ESG delovni tok od konca do konca, prehod za upravljanje podatkov, etiko in kakovost

Dobički:

• Sposobnost vzpostavitve osemstopenjskega delovnega toka ESG od materialnosti do objave s kakovostnimi vrati v ritmu 'umetna inteligenca proizvaja → človek preverja → gre skozi vrata'
• Sposobnost zaščite osebnih in nerazkritih finančnih podatkov z razvrščanjem podatkov ESG kot brezplačnih/internih/zaupnih
• Sposobnost prevzeti končno odgovornost in pripisati imena odgovornih in zapise o odobritvi vsaki objavi, ne da bi se zanašali na obrambo "AI je rekel"

V prejšnjih desetih enotah smo posebej obravnavali vsak del ESG in trajnostnega poslovanja: vstop in meje, pomembnost, zbiranje podatkov, obračunavanje ogljika, okvire poročanja, dobavno verigo, komuniciranje z deležniki, pisanje poročil, zagotovila in zeleno pranje. V tej zadnji enoti bomo sestavili dele in vzpostavili potek dela od konca do konca: kje, kako in s kakšnimi varnostnimi vrati uporabiti umetno inteligenco (AI) na vsakem koraku od opredelitve misije trajnosti do njene objave. V enoten okvir bomo združili tudi upravljanje podatkov, zasebnost in etično odgovornost.

Še enkrat ponovimo stalno hrbtenico modula: AI; Je pomočnik, ki piše kodo, organizira podatke, izdeluje osnutke in povzema. Za točnost števila, potrditev faktorja, kontrolo standarda, dokazovanje trditve in končno odgovornost vedno nosi pristojni strokovnjak. Ta enota spremeni to načelo v dnevni potek dela in kontrolni seznam.

Potek dela ESG od konca do konca

Razmislite o ciklu poročanja o trajnosti v osmih korakih:

1. Obseg in pomembnost — Katere teme so pomembne? (enota 2)
2. Zbiranje podatkov — Viri, enote, revizijska sled. (Enota 3)
3. Izračun — Ogljik in druge meritve s preverjenimi faktorji. (Enota 4)
4. Ujemanje okvira — snovi GRI/ESRS/ISSB, potrditev z uradnim besedilom. (Enota 5)
5. Dobavna veriga – Področje uporabe 3 in skrbni pregled. (Enota 6)
6. Pisanje in komunikacija — Uravnoteženo, dokazano poročilo in sporočilo zainteresiranih strani. (Enota 7-8)
7. Priprava zagotovil – veriga dokazov in priprava na revizijo. (Enota 9)
8. Revizija zahtevkov – pregled Greenwashing in odobritev izdaje. (Enota 10)

Na vsakem koraku je AI pospeševalnik; Toda na izhodu iz vsakega koraka so vrata kakovosti – kontrolna točka, ki jo je treba opraviti, preden se premaknete na naslednji korak. Izhod, ki ne gre skozi vrata, ne napreduje.

korak

Kaj počne AI?

Kakovostna vrata

materialnost

Kandidat za temo, analiza teme

Učinek + finančni vidik Človeška odobritev

podatki

Konfiguracija, pretvorba enot

Preverjanje vira in količine

račun

Formula, oder kode

Faktor je potrjen iz uradnega vira

Ujemanje

Predlog članka

Preverite sliko s standardnim besedilom

črkovanje

osnutek, povzetek

Razvrščanje trditev brez dokazov

zahtevek

Greenwashing skeniranje

Človeško potrjena publikacija

Namig: Nastavite potek dela v ritmu "AI proizvaja → človek preveri → stopi skozi vrata." Preden vsak izhod umetne inteligence premaknete na naslednji korak, vprašajte: "Katerega dela tega izhoda ni mogoče nadaljevati brez preverjanja?" Ta del je kakovostna vrata tega koraka.

Upravljanje podatkov in zasebnost

Podatki ESG so pogosto občutljivi: podatki o spolu in plačah zaposlenih, pogodbeni pogoji dobaviteljev, finančni učinki, ki še niso razkriti, podatki o proizvodnji na ravni obrata. Preden jih predate javnemu orodju AI, jih je treba razvrstiti. Upravljanje podatkov je "kdo lahko uporablja katere podatke, kako in s katerim orodjem?" Vprašanje je vezano na pravilo.

Preprosta klasifikacija:

• Brezplačno: Podatki že javno dostopni (objavljeno poročilo). Lahko se dodeli AI.
• Notranja uporaba: Notranji podatki brez komercialne vrednosti. Previdno v službenem vozilu.
• Zaupno: Poslovna skrivnost, nerazkrit finančni vpliv, osebni podatki (KVKK/GDPR). Umetni inteligenci ni dano brez anonimizacije ali institucionalnih (nepuščajočih) sredstev.

Vaša vloga: svetovalec za upravljanje podatkov. Naloga: naslednje podatkovne postavke razvrstite kot »brezplačne/interne uporabe/zaupne« in napišite priporočeno dejanje za vsako zaupno postavko (anonimiziraj/združi/poslovno orodje/sploh ne daj). Pravilo: če niste prepričani, dajte v bolj zaščitni razred. Postavke: [OSEBNI IN FINANČNI PODATKI]

Šibek poziv/močan poziv

Način, kako prenesete nalogo na orodje, korenito spremeni tveganje glede zasebnosti.

Šibek poziv:

Analizirajte to tabelo plač zaposlenih in proizvodne zmogljivosti, pripravite povzetek ESG.

Izvozi neobdelane podatke o osebni in poslovni skrivnosti neposredno v odprto orodje; Ni koraka klasifikacije, anonimizacije in potrditve.

Močan poziv:

Vaša vloga: analitik ESG, občutljiv na upravljanje podatkov. Dal sem vam SAMO združene podatke brez osebnih/poslovnih skrivnosti. Naloga: analizirajte naslednje sumarne kazalnike. Pravila:- BREZ imen posameznikov, plač, osebnih izkaznic ali nerazkritega finančnega vpliva v podatkih; Če vidite takšno polje, recite "ZAUPNI PODATKI - ne obdeluj, opozori". - Rezultatu ne dodajte nove številke; samo sledi povzetku, ki sem ga dal. - Na koncu izpisa dodajte opombo "potrebna je odobritev človeka". Podatki (zbirni): [POVZETEK KAZALNIKOV]

Pozor: "AI je rekel" ni obramba. Odgovornost za napačno številko, neutemeljeno trditev ali uhajanje zaupnih podatkov v poročilu ESG nosita organizacija in oseba, ki ga je odobrila. Ko uporabljate AI, ne prenašate odgovornosti; Samo pospešili boste delo.

Poziv za kakovostna vrata od konca do konca

Naslednji poziv izvede vse korake skozi eno samo preverjanje pred objavo.

Vaša vloga: pooblaščenec za zagotavljanje kakovosti ESG. Naloga: prenesite naslednji del poročila skozi vrata kakovosti od konca do konca. Za vsako postavko navedite "uspešno / NEuspešno" in napišite razlog, če ne uspe: 1) Ali sta navedena vir in enota vsake številke? 2) Ali so faktorji emisije iz uradnega vira? 3) Ali so standardne številke artiklov preverjene? 4) Ali so približki/ocene označeni? 5) Ali obstajajo izjave, ki vsebujejo zeleno pranje? 6) Ali prihaja do uhajanja zaupnih/osebnih podatkov? 7) Dodeljeno ime odgovornega za končno odobritev? Razdelek: [POGLAVJE]

Naslednji poziv pretvori celoten modul v pravilnik podjetja.

Vaša vloga: vodja skupine za trajnostni razvoj. Naloga: napišite interno politiko na 1 strani, ki ureja uporabo umetne inteligence v skupini pri delu ESG. Vključuje:- Naloge, pri katerih se lahko AI prosto uporablja (osnutek, povzetek, koda, analiza teme)- Naloge, ki zahtevajo človeško preverjanje (dejavnik, standard, trditev, obseg)- Vrste podatkov, ki nikoli ne bodo posredovani AI (osebni, nerazkriti finančni)- Koraki za preverjanje kakovosti, ki jih je treba opraviti pred vsako izdajo Ton: jasno, točka, primerno.

trije mini kovčki

Primer 1 – Poročilo vrnjeno z vrat. Ena ekipa je menila, da je dokončala vse korake in poročilo je bilo pripravljeno za objavo. Končni poziv za preverjanje kakovosti je v enem delu zajel trditev o "78-odstotnem izkoristku" brez virov in izjavo o "ogljično nevtralni". Objava je bila ustavljena, preden je bilo popravljeno; Vrata so zadržala hrošča, preden je postala javna.

Primer 2 – Preprečeno uhajanje zaupnih podatkov. Analitik bi četrtletne podatke o finančnem vplivu, ki še niso objavljeni, prilepil v javno dostopno orodje za analizo. Poziv za razvrščanje podatkov je bil označen kot »zaupno – nerazkrito finančno«. Podatki so bili najprej združeni in nato obdelani v orodju za podjetja; Preprečena je bila morebitna kršitev zakonodaje.

Primer 3 – Prevzem odgovornosti. Po objavi poročila je zainteresirana stran podvomila o številki. Ekipa ni rekla "AI izračunal"; odprl revizijsko sled, navedel vir, naredil manjši popravek in transparentno pojasnil. Ta odnos, ki se ni zanašal na obrambo "AI je rekel", je ohranil zaupanje.

Pogoste napake

• Naprej brez vrat kakovosti. Če se preverjanje ne izvede na izhodu iz vsakega koraka, se bodo napake kopičile do konca.
• Dajanje podatkov vozilu brez klasifikacije. Zaupnih in osebnih podatkov ni mogoče vnesti v javni AI brez anonimizacije.
• Prenos odgovornosti na AI. "AI je rekel" ni pravna ali strokovna obramba.
• Izolirani koraki razmišljanja. Bistvenost, podatki, izračun in terjatev so med seboj povezani; Če je eden poškodovan, so prizadeti vsi.
• Ne določi odgovorne osebe za odobritev objave. Za vsako javno trditvijo mora stati človek.

Če povzamem

Posel ESG je veriga osmih medsebojno povezanih korakov, AI pa je pospeševalnik na vsakem koraku; Toda na izhodu iz vsakega koraka so vrata kakovosti. Ritem »AI proizvaja → človek preverja → gre skozi vrata« združuje vse lekcije tega modula v eno samo študijsko disciplino. Razvrstite podatke in zaščitite zaupnost, potrdite faktor in standard iz uradnega vira, povežite trditev z dokazi, izločite zelenaštvo pred objavo in prepustite končno odgovornost človeku. AI pospeši delo; Prevzamete natančnost, poštenost in odgovornost. Kriterij tega poklica ni "videti tekoče", ampak "opraviti revizijo in biti dokazan".

Aplikacijska naloga

Združite rezultate, ki ste jih izdelali v prejšnjih enotah (seznam pomembnosti, račun ogljika, razdelek poročila), v eno samo mini poročilo. Preglejte to mini poročilo v 7 postavkah z zgornjim pozivom AI za prehod kakovosti od konca do konca. Nato: (1) popravite vsako postavko z oznako "SPROSTI", (2) razvrstite vse zaupne/osebne podatke in ukrepajte glede njih, (3) dodajte odgovorno ime in opombo o odobritvi za objavo.

kontrolni seznam

• [ ] Potek dela sem nastavil v ritmu "AI proizvaja → človek preverja → gre skozi vrata."
• [ ] Implementiral sem kakovostna vrata na izhodu vsake stopnice.
• [ ] Vse podatke sem označil kot brezplačne/interne/zaupne in zaščitil zaupnost.
• [ ] Potrdil sem faktorje in standardne postavke iz uradnega vira.
• [ ] Vsako trditev sem podprl z dokazi, s čimer sem pred objavo odpravil zelenaštvo.
• [ ] Prevzel sem odgovornost, ne da bi se zanašal na obrambo "AI je rekel".
• [ ] Za objavo sem določil odgovorno ime in zapis o odobritvi.

Modulni izpit

1. Kaj od naslednjega je najboljši položaj za umetno inteligenco v ESG in trajnostnem poslu?

• A) Umetna inteligenca je pomočnik kode, podatkov in načrtov; Odgovornost za dejavnike, standarde, dokaze in etične odločitve nosijo ljudje ✔
• B) Umetna inteligenca je revizor in vrednote ESG, ki jih zagotavlja, so nadomestek za neodvisno zagotovilo
• C) Umetna inteligenca deluje le pri pisanju poročil, s podatki in izračuni nima nič
• D) Ker je umetna inteligenca bolj nepristranska od ljudi, je treba vse odločitve ESG prepustiti njej

Opis: Umetna inteligenca; Je pomočnik, ki piše kodo, organizira podatke, izdeluje osnutke in povzema. Končno odgovornost za potrditev emisijskega faktorja, preverjanje številke standardne snovi, dokazovanje vsake trditve pa nosi pristojni strokovnjak. Velik jezikovni model ni kalkulator, podatkovna baza predpisov/standardov ali pregledovalnik; je generator besedila, ki ustvari 'naslednjo najverjetnejšo besedo' in njegov nepreverjen rezultat lahko privede do lažnega poročila ali zahtevka.

2. Kaj pomeni vidik 'pomembnosti vpliva' pri analizi dvojne pomembnosti?

• A) Vpliv izdaje na dobiček in vrednost delnice podjetja
• B) Finančno tveganje izdaje samo za vlagatelje
• C) Uspešnost konkurenčnih podjetij na isti temi
• D) Vpliv dejavnosti podjetja na okolje in družbo ✔

Opis: Dvojna materialnost gleda skozi dve leči. Finančna pomembnost je vpliv vprašanja na denarne tokove in vrednost podjetja („od zunaj navznoter“). Pomembnost vpliva je vpliv dejavnosti podjetja na okolje in družbo ('inside out'). CSRD/ESRS uveljavlja oba vidika; Ker se umetna inteligenca pogosto preusmeri le v finančno smer, mora smer vpliva dodatno nadzirati človek.

3. Kakšen je pravilen pristop pri zbiranju podatkov o energiji v kWh, MWh in GJ iz različnih objektov?

• A) Ignorirajte enote in dodajte vsa števila neposredno
• B) Zanašanje na umetno inteligenco za zbiranje dolgega seznama v vaši glavi
• C) Pretvarjanje vseh vrednosti v eno enoto ter pretvorba in vsota s kodo/formulo ✔
• D) Izbira največje enote in ne poročanje o drugih objektih

Pojasnilo: Odliv enot je najpogostejša in nevarna napaka ESG; Ker je 1 MWh = 1.000 kWh, lahko rezultat, če enoto izpustimo, odstopa za faktor 1.000. Pravilen pristop je, da pretvorite vse vrednosti v eno samo enoto in da umetna inteligenca izvede to pretvorbo in sešteje z izvršljivo kodo/formulo, ne ročno; zato je rezultat determinističen in preverljiv.

4. V kateri obseg spadajo emisije, ki nastanejo pri proizvodnji kupljene električne energije po Protokolu o toplogrednih plinih?

• A) Obseg 1
• B) Obseg 2 ✔
• C) Obseg 3
• D) Ni vključeno v noben obseg in se o njem ne poroča

Opis: Obseg 1 so neposredne emisije iz lastnih virov organizacije (kotel, službeno vozilo, generator). Obseg 2 so posredne emisije iz proizvodnje odkupljene energije (elektrika, para, ogrevanje, hlajenje). Obseg 3 zajema vse druge posredne emisije v vrednostni verigi (dobava, potovanja, uporaba izdelkov, odpadki). Elektrika ne prihaja iz dimnika podjetja, ampak elektrarna, ki jo proizvaja, oddaja emisije; torej je obseg 2.

5. Kateri koncept se uporablja pri pretvorbi toplogrednega plina, kot je metan (CH₄), v CO₂e, in zakaj je to pomembno?

• A) GWP (potencial globalnega segrevanja); če ga izpustite, bo učinek metan/N₂O močno podcenjen ✔
• B) AQI (indeks kakovosti zraka); določa barvo plina v zraku
• C) GRI (pobuda za poročanje); določa snov, v kateri bo plin sporočen
• D) Koeficienti niso potrebni; metan šteje 1 proti 1 neposredno kot CO₂

Opis: GWP (potencial globalnega segrevanja) je koeficient, ki pretvori učinek segrevanja različnih toplogrednih plinov v skupno enoto glede na CO₂. 100-letni GWP metana je približno 28; Torej 1 tona metana pomeni približno 28 ton CO₂e. Če GWP izpustimo, bo vpliv močnih plinov, kot sta metan in N₂O, močno podcenjen, inventar pa popolnoma netočen; Navesti je treba tudi, kateri niz GWP (npr. IPCC AR6, 100 let) se uporablja.

6. Kateri pristop je pravilen za izračun „podatki o dejavnosti × faktor emisije“ v evidenci toplogrednih plinov?

• A) Z uporabo faktorja, ki si ga zapomni umetna inteligenca, in ročnim seštevanjem
• B) Štetje vseh plinov kot CO₂ in faktor preskoka ter pretvorba GWP
• C) Uporaba privzetega faktorja natančno za vsako državo, leto in gorivo
• D) Potrditev faktorja iz uradnega vira glede na državo in leto ter izdelava izračunanega odra in skupne vrednosti s kodo ✔

Opis: faktorji emisij se razlikujejo glede na državo, leto in gorivo; 'Opominjanje' umetne inteligence ustvarja tveganje za izmišljevanje (halucinacije). Faktor mora biti vedno potrjen iz uradne tabele (IPCC, DEFRA/EPA, IEA, nacionalni inventar); Samo ločevanje obsega, računovodski oder in skupno kodo bi morala opraviti umetna inteligenca. Seštevanja v več vrsticah se izvajajo z izvedljivo kodo, ne ročno.

7. Kakšno je pravilno obnašanje za standardno številko snovi GRI/ESRS (npr. 'GRI 305 za porabo vode'), ki ga predlaga AI?

• A) Vpis številke neposredno v poročilo, ker to predlaga umetna inteligenca
• B) Številke postavk niso pomembne; lahko se napiše vsak
• C) Preverjanje številke in njene vsebine z uradnim standardnim besedilom, potrditev v primeru, da je lažna/zastarela ✔
• D) Ker so emisije v vodo in zrak podobne, poročanje o njih poteka v istem članku

Opis: Umetna inteligenca lahko ustvari standardna števila, ki se zdijo resnična, vendar je njihova vsebina lažna ali popolnoma izmišljena; Poleg tega so standardi posodobljeni in različica, ki jo model pozna, je lahko zastarela. Na primer, voda je navedena pod GRI 303, medtem ko so GRI 305 emisije v zrak. Zato ni mogoče uporabiti vsake številke in vsebine snovi, ne da bi bili preverjeni z uradnim standardnim besedilom (GRI/EFRAG/ISSB).

8. Če večina dobaviteljev v dobavni verigi nima resničnih podatkov o ogljiku, kakšen je pravi in ​​pošten pristop za Scope 3?

• A) Neposredno z uporabo številk, ki jih za dobavitelje sestavi umetna inteligenca
• B) Popolnoma preskočite obseg 3, ker ga je "težko izmeriti"
• C) Uporaba tistih z resničnimi podatki, jasno označevanje posrednika za tiste brez ✔
• D) Uporaba pooblaščenca za vse dobavitelje in skrivanje v poročilu

Opis: Obseg 3 je največji, a najtežje izmerljiv element večine podjetij. Za dobavitelje, ki zagotovijo dejanske podatke, se ti podatki uporabijo; Za tiste, ki tega ne zagotovijo, se lahko uporabi približek (ocena) na podlagi izdatkov. Ključnega pomena je, da približka ne skrijete: poročilo mora jasno navesti delež in delež uporabljene ocene. Zakriti posrednik lahko povzroči zavrnitev neodvisnega zagotovila; Prav tako je napačno v celoti preskočiti obseg 3 z utemeljitvijo, da ga je „težko izmeriti“.

9. AI je dobavitelja označil kot "možno prisilno delo" izključno na podlagi povprečja države. Kaj je pravilno vedenje?

• A) Sprejmite signal kot dokaz in takoj javno prekinite odnos z dobaviteljem
• B) Zapisovanje trditve neposredno v poročilo, ker je to povedala umetna inteligenca
• C) Popolnoma ignorirati signale tveganja in jih sploh ne preučiti
• D) Obravnavanje signala kot "opozorila, ki ga je treba raziskati" in potrditev s pregledom na terenu in zanesljivim virom ✔

Pojasnilo: Resnih obtožb, kot so kršitve človekovih pravic, ni mogoče dokazati s signalom, ki ga ustvari umetna inteligenca. Tak signal je le „opozorilo, ki ga je treba preučiti“; Uporaba tega kot dokončne obtožbe je nepoštena in pravno tvegana. Takšne trditve potrjuje le zanesljiv vir, terenski pregled in sodni postopek. Umetna inteligenca ustvarja signale; Človek prevzame presojo in odgovornost.

10. Kateri je najpomembnejši previdnostni ukrep pri analizi na stotine odgovorov v prostem besedilu iz ankete deležnikov z AI?

• A) Zahteva redke, a zelo pomembne (varnostne/etične/okoljske) signale ločeno in jih ne zasenči ✔
• B) Izbiranje le najpogostejših tem, izločanje manjšinskih pogledov
• C) Zmanjšajte vse odgovore na en sam pozitiven povzetek in izpustite podrobnosti
• D) Sprejemanje povzetka umetne inteligence namesto surovih odgovorov

Opis: Umetna inteligenca v tematski analizi krepi glas večine in zatira glas manjšine. Vendar pa je najbolj dragocen znak trajnosti včasih resen varnostni, etični ali okoljski problem, ki ga izrazi ena sama oseba. Analiza torej sprašuje, kaj je bilo najpogosteje rečeno? Ne konča se z; „redke, a zelo pomembne“ signale je treba zahtevati ločeno, neobdelane odgovore pa uporabiti poleg povzetka in ne namesto njega.

11. Kateri je najučinkovitejši način za preprečevanje uhajanja lažnih številk in ciljev v besedilo, ko pišete razdelek poročila umetni inteligenci?

• A) Izdelava celotnega poročila naenkrat z besedo "napišite primerno besedilo"
• B) Zagotavljanje samo preverjenih podatkov in izrecna prepoved generiranja novih številk/zahtevkov ✔
• C) Preverite, kako tekoče in impresivno je besedilo, in ga objavite
• D) Omogoča AI, da zapolni manjkajoče podatke z razumnimi ugibanji

Opis: Umetna inteligenca generira številke in cilje, ki jih dejansko nimate, z uporabo logike "to so povedala podobna poročila" v praznem pozivu. Najučinkovitejši previdnostni ukrep je, da mu daste samo preverjene podatke in ne dodajate nobenih številk, odstotkov, datumov ali trditev razen podatkov, ki sem vam jih dal; Treba je jasno navesti pravilo 'zapisati [ZAHTEVANI PODATKI] na manjkajoče mesto'. Poleg tega je treba poročilo natisniti odsek za odsekom, napolnjen s podatki.

12. Na kaj mora neodvisni revizor najprej paziti pri pregledu trajnostnega poročila?

• A) Kako tekoče in strokovno je poročilo napisano
• B) Vsaka izdaja ima verigo dokazov, ki je sledljiva do izvornega dokumenta ✔
• C) Umetna inteligenca pravi, da je "poročilo pripravljeno za revizijo"
• D) Naj bo poročilo videti bolj odločno od konkurentov

Pojasnilo: Preizkuševalca ne zanima tekočnost besedila, temveč veriga dokazov za vsako trditvijo; Njegovo prvo vprašanje je 'dokaži to številko'. Preverja se, iz katerega izvornega dokumenta prihaja številka, katero formulo in faktor pretvori v poročilo in ali jo je mogoče samostojno ponoviti. Zato mora biti vsaka materialna metrika sledljiva do svojega vira, faktorji morajo biti preverjeni iz uradnega vira in nadomestni podatki morajo biti navedeni; Umetna inteligenca naredi to pripravo, vendar ne more dati zagotovila.

13. Katera od naslednjih okoljskih trditev ima najmanjše tveganje zelenega pranja?

• A) 'Naše proizvodne emisije smo do leta 2023 zmanjšali za 18 % (s preverjanjem tretje strani)' ✔
• B) 'Naši izdelki so popolnoma okolju prijazni in naravni'
• C) "Naše podjetje je ogljično nevtralno" (brez zagotavljanja kakršnih koli dokumentov ali podatkov)
• D) "Smo najbolj trajnostno podjetje s skoraj ničelnim vplivom v industriji"

Pojasnilo: Dobra okoljska trditev je merljiva (vsebuje številko), dokazana (temelji na dokazih) in jasna po obsegu (jasno je, kaj se primerja s čim in kdaj). 'Do leta 2023 smo zmanjšali proizvodne emisije za 18 % (s preverjanjem tretje strani)' ima te tri značilnosti. Besedne zveze, kot so "okolju prijazen", "naraven", necertificiran "ogljično nevtralen", so neopredeljive ali neutemeljene in predstavljajo tveganje negativnega vpliva.

14. Kaj je treba storiti, preden prilepite nerazkrite podatke o proizvodnji in emisijah v javno dostopno orodje AI za analizo?

• A) Lepljenje podatkov, kot so; okoljski podatki so vedno javno dostopni
• B) Dajanje brez upoštevanja previdnostnih ukrepov, saj odgovornost preide na ponudnika umetne inteligence
• C) Tveganje je preprosto napačen izračun; Ukrep zaupnosti je nepotreben
• D) Klasificiranje podatkov kot brezplačnih/internih/zaupnih in anonimiziranje zaupnih podatkov ali uporaba orodij podjetja ✔

Razkritje: podatki o proizvodnji in emisijah na ravni obrata so lahko poslovna skrivnost; finančni/okoljski podatki, ki še niso bili razkriti, lahko kršijo regulativna pravila o razkritju; Podatki o lokaciji/plači zaposlenega so osebni podatki v okviru KVKK/GDPR. Preden tovrstne podatke posredujete odprtemu orodju, jih je treba klasificirati kot brezplačne/interne/zaupne, jih po potrebi anonimizirati ali uporabiti korporativno (brez podatkov) orodje. 'AI je rekel' ni obramba; Odgovornost nosi institucija in oseba, ki jo odobri.