Faida:
- Uwezo wa kuanzisha Wigo wa 3 kwa kuwapa kipaumbele wasambazaji kulingana na kiwango cha matumizi na hatari na kutofautisha kati ya data halisi na makadirio ya wakala.
- Unaporipoti ishara za hatari za mtoa huduma kwa kutumia akili bandia, zichukulie kama 'ishara za kuchunguzwa' badala ya kama ushahidi.
- Uwezo wa kusimamia madai makubwa ya haki za binadamu/mazingira kupitia mchakato wa uangalifu unaohitaji ukaguzi wa uwanja na uthibitisho wa kisheria.
Kwa makampuni mengi, sehemu kubwa ya athari zao za uendelevu haipo katika kiwanda chao bali katika msururu wao wa usambazaji. Zaidi ya asilimia 80 ya alama ya kaboni ya chapa ya nguo inaweza kutoka kwa wasambazaji wake, kuanzia watengenezaji wa vitambaa hadi usafirishaji. Kadhalika, hatari kubwa zaidi za kijamii, kama vile ajira ya watoto, kazi ya kulazimishwa na ukiukaji wa mazingira, mara nyingi hutokea ndani ya mnyororo wa usambazaji. Katika kitengo hiki, utajifunza jinsi ya kutumia akili bandia (AI) kukusanya na kutathmini data ya ugavi na skrini ili kubaini hatari.
Hebu tufafanue dhana mbili. Upeo wa 3, kama tulivyoona katika kitengo kilichotangulia, ni uzalishaji usio wa moja kwa moja katika msururu wa thamani wa kampuni na kwa ujumla ndio kubwa zaidi lakini ni ngumu zaidi kupima bidhaa. Uangalifu ni mchakato wa kutambua, kuzuia na kurekebisha hatari za haki za binadamu na mazingira katika mnyororo wa ugavi wa kampuni. Kanuni kama vile CSDDD ya EU (Maelekezo ya Diligence ya Uendelevu ya Biashara) hufanya hili kuwa la lazima kwa makampuni makubwa.
Changamoto kuu ya data ya ugavi
Unaweza kupima data ya kituo chako mwenyewe; Lakini huwezi kupima moja kwa moja data ya mamia ya wauzaji, lazima uwaulize. Hii husababisha shida tatu:
- Data haifiki au haijakamilika. Wasambazaji wengi wadogo hawahifadhi data ya kaboni.
- Data si ya kuaminika. Mtoa huduma anapojiripoti, kunaweza kuwa na maelezo ya ziada au kuripoti chini.
- Kukisia (proksi) inahitajika. Ikiwa data halisi haipatikani, wastani wa sekta au makadirio kulingana na matumizi hutumika.
Hapa ndipo AI husaidia kwa njia mbili: (1) kuandaa tafiti kwa haraka na barua za ufuatiliaji zitakazotumwa kwa mamia ya wasambazaji, (2) kupanga majibu yaliyotawanyika na kuripoti ishara za hatari. Lakini hakuna nambari iliyotolewa na mtoaji imethibitishwa, hakuna ishara ya hatari inayohitimishwa bila ukaguzi wa kibinadamu.
Kategoria ya upeo wa 3 (mfano)
Chanzo cha data
Mbinu ya kawaida
Bidhaa/huduma zilizonunuliwa
Utafiti wa muuzaji / matumizi
Data halisi > proksi
Usafirishaji na usambazaji
Rekodi za mtoa huduma
Umbali × mzigo × sababu
safari ya biashara
mfumo wa usafiri
Km/ndege × sababu
Matumizi ya bidhaa zinazouzwa
Data ya nishati ya bidhaa
Muundo wa matumizi
upotevu
Hati za uhamishaji taka
Kiasi × sababu
Kidokezo: Katika Upeo wa 3, makadirio ya "kutegemea matumizi" (CO₂e nyingi hii kwa $1,000 zinazotumika) ni mwanzo wa haraka, lakini ni mbaya. Wakati muuzaji anatoa data halisi, itumie; Makadirio kulingana na matumizi ni ya muda tu ikiwa hakuna data halisi na inapaswa kualamishwa kama "kadirio/wakala" katika ripoti.
Hatua kwa hatua: Usambazaji wa mtiririko wa kazi kwa kutumia AI
1. Wape kipaumbele wasambazaji. Huwezi kuchunguza mamia yote ya wasambazaji kwa kina sawa. Kuzingatia wale walio na ukubwa wa juu wa matumizi na hatari (sekta, nchi). AI inaweza kutoa orodha ya rasimu kwa kipaumbele hiki.
2. Rasimu ya uchunguzi na ombi. Uliza AI kwa muhtasari wa uchunguzi wa data ya msambazaji ulio wazi na rahisi kujaza.
3. Sanidi data inayoingia. Weka majibu katika miundo tofauti kwenye jedwali moja; Weka alama kwenye sehemu ambazo hazipo.
4. Changanua kwa ishara za hatari. Fanya AI ipate wagombeaji wa "bendera nyekundu" katika habari za umma, rekodi za uvunjaji, na tofauti za uchunguzi; Lakini wanadamu huthibitisha kila ishara.
5. Hatua na harakati. Anzisha hatua ya kurekebisha na mpango wa ufuatiliaji kwa wasambazaji walio hatarini; Andika mchakato.
Mwongozo dhaifu / Mwongozo thabiti
Agizo dhaifu:
Kuhesabu kiwango cha kaboni cha wasambazaji wetu.
Hakuna chanzo cha data, hakuna tofauti halisi/wakala, na hakuna uthibitishaji; AI huunda nambari za wasambazaji.
Agizo lenye nguvu:
Jukumu lako: mchambuzi wa uendelevu wa ugavi. Ingizo: Majina 15 ya wasambazaji, tasnia, kiasi cha matumizi ya kila mwaka, na data halisi ya uzalishaji wanaotoa (ikiwa ipo). Kazi: 1) Kwa wale wanaotoa data halisi, tumia data hiyo. 2) Kwa wale ambao hawana data halisi, andika "PROXY inayotokana na matumizi inahitajika", USIFANYE nambari; bainisha ni kigezo gani cha kupata kutoka kwa chanzo rasmi.3) Wape kipaumbele wasambazaji katika matumizi makubwa + sekta ya hatari zaidi. Pato: jedwali (Msambazaji | Sekta | Tumia | Aina ya data[actual/proksi] |Kipaumbele | Kumbuka). Nambari za seva mbadala zitawekwa alama kwenye ripoti.
Haraka kwa uchunguzi wa hatari ya wasambazaji
Weka kiunzi cha uchunguzi wa hatari kwa orodha ifuatayo ya wasambazaji. Tathmini kwa kila msambazaji (kulingana na maelezo ambayo nimetoa, madai ya umma FEKI):- Hatari inayowezekana ya haki za binadamu kutoka kwa nchi/sekta (ya juu/kati/chini)- Hatari inayowezekana ya kimazingira- Kutowiana kwa majibu ya uchunguzi/bendera nyekunduKanuni: ongeza dokezo "uthibitishaji unahitajika - hakuna chanzo" kwa kila hatari; usitoe shutuma za uhakika, pendekeza tu ishara za kuchunguza.Orodha: [SUPPLIERS]
Kidokezo kifuatacho kinatayarisha utafiti wa ombi la data ili kutumwa kwa wasambazaji.
Jukumu lako: mtaalamu wa kutafuta uendelevu. Kazi: tayarisha uchunguzi wa data wa ESG usiozidi maswali 10 ambayo wasambazaji wadogo/wastani wanaweza kukamilisha kwa urahisi. Ni pamoja na: matumizi ya nishati, aina ya mafuta, taka, idadi ya ajali za usalama kazini, kujitolea kwa kazi ya kulazimishwa/ya watoto. Toni: rahisi, wazi, rahisi kukamilisha; Ongeza vitengo na mifano kwa kila swali.
Tahadhari: Usiwe na AI kuthibitisha ishara ya hatari kuhusu mtoa huduma (k.m. "ajira ya watoto") na usiwahi kutumia dai linalotolewa na AI kama ushahidi. Madai hayo makubwa yanathibitishwa tu na chanzo cha kuaminika, ukaguzi wa shamba na mchakato wa kisheria. AI hutoa tu "ishara ya kuchunguzwa"; haihukumu.
kesi tatu ndogo
Kesi 1 - Uaminifu wa matumizi ya wakala. Ni wasambazaji 30 pekee kati ya 200 wa watengenezaji samani waliotoa data halisi ya kaboni. Timu ilitumia wakala kulingana na matumizi kwa 170 zilizosalia, lakini ripoti inasema wazi, "65% ya Scope 3 ni makadirio ya matumizi." Mkaguzi alikiri uaminifu huu; kama ingefichwa, hakika hiyo ingekataliwa.
Kesi ya 2 - Kuweka kipaumbele. Kampuni ya chakula ilikuwa na wauzaji 480. AI ilionyesha kuwa 80% ya matumizi yalijilimbikizia kwa wauzaji 40. Timu ililenga kupiga mbizi kwa kina kwenye hizi 40; rasilimali hazikupotezwa na wasambazaji wa athari kubwa zaidi waliripotiwa na data halisi.
Kesi ya 3 - Hatari ya mashtaka ya uwongo. AI iliripoti mtoa huduma kama "kazi inayowezekana ya kulazimishwa"; Sababu ilikuwa wastani wa kitaifa tu. Timu ilikubali hii kama "ishara ya kuchunguzwa", sio ushahidi, na ikaomba ukaguzi wa uwanja. Ukaguzi haukupata matatizo; Ikiwa ishara ya AI ingechukuliwa kama ushahidi, mashtaka yasiyo ya haki na hatari ya kisheria ingetokea.
Makosa ya kawaida
- Kukubali data ya mtoa huduma bila kuithibitisha. Data ya msambazaji anayejiripoti inahitaji kukaguliwa.
- Kuficha proksi. Kutumia utabiri wa msingi wa matumizi ni sawa; Kutobainisha ni tatizo katika ukaguzi.
- Kuchunguza wasambazaji wote kwa usawa. Utafutaji unapaswa kuzingatia matumizi makubwa na wasambazaji wa hatari kubwa.
- Kukosea ishara ya AI kwa ushahidi. Madai ya ukiukaji wa haki za binadamu/mazingira yanathibitishwa na uwanja na sheria, si AI.
- Kuruka Wigo 3 kabisa. Athari kubwa huwa hapa; Haiwezi kupuuzwa kwa misingi kwamba "ni vigumu kupima".
Kwa muhtasari
Mlolongo wa ugavi ni pale ambapo athari kubwa zaidi za kimazingira na kijamii za kampuni nyingi hujificha; Upeo wa 3 uzalishaji na hatari kutokana na bidii zimejikita hapa. AI; Ni msaada mkubwa katika uwekaji kipaumbele wa wasambazaji, kuandaa rasimu ya uchunguzi, kupanga majibu yaliyotawanyika na kuripoti mawimbi ya hatari. Lakini data ya wasambazaji haijajumuishwa kwenye ripoti hadi itakapothibitishwa, washirika wawe wazi, na madai mazito yanathibitishwa na ukaguzi wa shamba. AI inazalisha ishara; Mwanadamu anachukua hukumu na wajibu.
Jukumu la maombi
Andaa orodha ya wasambazaji 10 wa uwongo wenye jina, tasnia na matumizi ya kila mwaka; Ongeza data halisi ya utoaji wa hewa chafu kwa chache, acha nyingi zikiwa wazi. Uliza AI\u003e jedwali la vipaumbele na aina ya data kupitia kidokezo chenye nguvu kilicho hapo juu. Kisha: (1) thibitisha kwamba idadi ya wasambazaji wanaohitaji wakala haijaundwa, (2) chagua wasambazaji 3 wa kipaumbele cha juu walio na sababu, (3) andaa uchunguzi mfupi wa data ili kuwatumia.
orodha ya ukaguzi
- [ ] Niliwapa kipaumbele wasambazaji kulingana na matumizi na kiwango cha hatari.
- [ ] Nilitumia data halisi; Kwa wale ambao hawana, niliweka alama kwenye proksi.
- [ ] Nilitathmini data ya msambazaji si kama ilivyo, lakini kwa kukagua.
- [ ] Nilizingatia ishara za hatari "kuchunguzwa" na sikuzitumia kama ushahidi.
- [ ] Nilipanga hatua ya ukaguzi/uthibitishaji wa kisheria kwa madai mazito.
- [ ] Sikuruka Wigo 3; Nilieleza upeo na kiwango cha makadirio katika ripoti.
- [ ] Nilirekodi mchakato mzima kwa hati ya uchunguzi unaostahili.