Dobički:
- Sposobnost vzpostavitve obsega 3 z razvrščanjem dobaviteljev po prednosti glede na porabo in stopnjo tveganja ter razlikovanje med dejanskimi podatki in približnimi ocenami
- Ko z umetno inteligenco označujete signale tveganja dobavitelja, jih obravnavajte kot "signale, ki jih je treba preučiti" in ne kot dokaz
- Sposobnost obvladovanja resnih zahtevkov glede človekovih pravic/okolja s postopkom potrebne skrbnosti, ki zahteva inšpekcijo na terenu in pravno potrditev
Za večino podjetij največji del njihovega trajnostnega vpliva ni v njihovi lastni tovarni, ampak v njihovi dobavni verigi. Več kot 80 odstotkov ogljičnega odtisa blagovne znamke oblačil lahko ustvarijo njeni dobavitelji, od proizvajalcev blaga do pošiljanja. Podobno se najhujša družbena tveganja, kot so delo otrok, prisilno delo in kršitve okolja, pogosto pojavljajo globoko v dobavni verigi. V tej enoti se boste naučili, kako uporabljati umetno inteligenco (AI) za zbiranje in ocenjevanje podatkov o dobavni verigi ter pregledovanje tveganj.
Razjasnimo dva pojma. Obseg 3, kot smo videli v prejšnji enoti, so posredne emisije v vrednostni verigi podjetja in je na splošno največja, a najtežje izmerljiva postavka. Skrbni pregled je postopek prepoznavanja, preprečevanja in sanacije tveganj za človekove pravice in okolja v dobavni verigi podjetja. Predpisi, kot je CSDDD (Direktiva o skrbnem pregledu podjetij) v EU, določajo, da je to obvezno za velika podjetja.
Glavni izziv podatkov o dobavni verigi
Izmerite lahko podatke lastnega objekta; Ne morete pa neposredno izmeriti podatkov stotine dobaviteljev, vprašati morate njih. To ustvarja tri težave:
- Podatki ne prispejo ali so nepopolni. Večina manjših dobaviteljev ne hrani podatkov o ogljiku.
- Podatki so nezanesljivi. Ko dobavitelj poroča sam, lahko pride do previsoke ali premajhne ocene.
- Potreben je ugibanje (približek). Če dejanski podatki niso na voljo, se uporabi povprečje industrije ali ocena na podlagi izdatkov.
Tukaj AI pomaga na dva načina: (1) hitro pripravo anket in nadaljnjih pisem, ki jih je treba poslati stotinam dobaviteljev, (2) strukturiranje razpršenih odgovorov in označevanje signalov tveganja. Toda nobena številka, ki jo je dal dobavitelj, ni preverjena, noben signal tveganja ni zaključen brez človeškega pregleda.
Kategorija obsega 3 (primer)
Vir podatkov
Tipična metoda
Kupljeno blago/storitve
Raziskava dobavitelja / poraba
Pravi podatki > proxy
Pošiljanje in distribucija
Evidenca prevoznika
Razdalja × obremenitev × faktor
poslovna potovanja
potovalni sistem
Km/let × faktor
Uporaba prodanega izdelka
Podatki o energiji izdelka
Model uporabe
odpadki
Dokumenti o prenosu odpadkov
Količina × faktor
Namig: v obsegu 3 je ocena »na podlagi porabe« (toliko CO₂e na porabljenih 1000 USD) hiter začetek, a grob. Ko dobavitelj zagotovi resnične podatke, jih uporabite; Ocena na podlagi porabe je le začasna, če ni dejanskih podatkov, in jo je treba v poročilu označiti kot »ocena/približek«.
Korak za korakom: potek dela dobavne verige z umetno inteligenco
1. Dajte prednost dobaviteljem. Vseh sto dobaviteljev ne morete preučiti enako poglobljeno. Osredotočite se na tiste z visoko porabo in tveganjem (sektor, država). AI lahko pripravi osnutek seznama s to prednostno razvrstitvijo.
2. Osnutek ankete in zahteve. Prosite AI za jasen in enostaven za izpolnjevanje oris ankete o podatkih o dobaviteljih.
3. Konfigurirajte dohodne podatke. Odgovore v različnih oblikah postavite v eno tabelo; Označi manjkajoče dele.
4. Preglejte signale tveganja. Naj umetna inteligenca najde kandidate za "rdečo zastavo" v javnih novicah, zapisih kršitev in neskladjih anket; Toda ljudje preverijo vsak signal.
5. Akcija in zasledovanje. Vzpostavite korektivne ukrepe in nadaljnji načrt za dobavitelje z visokim tveganjem; Dokumentirajte postopek.
Šibek poziv/močan poziv
Šibek poziv:
Izračunajte ogljični odtis naših dobaviteljev.
Brez podatkovnega vira, brez razlikovanja med pravim in posrednikom in brez preverjanja; AI sestavlja številke dobaviteljev.
Močan poziv:
Vaša vloga: analitik trajnosti dobavne verige. Vnos: 15 imen dobaviteljev, industrija, znesek letne porabe in podatki o dejanskih emisijah, ki jih posredujejo (če obstajajo). Naloga: 1) Tisti, ki posredujejo resnične podatke, naj te podatke uporabijo. 2) Za tiste, ki nimajo pravih podatkov, napišite "potreben je PROXY na podlagi porabe", NE PRILAGAJTE se številki; določite, kateri dejavnik pridobite iz uradnega vira.3) Določite prednost dobaviteljem v panogi z visoko porabo + visokim tveganjem. Rezultat: tabela (Dobavitelj | Panoga | Poraba | Vrsta podatkov [dejanski/približek] | Prednost | Opomba). Številke pooblaščencev bodo v poročilu označene.
Poziv za pregled tveganja dobavitelja
Nastavite oder za pregled tveganja za naslednji seznam dobaviteljev. Ocenite za vsakega dobavitelja (samo na podlagi informacij, ki sem jih posredoval, javna trditev FAKE):- Možno tveganje za človekove pravice iz države/sektorja (visoko/srednje/nizko)- Možno okoljsko tveganje- Nedoslednost v odgovoru na anketo/rdeče zastavicePravilo: za vsako tveganje dodajte opombo »potrebno preverjanje — ni vira«; ne postavljajte dokončnih obtožb, samo predlagajte signale za preiskavo. Seznam: [DOBAVITELJI]
Naslednji poziv pripravi osnutek ankete za zahtevo po podatkih, ki jo pošlje dobaviteljem.
Vaša vloga: strokovnjak za trajnostne vire. Naloga: pripravite anketo o podatkih ESG z največ 10 vprašanji, ki jih lahko majhni/srednji dobavitelji zlahka izpolnijo. Vključuje: porabo energije, vrsto goriva, odpadke, število nesreč pri delu, zavezanost prisilnemu/otroškemu delu. Ton: preprost, jasen, enostaven za dokončanje; Vsakemu vprašanju dodajte enote in primere.
Pozor: Ne dovolite, da bi AI preveril signala tveganja o dobavitelju (npr. "delo otrok") in nikoli ne uporabite trditve, ki jo ustvari AI, kot dokaz. Tako resne trditve potrjuje le zanesljiv vir, terenski pregled in sodni postopek. AI proizvaja samo "signal, ki ga je treba pregledati"; ne sodi.
trije mini kovčki
1. primer – Poštena uporaba posrednika. Samo 30 od 200 dobaviteljev enega proizvajalca pohištva je zagotovilo dejanske podatke o ogljiku. Ekipa je za preostalih 170 uporabila približek na podlagi porabe, vendar poročilo jasno navaja, da je "65 % obsega 3 ocena na podlagi porabe." Revizor je to poštenost priznal; če bi bilo prikrito, bi zagotovilo morda zavrnili.
Primer 2 – Določanje prednosti. Živilsko podjetje je imelo 480 dobaviteljev. Umetna inteligenca je pokazala, da je bilo 80 % porabe skoncentriranih pri 40 dobaviteljih. Ekipa se je osredotočila na teh 40; viri niso bili zapravljeni in o dobaviteljih z največjim vplivom so poročali z resničnimi podatki.
Primer 3 – Tveganje lažne obtožbe. AI je dobavitelja označil kot "možno prisilno delo"; Razlog je bilo le državno povprečje. Ekipa je to sprejela kot "signal, ki ga je treba preučiti", ne kot dokaz, in zahtevala terenski pregled. Pregled ni odkril težav; Če bi signal AI vzeli kot dokaz, bi prišlo do nepoštene obtožbe in pravne nevarnosti.
Pogoste napake
- Sprejemanje podatkov o dobavitelju brez njihovega preverjanja. Podatki dobaviteljev, ki poročajo sami, zahtevajo navzkrižno preverjanje.
- Skrivanje proxyja. Uporaba napovedi na podlagi porabe je v redu; Nedoločanje je težava pri revidiranju.
- Enakopravno preverjanje vseh dobaviteljev. Nabava se mora osredotočiti na dobavitelje z visoko porabo in visokim tveganjem.
- Zamenjuje signal AI za dokaz. Trditve o kršitvah človekovih pravic/okolja preverjata teren in zakon, ne AI.
- Popolnoma preskoči obseg 3. Največji vpliv je ponavadi tukaj; Ne moremo ga prezreti z obrazložitvijo, da ga je "težko izmeriti".
Če povzamem
V dobavni verigi se skriva največji okoljski in družbeni vpliv večine podjetij; Tukaj so skoncentrirane emisije obsega 3 in tveganja skrbnega pregleda. AI; Je močna pomoč pri določanju prednosti dobaviteljev, pripravi anket, strukturiranju razpršenih odgovorov in označevanju signalov tveganja. Toda podatki o dobavitelju niso vključeni v poročilo, dokler niso preverjeni, pooblaščenci niso jasno navedeni, resne obtožbe pa so potrjene s pregledom na terenu. AI ustvarja signale; Človek prevzame presojo in odgovornost.
Aplikacijska naloga
Pripravite seznam 10 fiktivnih dobaviteljev z imenom, panogo in letno porabo; Nekaj dodajte dejanske podatke o emisijah, večino pustite praznih. Zaprosite AI za tabelo prednostnih nalog in vrsto podatkov prek zmogljivega zgornjega poziva. Nato: (1) preverite, ali število dobaviteljev, ki potrebujejo posrednika, ni dopolnjeno, (2) izberite 3 dobavitelje z najvišjo prednostjo z utemeljitvijo, (3) pripravite kratko anketo s podatki, ki jim jo boste poslali.
kontrolni seznam
- [ ] Dobaviteljem sem dal prednost glede na porabo in stopnjo tveganja.
- [ ] Uporabil sem prave podatke; Za tiste, ki ga nimajo, sem označil proxy.
- [ ] Podatke o dobavitelju nisem ocenil takšne, kot so, ampak z navzkrižnim preverjanjem.
- [ ] Menil sem, da je signale tveganja treba "preučiti" in jih nisem uporabil kot dokaz.
- [ ] Načrtoval sem terensko revizijo/pravni korak preverjanja resnih zahtevkov.
- [ ] Nisem preskočil obsega 3; Obseg in stopnjo ocenjevanja sem navedel v poročilu.
- [ ] Celoten postopek sem zabeležil z dokumentom o skrbnem pregledu.