Vinster:
- Möjlighet att skriva ut rapporten avsnitt för avsnitt med endast verifierade data och förbjuda artificiell intelligens från att generera nya siffror/påståenden
- Möjlighet att söka efter inkonsekvenser av samma mått i olika sektioner och bestämma rätt värde genom att gå till källan
- Möjlighet att förhindra att korrekt text förvandlas till en missvisande sammanfattning genom att bibehålla "delvisa/uppskattade/ej godkända" reservationer under sammanfattningen
All data samlades in, kol beräknades, kartlades till ramverket, intressenter lyssnades på; Nu ska allt detta bli en läsvärd hållbarhetsredovisning. En CSRD-rapport innehåller hundratals sidor, dussintals indikatorer, många narrativa avsnitt. Det är här det mest synliga bidraget från artificiell intelligens (AI) är: att producera utkast till text, göra olika avsnitt sammanhängande, sammanfatta långt tekniskt innehåll. Men det är här den största risken ligger: AI är skicklig på att producera flytande, vacker, korrekturfri text. I den här enheten kommer du att lära dig hur du bibehåller noggrannhet och granskningsbarhet samtidigt som du skriver ut rapporten snabbt.
Låt oss sätta grundprincipen från början: AI skriver texten, människan kopplar den till bevis. Varje numeriskt påstående i en hållbarhetsrapport bör baseras på ett revisionsspår, och varje kvalitativt påstående bör baseras på ett faktum. AI:s uppgift är att organisera, effektivisera och göra uttrycket sammanhängande; att inte framställa sanningen i påståendet. ”Välskriven” och ”noggrann och underbyggd” är två oberoende egenskaper.
Var är AI stark och var är det riskabelt i rapportskrivning?
Quest
AI-bidrag
Risk
Tar fram ett första utkast
Fyller snabbt den tomma sidan
Kan lägga till påståenden utan bevis
Konsistenskontroll
Fångar term/enhetskonflikt
Kan "rätta" fel
sammanfattande
Förkortar det långa avsnittet
Kan utelämna kritisk nyans
Tonredigering
Ger ett formellt/tydligt språk
Kan glida in i överdrift
Översättning
Genererar flerspråkiga rapporter
Felöversätter teknisk term
Den kritiska regeln är denna: när du ger AI en rapport, ge den endast validerade indata och förbjud den från att generera nya siffror/anspråk. Annars hämtar AI:n siffror från tidigare meningar som "verkar rimliga" men som inte har någon källa.
Tips: När du utarbetar en rapport, ge alltid AI:n denna regel: "Lägg inte till några siffror, procentsatser, datum eller påståenden förutom de uppgifter jag gav dig; om något saknas, skriv [DATA KRÄVS] där." Denna enda mening förhindrar de flesta påhittade anklagelser som smugit sig in i rapporten.
Steg för steg: säker rapportskrivning
1. Bygg skelettet först. Planera avsnittsrubrikerna och vilken verifierad data som ska finnas i varje avsnitt. AI ger bra innehåll/skelett.
2. Avsnitt för avsnitt, mata den med data. Skriv ut varje partition separat, med endast verifierade data för den partitionen. Säg inte "gör upp" hela rapporten på en gång.
3. Gör en anspråk-bevis matchning. Notera källan bredvid varje numerisk mening. En mening utan källa tas inte med i rapporten.
4. Kontrollera konsistensen. Det är ett vanligt misstag att samma mätvärde visas med olika värden i olika sektioner; AI är bra på att skanna efter detta, men människan godkänner korrigeringen.
5. Sök efter hype och greenwashing. Rensa i sista omgången texten med ett öga för "omätligt/icke-bevisande uttalande" (nästa enhet gräver i detta).
Svag prompt / Stark prompt
Svag uppmaning:
Skriv klimatavsnittet i vår hållbarhetsredovisning.
Inga data; AI:n utgör en "typisk klimatepisod", och infogar siffror och mål i texten som du faktiskt inte har.
Kraftfull uppmaning:
Din roll: ESG-rapportskribent. Skriv: utkast till avsnittet "Klimat" i rapporten. Den ENDA data du kommer att använda (välj bort, lägg till nytt nummer):- Scope 1: 1 240 tCO2e (2024, verifierad)- Scope 2: 2 100 tCO2e (2024, platsbaserat)- Scope 3: partiell, 60 % täckt (inklusive proxy-reduktion till 302 % upp till 1 sänkning i Scope 2)- Mål: 40+1 % i Scope (ej SBTi godkänd, tillämpad)Regler:- FESKA INTE antal/procent/datum annat än de uppgifter jag ger; om saknas, skriv [DATA KRÄVS].- Gör klart att Scope 3 är partiell och inkluderar en proxy.- Skriv ärligt att målet ännu inte har godkänts, säg inte "godkänt".- Tonfall: tydlig, formell, underskattad.
Ber om konsekvens och kvalitetskontroll
Utför en KONSISTENSkontroll av rapportutkastet nedan. Identifiera (markera, inte korrekt):1) Situationer där samma mätvärde förekommer med olika värden på olika platser2) Enhetsinkonsekvenser (kg/ton, kWh/MWh)3) Konflikt mellan ett påstående i ett avsnitt med ett annat avsnitt4) Numeriska påståenden med ospecificerade källor Lista varje fynd med avsnitt/radreferens.Utkast: [UTKAST]
Följande uppmaning sammanfattar ett långt tekniskt avsnitt till chefen; men det tvingar dig att behålla nyanser.
Din roll: rapportredaktör.Uppgift: reducera det tekniska avsnittet nedan till 150 ord för den verkställande sammanfattningen.Regler:- Ändra eller överdriv inte några siffror genom avrundning.- HOPPA över reservationer som "partiell/uppskattad/ej bekräftad", flytta till sammanfattning.- Presentera osäkerhet som "säker".Avsnitt: [KAPITEL]
OBS: AI kastar oftast ur sig "reservationer" när man sammanfattar. Om fraser som "Scope 3-data är partiell", "mål ännu inte bekräftat", "data innehåller förutsägelse" raderas för sammanfattningens skull, förvandlas en korrekt text till en missvisande sammanfattning. Att behålla reservationer i sammanfattningar är lika viktigt som att bevara siffror.
tre minifodral
Fall 1 — Läckt falskt mål. Ett företag lät AI skriva sitt klimatavsnitt med en enkel uppmaning. YZ lade till ett "2040 netto noll"-mål som faktiskt inte var satt eftersom "det nämndes i liknande rapporter." Redaktören fångade detta; Målet togs faktiskt inte och skulle ha varit en felaktig framställning om det publicerades.
Fall 2 – Inkonsekvent mått. I den sammanfattande delen av en rapport skrevs vattenförbrukningen som "1,2 miljoner m³" och i detaljdelen skrevs den som "1,8 miljoner m³". AI:s konsistensskanning flaggade motsägelsen; gick ner till källan slogs det korrekta värdet samman till 1,8 miljoner m³.
Fall 3 — Borttagen reservation. En sammanfattning skrevs av AI och utelämnade varningen att "60 % av Scope 3 är en uppskattning" och rapporten verkade vara helt mätt. Förrevisionskontrollen lade tillbaka reservationen; annars skulle sammanfattningen vara mer påstridig och missvisande än själva rapporten.
Vanliga misstag
- Skriva ut en rapport utan att tillhandahålla data. Den tomma prompten driver AI att hitta siffror och mål.
- Producerar hela rapporten på en gång. Att skriva genom att mata in data, avsnitt för avsnitt, behåller kontrollen.
- Avvisa reservationer när man sammanfattar. Orden "partiell/uppskattad/obekräftad" bör också finnas kvar i sammanfattningen.
- Att ha AI blint korrigera inkonsekvensen. AI vet inte vilket värde som är korrekt; människan går ner till källan.
- Misstag "flytande" för "rätt". Om en välskriven mening saknar bevis kommer den ändå inte att ingå i rapporten.
Sammanfattningsvis
Rapportskrivning är det mest synliga men mest riskfyllda området för AI-bidrag. AI fyller snabbt den tomma sidan, håller avsnitten konsekventa och sammanfattar långt innehåll; men det tenderar att lägga till påståenden utan bevis, ta bort reservationer och producera överdrifter. Säker metod: mata endast in verifierad data, förbjud den från att generera nya siffror, skriv ut avsnitt för avsnitt, skanna för konsekvens men låt människan göra korrigeringen ner till källan. En "välskriven" rapport är bara en bra rapport om varje påstående bygger på bevis.
Applikationsuppgift
Ha 4-5 numeriska dataobjekt som du antar är bekräftade (ett "uppskattat" och ett "obekräftat mål"). Be AI om ett rapportavsnittsutkast via den kraftfulla uppmaningen ovan. Sedan: (1) verifiera att inga siffror som du inte har angett har läckt in i texten, (2) kontrollera att de "uppskattade" och "obekräftade" reservationerna behålls, (3) reducera texten till en sammanfattning på 150 ord och bekräfta att reservationerna finns kvar i sammanfattningen.
checklista
- [ ] Jag angav endast verifierade data i rapporten.
- [ ] Jag gav uttryckligen AI:n regeln "skapa nytt nummer/anspråk".
- [ ] Jag skrev ut rapporten avsnitt för avsnitt och matade den med data.
- [ ] Jag kopplade varje numeriskt påstående till en källa/revisionsspår.
- [ ] Jag skannade efter inkonsekvenser och bestämde det korrekta värdet genom att gå tillbaka till källan.
- [ ] Jag behöll de "partiella/uppskattade/ej bekräftade" reservationerna i sammanfattningarna.
- [ ] Jag eliminerade de överdrivna och omätliga uttrycken i förra omgången.