Zyski:
- Umiejętność wyboru odpowiednich ram raportowania (GRI/ESRS/ISSB) i oceny podwójnej istotności zarówno pod kątem wpływu finansowego, jak i środowiskowego
- Możliwość konwertowania różnych jednostek danych pochodzących z wielu źródeł w jedną jednostkę za pomocą kodu i łączenia każdej metryki z możliwym do prześledzenia źródłem
- Możliwość oczyszczenia tekstu raportu stworzonego przez sztuczną inteligencję z przesadnego języka i przygotowania go z łańcuchem dowodów w celu uzyskania niezależnej pewności
Bez względu na to, jak dobre są wyniki organizacji w zakresie ochrony środowiska, mają one ograniczoną wartość, jeśli nie są raportowane w sposób wiarygodny. Inwestorzy, organy regulacyjne, klienci i pracownicy chcą teraz, aby instytucje dokumentowały swoje wyniki w zakresie ESG (środowisko, społeczeństwo, zarządzanie). W tej części poznasz główne ramy raportowania, łańcuch gromadzenia danych, automatyzację raportowania za pomocą sztucznej inteligencji i – co najważniejsze – możliwość audytu raportu.
Najpierw ramki. GRI (Global Reporting Initiative) to najbardziej rozpowszechniony na świecie standard dobrowolnego raportowania zrównoważonego rozwoju. CSRD (Corporate Sustainability Reporting Dyrektywa) to unijna dyrektywa, która zobowiązuje duże firmy do raportowania zrównoważonego rozwoju i opiera się na szczegółowych standardach zwanych ESRS (European Sustainability Reporting Standards). ISSB/IFRS S1-S2 to globalny standard ujawniania informacji dotyczących zrównoważonego rozwoju, skupiający się na kwestiach finansowych. Konsensus: nie twierdzenia, ale standardowe, podlegające audytowi dane.
Podwójna istotność: co raportować?
Ideą leżącą u podstaw CSRD jest analiza podwójnej istotności. Pytanie to jest dwojakie: (1) W jaki sposób środowisko/społeczeństwo wpływa na organizację (istotność finansowa)? (2) W jaki sposób organizacja wpływa na środowisko/społeczeństwo (istotność wpływu)? Organizacja musi raportować nie tylko to, co jest dla niej ważne finansowo, ale także swój wpływ, który jest ważny dla świata. Sztuczna inteligencja pomaga określić, jakie kwestie mogą być istotne, ale decyzja w sprawie istotności leży w gestii opinii interesariuszy i kierownictwa.
Wskazówka: raport ESG jest tak wartościowy, jak wiarygodność jego najsłabszych danych. Płynny tekst wygenerowany przez sztuczną inteligencję zwinie się podczas sprawdzania, jeśli nie będzie można podążać za liczbą znajdującą się pod nim. Najpierw wzmocnij dane i ich źródło; Piękne zdanie pojawia się później.
Łańcuch gromadzenia danych
Najtrudniejszą częścią raportowania ESG nie jest jego pisanie, ale zbieranie danych: z kilkudziesięciu serwisów, w różnych formatach, w różnych jednostkach. Tutaj z pomocą przychodzi sztuczna inteligencja — przekształcanie niechlujnych faktur, tabel i formularzy w jedną strukturę, wychwytywanie niedopasowań jednostek i oznaczanie brakujących danych. Żaden numer wygenerowany przez sztuczną inteligencję nie powinien jednak trafiać do raportu bez połączenia z możliwym do prześledzenia źródłem (faktura, licznik, certyfikat).
Krok po kroku: stworzenie raportu ESG
1. Wybierz ramkę. GRI, CSRD/ESRS czy ISSB? Obowiązkowe czy dobrowolne?
2. Przeprowadź analizę istotności. Jakie tematy będą zgłaszane?
3. Zbieraj i standaryzuj dane. Przekształcone w jedną jednostkę, łącznie z jej źródłem.
4. Oblicz metryki. Emisje, woda, odpady, energochłonność – każde ze swoim źródłem.
5. Narysuj tekst. Szkielet z sztuczną inteligencją, następnie korekta przez człowieka i dopasowanie dowodów.
6. Sprawdź i uzyskaj pewność. Przygotuj się na kontrolę wewnętrzną + niezależną pewność.
trzy mini etui
Przypadek 1 – Numer niemożliwy do namierzenia. Jedna firma zleciła AI sporządzenie raportu ESG; „Zredukowaliśmy zużycie wody o 15%” – czytamy w tekście. Audytor zapytał o źródło tej liczby; Zespół nie mógł ustalić, skąd pochodzi ta liczba – sztuczna inteligencja stworzyła „wiarygodną” liczbę na podstawie poprzednich tekstów. Wyciągnięto numer, zastąpiono go rzeczywistymi danymi (redukcja o 9%). Każdy niewykrywalny numer oznacza bombę pod kontrolą.
Przypadek 2 – Automatyzacja jednostki. Jedna grupa łączyła dane dotyczące energii z 30 obiektów; niektóre były w kWh, inne w MWh, inne w GJ. Ujednolicili sztuczną inteligencję za pomocą kodu Pythona, który konwertował wszystkie dane na jedną jednostkę (MWh), wyświetlał współczynnik konwersji i oznaczał podejrzane wartości. To, co ręcznie zajęłoby kilka dni, zostało zredukowane do godzin; każda konwersja była rejestrowana i możliwa do sprawdzenia.
Przypadek 3 – Podwójne znaczenie. Organizacja planowała raportować tylko te kwestie, które miały wpływ na jej koszty. Sprawili, że sztuczna inteligencja zastosowała zasadę podwójnej ważności; Okazuje się, że wpływ wody w łańcuchu dostaw organizacji należy raportować w kategoriach „istotności wpływu”, nawet jeśli ma on niewielki wpływ na własne finanse organizacji. Było to obowiązkowe w celu zapewnienia zgodności z dyrektywą CSRD. Decyzja została ponownie zatwierdzona opinią zainteresowanych stron.
Słaba zachęta/silna zachęta
Słaba zachęta:
Napisz mi raport dotyczący zrównoważonego rozwoju.
Dlaczego jest słaby: brak ram, danych, istotności i dowodów. Sztuczna inteligencja tworzy tekst, który brzmi dobrze, ale nie można go śledzić i zawiesza się podczas sprawdzania.
Potężny monit:
Twoja rola: Ekspert ds. raportowania ESG. Przygotuj sekcję „Emisje” zgodnie ze standardem GRI. Korzystaj WYŁĄCZNIE ze zweryfikowanych danych, które podałem poniżej; kolejna liczba jest FAŁSZYWA. Chroń źródło za pomocą tagu [source] obok każdego wydania. Używanie niejasnego/przesadnego języka (np. „przyjazny dla środowiska”); Używaj opartego na dowodach, wyważonego języka. Oznacz miejsca, w których brakuje danych, jako [BRAK DANYCH]. Dane: [tutaj]
Cztery szablony do kopiowania
1) Sekcja raportu opartego na dowodach:
Twoja rola: ekspert ESG. Napisz wersję roboczą [sekcji] zgodnie z [Framework: GRI/ESRS]. Korzystaj wyłącznie ze zweryfikowanych danych, które podaję; tworzenie liczb. Chroń swoje źródło obok hermetycznego. Używanie przesadnego języka; Zaznacz brakujące [BRAK DANYCH]. Dane: [tutaj]
2) Standaryzacja danych wieloźródłowych (z kodem):
Konwertuj następujące dane [energia/woda/odpady] w różnych jednostkach i formatach na jedną jednostkę za pomocą Pythona. Pokaż zastosowane współczynniki konwersji; nie wymyślaj ich. Oznacz wartości wątpliwe/ekstremalne. Możliwość śledzenia każdej konwersji. Dane: [tutaj]
3) Zarys podwójnej materialności:
Wymień potencjalnie istotne kwestie ESG w ramach podwójnej istotności (wpływ finansowy + wpływ na środowisko/społeczeństwo) wraz z następującymi informacjami korporacyjnymi i branżowymi. Oceń każdy problem na dwóch osiach. To jest PROJEKT; ostateczna decyzja w sprawie istotności wymaga konsultacji z zainteresowanymi stronami i zgody kierownictwa, należy to określić. Informacje: [tutaj]
4) Kontrola identyfikowalności przed audytem:
Wyciągnij KAŻDE twierdzenie liczbowe w tekście raportu poniżej i zapytaj „czy jest cytowane źródło?” Napisz (tak/nie). Oznacz dowolną liczbę, która nie ma źródła, jako ryzyko audytu. Zmień tekst; po prostu sprawdź. Tekst: [tutaj]
Typowe błędy
- Umieszczenie niemożliwego do namierzenia numeru. Każdy wskaźnik powinien być powiązany z dokumentem.
- Publikowanie tekstu AI bez pasujących dowodów. Płynne zdania nie zastąpią wiarygodności danych.
- Stosowanie podwójnej ważności w jeden sposób. Zgłaszane są zarówno skutki finansowe, jak i skutki dla środowiska.
- Ignorowanie zamieszania w jednostkach. Należy rejestrować konwersje kWh/MWh/GJ.
- Używanie przesadnego języka. Wyrażenia takie jak „przyjazny dla środowiska” stanowią ryzyko audytowe i regulacyjne.
Uwaga: CSRD i podobne obowiązkowe ramy wymagają weryfikacji raportu w drodze niezależnej kontroli. Audytor sprawdza łańcuch dowodów leżący u podstaw danej kwestii, a nie tekst. AI przyspiesza tekst, ale nie może ustalić łańcucha dowodowego; Budujesz to.
Podsumowując
Raportowanie ESG; Wymaga odpowiednich ram, podwójnego znaczenia, identyfikowalnych danych i podlegającego audytowi tekstu. sztuczna inteligencja; Jest potężnym akceleratorem standaryzacji, opracowywania i kontroli spójności danych. Jednakże przypisanie każdej kwestii do źródła, decyzja o istotności i przygotowanie do niezależnej oceny należą do biegłego. Raport jest tak mocny, jak jego najsłabsze dane; Najpierw skonsoliduj dane, potem zdanie.
Zadanie aplikacji
Wymień kilka wskaźników środowiskowych organizacji (emisje, woda, energia) wraz z ich źródłami (celowo zostaw jeden lub dwa bez źródeł). W przypadku szablonu 1 poproś AI o sporządzenie sekcji GRI „Emisje” i sprawdź, czy dane niepochodzące z źródła są oznaczone jako [BRAK DANYCH]. Następnie zlecaj audyt każdego wydania tekstu utworzonego przy użyciu szablonu 4 pod kątem identyfikowalności. Przygotuj plan dla każdego problemu, który pozostaje niezakończony.
lista kontrolna
- [ ] Wybrałem właściwe ramy raportowania (GRI/ESRS/ISSB).
- [ ] Oceniłem podwójną istotność zarówno pod względem finansowym, jak i wpływowym.
- [ ] Powiązałem każdą metrykę z możliwym do prześledzenia źródłem.
- [ ] Przekonwertowałem dane pochodzące z wielu źródeł na jedną jednostkę, rejestrując współczynniki.
- [ ] Usunąłem z tekstu przesadny/bezpodstawny język.
- [ ] Przygotowałem raport z łańcuchem dowodów w celu uzyskania niezależnej pewności.