Vinster:
- Förmåga att skilja mellan enkel väsentlighet och dubbel väsentlighet och utvärdera en fråga i termer av både påverkan och finansiell väsentlighet
- Möjlighet att dela upp hundratals svar från intressenter i teman med artificiell intelligens samtidigt som lågfrekventa men viktiga signaler hålls åtskilda
- Förmåga att testa listan över ämnen som produceras av artificiell intelligens med branschspecifik verklighet och koppla det slutliga prioriterings- och metoddokumentet till människor
Inget företag kan rapportera om varje hållbarhetsfråga på samma djup; Medan vattenförbrukning är en sekundär fråga för ett mjukvaruföretag, är det livlinan för en dryckestillverkare. Detta är frågan "vilka frågor är verkligen viktiga för oss?" Svaret på frågan ges av väsentlighetsanalys (viktighetsanalys). Väsentlighet är processen att avgöra hur "viktig/viktig" en hållbarhetsfråga är för en organisation och utgör grunden för hela ESG-rapporten. Falsk väsentlighet gör till och med hundratals sidor med rapporter värdelösa; eftersom rapporten fokuserar på fel frågor. I den här enheten får du lära dig var du kan använda artificiell intelligens (AI) som en accelerator och var som en risk i denna process.
Låt oss först klargöra två begrepp. Enskild väsentlighet tittar bara på hur en fråga påverkar ett företags finansiella hälsa: "Hur kommer klimatförändringarna att påverka våra intäkter/kostnader?" Dubbel materialitet lägger till en andra aspekt: företagets inverkan på världen. Så frågan är tvåfaldig: (1) Hur påverkar denna fråga företaget ekonomiskt? (2) Hur påverkar företaget miljön och samhället i detta avseende? CSRD och ESRS upprätthåller denna andra dubbelblick. Denna distinktion är kärnan i både proven och praktiken.
Två aspekter av dubbel betydelse
Dubbel materialitet ser genom två linser:
- Impact materiality — "inside out": Den positiva/negativa påverkan av företagets aktiviteter på människor och miljö. Exempel: avloppsvatten som släpps ut i floden av en textilfabrik.
- Finansiell väsentlighet — "utanför-in": Effekten av en hållbarhetsfråga på ett företags kassaflöden, kostnader och värde. Exempel: ökad koldioxidpris ökar produktionskostnaden.
Om ett ämne är väsentligt i någon av dessa två linser, anses det rapporterbart i logiken med dubbla materialitet. AI har svårt att skilja mellan dessa två aspekter och driver ofta bara mot den finansiella sidan; Därför är det viktigt att styra produktionen med denna distinktion i åtanke.
Ämne
Påverka materialitet (för världen)
Ekonomisk väsentlighet (för företaget)
utsläpp av växthusgaser
Bidrag till klimatförändringar
Koldioxidskatt, CBAM-kostnad
Arbetstagarnas hälsa och säkerhet
Anställdas liv och hälsa
Olycksfallsersättning, produktionsstopp
vattenanvändning
Regional vattenstress
Vattenbrist, produktionsrisk
Datasekretess
Användarrättigheter
Påföljd, rykte och kundförlust
Tips: När du överväger en fråga, "påverkar detta oss eller påverkar vi världen?" Dela den i två. Mycket greenwashing och underrapportering uppstår när företag endast rapporterar den finansiella sidan som påverkar dem, och döljer den påverkan de har på världen.
Steg för steg: AI-driven materialitetsprocess
1. Skapa ämnesuniversumet. Gör en lång lista över möjliga hållbarhetsämnen som är relevanta för din bransch. AI är en bra brainstorming-partner här; En kandidatlista tas fram genom att skanna ESRS-ämnesrubriker, GRI-industristandarder och peer-företagsrapporter.
2. Identifiera intressenter. Intressenter är parter som påverkas av eller påverkas av företagets verksamhet: anställda, kunder, leverantörer, investerare, lokalbefolkning, tillsynsmyndigheter, civilsamhället. För varje viktig fråga, "vem berörs?" fråga ställs.
3. Samla in input från intressenter. Ta reda på vilka frågor intressenter tycker är viktiga genom undersökningar, intervjuer och workshops. AI är mycket kraftfull för att sortera hundratals öppna enkätsvar i teman (detta kallas tematisk analys).
4. Gör poäng och prioritera. Betyg varje ämne på en skala på två axlar (påverkan och ekonomisk). Ämnen med höga poäng anses vara "viktigt/material" och blir i fokus i rapporten.
5. Verifiera och dokumentera. En ledningskommitté godkänner prioritering; Hur processen går till (metodik) dokumenteras. CSRD kräver också att själva materialitetsprocessen förklaras.
Svag prompt / Stark prompt
Svag uppmaning:
Berätta för oss om de hållbarhetsfrågor som är viktiga för dig.
Det inkluderar inte industri-, affärsmodell-, intressent- och dualitetsaspekter; AI producerar en generisk lista och hoppar ofta över inverkansriktningen.
Kraftfull uppmaning:
Din roll: expert på dubbel väsentlighet.Företag: Ett medelstort livsmedelsföretag som producerar i Turkiet.Uppgift: lista möjliga hållbarhetsfrågor och gör TVÅ SEPARADE bedömningar för var och en:- Impact materiality (företagets påverkan på miljön/samhället) - Finansiell väsentlighet (emissionens ekonomiska påverkan på företaget)För varje emission, skriv även ned de berörda kandidaterna:DRAFT:Thisdate is a; Poängsättning och slutavgörande tillhör oss. Markera sektordata som du inte är säker på som tillverkad, "måste verifieras". Resultat: tabell (Ämne | Effektriktning | Finansiell aspekt | Intressenter | Not).
Sortera intressenters svar i teman
Det tar dagar att handläsa hundratals fritextsvar från väsentlighetsundersökningar. AI kan dela upp dessa i teman; men med en varning: AI kan avfärda en minoritet men kritisk åsikt (till exempel en allvarlig säkerhetsfråga som tagits upp av en enskild anställd) som "oviktig". Därför är den tematiska sammanfattningen inte en ersättning för råsvar; Det är en inkörsport till dem.
Nedan finns 200 fritextsvar från väsentlighetsundersökningen.Uppgift:1) Dela upp svaren i högst 10 teman, ge varje tema ett kort namn.2) Räkna hur många svar som nämner varje tema.3) OCKSÅ lista, eliminera, ett litet antal men allvarliga (säkerhets-, juridiska, miljörisker) åsikter under rubriken "låg frekvens" eller kombinera inte någon hög frekvens". svar.Svar: [SVAR]
Varning: Den tematiska sammanfattningen av AI är inte en ersättning för råa svar. Särskilt "lågfrekventa men hög betydelse" åsikter (ett säkerhetsbrott, en misstanke om korruption) kan komma i skuggan av AI eftersom de är få till antalet. Se till att kontrollera dessa åsikter med ett separat öga.
tre minifodral
Fall 1 — Utelämnande av handlingsriktningen. Ett kemiföretag lät AI upprätta en materialitetslista. Listan fokuserade på finansiella frågor som koldioxidpriset och energikostnaden; men dess inverkan på vattenförsörjningen i byn nära fabriken fanns inte på listan. Experten lade till aspekten "påverkan" som en fråga av dubbel betydelse; Denna fråga visade sig senare vara den mest kritiska intressentfrågan.
Fall 2 — Vikt i siffror. En återförsäljare analyserade 1 200 kundundersökningar med AI. YZ fann att 41 % av svaren berörde temat "förpackningsavfall" och 23% berörde temat "arbetsförhållanden". Teamet förklarade dessa två teman som prioriterade materialämnen; En försörjningskedja som dök upp under rubriken "lågfrekvens" förde emellertid också misstanken om barnarbete under särskild granskning.
Fall 3 — Falsk betydelse. AI flaggade "vattenförbrukning" som en högprioriterad materialfråga för ett mjukvaruföretag; medan företagets enda vattenanvändning var kontorsköket. Experten tonade ner detta och fokuserade på det riktigt materiella "datasekretess och energiförbrukning". Rapporten hade tappat fokus om det felaktiga materialet inte hade rättats.
Fråga om att ställa in materialitetsmatrisen
Materialitetsmatrisen är ett visuellt prioriteringsverktyg som placerar ämnen längs två axlar (påverkan och ekonomisk). Ämnena i det övre högra hörnet är de viktigaste.
Ordna följande ämnen och poäng i logiken i en materialitetsmatris. Input: Effektpoäng (1-5) och ekonomisk poäng (1-5) för varje ämne. Uppgift: 1) Dela in ämnena i fyra zoner: hög-hög (prioritet), hög effekt-låg ekonomi, låg effekt-hög ekonomi, låg-låg. 2) Föreslå den "prioriterade" regionen som huvudfokus för rapporten. 3) Definiera gränsområdena (cirka 3-3) ämnen som "mänskligt omdöme krävs". Poäng: [ÄMNE OCH POÄNG]
Följande uppmaning ger en översikt över hur man skriver in väsentlighetsmetoden i rapporten.
Din roll: ESG-rapportskribent. Uppgift: skriv ett granskningsbart stycke som förklarar vår dubbla väsentlighetsprocess. Inkludera: vilket ämnesuniversum som skannades, vilka intressenter som var inblandade, med vilken metod det poängsattes, vem som godkände det. Regel: skriv underskattat, verifierbart och processorienterat; lägger till resultatpåstående.Input: [PROCESSANMÄRKNINGAR]
Vanliga misstag
- Att vara nöjd med en viktig sak. Att bara titta på den ekonomiska effekten och ignorera företagets påverkan på världen är emot CSRD.
- Hålla intressenten smal. Att bara lyssna på investerare och utesluta anställda, lokalbefolkning och leverantörer förvränger väsentligheten.
- Accepterar AI:s lista som den är. Kritiska frågor som är specifika för sektorn kan saknas eller ges fel vikt i AI.
- Eliminera lågfrekventa seriösa åsikter. Signaler som är få till antalet men hög risk bör undersökas separat.
- Dokumenterar inte metoden. Om det inte står skrivet hur processen går till kommer revisorn inte att acceptera väsentligheten.
Sammanfattningsvis
Materialanalys är kompassen i hela ESG-rapporten; En rapport som fokuserar på fel frågor är värdelös, oavsett hur kvalitet den är skriven. Den dubbla betydelsen är både "hur påverkar den här frågan oss ekonomiskt?" samt "hur påverkar vi världen i denna fråga?" ställer frågor tillsammans. AI är en kraftfull accelerator för att skapa ett universum av ämnen och sortera hundratals svar från intressenter i teman; men det tenderar att missa påverkans riktning, skapa falsk betydelse och eliminera lågfrekventa kritiska åsikter. Slutlig prioritering och godkännande vilar alltid på människan.
Applikationsuppgift
Välj en bransch (t.ex. livsmedelsdetaljhandel) och be AI om en lista med 12-15 kandidatämnen med den kraftfulla uppmaningen ovan. Sedan: (1) kontrollera varje ämne genom att dela upp det i två när det gäller påverkan och ekonomisk aspekt, (2) korrigera endast de som har flyttats till den ekonomiska sidan, (3) välj de 5 ämnen som du tycker är mest väsentliga med motivering och utarbeta en liten väsentlighetsmatris.
checklista
- [ ] Jag utvärderade varje fråga i termer av både effekt och ekonomisk väsentlighet.
- [ ] Jag utökade listan över intressenter utanför investeraren (anställd, offentlig, leverantör).
- [ ] Jag testade listan över ämnen som genereras av AI mot branschspecifik verklighet.
- [ ] Jag undersökte lågfrekventa men högviktiga åsikter separat.
- [ ] Jag godkände prioriteringen genom ett mänskligt/kommittébeslut.
- [ ] Jag har dokumenterat väsentlighetsmetoden i enlighet med revisionen.
- [ ] Jag släppte frågor av falsk betydelse (som egentligen inte påverkar oss).