ਲਾਭ:
- ਖਰਚੇ ਅਤੇ ਜੋਖਮ ਦੇ ਪੱਧਰ ਦੇ ਅਧਾਰ ਤੇ ਸਪਲਾਇਰਾਂ ਨੂੰ ਤਰਜੀਹ ਦੇ ਕੇ ਅਤੇ ਅਸਲ ਡੇਟਾ ਅਤੇ ਪ੍ਰੌਕਸੀ ਅਨੁਮਾਨਾਂ ਵਿਚਕਾਰ ਫਰਕ ਕਰਕੇ ਸਕੋਪ 3 ਸਥਾਪਤ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- ਜਦੋਂ ਨਕਲੀ ਬੁੱਧੀ ਨਾਲ ਸਪਲਾਇਰ ਜੋਖਮ ਸੰਕੇਤਾਂ ਨੂੰ ਫਲੈਗ ਕਰਦੇ ਹੋ, ਤਾਂ ਉਹਨਾਂ ਨੂੰ ਸਬੂਤ ਵਜੋਂ 'ਜਾਂਚ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਸੰਕੇਤਾਂ' ਵਜੋਂ ਮੰਨੋ।
- ਗੰਭੀਰ ਮਨੁੱਖੀ ਅਧਿਕਾਰਾਂ/ਵਾਤਾਵਰਣ ਦੇ ਦਾਅਵਿਆਂ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨ ਦੀ ਯੋਗਤਾ ਇੱਕ ਉਚਿਤ ਮਿਹਨਤ ਪ੍ਰਕਿਰਿਆ ਦੁਆਰਾ ਫੀਲਡ ਨਿਰੀਖਣ ਅਤੇ ਕਾਨੂੰਨੀ ਪੁਸ਼ਟੀ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ
ਬਹੁਤੀਆਂ ਕੰਪਨੀਆਂ ਲਈ, ਉਹਨਾਂ ਦੇ ਸਥਿਰਤਾ ਪ੍ਰਭਾਵ ਦਾ ਸਭ ਤੋਂ ਵੱਡਾ ਹਿੱਸਾ ਉਹਨਾਂ ਦੀ ਆਪਣੀ ਫੈਕਟਰੀ ਵਿੱਚ ਨਹੀਂ ਬਲਕਿ ਉਹਨਾਂ ਦੀ ਸਪਲਾਈ ਲੜੀ ਵਿੱਚ ਹੈ। ਕੱਪੜੇ ਦੇ ਬ੍ਰਾਂਡ ਦੇ 80 ਪ੍ਰਤੀਸ਼ਤ ਤੋਂ ਵੱਧ ਕਾਰਬਨ ਫੁੱਟਪ੍ਰਿੰਟ ਇਸਦੇ ਸਪਲਾਇਰਾਂ ਤੋਂ ਆ ਸਕਦੇ ਹਨ, ਫੈਬਰਿਕ ਨਿਰਮਾਤਾਵਾਂ ਤੋਂ ਲੈ ਕੇ ਸ਼ਿਪਿੰਗ ਤੱਕ। ਇਸੇ ਤਰ੍ਹਾਂ, ਸਭ ਤੋਂ ਗੰਭੀਰ ਸਮਾਜਿਕ ਖਤਰੇ, ਜਿਵੇਂ ਕਿ ਬਾਲ ਮਜ਼ਦੂਰੀ, ਜਬਰੀ ਮਜ਼ਦੂਰੀ ਅਤੇ ਵਾਤਾਵਰਣ ਦੀ ਉਲੰਘਣਾ, ਅਕਸਰ ਸਪਲਾਈ ਲੜੀ ਵਿੱਚ ਡੂੰਘੇ ਹੁੰਦੇ ਹਨ। ਇਸ ਯੂਨਿਟ ਵਿੱਚ, ਤੁਸੀਂ ਸਿਖੋਗੇ ਕਿ ਸਪਲਾਈ ਚੇਨ ਡੇਟਾ ਅਤੇ ਜੋਖਮਾਂ ਲਈ ਸਕ੍ਰੀਨ ਨੂੰ ਇਕੱਠਾ ਕਰਨ ਅਤੇ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕਰਨੀ ਹੈ।
ਆਓ ਦੋ ਧਾਰਨਾਵਾਂ ਨੂੰ ਸਪੱਸ਼ਟ ਕਰੀਏ। ਸਕੋਪ 3, ਜਿਵੇਂ ਕਿ ਅਸੀਂ ਪਿਛਲੀ ਇਕਾਈ ਵਿੱਚ ਦੇਖਿਆ ਸੀ, ਕੰਪਨੀ ਦੀ ਮੁੱਲ ਲੜੀ ਵਿੱਚ ਅਸਿੱਧੇ ਨਿਕਾਸ ਹੈ ਅਤੇ ਆਮ ਤੌਰ 'ਤੇ ਸਭ ਤੋਂ ਵੱਡੀ ਪਰ ਵਸਤੂ ਨੂੰ ਮਾਪਣ ਲਈ ਸਭ ਤੋਂ ਮੁਸ਼ਕਲ ਹੁੰਦਾ ਹੈ। ਢੁੱਕਵੀਂ ਮਿਹਨਤ ਇੱਕ ਕੰਪਨੀ ਦੀ ਸਪਲਾਈ ਲੜੀ ਵਿੱਚ ਮਨੁੱਖੀ ਅਧਿਕਾਰਾਂ ਅਤੇ ਵਾਤਾਵਰਣ ਸੰਬੰਧੀ ਖਤਰਿਆਂ ਦੀ ਪਛਾਣ, ਰੋਕਥਾਮ ਅਤੇ ਸੁਧਾਰ ਕਰਨ ਦੀ ਪ੍ਰਕਿਰਿਆ ਹੈ। EU ਦੇ CSDDD (ਕਾਰਪੋਰੇਟ ਸਸਟੇਨੇਬਿਲਟੀ ਡੂ ਡਿਲੀਜੈਂਸ ਡਾਇਰੈਕਟਿਵ) ਵਰਗੇ ਨਿਯਮ ਵੱਡੀਆਂ ਕੰਪਨੀਆਂ ਲਈ ਇਸ ਨੂੰ ਲਾਜ਼ਮੀ ਬਣਾਉਂਦੇ ਹਨ।
ਸਪਲਾਈ ਚੇਨ ਡੇਟਾ ਦੀ ਮੁੱਖ ਚੁਣੌਤੀ
ਤੁਸੀਂ ਆਪਣੀ ਖੁਦ ਦੀ ਸਹੂਲਤ ਦੇ ਡੇਟਾ ਨੂੰ ਮਾਪ ਸਕਦੇ ਹੋ; ਪਰ ਤੁਸੀਂ ਸੈਂਕੜੇ ਸਪਲਾਇਰਾਂ ਦੇ ਡੇਟਾ ਨੂੰ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਨਹੀਂ ਮਾਪ ਸਕਦੇ, ਤੁਹਾਨੂੰ ਉਨ੍ਹਾਂ ਨੂੰ ਪੁੱਛਣਾ ਪਏਗਾ. ਇਹ ਤਿੰਨ ਸਮੱਸਿਆਵਾਂ ਪੈਦਾ ਕਰਦਾ ਹੈ:
- ਡਾਟਾ ਨਹੀਂ ਆਉਂਦਾ ਜਾਂ ਅਧੂਰਾ ਹੈ। ਜ਼ਿਆਦਾਤਰ ਛੋਟੇ ਸਪਲਾਇਰ ਕਾਰਬਨ ਡੇਟਾ ਨਹੀਂ ਰੱਖਦੇ ਹਨ।
- ਡਾਟਾ ਭਰੋਸੇਯੋਗ ਨਹੀਂ ਹੈ। ਜਦੋਂ ਕੋਈ ਸਪਲਾਇਰ ਸਵੈ-ਰਿਪੋਰਟ ਕਰਦਾ ਹੈ, ਤਾਂ ਬਹੁਤ ਜ਼ਿਆਦਾ ਬਿਆਨ ਜਾਂ ਘੱਟ ਰਿਪੋਰਟਿੰਗ ਹੋ ਸਕਦੀ ਹੈ।
- ਇੱਕ ਅਨੁਮਾਨ (ਪ੍ਰੌਕਸੀ) ਦੀ ਲੋੜ ਹੈ। ਜੇਕਰ ਅਸਲ ਡਾਟਾ ਉਪਲਬਧ ਨਹੀਂ ਹੈ, ਤਾਂ ਉਦਯੋਗ ਔਸਤ ਜਾਂ ਖਰਚ-ਅਧਾਰਿਤ ਅਨੁਮਾਨ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ।
ਇਹ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ AI ਦੋ ਤਰੀਕਿਆਂ ਨਾਲ ਮਦਦ ਕਰਦਾ ਹੈ: (1) ਸੈਂਕੜੇ ਸਪਲਾਇਰਾਂ ਨੂੰ ਭੇਜੇ ਜਾਣ ਵਾਲੇ ਸਰਵੇਖਣਾਂ ਅਤੇ ਫਾਲੋ-ਅਪ ਪੱਤਰਾਂ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਤਿਆਰ ਕਰਨਾ, (2) ਖਿੰਡੇ ਹੋਏ ਜਵਾਬਾਂ ਦਾ ਸੰਰਚਨਾ ਕਰਨਾ ਅਤੇ ਜੋਖਮ ਸੰਕੇਤਾਂ ਨੂੰ ਫਲੈਗ ਕਰਨਾ। ਪਰ ਸਪਲਾਇਰ ਦੁਆਰਾ ਦਿੱਤੇ ਗਏ ਕਿਸੇ ਵੀ ਨੰਬਰ ਦੀ ਪੁਸ਼ਟੀ ਨਹੀਂ ਕੀਤੀ ਜਾਂਦੀ, ਮਨੁੱਖੀ ਸਮੀਖਿਆ ਤੋਂ ਬਿਨਾਂ ਕੋਈ ਜੋਖਮ ਸੰਕੇਤ ਨਹੀਂ ਨਿਕਲਦਾ।
ਸਕੋਪ 3 ਸ਼੍ਰੇਣੀ (ਉਦਾਹਰਨ)
ਡਾਟਾ ਸਰੋਤ
ਆਮ ਢੰਗ
ਖਰੀਦੀਆਂ ਚੀਜ਼ਾਂ/ਸੇਵਾਵਾਂ
ਸਪਲਾਇਰ ਸਰਵੇਖਣ / ਖਰਚ
ਅਸਲ ਡਾਟਾ > ਪ੍ਰੌਕਸੀ
ਸ਼ਿਪਿੰਗ ਅਤੇ ਵੰਡ
ਕੈਰੀਅਰ ਰਿਕਾਰਡ
ਦੂਰੀ × ਲੋਡ × ਕਾਰਕ
ਕਾਰੋਬਾਰੀ ਯਾਤਰਾ
ਯਾਤਰਾ ਸਿਸਟਮ
ਕਿਲੋਮੀਟਰ/ਫਲਾਈਟ × ਫੈਕਟਰ
ਵੇਚੇ ਗਏ ਉਤਪਾਦ ਦੀ ਵਰਤੋਂ
ਉਤਪਾਦ ਊਰਜਾ ਡਾਟਾ
ਵਰਤੋਂ ਮਾਡਲ
ਰਹਿੰਦ
ਵੇਸਟ ਟ੍ਰਾਂਸਫਰ ਦਸਤਾਵੇਜ਼
ਮਾਤਰਾ × ਕਾਰਕ
ਸੰਕੇਤ: ਸਕੋਪ 3 ਵਿੱਚ, "ਖਰਚ-ਆਧਾਰਿਤ" ਅਨੁਮਾਨ (ਇੰਨਾ CO₂e ਪ੍ਰਤੀ $1,000 ਖਰਚ) ਇੱਕ ਤੇਜ਼ ਸ਼ੁਰੂਆਤ ਹੈ, ਪਰ ਇੱਕ ਮੋਟਾ ਹੈ। ਜਦੋਂ ਕੋਈ ਸਪਲਾਇਰ ਅਸਲ ਡੇਟਾ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ, ਤਾਂ ਇਸਦੀ ਵਰਤੋਂ ਕਰੋ; ਖਰਚ-ਆਧਾਰਿਤ ਅੰਦਾਜ਼ਾ ਸਿਰਫ ਆਰਜ਼ੀ ਹੈ ਜੇਕਰ ਕੋਈ ਅਸਲ ਡਾਟਾ ਨਹੀਂ ਹੈ ਅਤੇ ਰਿਪੋਰਟ ਵਿੱਚ "ਅੰਦਾਜ਼ਾ/ਪ੍ਰੌਕਸੀ" ਵਜੋਂ ਚਿੰਨ੍ਹਿਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ।
ਕਦਮ ਦਰ ਕਦਮ: AI ਨਾਲ ਸਪਲਾਈ ਚੇਨ ਵਰਕਫਲੋ
1. ਸਪਲਾਇਰਾਂ ਨੂੰ ਤਰਜੀਹ ਦਿਓ। ਤੁਸੀਂ ਸਾਰੇ ਸੈਂਕੜੇ ਸਪਲਾਇਰਾਂ ਦੀ ਇੱਕੋ ਡੂੰਘਾਈ ਵਿੱਚ ਜਾਂਚ ਨਹੀਂ ਕਰ ਸਕਦੇ। ਉਹਨਾਂ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਤ ਕਰੋ ਜਿਨ੍ਹਾਂ ਕੋਲ ਉੱਚ ਖਰਚੇ ਦੇ ਆਕਾਰ ਅਤੇ ਜੋਖਮ (ਸੈਕਟਰ, ਦੇਸ਼) ਹਨ। AI ਇਸ ਤਰਜੀਹ ਦੇ ਨਾਲ ਇੱਕ ਡਰਾਫਟ ਸੂਚੀ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ।
2. ਡਰਾਫਟ ਸਰਵੇਖਣ ਅਤੇ ਬੇਨਤੀ। ਸਪਲਾਇਰ ਡੇਟਾ ਸਰਵੇਖਣ ਰੂਪਰੇਖਾ ਨੂੰ ਭਰਨ ਵਿੱਚ ਆਸਾਨ, ਸਪਸ਼ਟ, AI ਤੋਂ ਪੁੱਛੋ।
3. ਆਉਣ ਵਾਲੇ ਡੇਟਾ ਨੂੰ ਕੌਂਫਿਗਰ ਕਰੋ। ਵੱਖ-ਵੱਖ ਫਾਰਮੈਟਾਂ ਦੇ ਜਵਾਬਾਂ ਨੂੰ ਇੱਕ ਸਾਰਣੀ ਵਿੱਚ ਪਾਓ; ਗੁੰਮ ਹੋਏ ਹਿੱਸਿਆਂ 'ਤੇ ਨਿਸ਼ਾਨ ਲਗਾਓ।
4. ਜੋਖਮ ਸੰਕੇਤਾਂ ਲਈ ਸਕੈਨ ਕਰੋ। AI ਨੂੰ ਜਨਤਕ ਖਬਰਾਂ, ਉਲੰਘਣਾ ਰਿਕਾਰਡਾਂ, ਅਤੇ ਸਰਵੇਖਣ ਮਤਭੇਦਾਂ ਵਿੱਚ "ਲਾਲ ਝੰਡਾ" ਉਮੀਦਵਾਰ ਲੱਭਣ ਲਈ ਕਹੋ; ਪਰ ਇਨਸਾਨ ਹਰ ਸਿਗਨਲ ਦੀ ਪੁਸ਼ਟੀ ਕਰਦੇ ਹਨ।
5. ਕਾਰਵਾਈ ਅਤੇ ਪਿੱਛਾ. ਉੱਚ-ਜੋਖਮ ਵਾਲੇ ਸਪਲਾਇਰਾਂ ਲਈ ਇੱਕ ਸੁਧਾਰਾਤਮਕ ਕਾਰਵਾਈ ਅਤੇ ਫਾਲੋ-ਅੱਪ ਯੋਜਨਾ ਸਥਾਪਤ ਕਰੋ; ਪ੍ਰਕਿਰਿਆ ਦਾ ਦਸਤਾਵੇਜ਼ ਬਣਾਓ।
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ / ਮਜ਼ਬੂਤ ਪ੍ਰੋਂਪਟ
ਕਮਜ਼ੋਰ ਪ੍ਰੋਂਪਟ:
ਸਾਡੇ ਸਪਲਾਇਰਾਂ ਦੇ ਕਾਰਬਨ ਫੁੱਟਪ੍ਰਿੰਟ ਦੀ ਗਣਨਾ ਕਰੋ।
ਕੋਈ ਡਾਟਾ ਸਰੋਤ ਨਹੀਂ, ਕੋਈ ਅਸਲ/ਪ੍ਰਾਕਸੀ ਭੇਦ ਨਹੀਂ, ਅਤੇ ਕੋਈ ਤਸਦੀਕ ਨਹੀਂ; AI ਸਪਲਾਇਰ ਨੰਬਰ ਬਣਾਉਂਦਾ ਹੈ।
ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰਾਉਟ:
ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਸਪਲਾਈ ਚੇਨ ਸਥਿਰਤਾ ਵਿਸ਼ਲੇਸ਼ਕ। ਇਨਪੁਟ: 15 ਸਪਲਾਇਰਾਂ ਦੇ ਨਾਮ, ਉਦਯੋਗ, ਸਾਲਾਨਾ ਖਰਚ ਦੀ ਰਕਮ, ਅਤੇ ਅਸਲ ਨਿਕਾਸ ਡੇਟਾ ਜੋ ਉਹ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ (ਜੇ ਕੋਈ ਹੈ)। ਕਾਰਜ: 1) ਉਹਨਾਂ ਲਈ ਜੋ ਅਸਲ ਡੇਟਾ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ, ਉਸ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਕਰੋ। 2) ਉਹਨਾਂ ਲਈ ਜਿਨ੍ਹਾਂ ਕੋਲ ਅਸਲ ਡੇਟਾ ਨਹੀਂ ਹੈ, "ਖਰਚ-ਅਧਾਰਤ ਪ੍ਰੌਕਸੀ ਲੋੜੀਂਦੀ ਹੈ" ਲਿਖੋ, ਨੰਬਰ ਫਿੱਟ ਨਾ ਕਰੋ; ਨਿਰਧਾਰਤ ਕਰੋ ਕਿ ਅਧਿਕਾਰਤ ਸਰੋਤ ਤੋਂ ਕਿਹੜਾ ਕਾਰਕ ਪ੍ਰਾਪਤ ਕਰਨਾ ਹੈ। 3) ਉੱਚ ਖਰਚ + ਉੱਚ ਜੋਖਮ ਵਾਲੇ ਉਦਯੋਗ ਵਿੱਚ ਸਪਲਾਇਰਾਂ ਨੂੰ ਤਰਜੀਹ ਦਿਓ। ਆਉਟਪੁੱਟ: ਸਾਰਣੀ (ਪੂਰਤੀਕਰਤਾ | ਉਦਯੋਗ | ਖਰਚ | ਡੇਟਾ ਕਿਸਮ[ਅਸਲ/ਪ੍ਰੌਕਸੀ] | ਤਰਜੀਹ | ਨੋਟ)। ਰਿਪੋਰਟ ਵਿੱਚ ਪ੍ਰੌਕਸੀ ਨੰਬਰ ਮਾਰਕ ਕੀਤੇ ਜਾਣਗੇ।
ਸਪਲਾਇਰ ਜੋਖਮ ਸਕ੍ਰੀਨਿੰਗ ਲਈ ਪ੍ਰੋਂਪਟ
ਸਪਲਾਇਰਾਂ ਦੀ ਨਿਮਨਲਿਖਤ ਸੂਚੀ ਲਈ ਜੋਖਮ ਸਕ੍ਰੀਨਿੰਗ ਸਕੈਫੋਲਡ ਸੈਟ ਅਪ ਕਰੋ। ਹਰੇਕ ਸਪਲਾਇਰ ਲਈ ਮੁਲਾਂਕਣ ਕਰੋ (ਕੇਵਲ ਮੇਰੇ ਦੁਆਰਾ ਪ੍ਰਦਾਨ ਕੀਤੀ ਗਈ ਜਾਣਕਾਰੀ ਦੇ ਆਧਾਰ 'ਤੇ, ਜਨਤਕ ਦਾਅਵਾ ਜਾਅਲੀ):- ਦੇਸ਼/ਸੈਕਟਰ (ਉੱਚ/ਮੱਧਮ/ਘੱਟ) ਤੋਂ ਸੰਭਾਵੀ ਮਨੁੱਖੀ ਅਧਿਕਾਰਾਂ ਦਾ ਖਤਰਾ- ਸੰਭਾਵਿਤ ਵਾਤਾਵਰਣ ਜੋਖਮ- ਸਰਵੇਖਣ ਜਵਾਬ/ਲਾਲ ਝੰਡੇ ਵਿੱਚ ਅਸੰਗਤਤਾ ਨਿਯਮ: ਹਰੇਕ ਜੋਖਮ ਲਈ ਨੋਟ "ਪੁਸ਼ਟੀ ਦੀ ਲੋੜ ਨਹੀਂ - ਕੋਈ ਸਰੋਤ ਨਹੀਂ" ਸ਼ਾਮਲ ਕਰੋ; ਨਿਸ਼ਚਿਤ ਇਲਜ਼ਾਮ ਨਾ ਲਗਾਓ, ਸਿਰਫ਼ ਜਾਂਚ ਲਈ ਸੰਕੇਤਾਂ ਦਾ ਸੁਝਾਅ ਦਿਓ। ਸੂਚੀ: [ਪੂਰਤੀਕਰਤਾ]
ਨਿਮਨਲਿਖਤ ਪ੍ਰੋਂਪਟ ਸਪਲਾਇਰਾਂ ਨੂੰ ਭੇਜਣ ਲਈ ਡੇਟਾ ਬੇਨਤੀ ਸਰਵੇਖਣ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰਦਾ ਹੈ।
ਤੁਹਾਡੀ ਭੂਮਿਕਾ: ਸਥਿਰਤਾ ਸੋਰਸਿੰਗ ਮਾਹਰ। ਕੰਮ: 10 ਤੋਂ ਵੱਧ ਸਵਾਲਾਂ ਦੇ ਇੱਕ ESG ਡੇਟਾ ਸਰਵੇਖਣ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰੋ ਜੋ ਛੋਟੇ/ਮੱਧਮ ਸਪਲਾਇਰ ਆਸਾਨੀ ਨਾਲ ਪੂਰਾ ਕਰ ਸਕਦੇ ਹਨ। ਸ਼ਾਮਲ ਕਰੋ: ਊਰਜਾ ਦੀ ਖਪਤ, ਬਾਲਣ ਦੀ ਕਿਸਮ, ਰਹਿੰਦ-ਖੂੰਹਦ, ਪੇਸ਼ੇਵਰ ਸੁਰੱਖਿਆ ਹਾਦਸਿਆਂ ਦੀ ਗਿਣਤੀ, ਜ਼ਬਰਦਸਤੀ/ਬਾਲ ਮਜ਼ਦੂਰੀ ਪ੍ਰਤੀ ਵਚਨਬੱਧਤਾ। ਟੋਨ: ਸਧਾਰਨ, ਸਪਸ਼ਟ, ਪੂਰਾ ਕਰਨ ਲਈ ਆਸਾਨ; ਹਰੇਕ ਸਵਾਲ ਵਿੱਚ ਇਕਾਈਆਂ ਅਤੇ ਉਦਾਹਰਨਾਂ ਸ਼ਾਮਲ ਕਰੋ।
ਸਾਵਧਾਨ: ਸਪਲਾਇਰ (ਜਿਵੇਂ ਕਿ "ਬਾਲ ਮਜ਼ਦੂਰ") ਬਾਰੇ AI ਦੀ ਪੁਸ਼ਟੀ ਨਾ ਕਰੋ ਅਤੇ ਕਦੇ ਵੀ ਸਬੂਤ ਵਜੋਂ AI ਦੁਆਰਾ ਤਿਆਰ ਕੀਤੇ ਗਏ ਦਾਅਵੇ ਦੀ ਵਰਤੋਂ ਨਾ ਕਰੋ। ਅਜਿਹੇ ਗੰਭੀਰ ਦਾਅਵਿਆਂ ਦੀ ਪੁਸ਼ਟੀ ਸਿਰਫ਼ ਭਰੋਸੇਯੋਗ ਸਰੋਤ, ਫੀਲਡ ਨਿਰੀਖਣ ਅਤੇ ਕਾਨੂੰਨੀ ਪ੍ਰਕਿਰਿਆ ਦੁਆਰਾ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। AI ਸਿਰਫ ਇੱਕ "ਜਾਂਚ ਕਰਨ ਲਈ ਸੰਕੇਤ" ਪੈਦਾ ਕਰਦਾ ਹੈ; ਨਿਰਣਾ ਨਹੀਂ ਕਰਦਾ.
ਤਿੰਨ ਛੋਟੇ ਕੇਸ
ਕੇਸ 1 - ਪ੍ਰੌਕਸੀ ਦੀ ਇਮਾਨਦਾਰ ਵਰਤੋਂ। ਇੱਕ ਫਰਨੀਚਰ ਨਿਰਮਾਤਾ ਦੇ 200 ਸਪਲਾਇਰਾਂ ਵਿੱਚੋਂ ਸਿਰਫ਼ 30 ਨੇ ਅਸਲ ਕਾਰਬਨ ਡੇਟਾ ਪ੍ਰਦਾਨ ਕੀਤਾ। ਟੀਮ ਨੇ ਬਾਕੀ ਬਚੇ 170 ਲਈ ਖਰਚ-ਆਧਾਰਿਤ ਪ੍ਰੌਕਸੀ ਦੀ ਵਰਤੋਂ ਕੀਤੀ, ਪਰ ਰਿਪੋਰਟ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਕਹਿੰਦੀ ਹੈ, "ਸਕੋਪ 3 ਦਾ 65% ਇੱਕ ਖਰਚ-ਅਧਾਰਿਤ ਅਨੁਮਾਨ ਹੈ।" ਆਡੀਟਰ ਨੇ ਇਸ ਇਮਾਨਦਾਰੀ ਨੂੰ ਸਵੀਕਾਰ ਕੀਤਾ; ਜੇ ਇਸ ਨੂੰ ਛੁਪਾਇਆ ਗਿਆ ਸੀ, ਤਾਂ ਭਰੋਸੇ ਤੋਂ ਇਨਕਾਰ ਕੀਤਾ ਜਾ ਸਕਦਾ ਸੀ।
ਕੇਸ 2 - ਤਰਜੀਹ। ਇੱਕ ਫੂਡ ਕੰਪਨੀ ਦੇ 480 ਸਪਲਾਇਰ ਸਨ। AI ਨੇ ਦਿਖਾਇਆ ਕਿ ਖਰਚ ਦਾ 80% 40 ਸਪਲਾਇਰਾਂ ਵਿੱਚ ਕੇਂਦ੍ਰਿਤ ਸੀ। ਟੀਮ ਨੇ ਇਨ੍ਹਾਂ 40 'ਤੇ ਡੂੰਘੀ ਗੋਤਾਖੋਰੀ ਦਾ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕੀਤਾ; ਸਰੋਤ ਬਰਬਾਦ ਨਹੀਂ ਕੀਤੇ ਗਏ ਸਨ ਅਤੇ ਸਭ ਤੋਂ ਵੱਧ ਪ੍ਰਭਾਵ ਵਾਲੇ ਸਪਲਾਇਰਾਂ ਨੂੰ ਅਸਲ ਡੇਟਾ ਦੇ ਨਾਲ ਰਿਪੋਰਟ ਕੀਤਾ ਗਿਆ ਸੀ।
ਕੇਸ 3 - ਝੂਠੇ ਇਲਜ਼ਾਮ ਦਾ ਜੋਖਮ। AI ਨੇ ਇੱਕ ਸਪਲਾਇਰ ਨੂੰ "ਸੰਭਾਵੀ ਜਬਰੀ ਮਜ਼ਦੂਰੀ" ਵਜੋਂ ਫਲੈਗ ਕੀਤਾ; ਕਾਰਨ ਸਿਰਫ ਰਾਸ਼ਟਰੀ ਔਸਤ ਸੀ। ਟੀਮ ਨੇ ਇਸ ਨੂੰ "ਜਾਂਚ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਸੰਕੇਤ" ਵਜੋਂ ਸਵੀਕਾਰ ਕੀਤਾ, ਸਬੂਤ ਨਹੀਂ, ਅਤੇ ਫੀਲਡ ਨਿਰੀਖਣ ਦੀ ਬੇਨਤੀ ਕੀਤੀ। ਨਿਰੀਖਣ ਵਿੱਚ ਕੋਈ ਸਮੱਸਿਆ ਨਹੀਂ ਮਿਲੀ; ਜੇਕਰ AI ਦੇ ਸੰਕੇਤ ਨੂੰ ਸਬੂਤ ਵਜੋਂ ਲਿਆ ਗਿਆ ਸੀ, ਤਾਂ ਇੱਕ ਅਨੁਚਿਤ ਦੋਸ਼ ਅਤੇ ਕਾਨੂੰਨੀ ਖਤਰਾ ਪੈਦਾ ਹੋਵੇਗਾ।
ਆਮ ਗਲਤੀਆਂ
- ਇਸਦੀ ਪੁਸ਼ਟੀ ਕੀਤੇ ਬਿਨਾਂ ਸਪਲਾਇਰ ਡੇਟਾ ਨੂੰ ਸਵੀਕਾਰ ਕਰਨਾ। ਸਵੈ-ਰਿਪੋਰਟਿੰਗ ਸਪਲਾਇਰ ਡੇਟਾ ਲਈ ਕਰਾਸ-ਚੈਕਿੰਗ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।
- ਪ੍ਰੌਕਸੀ ਨੂੰ ਲੁਕਾਉਣਾ। ਖਰਚ-ਆਧਾਰਿਤ ਪੂਰਵ ਅਨੁਮਾਨ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਠੀਕ ਹੈ; ਨਿਰਧਾਰਿਤ ਨਾ ਕਰਨਾ ਆਡਿਟਿੰਗ ਵਿੱਚ ਇੱਕ ਸਮੱਸਿਆ ਹੈ।
- ਸਾਰੇ ਸਪਲਾਇਰਾਂ ਦੀ ਬਰਾਬਰ ਜਾਂਚ ਕਰਨਾ। ਸੋਰਸਿੰਗ ਨੂੰ ਉੱਚ ਖਰਚੇ ਅਤੇ ਉੱਚ ਜੋਖਮ ਸਪਲਾਇਰਾਂ 'ਤੇ ਧਿਆਨ ਦੇਣਾ ਚਾਹੀਦਾ ਹੈ।
- ਸਬੂਤ ਲਈ AI ਸਿਗਨਲ ਨੂੰ ਗਲਤ ਕਰਨਾ। ਮਨੁੱਖੀ ਅਧਿਕਾਰਾਂ/ਵਾਤਾਵਰਣ ਦੀ ਉਲੰਘਣਾ ਦੇ ਦਾਅਵਿਆਂ ਦੀ ਪੁਸ਼ਟੀ ਖੇਤਰ ਅਤੇ ਕਾਨੂੰਨ ਦੁਆਰਾ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਏਆਈ ਦੁਆਰਾ ਨਹੀਂ।
- ਸਕੋਪ 3 ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਛੱਡਣਾ। ਸਭ ਤੋਂ ਵੱਡਾ ਪ੍ਰਭਾਵ ਆਮ ਤੌਰ 'ਤੇ ਇੱਥੇ ਹੁੰਦਾ ਹੈ; ਇਸ ਨੂੰ ਇਸ ਆਧਾਰ 'ਤੇ ਨਜ਼ਰਅੰਦਾਜ਼ ਨਹੀਂ ਕੀਤਾ ਜਾ ਸਕਦਾ ਕਿ ਇਹ "ਮਾਪਣਾ ਔਖਾ" ਹੈ।
ਸੰਖੇਪ ਵਿੱਚ
ਸਪਲਾਈ ਲੜੀ ਉਹ ਹੈ ਜਿੱਥੇ ਜ਼ਿਆਦਾਤਰ ਕੰਪਨੀਆਂ ਦਾ ਸਭ ਤੋਂ ਵੱਡਾ ਵਾਤਾਵਰਣ ਅਤੇ ਸਮਾਜਿਕ ਪ੍ਰਭਾਵ ਛੁਪਦਾ ਹੈ; ਸਕੋਪ 3 ਨਿਕਾਸ ਅਤੇ ਉਚਿਤ ਮਿਹਨਤ ਦੇ ਜੋਖਮ ਇੱਥੇ ਕੇਂਦ੍ਰਿਤ ਹਨ। AI; ਇਹ ਸਪਲਾਇਰ ਪ੍ਰਾਥਮਿਕਤਾ, ਸਰਵੇਖਣ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰਨ, ਖਿੰਡੇ ਹੋਏ ਜਵਾਬਾਂ ਦੀ ਸੰਰਚਨਾ ਅਤੇ ਜੋਖਮ ਸੰਕੇਤ ਫਲੈਗਿੰਗ ਵਿੱਚ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਸਹਾਇਤਾ ਹੈ। ਪਰ ਸਪਲਾਇਰ ਡੇਟਾ ਨੂੰ ਰਿਪੋਰਟ ਵਿੱਚ ਉਦੋਂ ਤੱਕ ਸ਼ਾਮਲ ਨਹੀਂ ਕੀਤਾ ਜਾਂਦਾ ਜਦੋਂ ਤੱਕ ਇਸਦੀ ਪੁਸ਼ਟੀ ਨਹੀਂ ਕੀਤੀ ਜਾਂਦੀ, ਪ੍ਰੌਕਸੀਜ਼ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਦੱਸੀਆਂ ਜਾਂਦੀਆਂ ਹਨ, ਅਤੇ ਫੀਲਡ ਨਿਰੀਖਣ ਦੁਆਰਾ ਗੰਭੀਰ ਦੋਸ਼ਾਂ ਦੀ ਪੁਸ਼ਟੀ ਨਹੀਂ ਹੁੰਦੀ ਹੈ। AI ਸਿਗਨਲ ਪੈਦਾ ਕਰਦਾ ਹੈ; ਮਨੁੱਖ ਨਿਰਣਾ ਅਤੇ ਜ਼ਿੰਮੇਵਾਰੀ ਲੈਂਦਾ ਹੈ।
ਐਪਲੀਕੇਸ਼ਨ ਦਾ ਕੰਮ
ਨਾਮ, ਉਦਯੋਗ ਅਤੇ ਸਾਲਾਨਾ ਖਰਚੇ ਦੇ ਨਾਲ 10 ਫਰਜ਼ੀ ਸਪਲਾਇਰਾਂ ਦੀ ਇੱਕ ਸੂਚੀ ਤਿਆਰ ਕਰੋ; ਅਸਲ ਨਿਕਾਸ ਡੇਟਾ ਨੂੰ ਕੁਝ ਵਿੱਚ ਸ਼ਾਮਲ ਕਰੋ, ਜ਼ਿਆਦਾਤਰ ਖਾਲੀ ਛੱਡੋ। ਉੱਪਰ ਦਿੱਤੇ ਸ਼ਕਤੀਸ਼ਾਲੀ ਪ੍ਰੋਂਪਟ ਰਾਹੀਂ AI ਨੂੰ ਤਰਜੀਹ ਅਤੇ ਡਾਟਾ ਕਿਸਮ ਦੀ ਸਾਰਣੀ ਲਈ ਪੁੱਛੋ। ਫਿਰ: (1) ਤਸਦੀਕ ਕਰੋ ਕਿ ਪ੍ਰੌਕਸੀ ਦੀ ਲੋੜ ਵਾਲੇ ਪੂਰਤੀਕਰਤਾਵਾਂ ਦੀ ਸੰਖਿਆ ਪੂਰੀ ਨਹੀਂ ਕੀਤੀ ਗਈ ਹੈ, (2) 3 ਸਭ ਤੋਂ ਵੱਧ ਤਰਜੀਹ ਵਾਲੇ ਸਪਲਾਇਰਾਂ ਨੂੰ ਉਚਿਤਤਾ ਨਾਲ ਚੁਣੋ, (3) ਉਹਨਾਂ ਨੂੰ ਭੇਜਣ ਲਈ ਇੱਕ ਛੋਟਾ ਡਾਟਾ ਸਰਵੇਖਣ ਦਾ ਖਰੜਾ ਤਿਆਰ ਕਰੋ।
ਚੈੱਕਲਿਸਟ
- [ ] ਮੈਂ ਖਰਚ ਅਤੇ ਜੋਖਮ ਪੱਧਰ ਦੇ ਆਧਾਰ 'ਤੇ ਸਪਲਾਇਰਾਂ ਨੂੰ ਤਰਜੀਹ ਦਿੱਤੀ।
- [ ] ਮੈਂ ਅਸਲ ਡਾਟਾ ਵਰਤੇ; ਉਹਨਾਂ ਲਈ ਜਿਨ੍ਹਾਂ ਕੋਲ ਇਹ ਨਹੀਂ ਹੈ, ਮੈਂ ਪ੍ਰੌਕਸੀ ਨੂੰ ਚਿੰਨ੍ਹਿਤ ਕੀਤਾ ਹੈ।
- [ ] ਮੈਂ ਸਪਲਾਇਰ ਡੇਟਾ ਦਾ ਮੁਲਾਂਕਣ ਇਸ ਤਰ੍ਹਾਂ ਨਹੀਂ ਕੀਤਾ, ਪਰ ਕਰਾਸ-ਚੈਕਿੰਗ ਦੁਆਰਾ ਕੀਤਾ।
- [ ] ਮੈਂ ਜੋਖਮ ਸੰਕੇਤਾਂ ਨੂੰ "ਜਾਂਚ ਕਰਨ ਲਈ" ਮੰਨਿਆ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਸਬੂਤ ਵਜੋਂ ਨਹੀਂ ਵਰਤਿਆ।
- [ ] ਮੈਂ ਗੰਭੀਰ ਦਾਅਵਿਆਂ ਲਈ ਇੱਕ ਫੀਲਡ ਆਡਿਟ/ਕਾਨੂੰਨੀ ਤਸਦੀਕ ਕਦਮ ਦੀ ਯੋਜਨਾ ਬਣਾਈ ਹੈ।
- [ ] ਮੈਂ ਸਕੋਪ 3 ਨੂੰ ਨਹੀਂ ਛੱਡਿਆ; ਮੈਂ ਰਿਪੋਰਟ ਵਿੱਚ ਦਾਇਰੇ ਅਤੇ ਅਨੁਮਾਨ ਦੀ ਦਰ ਦੱਸੀ ਹੈ।
- [ ] ਮੈਂ ਪੂਰੀ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਇੱਕ ਉਚਿਤ ਮਿਹਨਤ ਦਸਤਾਵੇਜ਼ ਨਾਲ ਰਿਕਾਰਡ ਕੀਤਾ।