Введение в ИИ в ESG и устойчивом развитии: роли, границы, валидация и этика — Искусственный интеллект в устойчивом развитии и управлении ESG

Прибыль:

Возможность различать, где искусственный интеллект экономит время в рабочем процессе ESG (данные, учетные записи, картирование, отчетность), а где решения по факторам, стандартам и претензиям оставляются на усмотрение людей, в зависимости от уровня риска.
Способность применять дисциплину, которая проверяет каждый численный и качественный результат с указанием единиц измерения, источника и этапов контрольного журнала.
Понимание того, почему фальшивые коэффициенты выбросов, фальшивые стандарты и формулировки «зеленого промывания» представляют собой риски для этой профессии, которые необходимо принимать во внимание с самого начала.

Отчет об устойчивом развитии компании больше не является просто брошюрой о деловой репутации; Это документ, который имеет такую же обязательную силу, проверен и имеет юридические последствия, как и бухгалтерский документ. Благодаря регулированию CSRD (Директивы по корпоративной отчетности в области устойчивого развития) Европейского Союза тысячи компаний; Компания должна была раскрывать выбросы углекислого газа, данные о сотрудниках и влияние на цепочку поставок в обязательном, проверяемом и сопоставимом виде, точно так же, как финансовая отчетность. В этом модуле вы узнаете, где искусственный интеллект (ИИ) действительно экономит время в этой тяжелой и трудоемкой задаче, где он опасен и как проверять каждый результат.

Во-первых, критическая концепция. ESG — это инициалы английских слов Environmental, Social и Governance; Это название системы, которая измеряет воздействие компании на окружающую среду, такое как выбросы углекислого газа и использование воды, социальные последствия, такие как права сотрудников и безопасность труда, а также методы управления, такие как структура совета директоров и этика. Отчеты об устойчивом развитии измеряют эффективность в этих трех областях стандартным образом и раскрывают ее общественности.

Вторая важная концепция: галлюцинация — это когда ИИ с полной уверенностью выдает информацию, которая на самом деле не соответствует действительности. В мире ESG это; Вы можете столкнуться с вымышленным коэффициентом выбросов, несуществующим стандартным номером GRI, неправильной единицей измерения или ссылкой на несуществующую статью законодательства. Критическим моментом является то, что большая языковая модель (LLM) — это не калькулятор, нормативная база данных или аудитор. Это генератор текста, который статистически имитирует тексты, которые он видит в обучающих данных. Большую часть времени он предоставляет точную информацию; но разница между «точно в большинстве случаев» и «достаточно точно, чтобы пройти аудит» — это главное в отчетности ESG.

Где ИИ работает в ESG, а где нет?

Думайте об ИИ как о быстром наброске, партнере по хранению и анализу данных: ценном, но важном для проверки. Следующее различие является основой этого модуля.

Квест

Вклад ИИ

Ответственность эксперта

сбор данных

Редактирует разные форматы, отмечает пробелы

Подтверждение номера первичным документом

Счет выбросов

Создает формулу и структуру расчета

Проверка коэффициента выбросов из официального источника

Сопоставление GRI/CSRD

Рекомендует ингредиенты к стандартным продуктам

Сверяем точно со стандартным текстом

Анализ существенности

Разделяет мнения заинтересованных сторон по темам

Примите решение о приоритете

Написание отчета

Подготавливает черновой текст и резюме

Подкрепляйте каждое утверждение доказательствами

Гринвошинг контроль

Отмечает рискованные фразы

взять на себя окончательную ответственность по претензии

Эмпирическое правило: применять ИИ не к самим данным; использовать для организации данных, анализа каркаса и черновика текста; Всегда сверяйте каждое число и каждую ссылку на стандарт с первоисточником (счет-фактура, запись счетчика, официальный текст стандарта, база данных коэффициентов выбросов). За каждой цифрой в отчете об устойчивом развитии должен стоять аудиторский след, который может понадобиться аудитору. ИИ не может предоставить такие доказательства; это просто помогает вам это организовать.

Три смертельные ловушки ИИ в ESG

1. Коэффициенты и цифры искусственных выбросов. ИИ может «заполнить» коэффициент выбросов, который он не помнит (коэффициент выбросов углекислого газа на единицу топлива или электроэнергии), числом, которое кажется разумным. Это число делает недействительным весь расчет углеродного следа.

2. Ссылка на несуществующее или устаревшее законодательство/стандарты. ИИ может генерировать стандартные числа, которые кажутся реальными, но содержание которых искажено или полностью сфабриковано, например «GRI 305-7». Стандарты также регулярно обновляются; Версия, известная модели, может быть устаревшей.

3. Язык, порождающий «зеленое промывание». ИИ охотно выдает красивые, но необоснованные и вводящие в заблуждение заявления, такие как «экологически чистый», «экологически чистый», «углеродно-нейтральный». Сегодня эти заявления несут юридический риск. Мы подробно рассмотрим это в модуле 10.

Совет: К каждому числовому результату ESG следует подходить с помощью трех вопросов: (1) Какова его единица измерения (тCO₂e, кг, МВтч)? (2) Какой документ является источником? (3) Как мне доказать эту цифру аудитору? Эти три вопроса выявляют большинство ошибок ESG в зародыше. «tCO₂e» здесь означает «тонны эквивалента диоксида углерода»; Это мера, которая преобразует различные парниковые газы в одну общую единицу.

Шаг за шагом: безопасный рабочий процесс искусственного интеллекта в ESG

1. Привязать задачу к эталону и подразделению. Вместо «Подсчитайте наши выбросы углекислого газа» скажите «2024 год, офис в Стамбуле, потребление природного газа 12 000 м³; рассчитайте выбросы в тоннах CO₂e с помощью метода GHG Protocol Scope 1, укажите коэффициент выбросов и источник, который вы используете».

2. Четко спросите об источнике и предположении. Попросите ИИ записать, какой коэффициент выбросов, какой стандарт и какое допущение он использовал для каждого числа. Не принимайте никакие цифры без ссылки на источник.

3. Проверьте первоисточник. Подтвердите коэффициент выбросов из официальной базы данных (например, национального департамента энергетики, набора данных DEFRA Великобритании, МЭА), стандартного текста из официального документа GRI или EFRAG. EFRAG — европейское учреждение, которое разрабатывает стандарты ESRS (Европейские стандарты отчетности в области устойчивого развития), на которых основан CSRD.

4. Сохраните контрольный журнал. Запишите в таблицу, какие данные вы использовали, из какого источника, на какую дату и при каком предположении. Аудитор по обеспечению качества (независимый проверяющий) запросит это.

5. Попросите человека подтвердить последнее утверждение. За каждым публичным заявлением по ESG должно стоять ответственное лицо.

Слабая подсказка / Сильная подсказка

Запрос на одну и ту же работу двумя разными способами радикально меняет доверие к результату.

Слабая подсказка:

Рассчитайте углеродный след нашей компании и напишите параграф для отчета об устойчивом развитии.

В этой претензии не указаны подразделение, объем, год, данные и источник; ИИ заполняет пробелы выдумкой и создает текст, полный зелени.

Мощная подсказка:

Ваша роль: старший специалист по отчетности по ESG. Входные данные (используйте только их, при отсутствии укажите «нет данных»): - 2024 г., природный газ: 12 000 м³ - 2024 г., сетевое электричество: 85 000 кВтч. Задача: рассчитать выбросы в CO₂e, используя метод GHG Protocol Scope 1 и Scope 2 (на основе местоположения). Правила: - Каждый используемый вами выброс Укажите коэффициент, единицу измерения и источник в отдельном столбце. - Если вы не знаете коэффициент, не придумывайте его; Напишите «требуется официальный фактор». - Результат представить в виде таблицы; В конце перечислите элементы, которые необходимо проверить.

Этика, конфиденциальность и границы

Данные ESG часто бывают конфиденциальными: данные о поле сотрудников и заработной плате (социальные индикаторы), условия контрактов с поставщиками, финансовые последствия еще не раскрыты. Уточните границы конфиденциальности, прежде чем вводить эти данные в общедоступный инструмент искусственного интеллекта. Анонимизировать или агрегировать персональные данные (имя, идентификатор, зарплату в рамках KVKK и GDPR) перед передачей их AI; То есть вместо отдельных людей превратите их в сводные цифры, например, «доля женщин составляет 38%». KVKK — это закон Турции о защите персональных данных, а GDPR — европейский закон о защите персональных данных.

Внимание: ложное или преувеличенное утверждение в отчете ESG представляет собой не только репутационный риск; Это может привести к штрафам и юридической ответственности в соответствии с CSRD и национальным законодательством о защите прав потребителей. Не публикуйте бездоказательные заявления, сделанные ИИ.

три мини-кейса

Случай 1 — Надуманный фактор. Производственная компания предоставила AI данные о расходе дизельного топлива и запросила расчет выбросов. YZ использовала коэффициент «2,40 кгCO₂e/литр для дизельного топлива». Эксперт проверил: официальный коэффициент составляет примерно 2,68 кгCO₂e/литр. Разница составила 10% и означала отклонение примерно 11 тонн CO₂e на 40 000 литров потребления. Фактор исправлен из официального источника.

Случай 2 — Несуществующий стандарт. Консультант попросил YZ дать название отчета «Расход воды по GRI 305-8». Принимая во внимание, что данные о воде представлены в соответствии с GRI 303; GRI 305 – выбросы в атмосферу. При проверке стандартного текста ошибка была обнаружена и контент перенесен в правильную статью.

Случай 3. Язык «зеленого промывания». YZ предложил для розничного бренда фразу «наша продукция полностью экологична». Команда ESG сочла это недоказуемым и заменила его конкретным, доказуемым утверждением, например: «60% нашей упаковки перерабатывается (2024 г., внутренние измерения)».

Запросы на работу, готовую к аудиту

Внимательно изучите приведенный ниже текст ESG. По каждому числовому утверждению: 1) Ясна ли единица измерения? 2) Указан ли источник? 3) Поддается ли это проверке или субъективно/преувеличено? Отметьте необоснованные или расплывчатые утверждения, такие как «экологичный, зеленый, натуральный», и предложите конкретную, измеримую альтернативу для каждого из них. Текст: [ТЕКСТ]

Следующая подсказка дает краткую схему политики, которая разъясняет ограничения на использование ИИ внутри организации.

Ваша роль: руководитель группы устойчивого развития. Задача: написать одностраничный проект внутренней политики, регулирующей использование командой ИИ в работе ESG. Включите: - Задачи, в которых ИИ может использоваться свободно (схема, сводка, форматирование). - Задачи, требующие проверки человеком (число, фактор, стандартная атрибуция, утверждение). - Типы данных, которые никогда не будут введены в ИИ (личные данные, нераскрытые финансовые последствия). Тон: ясный, маркированный список, применимый.

Следующее приглашение создает небольшой скелет таблицы «контрольного журнала», который можно добавить к каждому результату ESG.

Распространенные ошибки

Принятие номера без источника. Каждый коэффициент выбросов и цифра, предоставленная YZ, не включается в отчет без подтверждения официальным источником.
Игнорирование агрегата. Если спутать кг с тоннами, кВтч с МВтч, результат может отклониться в 1000 раз.
Слепо доверяя своим стандартным трюкам. Номера веществ GRI/ESRS должны быть подтверждены официальным документом.
Ввод конфиденциальных данных как есть. Данные о сотрудниках и поставщиках не передаются в общедоступный инструмент без анонимизации.
Ставим ИИ на место аудитора. ИИ может составить контрольный список, но не может обеспечить независимую гарантию.

В заключение

ИИ — мощный партнер по составлению, хранению и анализу данных в ESG; но это не калькулятор, нормативная база данных или аудитор. Его ценность раскрывается путем его проверки. Подтверждение каждой цифры из первоисточника, сравнение каждой стандартной ссылки с официальным текстом, анонимизация конфиденциальных данных и возложение ответственности за окончательные претензии на человека — вот постоянная основа этого модуля. Никогда не забывайте о разнице между «выглядеть свободно» и «пройти проверку».

Задача приложения

Выберите один элемент экологических данных из вашей организации (или вымышленной компании): например, ежемесячный счет за электроэнергию. Запросите скелет учета выбросов категории 2 у ИИ, используя приведенный выше шаблон «подсказки о мощности». Затем: (1) сравните коэффициент выбросов, который он использует, с официальным источником, (2) проверьте согласованность единиц, (3) напишите небольшую таблицу контрольного журнала, в которой будет указано, какие элементы «нуждаются в проверке».

контрольный список

[ ] Я поставил под сомнение единицу измерения и источник каждого числа, данного ИИ.
[ ] Я подтвердил коэффициенты выбросов в официальной базе данных.
[ ] Я сверил стандартные номера (GRI/ESRS) с официальным текстом.
[ ] У меня есть анонимизированные или агрегированные конфиденциальные/личные данные.
[ ] Я отметил утверждения без доказательств, такие как «экологичный, зеленый, натуральный».
[ ] Я вел контрольный журнал (источник, дата, предположение) для каждого решения.
[ ] Я определил ответственное лицо, которое подтверждает окончательную претензию.