Uvod v AI v ESG in trajnosti: vloge, meje, validacija in etika — Umetna inteligenca v trajnostnem in ESG upravljanju

Dobički:

Sposobnost razlikovati, kje umetna inteligenca prihrani čas v delovnem toku ESG (podatki, računi, preslikava, poročanje) in kje so odločitve o faktorjih, standardih in zahtevkih prepuščene ljudem, odvisno od stopnje tveganja
Sposobnost uporabe discipline, ki revidira vsak numerični in kvalitativni rezultat z enoto, virom in koraki revizijske sledi
Razumevanje, zakaj so lažni emisijski faktorji, lažne standardne reference in zelenaški jezik tveganja za ta poklic, ki jih je treba upoštevati že na samem začetku.

Trajnostno poročilo podjetja ni več le brošura dobre volje; Gre za listino, ki je enako zavezujoča, revidirana in ima pravne posledice kot knjigovodska listina. Z uredbo Evropske unije CSRD (Direktiva o poročanju o trajnostnem razvoju podjetij) je na tisoče podjetij; Izpuste ogljika, podatke o zaposlenih in vplive na dobavno verigo je moral razkriti na obvezen, preverljiv in primerljiv način, tako kot računovodske izkaze. V tej enoti boste izvedeli, kje umetna inteligenca (AI) resnično prihrani čas pri tej težki in podatkovno intenzivni nalogi, kje je nevarna in kako preveriti vsak rezultat.

Prvič, kritičen koncept. ESG so začetnice angleških besed Environmental, Social in Governance; To je ime ogrodja, ki meri vplive podjetja na okolje, kot so emisije ogljika in poraba vode, družbene vplive, kot so pravice zaposlenih in varnost pri delu, ter prakse upravljanja, kot sta struktura odbora in etika. Trajnostno poročanje meri uspešnost na teh treh področjih na standarden način in jo razkrije javnosti.

Drugi kritični koncept: halucinacija je, ko umetna inteligenca proizvede informacije, ki dejansko niso resnične s polnim zaupanjem. V svetu ESG to; Lahko naletite na izmišljen faktor emisije, neobstoječo standardno številko GRI, napačno enoto ali sklicevanje na neobstoječ člen zakonodaje. Kritična točka je, da veliki jezikovni model (LLM) ni kalkulator, regulativna zbirka podatkov ali revizor. Je generator besedila, ki statistično posnema besedila, ki jih vidi v podatkih o usposabljanju. Večino časa proizvaja točne informacije; vendar je razlika med "natančnim večino časa" in "dovolj natančnim, da prestane revizijo" vse v poročanju ESG.

Kje AI deluje v ESG in kje ne?

Zamislite si umetno inteligenco kot partnerja za hiter osnutek, skrbništvo in analizo podatkov: dragocen, a bistven za validacijo. Naslednja razlika je hrbtenica tega modula.

Iskanje

Prispevek AI

Odgovornost strokovnjaka

zbiranje podatkov

Ureja različne formate, označuje presledke

Potrditev številke z izvornim dokumentom

Emisijski račun

Ustvari okvir za formulo in izračun

Preverjanje emisijskega faktorja iz uradnega vira

GRI/CSRD preslikava

Priporoča sestavine za standardne izdelke

Preverjanje natančno s standardnim besedilom

Analiza materialnosti

Loči mnenja deležnikov na teme

Odločite se o prednostni nalogi

Pisanje poročila

Ustvari osnutek besedila in povzetek

Vsako trditev podkrepite z dokazi

Nadzor zelenega pranja

Označi tvegane fraze

prevzeti odgovornost za končni zahtevek

Osnovno pravilo: umetne inteligence ne uporabljajte za same podatke; uporabite za organiziranje podatkov, analizo odra in osnutek besedila; Vsako številko in vsako referenco standarda vedno preverite s primarnim virom (račun, zapis števca, uradno standardno besedilo, zbirka podatkov faktorjev emisij). Za vsako številko v trajnostnem poročilu mora obstajati revizijska sled, ki bi jo revizor morda želel. AI ne more ustvariti teh dokazov; le pomaga ti pri organizaciji.

Tri smrtonosne pasti umetne inteligence v ESG

1. Pripravljeni emisijski faktorji in številke. Umetna inteligenca lahko "izpolni" emisijski faktor, ki se ga ne spomni (koeficient emisij ogljika na enoto goriva ali električne energije), s številko, ki se zdi razumna. Ta številka razveljavi celoten izračun ogljičnega odtisa.

2. Sklicevanje na neobstoječo ali zastarelo zakonodajo/standarde. AI lahko ustvari standardne številke, ki se zdijo resnične, vendar je njihova vsebina napačno predstavljena ali popolnoma izmišljena, kot je "GRI 305-7". Standardi se tudi redno posodabljajo; Različica, znana modelu, je morda zastarela.

3. Jezik, ki proizvaja zelenaštvo. AI vneto proizvaja lepo zveneče, a neutemeljene in zavajajoče izjave, kot so "okolju prijazen", "okolju prijazen", "ogljično nevtralen". Te izjave danes predstavljajo pravno tveganje. To bomo poglobljeno obravnavali v 10. enoti.

Namig: k vsakemu številčnemu rezultatu ESG pristopite s tremi vprašanji: (1) Kakšna je njegova enota (tCO₂e, kg, MWh)? (2) Kateri dokument je vir? (3) Kako to številko dokažem revizorju? Ta tri vprašanja že v kali ujamejo večino ESG napak. "tCO₂e" tukaj pomeni "tone ekvivalenta ogljikovega dioksida"; Je mera, ki pretvori različne toplogredne pline v eno skupno enoto.

Korak za korakom: varen potek dela z umetno inteligenco v ESG

1. Poveži nalogo s standardom in enoto. Namesto "Izračunajte naše emisije ogljika" recite "2024, urad v Istanbulu, poraba zemeljskega plina 12.000 m³; Izračunajte emisije v tCO₂e z metodo GHG Protocol Scope 1, navedite faktor emisije in vir, ki ga uporabljate."

2. Jasno vprašajte za vir in domnevo. Prosite AI naj zapiše, kateri faktor emisije, kateri standard in katero predpostavko je uporabil za vsako številko. Ne sprejmite nobene številke brez navedbe vira.

3. Preverite s primarnim virom. Potrdite emisijski faktor iz uradne zbirke podatkov (npr. nacionalni oddelek za energijo, nabor podatkov UK DEFRA, IEA), standardno besedilo iz uradnega dokumenta GRI ali EFRAG. EFRAG je evropska institucija, ki pripravlja standarde ESRS (European Sustainability Reporting Standards), na katerih temelji CSRD.

4. Shranite revizijsko sled. V tabelo zapišite, katere podatke ste uporabili, iz katerega vira, na kateri datum in pod kakšno predpostavko. Revizor zagotovila (neodvisni preveritelj) bo to zahteval.

5. Naj človek potrdi končno trditev. Za vsako javno zahtevo ESG mora stati odgovorna oseba.

Šibek poziv/močan poziv

Zahteva za isto delo na dva različna načina radikalno spremeni verodostojnost izida.

Šibek poziv:

Izračunajte ogljični odtis našega podjetja in napišite odstavek za trajnostno poročilo.

Ta trditev ne vključuje enote, obsega, leta, podatkov in vira; Umetna inteligenca zapolni praznine z izmišljotino in ustvari besedilo, polno zelenega pranja.

Močan poziv:

Vaša vloga: višji strokovnjak za poročanje ESG. Vnesite podatke (uporabite samo te, napišite 'brez podatkov', če manjkajo):- 2024, zemeljski plin: 12.000 m³- 2024, električna energija iz omrežja: 85.000 kWh Naloga: Izračunajte emisije v CO₂e z uporabo obsega 1 in obsega 2 protokola o toplogrednih plinih (glede na lokacijo) metoda.Pravila:- Vsaka emisija, ki jo uporabite, navedite faktor, enoto in vir v ločenem stolpcu. - Če dejavnika ne poznate, si ga ne izmišljujte; Napišite "potreben je uradni dejavnik". - rezultat zapišite v tabelo; Na koncu navedite elemente, ki jih je treba preveriti.

Etika, zasebnost in meje

Podatki ESG so pogosto občutljivi: podatki o spolu in plačah zaposlenih (socialni kazalniki), pogodbeni pogoji dobaviteljev, finančni učinki še niso razkriti. Pojasnite mejo zasebnosti, preden te podatke vnesete v javno orodje AI. Anonimizirati ali združiti osebne podatke (ime, ID, plača v okviru KVKK in GDPR), preden jih posredujete AI; To pomeni, da jih namesto posameznih ljudi pretvorite v skupne številke, kot je "stopnja zaposlenih žensk je 38 %". KVKK je turški zakon o varstvu osebnih podatkov, GDPR pa evropski zakon o varstvu osebnih podatkov.

Pozor: napačna ali pretirana trditev v poročilu ESG ni samo tveganje za ugled; Lahko povzroči globe in pravno odgovornost v skladu s CSRD in nacionalno potrošniško zakonodajo. Ne objavljajte trditev AI brez dokazov.

trije mini kovčki

Primer 1 – Izmišljen dejavnik. Proizvodno podjetje je AI posredovalo porabo dizla in zahtevalo izračun emisij. YZ je uporabil faktor "2,40 kgCO₂e/liter za dizelsko gorivo". Strokovnjak je preveril: uradni faktor je bil približno 2,68 kgCO₂e/liter. Razlika je bila 10 % in je pomenila odstopanje približno 11 ton CO₂e na 40.000 litrov porabe. Faktor je bil popravljen iz uradnega vira.

Primer 2 – neobstoječ standard. Svetovalec je prosil YZ za naslov "Poraba vode GRI 305-8" za poročilo. ker je voda navedena pod GRI 303; GRI 305 so emisije v zrak. Pri preverjanju s standardnim besedilom je bila napaka ulovljena in vsebina premaknjena v pravi članek.

Primer 3 – Jezik zelenega pranja. YZ je za trgovsko znamko predlagal stavek "naši izdelki so popolnoma okolju prijazni". Ekipa ESG je ugotovila, da je to nedokazljivo in jo nadomestila s konkretno, dokazljivo izjavo, kot je "60 % naše embalaže je reciklirane (2024, interna meritev)."

Pozivi za delo, pripravljeno za revizijo

Preglejte spodnje besedilo ESG z opazovalnim očesom. Za vsako numerično trditev: 1) Ali je enota jasna? 2) Ali je vir naveden? 3) Ali je preverljivo ali subjektivno/pretirano? Označite neutemeljene ali nejasne izjave, kot je "okolju prijazno, zeleno, naravno" in za vsako predlagajte konkretno, merljivo alternativo. Besedilo: [BESEDILO]

Naslednji poziv ustvari kratek oris politike, ki pojasnjuje omejitev uporabe umetne inteligence v organizaciji.

Vaša vloga: vodja ekipe za trajnostni razvoj. Naloga: napišite osnutek interne politike na 1 strani, ki ureja uporabo umetne inteligence v ekipi pri delu ESG. Vključuje:- Opravila, pri katerih je mogoče prosto uporabljati AI (oris, povzetek, oblikovanje)- Opravila, ki zahtevajo človeško preverjanje (število, faktor, standardno dodeljevanje, zahtevek)- Vrste podatkov, ki ne bodo nikoli vneseni v AI (osebni podatki, nerazkriti finančni vpliv) Ton: jasno, pikčasto, uporabno.

Naslednji poziv nastavi majhno okostje tabele »revizijske sledi«, ki jo je mogoče dodati vsakemu rezultatu ESG.

Pogoste napake

Sprejemanje številke brez vira. Vsi emisijski faktorji in številke, ki jih navaja YZ, niso vključeni v poročilo, ne da bi jih potrdil uradni vir.
Ignoriranje enote. Če zamenjamo kg s tonami, kWh z MWh, lahko rezultat odstopa tudi do 1000-krat.
Slepo zaupajo njihovim standardnim trikom. Številke snovi GRI/ESRS morajo biti potrjene z uradnim dokumentom.
Vnašanje občutljivih podatkov, kot so. Podatki o zaposlenih in dobaviteljih se javnemu orodju ne posredujejo brez anonimizacije.
Postavitev AI na mesto revizorja. AI lahko pripravi kontrolni seznam, ne more pa zagotoviti neodvisnega zagotovila.

Če povzamem

AI je zmogljiv partner za pripravo, skrbništvo in analizo podatkov v ESG; vendar ni kalkulator, regulativna zbirka podatkov ali revizor. Njegovo vrednost razkrije njegovo preverjanje. Potrditev vsake številke iz primarnega vira, primerjava vsake standardne reference z uradnim besedilom, anonimizacija občutljivih podatkov in prepuščanje odgovornosti za končno trditev človeku je stalna hrbtenica tega modula. Nikoli ne pozabite na razliko med "izkazati se tekoče" in "opraviti revizijo".

Aplikacijska naloga

Izberite eno postavko okoljskih podatkov iz vaše organizacije (ali fiktivnega podjetja): na primer mesečni račun za elektriko. Od umetne inteligence zahtevajte okostje za obračunavanje emisij Scope 2 z uporabo zgornje predloge »poziv za napajanje«. Nato: (1) primerjajte faktor emisije, ki ga uporablja, z uradnim virom, (2) preverite doslednost enot, (3) napišite majhno tabelo revizijske sledi, ki navaja, katere postavke »potrebujejo preverjanje«.

kontrolni seznam

[ ] Podvomil sem o enoti in viru vsake številke, ki jo poda AI.
[ ] Emisijske faktorje sem potrdil z uradno zbirko podatkov.
[ ] Standardne (GRI/ESRS) številke sem preveril z uradnim besedilom.
[ ] Anonimiziral sem ali združil občutljive/osebne podatke.
[ ] Označil sem izjave brez dokazov, kot je "okolju prijazno, zeleno, naravno".
[ ] Za vsako odločitev sem vodil revizijsko sled (vir, datum, predpostavka).
[ ] Identificiral sem odgovorno osebo, ki potrjuje končni zahtevek.