਨ ਯੂਨੀਅਨ ਦੇ CSRD (ਕਾਰਪੋਰੇਟ ਸਸਟੇਨੇਬਿਲਟੀ ਰਿਪੋਰਟਿੰਗ ਡਾਇਰੈਕਟਿਵ) ਰੈਗੂਲੇਸ਼ਨ ਦੇ ਨਾਲ, ਹਜ਼ਾਰਾਂ ਕੰਪਨੀਆਂ; ਇਸ ਨੂੰ ਕਾਰਬਨ ਨਿਕਾਸ, ਕਰਮਚਾਰੀ ਡੇਟਾ ਅਤੇ ਸਪਲਾਈ ਚੇਨ ਪ੍ਰਭਾਵਾਂ ਨੂੰ ਲਾਜ਼ਮੀ, ਪ੍ਰਮਾਣਿਤ ਅਤੇ ਤੁਲਨਾਤਮਕ ਢੰਗ ਨਾਲ ਪ੍ਰਗਟ ਕਰਨਾ ਪਿਆ, ਜਿਵੇਂ ਕਿ ਵਿੱਤੀ ਸਟੇਟਮੈਂਟਾਂ। ਇਸ ਯੂਨਿਟ ਵਿੱਚ, ਤੁਸੀਂ ਇਹ ਸਿੱਖੋਗੇ ਕਿ ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਇਸ ਭਾਰੀ ਅਤੇ ਡਾਟਾ-ਇੰਟੈਂਸਿਵ ਕੰਮ ਵਿੱਚ ਸੱਚਮੁੱਚ ਕਿੱਥੇ ਸਮਾਂ ਬਚਾਉਂਦੀ ਹੈ, ਕਿੱਥੇ ਇਹ ਖਤਰਨਾਕ ਹੈ, ਅਤੇ ਹਰੇਕ ਆਉਟਪੁੱਟ ਦੀ ਪੁਸ਼ਟੀ ਕਿਵੇਂ ਕਰਨੀ ਹੈ।
ਪਹਿਲੀ, ਇੱਕ ਨਾਜ਼ੁਕ ਧਾਰਨਾ. ESG ਅੰਗਰੇਜ਼ੀ ਸ਼ਬਦ Environmental, Social and Governance ਦੇ ਸ਼ੁਰੂਆਤੀ ਅੱਖਰ ਹਨ; ਇਹ ਉਸ ਫਰੇਮਵਰਕ ਦਾ ਨਾਮ ਹੈ ਜੋ ਕੰਪਨੀ ਦੇ ਵਾਤਾਵਰਨ ਪ੍ਰਭਾਵਾਂ ਜਿਵੇਂ ਕਿ ਕਾਰਬਨ ਨਿਕਾਸ ਅਤੇ ਪਾਣੀ ਦੀ ਵਰਤੋਂ, ਸਮਾਜਿਕ ਪ੍ਰਭਾਵ ਜਿਵੇਂ ਕਿ ਕਰਮਚਾਰੀ ਅਧਿਕਾਰ ਅਤੇ ਕਿੱਤਾਮੁਖੀ ਸੁਰੱਖਿਆ, ਅਤੇ ਬੋਰਡ ਬਣਤਰ ਅਤੇ ਨੈਤਿਕਤਾ ਵਰਗੇ ਸ਼ਾਸਨ ਅਭਿਆਸਾਂ ਨੂੰ ਮਾਪਦਾ ਹੈ। ਸਸਟੇਨੇਬਿਲਟੀ ਰਿਪੋਰਟਿੰਗ ਇਹਨਾਂ ਤਿੰਨ ਖੇਤਰਾਂ ਵਿੱਚ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਇੱਕ ਮਿਆਰੀ ਢੰਗ ਨਾਲ ਮਾਪ ਰਹੀ ਹੈ ਅਤੇ ਇਸਨੂੰ ਜਨਤਾ ਲਈ ਪ੍ਰਗਟ ਕਰ ਰਹੀ ਹੈ।
ਦੂਜੀ ਨਾਜ਼ੁਕ ਧਾਰਨਾ: ਭਰਮ ਉਦੋਂ ਹੁੰਦਾ ਹੈ ਜਦੋਂ AI ਅਜਿਹੀ ਜਾਣਕਾਰੀ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜੋ ਅਸਲ ਵਿੱਚ ਪੂਰੇ ਭਰੋਸੇ ਨਾਲ ਸਹੀ ਨਹੀਂ ਹੈ। ਈਐਸਜੀ ਸੰਸਾਰ ਵਿੱਚ ਇਹ; ਤੁਹਾਨੂੰ ਇੱਕ ਕਾਲਪਨਿਕ ਨਿਕਾਸ ਕਾਰਕ, ਇੱਕ ਗੈਰ-ਮੌਜੂਦ GRI ਸਟੈਂਡਰਡ ਨੰਬਰ, ਇੱਕ ਗਲਤ ਯੂਨਿਟ ਜਾਂ ਗੈਰ-ਮੌਜੂਦ ਕਾਨੂੰਨ ਲੇਖ ਦਾ ਹਵਾਲਾ ਮਿਲ ਸਕਦਾ ਹੈ। ਨਾਜ਼ੁਕ ਬਿੰਦੂ ਇਹ ਹੈ ਕਿ ਇੱਕ ਵਿਸ਼ਾਲ ਭਾਸ਼ਾ ਮਾਡਲ (LLM) ਇੱਕ ਕੈਲਕੁਲੇਟਰ, ਇੱਕ ਰੈਗੂਲੇਟਰੀ ਡੇਟਾਬੇਸ, ਜਾਂ ਇੱਕ ਆਡੀਟਰ ਨਹੀਂ ਹੈ। ਇਹ ਇੱਕ ਟੈਕਸਟ ਜਨਰੇਟਰ ਹੈ ਜੋ ਸਿਖਲਾਈ ਡੇਟਾ ਵਿੱਚ ਦੇਖੇ ਜਾਣ ਵਾਲੇ ਪਾਠਾਂ ਦੀ ਅੰਕੜਾਤਮਕ ਤੌਰ 'ਤੇ ਨਕਲ ਕਰਦਾ ਹੈ। ਇਹ ਜ਼ਿਆਦਾਤਰ ਸਮਾਂ ਸਹੀ ਜਾਣਕਾਰੀ ਪੈਦਾ ਕਰਦਾ ਹੈ; ਪਰ "ਜ਼ਿਆਦਾਤਰ ਸਮਾਂ ਸਹੀ" ਅਤੇ "ਆਡਿਟ ਪਾਸ ਕਰਨ ਲਈ ਕਾਫ਼ੀ ਸਹੀ" ਵਿਚਕਾਰ ਅੰਤਰ ESG ਰਿਪੋਰਟਿੰਗ ਵਿੱਚ ਸਭ ਕੁਝ ਹੈ।
AI ESG ਵਿੱਚ ਕਿੱਥੇ ਕੰਮ ਕਰਦਾ ਹੈ ਅਤੇ ਕਿੱਥੇ ਨਹੀਂ ਕਰਦਾ?
ਏਆਈ ਨੂੰ ਇੱਕ ਤੇਜ਼ ਡਰਾਫਟ, ਡੇਟਾ ਕਿਊਰੇਸ਼ਨ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਸਹਿਭਾਗੀ ਵਜੋਂ ਸੋਚੋ: ਪ੍ਰਮਾਣਿਕਤਾ ਲਈ ਕੀਮਤੀ ਪਰ ਜ਼ਰੂਰੀ ਹੈ। ਨਿਮਨਲਿਖਤ ਅੰਤਰ ਇਸ ਮੋਡੀਊਲ ਦੀ ਰੀੜ੍ਹ ਦੀ ਹੱਡੀ ਹੈ।
ਖੋਜ
AI ਦਾ ਯੋਗਦਾਨ
ਮਾਹਰ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ
ਡਾਟਾ ਇਕੱਠਾ
ਵੱਖ-ਵੱਖ ਫਾਰਮੈਟਾਂ ਨੂੰ ਸੰਪਾਦਿਤ ਕਰਦਾ ਹੈ, ਸਪੇਸ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰਦਾ ਹੈ
ਸਰੋਤ ਦਸਤਾਵੇਜ਼ ਨਾਲ ਨੰਬਰ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨਾ
ਨਿਕਾਸ ਖਾਤਾ
ਫਾਰਮੂਲਾ ਅਤੇ ਗਣਨਾ ਫਰੇਮਵਰਕ ਬਣਾਉਂਦਾ ਹੈ
ਅਧਿਕਾਰਤ ਸਰੋਤ ਤੋਂ ਨਿਕਾਸ ਕਾਰਕ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨਾ
GRI/CSRD ਮੈਪਿੰਗ
ਮਿਆਰੀ ਵਸਤੂਆਂ ਲਈ ਸਮੱਗਰੀ ਦੀ ਸਿਫ਼ਾਰਿਸ਼ ਕਰਦਾ ਹੈ
ਸਟੈਂਡਰਡ ਟੈਕਸਟ ਨਾਲ ਬਿਲਕੁਲ ਜਾਂਚ ਕਰ ਰਿਹਾ ਹੈ
ਪਦਾਰਥਕਤਾ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ
ਸਟੇਕਹੋਲਡਰ ਦੇ ਵਿਚਾਰਾਂ ਨੂੰ ਥੀਮਾਂ ਵਿੱਚ ਵੱਖ ਕਰਦਾ ਹੈ
ਇੱਕ ਤਰਜੀਹੀ ਫੈਸਲਾ ਕਰੋ
ਰਿਪੋਰਟ ਲਿਖਣਾ
ਡਰਾਫਟ ਟੈਕਸਟ ਅਤੇ ਸੰਖੇਪ ਤਿਆਰ ਕਰਦਾ ਹੈ
ਸਬੂਤਾਂ ਨਾਲ ਹਰ ਦਾਅਵੇ ਦਾ ਸਮਰਥਨ ਕਰੋ
ਗ੍ਰੀਨਵਾਸ਼ਿੰਗ ਕੰਟਰੋਲ
ਫਲੈਗ ਜੋਖਮ ਭਰੇ ਵਾਕਾਂਸ਼
ਅੰਤਿਮ ਦਾਅਵੇ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਲਓ
ਅੰਗੂਠੇ ਦਾ ਨਿਯਮ: AI ਨੂੰ ਡੇਟਾ 'ਤੇ ਨਹੀਂ ਲਾਗੂ ਕਰੋ; ਡੇਟਾ, ਸਕੈਫੋਲਡ ਵਿਸ਼ਲੇਸ਼ਣ, ਅਤੇ ਡਰਾਫਟ ਟੈਕਸਟ ਨੂੰ ਸੰਗਠਿਤ ਕਰਨ ਲਈ ਵਰਤੋਂ; ਹਮੇਸ਼ਾ ਪ੍ਰਾਇਮਰੀ ਸਰੋਤ (ਇਨਵੌਇਸ, ਮੀਟਰ ਰਿਕਾਰਡ, ਅਧਿਕਾਰਤ ਸਟੈਂਡਰਡ ਟੈਕਸਟ, ਐਮੀਸ਼ਨ ਫੈਕਟਰ ਡੇਟਾਬੇਸ) ਨਾਲ ਹਰੇਕ ਨੰਬਰ ਅਤੇ ਹਰੇਕ ਸਟੈਂਡਰਡ ਹਵਾਲੇ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ। ਸਥਿਰਤਾ ਰਿਪੋਰਟ ਵਿੱਚ ਹਰੇਕ ਅੰਕੜੇ ਦੇ ਪਿੱਛੇ ਇੱਕ ਆਡਿਟ ਟ੍ਰੇਲ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਜੋ ਇੱਕ ਆਡੀਟਰ ਚਾਹ ਸਕਦਾ ਹੈ। AI ਇਹ ਸਬੂਤ ਪੇਸ਼ ਨਹੀਂ ਕਰ ਸਕਦਾ; ਇਹ ਤੁਹਾਨੂੰ ਇਸਨੂੰ ਵਿਵਸਥਿਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ।
ESG ਵਿੱਚ AI ਦੇ ਤਿੰਨ ਮਾਰੂ ਜਾਲ
1. ਨਿਰਮਿਤ ਨਿਕਾਸ ਕਾਰਕ ਅਤੇ ਸੰਖਿਆਵਾਂ। AI ਇੱਕ ਨਿਕਾਸ ਕਾਰਕ ਨੂੰ "ਭਰ" ਸਕਦਾ ਹੈ ਜਿਸ ਨੂੰ ਇਹ ਯਾਦ ਨਹੀਂ ਹੈ (ਈਂਧਨ ਜਾਂ ਬਿਜਲੀ ਦੀ ਪ੍ਰਤੀ ਯੂਨਿਟ ਕਾਰਬਨ ਨਿਕਾਸ ਦਾ ਗੁਣਾਂਕ) ਇੱਕ ਸੰਖਿਆ ਦੇ ਨਾਲ ਜੋ ਵਾਜਬ ਲੱਗਦਾ ਹੈ। ਇਹ ਸੰਖਿਆ ਸਾਰੀ ਕਾਰਬਨ ਫੁੱਟਪ੍ਰਿੰਟ ਗਣਨਾ ਨੂੰ ਅਯੋਗ ਕਰ ਦਿੰਦੀ ਹੈ।
2. ਗੈਰ-ਮੌਜੂਦ ਜਾਂ ਪੁਰਾਣੇ ਕਾਨੂੰਨ/ਮਾਨਕਾਂ ਦਾ ਹਵਾਲਾ। AI ਸਟੈਂਡਰਡ ਨੰਬਰ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ ਜੋ ਅਸਲੀ ਦਿਖਾਈ ਦਿੰਦੇ ਹਨ ਪਰ ਜਿਨ੍ਹਾਂ ਦੀ ਸਮੱਗਰੀ ਨੂੰ ਗਲਤ ਢੰਗ ਨਾਲ ਪੇਸ਼ ਕੀਤਾ ਗਿਆ ਹੈ ਜਾਂ ਪੂਰੀ ਤਰ੍ਹਾਂ ਮਨਘੜਤ ਹੈ, ਜਿਵੇਂ ਕਿ "GRI 305-7"। ਮਿਆਰ ਵੀ ਨਿਯਮਿਤ ਤੌਰ 'ਤੇ ਅੱਪਡੇਟ ਕੀਤੇ ਜਾਂਦੇ ਹਨ; ਮਾਡਲ ਲਈ ਜਾਣਿਆ ਗਿਆ ਸੰਸਕਰਣ ਪੁਰਾਣਾ ਹੋ ਸਕਦਾ ਹੈ।
3. ਭਾਸ਼ਾ ਜੋ ਹਰਿਆਵਲ ਪੈਦਾ ਕਰਦੀ ਹੈ। AI ਉਤਸੁਕਤਾ ਨਾਲ "ਵਾਤਾਵਰਣ ਦੇ ਅਨੁਕੂਲ", "ਵਾਤਾਵਰਣ ਅਨੁਕੂਲ", "ਕਾਰਬਨ ਨਿਰਪੱਖ" ਵਰਗੇ ਚੰਗੇ-ਅਵਾਜ਼ ਵਾਲੇ ਪਰ ਬੇਬੁਨਿਆਦ ਅਤੇ ਗੁੰਮਰਾਹਕੁੰਨ ਬਿਆਨ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਇਹ ਬਿਆਨ ਅੱਜ ਕਾਨੂੰਨੀ ਖ਼ਤਰੇ ਵਿੱਚ ਹਨ। ਅਸੀਂ ਇਸ ਨੂੰ ਯੂਨਿਟ 10 ਵਿੱਚ ਡੂੰਘਾਈ ਨਾਲ ਕਵਰ ਕਰਾਂਗੇ।
ਸੰਕੇਤ: ਤਿੰਨ ਸਵਾਲਾਂ ਦੇ ਨਾਲ ਹਰੇਕ ਸੰਖਿਆਤਮਕ ESG ਨਤੀਜੇ ਤੱਕ ਪਹੁੰਚੋ: (1) ਇਸਦੀ ਇਕਾਈ ਕੀ ਹੈ (tCO₂e, kg, MWh)? (2) ਕਿਹੜਾ ਦਸਤਾਵੇਜ਼ ਸਰੋਤ ਹੈ? (3) ਮੈਂ ਇਸ ਅੰਕੜੇ ਨੂੰ ਆਡੀਟਰ ਨੂੰ ਕਿਵੇਂ ਸਾਬਤ ਕਰਾਂ? ਇਹ ਤਿੰਨ ਸਵਾਲ ਮੁਕੁਲ ਵਿੱਚ ਜ਼ਿਆਦਾਤਰ ESG ਗਲਤੀਆਂ ਨੂੰ ਫੜਦੇ ਹਨ। ਇੱਥੇ "tCO₂e" ਦਾ ਅਰਥ ਹੈ "ਟਨ ਕਾਰਬਨ ਡਾਈਆਕਸਾਈਡ ਦੇ ਬਰਾਬਰ"; ਇਹ ਉਹ ਮਾਪ ਹੈ ਜੋ ਵੱਖ-ਵੱਖ ਗ੍ਰੀਨਹਾਉਸ ਗੈਸਾਂ ਨੂੰ ਇੱਕ ਸਾਂਝੀ ਇਕਾਈ ਵਿੱਚ ਬਦਲਦਾ ਹੈ।
ਕਦਮ ਦਰ ਕਦਮ: ESG ਵਿੱਚ ਸੁਰੱਖਿਅਤ AI ਵਰਕਫਲੋ
1. ਕੰਮ ਨੂੰ ਸਟੈਂਡਰਡ ਅਤੇ ਯੂਨਿਟ ਨਾਲ ਲਿੰਕ ਕਰੋ। "ਸਾਡੇ ਕਾਰਬਨ ਨਿਕਾਸ ਦੀ ਗਣਨਾ ਕਰੋ" ਦੀ ਬਜਾਏ, "2024, ਇਸਤਾਂਬੁਲ ਦਫਤਰ, ਕੁਦਰਤੀ ਗੈਸ ਦੀ ਖਪਤ 12,000 m³; GHG ਪ੍ਰੋਟੋਕੋਲ ਸਕੋਪ 1 ਵਿਧੀ ਨਾਲ tCO₂e ਵਿੱਚ ਨਿਕਾਸ ਦੀ ਗਣਨਾ ਕਰੋ, ਤੁਹਾਡੇ ਦੁਆਰਾ ਵਰਤੇ ਜਾਣ ਵਾਲੇ ਨਿਕਾਸ ਕਾਰਕ ਅਤੇ ਸਰੋਤ ਨੂੰ ਨਿਸ਼ਚਿਤ ਕਰੋ।"
2. ਸਰੋਤ ਅਤੇ ਧਾਰਨਾ ਲਈ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਪੁੱਛੋ। AI ਨੂੰ ਇਹ ਲਿਖਣ ਲਈ ਕਹੋ ਕਿ ਉਸ ਨੇ ਹਰੇਕ ਸੰਖਿਆ ਲਈ ਕਿਹੜਾ ਨਿਕਾਸ ਕਾਰਕ, ਕਿਹੜਾ ਮਿਆਰ, ਅਤੇ ਕਿਹੜੀ ਧਾਰਨਾ ਵਰਤੀ ਹੈ। ਸਰੋਤ ਦਾ ਹਵਾਲਾ ਦਿੱਤੇ ਬਿਨਾਂ ਕਿਸੇ ਵੀ ਸੰਖਿਆ ਨੂੰ ਸਵੀਕਾਰ ਨਾ ਕਰੋ।
3. ਪ੍ਰਾਇਮਰੀ ਸਰੋਤ ਨਾਲ ਪੁਸ਼ਟੀ ਕਰੋ। ਇੱਕ ਅਧਿਕਾਰਤ ਡੇਟਾਬੇਸ (ਜਿਵੇਂ ਕਿ ਊਰਜਾ ਲਈ ਰਾਸ਼ਟਰੀ ਵਿਭਾਗ, UK DEFRA ਡੇਟਾਸੈਟ, IEA), GRI ਜਾਂ EFRAG ਅਧਿਕਾਰਤ ਦਸਤਾਵੇਜ਼ ਤੋਂ ਮਿਆਰੀ ਟੈਕਸਟ ਤੋਂ ਨਿਕਾਸੀ ਕਾਰਕ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ। EFRAG ਇੱਕ ਯੂਰਪੀਅਨ ਸੰਸਥਾ ਹੈ ਜੋ ESRS (ਯੂਰੋਪੀਅਨ ਸਸਟੇਨੇਬਿਲਟੀ ਰਿਪੋਰਟਿੰਗ ਸਟੈਂਡਰਡ) ਦੇ ਮਿਆਰ ਤਿਆਰ ਕਰਦੀ ਹੈ ਜਿਸ 'ਤੇ CSRD ਅਧਾਰਤ ਹੈ।
4. ਆਡਿਟ ਟ੍ਰੇਲ ਨੂੰ ਸੁਰੱਖਿਅਤ ਕਰੋ। ਇੱਕ ਸਾਰਣੀ ਵਿੱਚ ਲਿਖੋ ਕਿ ਤੁਸੀਂ ਕਿਹੜਾ ਡੇਟਾ ਵਰਤਿਆ, ਕਿਸ ਸਰੋਤ ਤੋਂ, ਕਿਸ ਮਿਤੀ ਨੂੰ, ਅਤੇ ਕਿਸ ਧਾਰਨਾ ਦੇ ਤਹਿਤ। ਭਰੋਸਾ ਆਡੀਟਰ (ਸੁਤੰਤਰ ਤਸਦੀਕਕਰਤਾ) ਇਸ ਦੀ ਬੇਨਤੀ ਕਰੇਗਾ।
5. ਕਿਸੇ ਮਨੁੱਖ ਨੂੰ ਅੰਤਿਮ ਦਾਅਵੇ ਦੀ ਪੁਸ਼ਟੀ ਕਰੋ। ਹਰੇਕ ਜਨਤਕ ESG ਦਾਅਵੇ ਦੇ ਪਿੱਛੇ ਇੱਕ ਜ਼ਿੰਮੇਵਾਰ ਵਿਅਕਤੀ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਇੱਕੋ ਨੌਕਰੀ ਲਈ ਦੋ ਵੱਖ-ਵੱਖ ਤਰੀਕਿਆਂ ਨਾਲ ਬੇਨਤੀ ਕਰਨਾ ਨਤੀਜੇ ਦੀ ਭਰੋਸੇਯੋਗਤਾ ਨੂੰ ਮੂਲ ਰੂਪ ਵਿੱਚ ਬਦਲ ਦਿੰਦਾ ਹੈ।
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:
ਸਾਡੀ ਕੰਪਨੀ ਦੇ ਕਾਰਬਨ ਫੁੱਟਪ੍ਰਿੰਟ ਦੀ ਗਣਨਾ ਕਰੋ ਅਤੇ ਸਥਿਰਤਾ ਰਿਪੋਰਟ ਲਈ ਇੱਕ ਪੈਰਾ ਲਿਖੋ।
ਇਸ ਦਾਅਵੇ ਵਿੱਚ ਇਕਾਈ, ਦਾਇਰੇ, ਸਾਲ, ਡੇਟਾ ਅਤੇ ਸਰੋਤ ਸ਼ਾਮਲ ਨਹੀਂ ਹਨ; AI ਫਰੇਬਿਕੇਸ਼ਨ ਨਾਲ ਖਾਲੀ ਥਾਵਾਂ ਨੂੰ ਭਰਦਾ ਹੈ ਅਤੇ ਗ੍ਰੀਨਵਾਸ਼ਿੰਗ ਨਾਲ ਭਰਪੂਰ ਟੈਕਸਟ ਤਿਆਰ ਕਰਦਾ ਹੈ।
ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:
ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਇੱਕ ਸੀਨੀਅਰ ESG ਰਿਪੋਰਟਿੰਗ ਮਾਹਰ। ਇਨਪੁਟ ਡੇਟਾ (ਸਿਰਫ਼ ਇਹਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰੋ, ਜੇਕਰ ਗੁੰਮ ਹੈ ਤਾਂ 'ਕੋਈ ਡਾਟਾ ਨਹੀਂ' ਲਿਖੋ):- 2024, ਕੁਦਰਤੀ ਗੈਸ: 12,000 m³- 2024, ਗਰਿੱਡ ਬਿਜਲੀ: 85,000 kWhTask: GHG ਪ੍ਰੋਟੋਕੋਲ Scope-2 ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ CO₂e ਵਿੱਚ ਨਿਕਾਸ ਦੀ ਗਣਨਾ ਕਰੋ। method.Rules:- ਹਰ ਇੱਕ ਨਿਕਾਸੀ ਜੋ ਤੁਸੀਂ ਵਰਤਦੇ ਹੋ, ਇੱਕ ਵੱਖਰੇ ਕਾਲਮ ਵਿੱਚ ਕਾਰਕ, ਇਕਾਈ ਅਤੇ ਸਰੋਤ ਨਿਰਧਾਰਤ ਕਰੋ। - ਜੇ ਤੁਸੀਂ ਕਾਰਕ ਨਹੀਂ ਜਾਣਦੇ ਹੋ, ਤਾਂ ਇਸ ਨੂੰ ਨਾ ਬਣਾਓ; "ਅਧਿਕਾਰਤ ਕਾਰਕ ਲੋੜੀਂਦਾ" ਲਿਖੋ। - ਇੱਕ ਸਾਰਣੀ ਵਿੱਚ ਨਤੀਜਾ ਦਿਓ; ਉਹਨਾਂ ਆਈਟਮਾਂ ਦੀ ਸੂਚੀ ਬਣਾਓ ਜਿਹਨਾਂ ਦੀ ਅੰਤ ਵਿੱਚ ਪੁਸ਼ਟੀ ਕਰਨ ਦੀ ਲੋੜ ਹੈ।
ਨੈਤਿਕਤਾ, ਗੋਪਨੀਯਤਾ ਅਤੇ ਸੀਮਾਵਾਂ
ESG ਡੇਟਾ ਅਕਸਰ ਸੰਵੇਦਨਸ਼ੀਲ ਹੁੰਦਾ ਹੈ: ਕਰਮਚਾਰੀ ਲਿੰਗ ਅਤੇ ਤਨਖਾਹ ਡੇਟਾ (ਸਮਾਜਿਕ ਸੂਚਕ), ਸਪਲਾਇਰ ਇਕਰਾਰਨਾਮੇ ਦੀਆਂ ਸ਼ਰਤਾਂ, ਵਿੱਤੀ ਪ੍ਰਭਾਵਾਂ ਦਾ ਅਜੇ ਖੁਲਾਸਾ ਨਹੀਂ ਕੀਤਾ ਗਿਆ ਹੈ। ਇਸ ਡੇਟਾ ਨੂੰ ਜਨਤਕ AI ਟੂਲ ਵਿੱਚ ਦਾਖਲ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਗੋਪਨੀਯਤਾ ਸੀਮਾ ਨੂੰ ਸਪੱਸ਼ਟ ਕਰੋ। AI ਨੂੰ ਦੇਣ ਤੋਂ ਪਹਿਲਾਂ ਨਿੱਜੀ ਡੇਟਾ (ਨਾਮ, ID, KVKK ਅਤੇ GDPR ਦੇ ਦਾਇਰੇ ਦੇ ਅੰਦਰ ਤਨਖ਼ਾਹ) ਗੁਮਨਾਮ ਜਾਂ ਇਕੱਤਰ ਕਰੋ; ਭਾਵ, ਵਿਅਕਤੀਗਤ ਲੋਕਾਂ ਦੀ ਬਜਾਏ, ਉਹਨਾਂ ਨੂੰ ਸੰਖੇਪ ਸੰਖਿਆਵਾਂ ਵਿੱਚ ਬਦਲੋ ਜਿਵੇਂ ਕਿ "ਮਹਿਲਾ ਕਰਮਚਾਰੀ ਦਰ 38% ਹੈ"। KVKK ਤੁਰਕੀ ਦਾ ਨਿੱਜੀ ਡਾਟਾ ਸੁਰੱਖਿਆ ਕਾਨੂੰਨ ਹੈ ਅਤੇ GDPR ਯੂਰਪ ਦਾ ਨਿੱਜੀ ਡਾਟਾ ਸੁਰੱਖਿਆ ਕਾਨੂੰਨ ਹੈ।
ਸਾਵਧਾਨ: ਇੱਕ ESG ਰਿਪੋਰਟ ਵਿੱਚ ਇੱਕ ਝੂਠਾ ਜਾਂ ਅਤਿਕਥਨੀ ਵਾਲਾ ਦਾਅਵਾ ਨਾ ਸਿਰਫ਼ ਇੱਕ ਪ੍ਰਤਿਸ਼ਠਾਤਮਕ ਜੋਖਮ ਹੈ; ਇਸ ਦੇ ਨਤੀਜੇ ਵਜੋਂ CSRD ਅਤੇ ਰਾਸ਼ਟਰੀ ਖਪਤਕਾਰ ਕਾਨੂੰਨ ਦੇ ਤਹਿਤ ਜੁਰਮਾਨੇ ਅਤੇ ਕਾਨੂੰਨੀ ਜ਼ਿੰਮੇਵਾਰੀ ਹੋ ਸਕਦੀ ਹੈ। ਬਿਨਾਂ ਸਬੂਤ ਦੇ AI ਦੁਆਰਾ ਪੇਸ਼ ਕੀਤੇ ਗਏ ਕਿਸੇ ਵੀ ਦਾਅਵੇ ਨੂੰ ਪ੍ਰਕਾਸ਼ਿਤ ਨਾ ਕਰੋ।
ਤਿੰਨ ਛੋਟੇ ਕੇਸ
ਕੇਸ 1 — ਸੰਕਲਿਤ ਕਾਰਕ। ਇੱਕ ਨਿਰਮਾਣ ਕੰਪਨੀ ਨੇ AI ਨੂੰ ਡੀਜ਼ਲ ਦੀ ਖਪਤ ਦਿੱਤੀ ਅਤੇ ਨਿਕਾਸ ਦੀ ਗਣਨਾ ਲਈ ਕਿਹਾ। YZ ਨੇ "ਡੀਜ਼ਲ ਲਈ 2.40 kgCO₂e/ਲੀਟਰ" ਫੈਕਟਰ ਦੀ ਵਰਤੋਂ ਕੀਤੀ। ਮਾਹਰ ਨੇ ਜਾਂਚ ਕੀਤੀ: ਅਧਿਕਾਰਤ ਕਾਰਕ ਲਗਭਗ 2.68 kgCO₂e/ਲੀਟਰ ਸੀ। ਅੰਤਰ 10% ਸੀ ਅਤੇ ਇਸਦਾ ਮਤਲਬ ਪ੍ਰਤੀ 40,000 ਲੀਟਰ ਖਪਤ ਵਿੱਚ ਲਗਭਗ 11 ਟਨ CO₂e ਦਾ ਭਟਕਣਾ ਸੀ। ਕਾਰਕ ਨੂੰ ਅਧਿਕਾਰਤ ਸਰੋਤ ਤੋਂ ਠੀਕ ਕੀਤਾ ਗਿਆ ਹੈ।
ਕੇਸ 2 - ਗੈਰ-ਮੌਜੂਦ ਮਿਆਰ। ਇੱਕ ਸਲਾਹਕਾਰ ਨੇ ਰਿਪੋਰਟ ਲਈ "GRI 305-8 ਪਾਣੀ ਦੀ ਖਪਤ" ਸਿਰਲੇਖ ਲਈ YZ ਨੂੰ ਕਿਹਾ। ਜਦੋਂ ਕਿ ਪਾਣੀ ਨੂੰ ਜੀ.ਆਰ.ਆਈ. 303 ਤਹਿਤ ਦਰਜ ਕੀਤਾ ਗਿਆ ਹੈ; ਜੀਆਰਆਈ 305 ਹਵਾ ਦਾ ਨਿਕਾਸ ਹੈ। ਜਦੋਂ ਮਿਆਰੀ ਟੈਕਸਟ ਨਾਲ ਜਾਂਚ ਕੀਤੀ ਗਈ, ਤਾਂ ਗਲਤੀ ਫੜੀ ਗਈ ਅਤੇ ਸਮੱਗਰੀ ਨੂੰ ਸਹੀ ਲੇਖ ਵਿੱਚ ਭੇਜਿਆ ਗਿਆ।
ਕੇਸ 3 - ਗ੍ਰੀਨਵਾਸ਼ਿੰਗ ਭਾਸ਼ਾ। YZ ਨੇ ਇੱਕ ਪ੍ਰਚੂਨ ਬ੍ਰਾਂਡ ਲਈ "ਸਾਡੇ ਉਤਪਾਦ ਪੂਰੀ ਤਰ੍ਹਾਂ ਵਾਤਾਵਰਣ ਅਨੁਕੂਲ ਹਨ" ਵਾਕ ਦਾ ਸੁਝਾਅ ਦਿੱਤਾ। ESG ਟੀਮ ਨੇ ਇਸ ਨੂੰ ਅਪ੍ਰਵਾਨਯੋਗ ਪਾਇਆ ਅਤੇ ਇਸਨੂੰ ਇੱਕ ਠੋਸ, ਪ੍ਰਮਾਣਿਤ ਬਿਆਨ ਨਾਲ ਬਦਲ ਦਿੱਤਾ ਜਿਵੇਂ ਕਿ "ਸਾਡੀ ਪੈਕੇਜਿੰਗ ਦਾ 60% ਰੀਸਾਈਕਲ ਕੀਤਾ ਗਿਆ ਹੈ (2024, ਅੰਦਰੂਨੀ ਮਾਪ)।"
ਆਡਿਟ-ਤਿਆਰ ਕੰਮ ਲਈ ਪ੍ਰੇਰਦਾ ਹੈ
ਆਡਿਟਿੰਗ ਅੱਖ ਨਾਲ ਹੇਠਾਂ ਦਿੱਤੇ ESG ਟੈਕਸਟ ਦੀ ਜਾਂਚ ਕਰੋ। ਹਰੇਕ ਸੰਖਿਆਤਮਕ ਦਾਅਵੇ ਲਈ: 1) ਕੀ ਇਕਾਈ ਸਪਸ਼ਟ ਹੈ? 2) ਕੀ ਸਰੋਤ ਦੱਸਿਆ ਗਿਆ ਹੈ? 3) ਕੀ ਇਹ ਪ੍ਰਮਾਣਿਤ ਜਾਂ ਵਿਅਕਤੀਗਤ/ਅਤਿਕਥਾ ਹੈ? ਅਸਪਸ਼ਟ ਜਾਂ ਅਸਪਸ਼ਟ ਕਥਨਾਂ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕਰੋ ਜਿਵੇਂ ਕਿ "ਵਾਤਾਵਰਣ-ਅਨੁਕੂਲ, ਹਰਾ, ਕੁਦਰਤੀ" ਅਤੇ ਹਰੇਕ ਲਈ ਇੱਕ ਠੋਸ, ਮਾਪਣਯੋਗ ਵਿਕਲਪ ਦਾ ਸੁਝਾਅ ਦਿਓ। ਟੈਕਸਟ: [TEXT]
ਨਿਮਨਲਿਖਤ ਪ੍ਰੋਂਪਟ ਇੱਕ ਸੰਖੇਪ ਨੀਤੀ ਰੂਪਰੇਖਾ ਤਿਆਰ ਕਰਦਾ ਹੈ ਜੋ ਸੰਗਠਨ ਦੇ ਅੰਦਰ AI ਦੀ ਵਰਤੋਂ ਦੀ ਸੀਮਾ ਨੂੰ ਸਪੱਸ਼ਟ ਕਰਦਾ ਹੈ।
ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਇੱਕ ਸਥਿਰਤਾ ਟੀਮ ਲੀਡਰ। ਕਾਰਜ: ESG ਕੰਮ ਵਿੱਚ ਟੀਮ ਦੁਆਰਾ AI ਦੀ ਵਰਤੋਂ ਨੂੰ ਨਿਯੰਤ੍ਰਿਤ ਕਰਨ ਵਾਲਾ ਇੱਕ 1-ਪੰਨਿਆਂ ਦਾ ਅੰਦਰੂਨੀ ਨੀਤੀ ਡਰਾਫਟ ਲਿਖੋ। ਸ਼ਾਮਲ ਕਰੋ:- ਉਹ ਕਾਰਜ ਜਿੱਥੇ AI ਨੂੰ ਸੁਤੰਤਰ ਰੂਪ ਵਿੱਚ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ (ਰੂਪਰੇਖਾ, ਸੰਖੇਪ, ਫਾਰਮੈਟਿੰਗ)- ਉਹ ਕਾਰਜ ਜਿਨ੍ਹਾਂ ਲਈ ਮਨੁੱਖੀ ਤਸਦੀਕ (ਨੰਬਰ, ਕਾਰਕ, ਮਿਆਰੀ ਵਿਸ਼ੇਸ਼ਤਾ, ਦਾਅਵਾ) ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ - ਡੇਟਾ ਕਿਸਮਾਂ ਜੋ ਕਦੇ ਵੀ AI ਵਿੱਚ ਦਾਖਲ ਨਹੀਂ ਕੀਤੀਆਂ ਜਾਣਗੀਆਂ (ਨਿੱਜੀ ਡੇਟਾ, ਅਣਜਾਣ ਵਿੱਤੀ ਪ੍ਰਭਾਵ) ਟੋਨ: ਸਪਸ਼ਟ, ਬੁਲੇਟ-ਪੁਆਇੰਟ, ਲਾਗੂ।
ਨਿਮਨਲਿਖਤ ਪ੍ਰੋਂਪਟ ਇੱਕ ਛੋਟਾ "ਆਡਿਟ ਟ੍ਰੇਲ" ਟੇਬਲ ਪਿੰਜਰ ਸੈਟ ਅਪ ਕਰਦਾ ਹੈ ਜੋ ਹਰੇਕ ESG ਡਿਲੀਵਰ ਹੋਣ ਯੋਗ ਵਿੱਚ ਜੋੜਿਆ ਜਾ ਸਕਦਾ ਹੈ।
ਹੇਠਾਂ ਦਿੱਤੇ ਖਾਤੇ ਦੇ ਅੱਗੇ ਇੱਕ ਆਡਿਟ ਟ੍ਰੇਲ ਟੇਬਲ ਤਿਆਰ ਕਰੋ। ਕਾਲਮ: ਡੇਟਾ ਆਈਟਮ | ਮੁੱਲ | ਯੂਨਿਟ | ਸਰੋਤ ਦਸਤਾਵੇਜ਼ | ਮਿਤੀ | ਧਾਰਨਾ | ਕੀ ਇਹ ਪ੍ਰਮਾਣਿਤ ਹੈ? ਜੇਕਰ ਸਰੋਤ ਅਣਜਾਣ ਹੈ ਤਾਂ ਹਰੇਕ ਲਾਈਨ 'ਤੇ "ਸਰੋਤ ਲੋੜੀਂਦਾ" ਲਿਖੋ। ਇੰਦਰਾਜ਼: [ਖਾਤਾ]
ਆਮ ਗਲਤੀਆਂ
- ਸਰੋਤ ਤੋਂ ਬਿਨਾਂ ਨੰਬਰ ਨੂੰ ਸਵੀਕਾਰ ਕਰਨਾ। YZ ਦੁਆਰਾ ਦਿੱਤੇ ਗਏ ਹਰੇਕ ਨਿਕਾਸੀ ਕਾਰਕ ਅਤੇ ਅੰਕੜੇ ਨੂੰ ਅਧਿਕਾਰਤ ਸਰੋਤ ਦੁਆਰਾ ਪੁਸ਼ਟੀ ਕੀਤੇ ਬਿਨਾਂ ਰਿਪੋਰਟ ਵਿੱਚ ਸ਼ਾਮਲ ਨਹੀਂ ਕੀਤਾ ਗਿਆ ਹੈ।
- ਯੂਨਿਟ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ। ਜੇਕਰ ਕਿਲੋਗ੍ਰਾਮ ਨੂੰ ਟਨ ਨਾਲ, kWh ਨੂੰ MWh ਨਾਲ ਉਲਝਾਇਆ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਨਤੀਜਾ 1000 ਗੁਣਾ ਭਟਕ ਸਕਦਾ ਹੈ।
- ਉਨ੍ਹਾਂ ਦੀਆਂ ਮਿਆਰੀ ਚਾਲਾਂ 'ਤੇ ਅੰਨ੍ਹਾ ਭਰੋਸਾ ਕਰਨਾ। GRI/ESRS ਪਦਾਰਥ ਨੰਬਰ ਇੱਕ ਅਧਿਕਾਰਤ ਦਸਤਾਵੇਜ਼ ਨਾਲ ਪ੍ਰਮਾਣਿਤ ਕੀਤੇ ਜਾਣੇ ਚਾਹੀਦੇ ਹਨ।
- ਸੰਵੇਦਨਸ਼ੀਲ ਡਾਟਾ ਦਾਖਲ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ। ਕਰਮਚਾਰੀ ਅਤੇ ਸਪਲਾਇਰ ਡੇਟਾ ਜਨਤਕ ਟੂਲ ਨੂੰ ਬਿਨਾਂ ਗੁਪਤਤਾ ਦੇ ਪ੍ਰਦਾਨ ਨਹੀਂ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
- AI ਨੂੰ ਆਡੀਟਰ ਦੀ ਥਾਂ 'ਤੇ ਲਗਾਉਣਾ। AI ਇੱਕ ਚੈਕਲਿਸਟ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ, ਪਰ ਇਹ ਸੁਤੰਤਰ ਭਰੋਸਾ ਪ੍ਰਦਾਨ ਨਹੀਂ ਕਰ ਸਕਦਾ ਹੈ।
ਸੰਖੇਪ ਵਿੱਚ
AI ESG ਵਿੱਚ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਡਰਾਫਟਿੰਗ, ਡੇਟਾ ਕਿਊਰੇਸ਼ਨ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਸਹਿਭਾਗੀ ਹੈ; ਪਰ ਇਹ ਇੱਕ ਕੈਲਕੁਲੇਟਰ, ਰੈਗੂਲੇਟਰੀ ਡੇਟਾਬੇਸ ਜਾਂ ਆਡੀਟਰ ਨਹੀਂ ਹੈ। ਇਸਦਾ ਮੁੱਲ ਇਸਦੀ ਤਸਦੀਕ ਦੁਆਰਾ ਪ੍ਰਗਟ ਹੁੰਦਾ ਹੈ. ਪ੍ਰਾਇਮਰੀ ਸਰੋਤ ਤੋਂ ਹਰੇਕ ਨੰਬਰ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨਾ, ਅਧਿਕਾਰਤ ਟੈਕਸਟ ਨਾਲ ਹਰ ਮਿਆਰੀ ਸੰਦਰਭ ਦੀ ਤੁਲਨਾ ਕਰਨਾ, ਸੰਵੇਦਨਸ਼ੀਲ ਡੇਟਾ ਨੂੰ ਅਗਿਆਤ ਕਰਨਾ ਅਤੇ ਅੰਤਮ ਦਾਅਵੇ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਮਨੁੱਖ ਨੂੰ ਛੱਡਣਾ ਇਸ ਮੋਡੀਊਲ ਦੀ ਨਿਰੰਤਰ ਰੀੜ੍ਹ ਦੀ ਹੱਡੀ ਹੈ। "ਪ੍ਰਵਾਹਿਤ ਹੋਣ" ਅਤੇ "ਆਡਿਟ ਪਾਸ ਕਰਨ" ਵਿਚਕਾਰ ਅੰਤਰ ਨੂੰ ਕਦੇ ਨਾ ਭੁੱਲੋ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
ਆਪਣੀ ਖੁਦ ਦੀ ਸੰਸਥਾ (ਜਾਂ ਕਿਸੇ ਫਰਜ਼ੀ ਕੰਪਨੀ) ਤੋਂ ਵਾਤਾਵਰਣ ਸੰਬੰਧੀ ਡੇਟਾ ਦੀ ਇੱਕ ਇਕਾਈ ਚੁਣੋ: ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਮਹੀਨਾਵਾਰ ਬਿਜਲੀ ਦਾ ਬਿੱਲ। ਉੱਪਰ ਦਿੱਤੇ "ਪਾਵਰ ਪ੍ਰੋਂਪਟ" ਟੈਂਪਲੇਟ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ AI ਤੋਂ ਸਕੋਪ 2 ਨਿਕਾਸ ਲੇਖਾਕਾਰੀ ਪਿੰਜਰ ਦੀ ਬੇਨਤੀ ਕਰੋ। ਫਿਰ: (1) ਕਿਸੇ ਅਧਿਕਾਰਤ ਸਰੋਤ ਨਾਲ ਇਸ ਦੁਆਰਾ ਵਰਤੇ ਜਾਣ ਵਾਲੇ ਨਿਕਾਸੀ ਕਾਰਕ ਦੀ ਤੁਲਨਾ ਕਰੋ, (2) ਯੂਨਿਟਾਂ ਦੀ ਇਕਸਾਰਤਾ ਦੀ ਜਾਂਚ ਕਰੋ, (3) ਇੱਕ ਛੋਟੀ ਆਡਿਟ ਟ੍ਰੇਲ ਟੇਬਲ ਸੂਚੀ ਲਿਖੋ ਕਿ ਕਿਹੜੀਆਂ ਆਈਟਮਾਂ ਨੂੰ "ਤਸਦੀਕ ਦੀ ਲੋੜ ਹੈ।"
ਚੈੱਕਲਿਸਟ
- [ ] ਮੈਂ AI ਦੁਆਰਾ ਦਿੱਤੇ ਗਏ ਹਰੇਕ ਨੰਬਰ ਦੀ ਇਕਾਈ ਅਤੇ ਸਰੋਤ ਬਾਰੇ ਸਵਾਲ ਕੀਤਾ।
- [ ] ਮੈਂ ਇੱਕ ਅਧਿਕਾਰਤ ਡੇਟਾਬੇਸ ਨਾਲ ਨਿਕਾਸੀ ਕਾਰਕਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਹੈ।
- [ ] ਮੈਂ ਅਧਿਕਾਰਤ ਟੈਕਸਟ ਨਾਲ ਮਿਆਰੀ (GRI/ESRS) ਨੰਬਰਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਹੈ।
- [ ] ਮੇਰੇ ਕੋਲ ਅਗਿਆਤ ਜਾਂ ਇਕੱਤਰਿਤ ਸੰਵੇਦਨਸ਼ੀਲ/ਨਿੱਜੀ ਡਾਟਾ ਹੈ।
- [ ] ਮੈਂ ਸਬੂਤਾਂ ਤੋਂ ਬਿਨਾਂ ਬਿਆਨਾਂ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕੀਤਾ ਹੈ ਜਿਵੇਂ ਕਿ "ਈਕੋ-ਅਨੁਕੂਲ, ਹਰਾ, ਕੁਦਰਤੀ"।
- ਮੈਂ ਹਰੇਕ ਫੈਸਲੇ ਲਈ ਇੱਕ ਆਡਿਟ ਟ੍ਰੇਲ (ਸਰੋਤ, ਮਿਤੀ, ਧਾਰਨਾ) ਰੱਖਿਆ ਹੈ।
- [ ] ਮੈਂ ਇੱਕ ਜ਼ਿੰਮੇਵਾਰ ਵਿਅਕਤੀ ਦੀ ਪਛਾਣ ਕੀਤੀ ਹੈ ਜੋ ਅੰਤਿਮ ਦਾਅਵੇ ਦੀ ਪੁਸ਼ਟੀ ਕਰਦਾ ਹੈ।