Mtiririko wa Kazi wa ESG wa Mwisho hadi Mwisho, Udhibiti wa Data, Maadili na Lango la Ubora — Akili Bandia katika Uendelevu na Usimamizi wa ESG

Faida:

Uwezo wa kuanzisha mtiririko wa hatua nane wa ESG kutoka kwa nyenzo hadi uchapishaji na milango ya ubora na mdundo wa 'akili bandia hutoa → huthibitisha binadamu → hupitia lango'
Uwezo wa kulinda data ya kibinafsi na ya kifedha isiyofichuliwa kwa kuainisha data ya ESG kama ya bure/ya ndani/siri
Uwezo wa kuchukua jukumu la mwisho na kuambatisha majina yanayowajibika na rekodi za idhini kwa kila chapisho bila kutegemea utetezi wa 'AI alisema'

Katika vitengo kumi vilivyotangulia tumeshughulikia kila sehemu ya ESG na biashara endelevu kivyake: ingizo na mipaka, nyenzo, ukusanyaji wa data, uhasibu wa kaboni, mifumo ya kuripoti, ugavi, mawasiliano ya washikadau, uandishi wa ripoti, uhakikisho na kuosha kijani. Katika kitengo hiki cha mwisho, tutaweka vipande pamoja na kuanzisha mtiririko wa kazi wa mwisho hadi mwisho: wapi, vipi na kwa lango gani la usalama la kutumia akili bandia (AI) katika kila hatua kutoka kwa ufafanuzi wa dhamira endelevu hadi uchapishaji wake. Pia tutaleta usimamizi wa data, faragha na wajibu wa kimaadili katika mfumo mmoja.

Hebu kurudia mara nyingine tena uti wa mgongo wa mara kwa mara wa moduli: AI; Ni msaidizi anayeandika msimbo, kupanga data, hutoa rasimu na muhtasari. Usahihi wa nambari, uthibitisho wa sababu, udhibiti wa kiwango, uthibitisho wa dai na wajibu wa mwisho daima hutegemea mtaalam mwenye uwezo. Kitengo hiki kinageuza kanuni hii kuwa mtiririko wa kazi wa kila siku na orodha hakiki.

Mtiririko wa kazi wa ESG wa mwisho hadi mwisho

Fikiria mzunguko wa kuripoti uendelevu katika hatua nane:

Upeo na nyenzo - Mada gani ni nyenzo? (Kitengo cha 2)
Mkusanyiko wa data - Vyanzo, vitengo, njia ya ukaguzi. (Kitengo cha 3)
Hesabu - Kaboni na vipimo vingine vilivyo na vipengele vilivyothibitishwa. (Kitengo cha 4)
Ulinganisho wa mfumo - vitu vya GRI/ESRS/ISSB, uthibitisho kwa maandishi rasmi. (Kitengo cha 5)
Mlolongo wa ugavi - Wigo wa 3 na bidii inayofaa. (Kitengo cha 6)
Kuandika na mawasiliano - Ripoti iliyosawazishwa, iliyothibitishwa na ujumbe wa washikadau. (Kitengo cha 7-8)
Maandalizi ya uhakikisho - Msururu wa ushahidi na maandalizi ya ukaguzi. (Kitengo cha 9)
Ukaguzi wa madai - Uchunguzi wa Greenwashing na idhini ya kutolewa. (Kitengo cha 10)

Katika kila hatua, AI ni kiongeza kasi; Lakini wakati wa kutoka kwa kila hatua, kuna lango la ubora - kituo cha ukaguzi ambacho lazima kipitishwe kabla ya kuendelea na hatua inayofuata. Pato ambalo halipiti mlangoni haliendelei.

hatua

AI hufanya nini?

Lango la ubora

mali

Mtahiniwa wa mada, uchanganuzi wa mada

Impact+kipengele cha fedha idhini ya mwanadamu

Data

Usanidi, ubadilishaji wa kitengo

Uthibitishaji wa chanzo na kiasi

akaunti

Mfumo, kiunzi cha msimbo

Sababu imethibitishwa kutoka kwa chanzo rasmi

Kulinganisha

Pendekezo la makala

Angalia picha na maandishi yake ya kawaida

tahajia

rasimu, muhtasari

Kutatua madai bila ushahidi

dai

Scan ya kuosha kijani

Uchapishaji ulioidhinishwa na binadamu

Kidokezo: Sanidi mtiririko wa kazi katika mdundo wa "AI huzalisha → huthibitisha binadamu → hupitia mlangoni." Kabla ya kuhamisha kila pato la AI hadi hatua inayofuata, uliza: "Ni sehemu gani ya pato hili haiwezi kuendelea bila uthibitisho?" Sehemu hiyo ni lango la ubora wa hatua hiyo.

Udhibiti wa data na faragha

Data ya ESG mara nyingi ni nyeti: data ya jinsia na mishahara ya mfanyakazi, masharti ya mkataba wa mtoa huduma, athari za kifedha bado hazijafichuliwa, data ya uzalishaji wa kiwango cha kituo. Inahitajika kuainisha haya kabla ya kuwapa zana ya umma ya AI. Udhibiti wa data ni "nani anaweza kutumia data ipi, vipi na kwa zana gani?" Swali limefungwa kwa kanuni.

Uainishaji rahisi:

Bila Malipo: Data tayari inapatikana kwa umma (ripoti iliyochapishwa). Inaweza kutolewa kwa AI.
Matumizi ya ndani: Data ya ndani isiyo na thamani ya kibiashara. Kwa uangalifu katika gari la kampuni.
Siri: Siri ya biashara, athari za kifedha ambazo hazijafichuliwa, data ya kibinafsi (KVKK/GDPR). Haipewi kwa AI bila kutokujulikana au njia za kitaasisi (zisizovuja).

Jukumu lako: mshauri wa usimamizi wa data. Jukumu: ainisha vipengee vya data vifuatavyo kama "matumizi ya bila malipo / ya ndani / ya siri" na uandike kitendo kilichopendekezwa kwa kila kipengele cha siri (fichua jina / jumla / zana ya biashara / usitoe kabisa). Kanuni: ikiwa huna uhakika, weka darasa la ulinzi zaidi. Vipengee: [DATA BINAFSI NA FEDHA]

Mwongozo dhaifu / Mwongozo thabiti

Jinsi unavyokabidhi kazi kwa zana hubadilisha hatari ya faragha kwa kiasi kikubwa.

Agizo dhaifu:

Chambua jedwali hilo la mishahara ya wafanyikazi na uzalishaji wa kituo, uje na muhtasari wa ESG.

Husafirisha data ghafi ya kibinafsi na ya biashara moja kwa moja kwa zana iliyo wazi; Hakuna uainishaji, kutokutambulisha na hatua ya uthibitishaji.

Agizo lenye nguvu:

Jukumu lako: Mchambuzi wa ESG anayejali usimamizi wa data. Nilikupa data iliyojumlishwa TU, ya kibinafsi/ya biashara isiyo na siri. Kazi: kuchambua viashiria vifuatavyo vya muhtasari. Sheria:- HAKUNA majina ya watu binafsi, mishahara, vitambulisho au athari ya kifedha ambayo haijafichuliwa katika data; Ikiwa utaona sehemu kama hiyo, sema "DATA YA SIRI - usichakate, onya". - Usiongeze nambari mpya kwa matokeo; nenda tu na muhtasari niliotoa. - Ongeza kidokezo cha "idhini ya kibinadamu inahitajika" mwishoni mwa matokeo. Data (iliyojumlishwa): [VIASHIRIA VYA MUHTASARI]

Tahadhari: "AI ilisema" sio utetezi. Wajibu wa nambari isiyo sahihi, dai ambalo halijathibitishwa, au data ya siri iliyovuja katika ripoti ya ESG ni ya shirika na mtu aliyeidhinisha. Unapotumia AI, hauhamishi wajibu; Utaharakisha kazi tu.

Agizo la lango la ubora wa mwisho hadi mwisho

Kidokezo kifuatacho kinaendesha hatua zote kupitia ukaguzi mmoja kabla ya kuchapishwa.

Jukumu lako: Afisa wa uhakikisho wa ubora wa ESG. Jukumu: pitisha sehemu ifuatayo ya ripoti kupitia lango la ubora wa mwanzo hadi mwisho. Toa "pasi / FAIL" kwa kila kipengele na uandike sababu ikiwa itashindikana: 1) Je, chanzo na sehemu ya kila nambari imeelezwa? 2) Je, sababu za utoaji kutoka kwa chanzo rasmi? 3) Je, nambari za bidhaa za kawaida zimethibitishwa? 4) Je, wakala/makadirio yamewekwa alama? 5) Je, kuna taarifa zozote zenye kuosha kijani kibichi? 6) Je, kuna uvujaji wowote wa data ya siri/ya kibinafsi? 7) Jina la kuwajibika kwa idhini ya mwisho iliyotolewa? Sehemu: [SURA]

Kidokezo kifuatacho kinabadilisha sehemu nzima kuwa sera ya biashara.

Jukumu lako: kiongozi wa timu endelevu. Kazi: andika sera ya ndani ya ukurasa 1 inayosimamia matumizi ya timu ya AI katika kazi ya ESG. Jumuisha:- Majukumu ambapo AI inaweza kutumika bila malipo (rasimu, muhtasari, msimbo, uchanganuzi wa mandhari)- Majukumu yanayohitaji uthibitishaji wa kibinadamu (sababu, kiwango, dai, upeo)- Aina za data ambazo hazitawahi kupewa AI (fedha ya kibinafsi, isiyofichuliwa)- Hatua za lango la ubora zitakazopitishwa kabla ya kila toleo la Toni: wazi, nukta ya kitone, inatumika.

kesi tatu ndogo

Kesi ya 1 - Ripoti iliyorudishwa kutoka kwa mlango. Timu moja ilifikiri walikuwa wamekamilisha hatua zote na ripoti ilikuwa tayari kuchapishwa. Kidokezo cha mwisho cha lango la ubora kilinasa dai lisilo na chanzo la "78% ya kurejesha" na taarifa ya "kaboni isiyo na kaboni" katika sehemu moja. Uchapishaji ulisimamishwa kabla ya mojawapo kusahihishwa; Mlango ulishikilia mdudu kabla haujaonekana hadharani.

Kesi ya 2 - Uvujaji wa data wa siri umezuiwa. Mchanganuzi angebandika data ya athari za kifedha ya kila robo mwaka ambayo bado haijatolewa kwenye zana inayopatikana kwa umma kwa uchambuzi. Kidokezo cha uainishaji wa data kiliialamisha kama "fedha ya siri-isiyofichuliwa." Data ilikusanywa kwanza na kisha kuchakatwa katika zana ya biashara; Ukiukaji unaowezekana wa sheria ulizuiwa.

Kesi ya 3 - Kuwajibika. Baada ya ripoti kuchapishwa, mdau alihoji idadi fulani. Timu haikusema "AI imehesabiwa"; alifungua njia ya ukaguzi, akataja chanzo, akafanya masahihisho madogo, na akaeleza kwa uwazi. Mtazamo huu, ambao haukutegemea ulinzi wa "AI alisema", ulihifadhi uaminifu.

Makosa ya kawaida

Kusonga mbele bila mlango wa ubora. Ikiwa uthibitishaji hautafanywa wakati wa kuondoka kwa kila hatua, hitilafu zitajilimbikiza hadi mwisho.
Kutoa data kwa gari bila kuainisha. Data ya siri na ya kibinafsi haiwezi kuingizwa kwenye AI ya umma bila kutokujulikana.
Kuhamisha jukumu kwa AI. "AI ilisema" sio utetezi wa kisheria au kitaaluma.
Hatua za kufikiria zimetengwa. Nyenzo, data, hesabu na madai yameunganishwa; Ikiwa moja imeharibiwa, wote huathiriwa.
Kutomkabidhi mtu anayewajibika kwa idhini ya uchapishaji. Nyuma ya kila madai ya umma lazima kuwe na mwanadamu.

Kwa muhtasari

Biashara ya ESG ni msururu wa hatua nane zilizounganishwa, na AI ni kiongeza kasi katika kila hatua; Lakini kuna mlango wa ubora katika kutoka kwa kila hatua. Mdundo wa “AI huzalisha → binadamu huthibitisha → hupita mlangoni” huchanganya masomo yote ya moduli hii kuwa taaluma moja ya masomo. Kuainisha data na kulinda usiri, thibitisha sababu na kiwango kutoka kwa chanzo rasmi, unganisha dai na ushahidi, ondoa uoshaji kijani kibichi kabla ya kuchapishwa, na toa jukumu la mwisho kwa mwanadamu. AI huharakisha kazi; Unadhani usahihi, uaminifu na uwajibikaji. Kigezo cha taaluma hii sio "kuonekana fasaha", bali "kupitisha ukaguzi na kuthibitishwa".

Jukumu la maombi

Changanya bidhaa ulizotoa katika vitengo vya awali (orodha ya nyenzo, akaunti ya kaboni, sehemu ya ripoti) katika ripoti moja ndogo. Pitia ripoti hii ndogo katika vipengee 7 ukitumia kidokezo cha lango cha ubora kutoka mwisho hadi mwisho kutoka kwa AI. Kisha: (1) sahihisha kila kipengee kilichoandikwa "TOLEWA", (2) ainisha na uchukue hatua kwa data yote ya siri/ya kibinafsi, (3) ongeza jina linalowajibika na kidokezo cha kuidhinisha ili kuchapishwa.

orodha ya ukaguzi

[ ] Ninaweka mtiririko wa kazi kwa mdundo wa “AI huzalisha → huthibitisha binadamu → hupitia mlangoni.”
[ ] Nilitekeleza lango la ubora wakati wa kutoka kwa kila hatua.
[ ] Niliainisha data yote kuwa ya bure/ya ndani/siri na kulinda usiri.
[ ] Nimethibitisha vipengele na vipengele vya kawaida kutoka kwa chanzo rasmi.
[ ] Niliunga mkono kila dai kwa ushahidi, nikiondoa uchafuzi wa kijani kabla ya kuchapishwa.
[ ] Niliwajibika bila kutegemea utetezi wa "AI alisema".
[ ] Nimeweka jina linalowajibika na rekodi ya idhini ya uchapishaji.

Mtihani wa Moduli

1. Ni ipi kati ya zifuatazo ni nafasi bora kwa AI katika ESG na biashara endelevu?

A) Akili bandia ni msaidizi wa kanuni, data na ramani; Wajibu wa mambo, viwango, ushahidi na maamuzi ya kimaadili ni ya watu ✔
B) Akili Bandia ni mkaguzi na thamani za ESG inazotoa ni mbadala wa uhakikisho huru.
C) Akili ya bandia hufanya kazi tu katika kuandika ripoti, haina uhusiano wowote na data na mahesabu.
D) Kwa kuwa AI haina upendeleo zaidi kuliko wanadamu, maamuzi yote ya ESG yanapaswa kuachiwa

Maelezo: Akili ya bandia; Ni msaidizi anayeandika msimbo, kupanga data, hutoa rasimu na muhtasari. Hata hivyo, jukumu la mwisho la kuthibitisha sababu ya utoaji, kuangalia nambari ya kawaida ya dutu, kuthibitisha kila dai ni la mtaalamu aliye na uwezo. Muundo wa lugha kubwa sio kikokotoo, hifadhidata ya udhibiti/viwango, au kikagua; ni jenereta ya maandishi ambayo hutoa 'neno linalofuata linalowezekana zaidi' na matokeo yake ambayo hayajathibitishwa yanaweza kusababisha ripoti ya uwongo au dai.

2. Je, kipengele cha 'impact materiality' cha suala kinamaanisha nini katika uchanganuzi wa uyakinifu maradufu?

A) Athari za suala hilo kwenye faida ya kampuni na thamani ya hisa
B) Hatari ya kifedha ya suala hilo kwa wawekezaji tu
C) Utendaji wa makampuni pinzani kwenye somo moja
D) Athari za shughuli za kampuni kwenye mazingira na jamii ✔

Maelezo: Unyeti maradufu huonekana kupitia lensi mbili. Ubora wa kifedha ni athari ya suala kwenye mtiririko wa pesa na thamani ya kampuni ('nje ya ndani'). Ufanisi wa athari ni athari ya shughuli za kampuni kwenye mazingira na jamii ('ndani ya nje'). CSRD/ESRS inatekeleza vipengele vyote viwili; Kwa kuwa akili ya bandia mara nyingi hubadilika kuelekea mwelekeo wa kifedha tu, mwelekeo wa athari lazima udhibitiwe zaidi na mwanadamu.

3. Ni njia gani sahihi wakati wa kukusanya data ya nishati katika kWh, MWh na GJ kutoka kwa vifaa tofauti?

A) Puuza vitengo na uongeze nambari zote moja kwa moja
B) Kutegemea akili ya bandia kukusanya orodha ndefu katika kichwa chako
C) Kubadilisha maadili yote kuwa kitengo kimoja na kufanya ubadilishaji na jumla na nambari / fomula ✔
D) Kuchagua kitengo kikubwa zaidi na kutoripoti vifaa vingine

Ufafanuzi: Kuchuja kwa kitengo ni kosa la mara kwa mara na hatari la ESG; Kwa kuwa 1 MWh = 1,000 kWh, ikiwa kitengo kimeachwa, matokeo yanaweza kupotoka kwa sababu ya 1,000. Njia sahihi ni kubadilisha thamani zote kuwa kitengo kimoja na kuwa na akili ya bandia kufanya ubadilishaji huu na jumla na msimbo / fomula inayoweza kutekelezeka, sio kwa mikono; kwa hivyo matokeo yake ni ya kuamua na yanayoweza kuthibitishwa.

4. Ni upeo gani unaojumuisha uzalishaji unaotokana na uzalishaji wa umeme ulionunuliwa kulingana na Itifaki ya GHG?

A) Upeo 1
B) Upeo 2 ✔
C) Upeo 3
D) Haijajumuishwa katika upeo wowote na haijaripotiwa

Maelezo: Upeo 1 ni uzalishaji wa moja kwa moja kutoka kwa vyanzo vya shirika (boiler, gari la kampuni, jenereta). Upeo wa 2 ni uzalishaji usio wa moja kwa moja kutoka kwa uzalishaji wa nishati iliyonunuliwa (umeme, mvuke, inapokanzwa, baridi). Upeo wa 3 unajumuisha uzalishaji mwingine wote usio wa moja kwa moja katika mnyororo wa thamani (ugavi, usafiri, matumizi ya bidhaa, taka). Umeme hautoki kwenye bomba la moshi la kampuni, lakini mtambo wa kuzalisha umeme unaozalisha hutoa uzalishaji; kwa hivyo ni Scope 2.

5. Ni dhana gani hutumika wakati wa kubadilisha gesi chafu kama vile methane (CH₄) hadi CO₂e na kwa nini ni muhimu?

A) GWP (uwezo wa ongezeko la joto duniani); ikiachwa, athari ya methane/N₂O haitakadiriwa sana ✔
B) AQI (index ya ubora wa hewa); huamua rangi ya gesi katika hewa
C) GRI (mpango wa kuripoti); huamua dutu ambayo gesi itaripotiwa
D) Hakuna mgawo unaohitajika; methane huhesabu 1 hadi 1 moja kwa moja kama CO₂

Maelezo: GWP (Uwezo wa Kuongeza Joto Ulimwenguni) ni mgawo ambao hubadilisha athari ya joto ya gesi chafuzi tofauti kuwa kitengo cha kawaida kinachohusiana na CO₂. GWP ya miaka 100 ya methane ni takriban 28; Kwa hivyo tani 1 ya methane inamaanisha takriban tani 28 za CO₂e. Ikiwa GWP itaachwa, athari za gesi kali kama vile methane na N₂O zitapuuzwa sana na hesabu itakuwa si sahihi kabisa; Inapaswa pia kuelezwa ni seti gani ya GWP (k.m. IPCC AR6, miaka 100) inatumika.

6. Je, ni mbinu ipi iliyo sahihi katika kukokotoa 'data ya shughuli × sababu ya utoaji wa hewa chafuzi' katika orodha ya gesi chafuzi?

A) Kutumia sababu ambayo akili ya bandia inakumbuka na kuifanya ifanye jumla kwa mikono
B) Kuhesabu gesi zote kama CO₂ na kipengele cha kuruka na ubadilishaji wa GWP
C) Kutumia kipengele chaguo-msingi haswa kwa kila nchi, mwaka na mafuta
D) Kuthibitisha sababu kutoka kwa chanzo rasmi kulingana na nchi na mwaka na kufanya hesabu ya kiunzi na jumla na nambari ✔

Maelezo: Mambo ya utoaji hutofautiana kulingana na nchi, mwaka na mafuta; 'Kukumbusha' AI hutengeneza hatari ya kutengeneza mambo (hallucinations). Sababu inapaswa kuthibitishwa kila wakati kutoka kwa jedwali rasmi (IPCC, DEFRA/EPA, IEA, orodha ya kitaifa); Utenganishaji wa upeo tu, kiunzi cha uhasibu na nambari ya jumla inapaswa kufanywa na akili ya bandia. Jumla ya safu mlalo nyingi hufanywa kwa msimbo unaoweza kutekelezeka, si kwa mikono.

7. Ni tabia gani sahihi kwa nambari ya kawaida ya GRI/ESRS (k.m. 'GRI 305 kwa matumizi ya maji') iliyopendekezwa na AI?

A) Kuandika nambari moja kwa moja kwenye ripoti kwa sababu akili bandia inaipendekeza
B) Nambari za vitu sio muhimu; yoyote inaweza kuandikwa
C) Kuthibitisha nambari na yaliyomo kwa maandishi rasmi ya kawaida, na kuithibitisha ikiwa ni bandia au imepitwa na wakati ✔
D) Kwa kuwa utoaji wa maji na hewa ni sawa, ukiziripoti katika makala sawa

Maelezo: Akili Bandia inaweza kutoa nambari za kawaida zinazoonekana kuwa halisi lakini maudhui yake ni ya uwongo au ya kubuniwa kabisa; Pia, viwango vinasasishwa na toleo ambalo mtindo anajua huenda limepitwa na wakati. Kwa mfano, maji yanaripotiwa chini ya GRI 303, wakati GRI 305 ni uzalishaji wa hewa. Kwa hivyo, kila nambari ya dutu na maudhui hayawezi kutumika bila kuthibitishwa na maandishi rasmi ya kawaida (GRI/EFRAG/ISSB).

8. Ikiwa wasambazaji wengi katika msururu wa ugavi hawana data halisi ya kaboni, ni ipi njia sahihi na ya uaminifu kwa Scope 3?

A) Kutumia nambari moja kwa moja iliyoundwa na akili bandia kwa wauzaji
B) Kuruka Wigo 3 kabisa kwa sababu ni 'ngumu kupima'
C) Kutumia walio na data halisi, kuashiria kwa uwazi proksi kwa wale wasio na ✔
D) Kutuma wakala kwa wasambazaji wote na kuificha kwenye ripoti

Maelezo: Upeo wa 3 ndio mkubwa zaidi wa kampuni nyingi lakini ni ngumu zaidi kupima bidhaa. Kwa wasambazaji ambao hutoa data halisi, data hiyo hutumiwa; Kwa wale ambao hawatoi, wakala (makadirio) kulingana na matumizi inaweza kutumika. Jambo muhimu sio kuficha proksi: ripoti inapaswa kutaja wazi sehemu na uwiano wa makadirio yaliyotumiwa. Wakala uliofichwa unaweza kusababisha kunyimwa uhakikisho huru; Pia ni makosa kuruka Scope 3 kabisa kwa misingi kwamba 'ni vigumu kupima'.

9. AI iliripoti mtoa huduma kama 'kazi inayowezekana ya kulazimishwa' kulingana na wastani wa nchi pekee. Tabia sahihi ni nini?

A) Kubali ishara kama ushahidi na ukate uhusiano na mtoa huduma mara moja hadharani
B) Kuandika dai moja kwa moja kwenye ripoti kwa sababu akili ya bandia ilisema
C) Kupuuza kabisa ishara za hatari na kutozichunguza kabisa
D) Kuzingatia ishara kama 'onyo la kuchunguzwa' na kuithibitisha kwa ukaguzi wa uwanja na chanzo cha kuaminika ✔

Maelezo: Madai mazito kama vile ukiukaji wa haki za binadamu hayawezi kuthibitishwa kwa ishara inayotolewa na akili bandia. Ishara kama hiyo ni 'onyo la kuchunguzwa' tu; Kuitumia kama shtaka dhahiri sio haki na ni hatari kisheria. Madai kama haya yanathibitishwa tu na chanzo cha kuaminika, ukaguzi wa shamba na mchakato wa kisheria. Akili ya Bandia hutoa ishara; Mwanadamu anachukua hukumu na wajibu.

10. Ni tahadhari gani muhimu zaidi wakati wa kuchambua mamia ya majibu ya maandishi bila malipo kutoka kwa uchunguzi wa wadau na AI?

A) Kuhitaji ishara za nadra lakini za juu (usalama/kimaadili/mazingira) kando na si kuzifunika ✔
B) Kuteua mandhari ya juu zaidi ya mara kwa mara, kuondoa maoni ya wachache
C) Punguza majibu yote kwa muhtasari mmoja mzuri na uache maelezo
D) Kukubali muhtasari wa akili bandia badala ya majibu ghafi

Maelezo: Akili Bandia huongeza sauti ya walio wengi na kukandamiza sauti ya walio wachache katika uchanganuzi wa mada. Hata hivyo, ishara ya thamani zaidi katika uendelevu wakati mwingine ni tatizo kubwa la usalama, maadili au mazingira yaliyotolewa na mtu mmoja. Kwa hivyo uchambuzi unauliza 'nini kilichosemwa mara nyingi zaidi?' Haiishii kwa; ishara 'adimu lakini zenye umuhimu mkubwa' zinapaswa kuombwa kando na majibu ghafi yatumike pamoja na, badala ya badala ya, muhtasari.

11. Ni ipi njia bora zaidi ya kuzuia nambari na shabaha bandia kuvuja kwenye maandishi wakati wa kuandika sehemu ya ripoti kwa akili ya bandia?

A) Kutoa ripoti nzima mara moja kwa kusema 'andika maandishi yanayofaa'
B) Kutoa data iliyothibitishwa pekee na kukataza waziwazi kutoa nambari/madai mapya ✔
C) Angalia jinsi maandishi yalivyo fasaha na ya kuvutia na uyachapishe
D) Kuruhusu AI kujaza data iliyokosekana na makadirio yanayofaa

Maelezo: Akili Bandia huzalisha nambari na shabaha ambazo huna, kwa kutumia mantiki 'hivi ndivyo ripoti zinazofanana zilisema' kwa haraka tupu. Tahadhari bora zaidi ni kuipa data iliyothibitishwa pekee na 'usiongeze nambari, asilimia, tarehe, au madai zaidi ya data niliyokupa; Ni kueleza kwa uwazi sheria ya 'kuandika [DATA INAYOTAKIWA] mahali palipokosekana'. Aidha, ripoti inapaswa kuchapishwa sehemu kwa sehemu, kulishwa na data.

12. Mkaguzi huru wa uhakikisho anatafuta nini kwanza anapokagua ripoti ya uendelevu?

A) Jinsi ripoti inavyoandikwa kwa ufasaha na kitaalamu
B) Kila toleo lina mlolongo wa ushahidi unaofuatiliwa hadi kwenye hati chanzo ✔
C) Upelelezi wa bandia unasema 'ripoti iko tayari kukaguliwa'
D) Fanya ripoti ionekane kuwa ya uthubutu zaidi kuliko washindani

Maelezo: Mtahini havutiwi na ufasaha wa maandishi, lakini katika mlolongo wa ushahidi nyuma ya kila dai; Swali lake la kwanza ni 'thibitisha nambari hii'. Inachunguzwa ni hati gani ya chanzo nambari inatoka, fomula na kipengele gani inabadilika kuwa ripoti, na ikiwa inaweza kurudiwa kwa kujitegemea. Kwa hivyo, kila kipimo cha nyenzo lazima kifuatiliwe hadi chanzo chake, vipengele lazima vidhibitishwe kutoka kwa chanzo rasmi, na proksi lazima zibainishwe; Akili ya Bandia hufanya maandalizi haya, lakini haiwezi kutoa uhakikisho.

13. Je, ni madai gani kati ya yafuatayo ya mazingira ambayo yana hatari ndogo zaidi ya kuosha kijani kibichi?

A) 'Tulipunguza utoaji wetu wa uzalishaji kwa 18% kufikia 2023 (kwa uthibitishaji wa watu wengine)' ✔
B) 'Bidhaa zetu ni rafiki wa mazingira na asili kabisa'
C) 'Kampuni yetu haina kaboni' (bila kutoa hati au data yoyote)
D) 'Sisi ni kampuni endelevu zaidi na karibu na sifuri katika tasnia'

Ufafanuzi: Dai zuri la kimazingira linaweza kupimika (lina nambari), limethibitishwa (kulingana na ushahidi), na liko wazi katika upeo (ni wazi ni nini kinacholinganishwa na nini na wakati gani). 'Tulipunguza utoaji wa uzalishaji kwa 18% kufikia 2023 (kwa uthibitishaji wa watu wengine)' ina vipengele hivi vitatu. Maneno kama vile 'rafiki wa mazingira', 'asili', 'kaboni isiyo na kaboni' ambayo haijathibitishwa haiwezi kutambulika au haijathibitishwa na ina hatari ya kuosha kijani kibichi.

14. Nini kifanyike kabla ya kubandika data ya uzalishaji na utoaji wa kituo ambacho hakijafichuliwa kwenye zana inayopatikana kwa umma ya AI kwa ajili ya uchambuzi?

A) kubandika data kama ilivyo; data ya mazingira daima inapatikana kwa umma
B) Kutoa bila kuchukua tahadhari wakati jukumu likipita kwa mtoa huduma za kijasusi bandia
C) Hatari ni miscalculation tu; Hatua ya usiri sio lazima
D) Kuainisha data kama data ya siri isiyolipishwa/ya ndani/ya siri na kutotambulisha utambulisho au kutumia zana za shirika ✔

Ufichuzi: Data ya kiwango cha uzalishaji na uzalishaji wa mimea inaweza kuwa siri za biashara; data ya kifedha/mazingira ambayo bado haijafichuliwa inaweza kukiuka kanuni za udhibiti za ufichuzi; Data ya eneo/mshahara ni data ya kibinafsi ndani ya mawanda ya KVKK/GDPR. Kabla ya kutoa aina hii ya data kwa zana iliyo wazi, ni muhimu kuiainisha kama isiyolipishwa/ya ndani/ya siri, kuificha inapohitajika, au kutumia zana ya shirika (isiyo na data). 'AI alisema' sio utetezi; Wajibu ni wa taasisi na mtu anayeidhinisha.