Zyski:
- Umiejętność rozróżnienia celów ram GRI, ESRS i ISSB (wpływ, podwójna istotność, finanse) i wybrania odpowiednich ram według czytelnika
- Możliwość przyporządkowania istotnych tematów do standardowych kandydatów na elementy i zweryfikowania każdego numeru za pomocą oficjalnego standardowego tekstu
- Możliwość ustalenia dopasowania krzyżowego, które łączy pojedyncze dane z wieloma ramkami i wyraźnie wskazuje luki w danych bez ich ukrywania
Gdy firma zbierze dane dotyczące zrównoważonego rozwoju, musi je ujawnić zgodnie z międzynarodowymi ramami sprawozdawczości, a nie w sposób arbitralny. Ramy to wspólny język określający, „który temat należy zgłosić, w jaki sposób i za pomocą jakich wskaźników”; Dzięki niemu można porównać raporty dwóch różnych firm. W tym module poznasz trzy główne frameworki (GRI, ESRS/CSRD, ISSB) i dowiesz się, jak bezpiecznie wykorzystywać sztuczną inteligencję (AI) w dopasowywaniu treści według tych frameworków.
Opiszmy pokrótce te trzy frameworki. GRI (Global Reporting Initiative) to najpowszechniej stosowana na świecie rodzina dobrowolnych standardów raportowania w zakresie zrównoważonego rozwoju; Zajmuje się głównie wpływem firmy na świat. ESRS (European Sustainability Reporting Standards) to zbiór standardów opartych na podwójnej istotności, wymaganych przez Unię Europejską w ramach dyrektywy CSRD. ISSB (International Sustainability Standards Board) to międzynarodowa rada publikująca standardy MSSF S1/S2, skupiające się na istotności finansowej z naciskiem na inwestorów.
Trzy kadry, trzy perspektywy
Rama
Kto to zdjął?
główny nacisk
Czy jest to obowiązkowe?
SZARY
Instytucja GRI
Wpływ firmy na świat
Dobrowolne, bardzo powszechne
ESRS/CSRD
UE/EFRAG
Podwójna istotność (wpływ + finanse)
Obowiązkowe w ramach UE
ISSB (MSSF S1/S2)
Fundacja MSSF
Istotność finansowa dla inwestora
Przyjęte przez kraj
Ramy te nie stanowią dla siebie konkurencji, ale języki uzupełniające, które przemawiają do różnych czytelników. Większość dużych firm zbiera swoje dane raz i „odwzorowuje” je na wiele frameworków. Na tym właśnie polega prawdziwa wartość sztucznej inteligencji: jest to szybka pomoc w rekomendowaniu tych samych danych numerom elementów różnych ramek. Może jednak dopasowywać numery pozycji, dlatego każde dopasowanie należy zweryfikować w oparciu o oficjalny standardowy tekst.
Wskazówka: Ramki możesz porównać do pytania „co jest lepsze?” a nie „Kto to przeczyta?” Wybierać . Jeśli rozmawiasz z inwestorami, ISSB/istotność finansowa; ESRS jest obowiązkowy, jeśli podlegasz przepisom UE; GRI jest skuteczne, jeśli komunikujesz swój wpływ szerokiemu gronu interesariuszy. Często więcej niż jeden jest używany razem.
Struktura standardów GRI
GRI jest uporządkowane według numerów tematycznych. Kilka przykładów (koniecznie sprawdź oficjalny tekst w celu weryfikacji):
- GRI 302 — Energia
- GRI 303 — Woda i ścieki
- GRI 305 — Emisje (powietrze)
- GRI 306 – Odpady
- GRI 403 — Bezpieczeństwo i higiena pracy
Najczęstszym błędem AI jest umieszczenie tematu pod złym numerem: np. pokazanie wody pod GRI 305 (emisje). Woda ma certyfikat GRI 303. Takie błędy wychwytuje wyłącznie oficjalna lista standardów.
Krok po kroku: Dopasowywanie klatek za pomocą AI
1. W oparciu o istotność. Kiedy już ustalisz, które tematy będą raportowane (część 2), przejdź do mapowania.
2. Poleć dane do pozycji standardowej. Poproś sztuczną inteligencję o przypisanie każdego istotnego tematu do odpowiedniego kandydata na substancję GRI/ESRS; ale należy zaznaczyć, że „jest to projekt wniosku”.
3. Zweryfikuj numer pozycji z oficjalnym tekstem. Potwierdź każdy sugerowany numer oficjalnym dokumentem GRI lub EFRAG. Sprawdź zarówno liczbę, jak i treść.
4. Zidentyfikuj luki. Wymień dane, które chcesz mieć w standardzie, ale których nie masz (luka w danych); Są one albo gromadzone, albo deklarowane jako „niedostępne”.
5. Skonfiguruj mapowanie krzyżowe. Przygotuj tabelę łączącą te same dane z numerami GRI, ESRS i ISSB; więc raportujesz do wielu platform z jednymi danymi.
Słaba zachęta/silna zachęta
Słaba zachęta:
Ponumeruj te tematy zgodnie z GRI.
Sztuczna inteligencja może generować liczby, które wydają się rozsądne, ale są fałszywe/sfabrykowane; Nie ma połączenia weryfikacyjnego.
Potężny monit:
Twoja rola: ekspert ds. ram raportowania.Wkład: nasze istotne tematy (energia, woda, emisje, bezpieczeństwo pracy, odpady).Zadanie: zasugeruj MOŻLIWYCH kandydatów na substancje GRI i ESRS dla każdego tematu.Zasady: - Przypisz każdej sugestii znacznik „MUSISZ ZWERYFIKOWAĆ”; Nie podawaj dokładnej liczby. - Nie wymyślaj liczby, której nie jesteś pewien; Wpisz „potwierdzenie z oficjalnej listy standardów”. - Napisz powód dyskryminacji w odniesieniu do tematów łatwych do pomylenia, takich jak woda i emisje. Wynik: tabela (Temat | Kandydat GRI | Kandydat ESRS | Notatka weryfikacyjna).
Monituj o tabelę mapowania wielu ramek
Zbuduj rusztowanie tabeli mapowania z wieloma ramkami dla następujących istotnych tematów. Kolumny: Temat | Element danych | Sztuka GRI. | Sztuka ESRS. | ISSB (S1/S2) | Dane źródłowe | Czy są jakieś luki?Zasady:- Oznacz numery pozycji jako „kandydat/do sprawdzenia”.- Wpisz „DATA LAP” w komórkach, które nie zawierają danych.Tematy: [TOPICS]
Poniższy monit generuje analizę luk w raportowaniu.
Twoja rola: Analityk zgodności z przepisami ESG. Zadanie: Porównaj posiadane dane z wyjaśnieniami wymaganymi przez wybrane przez nas ramy (ESRS) i przeprowadź analizę luk. Wynik: Wymagane wyjaśnienie | Czy to mamy? | Co zebrać, jeśli brakuje | Odpowiedzialny.Zasada: Przy każdym wierszu, w którym powiesz „mamy”, podaj źródło; Jeśli nie jesteś pewien, powiedz „wymagane sprawdzenie”. Przypomnij mi o sprawdzeniu klauzul standardów z tekstu oficjalnego.Wpis: [LISTA DOSTĘPNYCH DANYCH]
Uwaga: Standardy są regularnie aktualizowane; Numery pozycji, progi i wymagania mogą ulec zmianie. Dane szkoleniowe sztucznej inteligencji mogą odzwierciedlać nieaktualną wersję. Zawsze potwierdzaj krytyczne decyzje dotyczące parowania i zobowiązań odpowiednim oficjalnym tekstem.
trzy mini etui
Przypadek 1 — Zły numer. Firma energetyczna poprosiła sztuczną inteligencję o mapowanie GRI. YZ określiło swoje zużycie wody jako „GRI 305-8”. Ekspert sprawdził: woda to GRI 303, GRI 305 to emisja do powietrza i nie ma stwierdzenia 305-8. Numer został poprawiony zgodnie z oficjalną listą.
Przypadek 2 — Wiele raportów z jednymi danymi. Jeden z producentów zebrał raz dane dotyczące energii i przy pomocy sztucznej inteligencji zmapował je zgodnie z wymogami GRI 302, ESRS E1 (klimat) i ISSB S2. Dzięki tabeli krzyżowej dane były zasilane z jednego źródła, zamiast zbierać dane do trzech oddzielnych raportów; każdy numer został potwierdzony oficjalnym tekstem.
Przypadek 3 — Ukryta wnęka. Jedno przedsiębiorstwo nie posiadało ujawnień dotyczących emisji w zakresie 3 wymaganych przez ESRS. AI napisała raport płynnie „jakby był kompletny” i sprawiła, że luka była niewidoczna. Po przeprowadzeniu analizy luk ujawniono braki; Zamiast sfabrykować dane, w raporcie szczerze wyjaśniono, że „dane z zakresu 3 zostaną zebrane w 2025 r.”.
Typowe błędy
- Brak weryfikacji numeru pozycji. Numery GRI/ESRS/ISSB nie są używane bez potwierdzenia oficjalnym tekstem.
- Mieszanie ramek. Założenie, że nacisk GRI na wpływ i nacisk finansowy ISSB są takie same, prowadziłoby do błędnych wyjaśnień.
- Opieram się na starej wersji. Standardy są aktualizowane; Aktualny tekst jest niezbędny.
- Ukrywanie luki w danych. Należy jasno wskazać brakujące dane, a nie pisać „jakby były kompletne”.
- Mylące kwestie, takie jak woda/emisje. Tematy, które wydają się podobne, są przypisane do różnych numerów pozycji.
Podsumowując
Ramy raportowania to struktury, które przekładają dane dotyczące zrównoważonego rozwoju na wspólny, porównywalny język: GRI skupia się na wpływie, ISSB na finansach, ESRS na oba z podwójną istotnością. Sztuczna inteligencja to potężny asystent umożliwiający szybkie mapowanie tych samych danych na elementy różnych frameworków; ale może fałszować numery pozycji i odzwierciedlać starsze wersje. Zweryfikuj każde mapowanie za pomocą oficjalnego tekstu kanonicznego, wybierz ramki według czytnika, nie ukrywaj luk w danych. Raportowanie do wielu platform z pojedynczymi danymi jest wydajne; ale jest to bezpieczne tylko wtedy, gdy każdy numer zostanie potwierdzony.
Zadanie aplikacji
Wybierz pięć istotnych tematów (np. energia, woda, emisje, odpady, bezpieczeństwo pracy). Poproś sztuczną inteligencję o tabelę kandydatów GRI/ESRS/ISSB, korzystając z powyższego monitu dotyczącego dopasowania wielu ramek. Następnie: (1) sprawdź co najmniej trzy numery pozycji z oficjalnym tekstem, (2) sprawdź, czy woda i emisje zostały prawidłowo oddzielone, (3) wpisz brakujące dane do pustej listy.
lista kontrolna
- [ ] Przypisałem każdy istotny temat do odpowiedniego artykułu w ramce.
- [ ] Sprawdziłem numery pozycji z oficjalnym tekstem (GRI/EFRAG/ISSB).
- [ ] Wybrałem ramy w oparciu o ich czytelników (inwestor/interesariusz/organ regulacyjny).
- [ ] Poprawnie oddzieliłem tematy łatwe do pomylenia, takie jak woda/emisje.
- [ ] Wyraźnie wymieniłem luki w danych, bez ich ukrywania.
- [ ] Potwierdzam, że korzystam z aktualnej wersji standardów.
- [ ] Skonfigurowałem tabelę przestawną, która łączy pojedyncze dane z wieloma ramkami.