యూనిట్లు
1. ESG మరియు సస్టైనబిలిటీలో AIకి పరిచయం: పాత్రలు, సరిహద్దులు, ధ్రువీకరణ మరియు నీతి 2. మెటీరియాలిటీ మరియు డ్యూయల్ మెటీరియాలిటీ అనాలిసిస్: టాపిక్ ఐడెంటిఫికేషన్, స్టేక్‌హోల్డర్ ఇన్‌పుట్ మరియు ప్రాధాన్యత 3. ESG డేటా సేకరణ, డేటా నాణ్యత మరియు ఆడిట్ ట్రైల్ మేనేజ్‌మెంట్ 4. కార్బన్ అకౌంటింగ్: స్కోప్ 1-2-3, ఉద్గార కారకాలు మరియు GHG ప్రోటోకాల్ 5. రిపోర్టింగ్ ఫ్రేమ్‌వర్క్‌లు: GRI, ESRS/CSRD మరియు ISSB మ్యాపింగ్ 6. సప్లై చైన్ సస్టైనబిలిటీ: స్కోప్ 3, సప్లయర్ డేటా మరియు డ్యూ డిలిజెన్స్ 7. స్టేక్‌హోల్డర్ కమ్యూనికేషన్ మరియు ఎంగేజ్‌మెంట్: సర్వే, ఒపీనియన్ అనాలిసిస్ మరియు పారదర్శక రిపోర్టింగ్ లాంగ్వేజ్ 8. రిపోర్ట్ రైటింగ్ మరియు ఆటోమేషన్: డ్రాఫ్టింగ్, కన్సిస్టెన్సీ మరియు నేరేటివ్ ఎడిటింగ్ 9. స్టాండర్డ్ వెరిఫికేషన్ అండ్ ఇండిపెండెంట్ అష్యూరెన్స్: చైన్ ఆఫ్ ఎవిడెన్స్ అండ్ ఆడిట్ ప్రిపరేషన్ 10. గ్రీన్‌వాషింగ్ రిస్క్: క్లెయిమ్ ఆడిటింగ్, గ్రీన్‌వాషింగ్ రకాలు మరియు శాసనాలు 11. ఎండ్-టు-ఎండ్ ESG వర్క్‌ఫ్లో, డేటా గవర్నెన్స్, ఎథిక్స్ మరియు క్వాలిటీ గేట్‌వే
యూనిట్ 2 / 11

మెటీరియాలిటీ మరియు డ్యూయల్ మెటీరియాలిటీ అనాలిసిస్: టాపిక్ ఐడెంటిఫికేషన్, స్టేక్‌హోల్డర్ ఇన్‌పుట్ మరియు ప్రాధాన్యత

లాభాలు:

  • సింగిల్ మెటీరియలిటీ మరియు డబుల్ మెటీరియలిటీ మధ్య తేడాను గుర్తించగల సామర్థ్యం మరియు ప్రభావం మరియు ఆర్థిక మెటీరియలిటీ రెండింటి పరంగా సమస్యను మూల్యాంకనం చేయగల సామర్థ్యం
  • తక్కువ-ఫ్రీక్వెన్సీ కానీ అధిక-ప్రాముఖ్యత సంకేతాలను వేరుగా ఉంచుతూ కృత్రిమ మేధస్సుతో వందలాది వాటాదారుల ప్రతిస్పందనలను థీమ్‌లుగా విభజించగల సామర్థ్యం
  • పరిశ్రమ-నిర్దిష్ట వాస్తవికతతో కృత్రిమ మేధస్సు ద్వారా ఉత్పత్తి చేయబడిన అంశాల జాబితాను పరీక్షించే సామర్థ్యం మరియు తుది ప్రాధాన్యత మరియు మెథడాలజీ పత్రాన్ని మానవులకు లింక్ చేయడం

ప్రతి స్థిరత్వ సమస్యపై ఒకే లోతులో ఏ కంపెనీ నివేదించదు; సాఫ్ట్‌వేర్ కంపెనీకి నీటి వినియోగం ద్వితీయ సమస్య అయితే, పానీయాల తయారీదారులకు ఇది జీవనాధారం. ఇది "ఏ సమస్యలు మాకు నిజంగా ముఖ్యమైనవి?" ప్రశ్నకు సమాధానం భౌతిక విశ్లేషణ (ప్రాముఖ్యత విశ్లేషణ) ద్వారా ఇవ్వబడుతుంది. మెటీరియాలిటీ అనేది ఒక సంస్థకు సుస్థిరత సమస్య ఎంత "ముఖ్యమైనది/ముఖ్యమైనది" అని నిర్ణయించే ప్రక్రియ మరియు మొత్తం ESG నివేదికకు ఆధారం. తప్పుడు మెటీరియలిటీ వందల పేజీల నివేదికలను కూడా పనికిరానిదిగా చేస్తుంది; ఎందుకంటే నివేదిక తప్పు సమస్యలపై దృష్టి పెడుతుంది. ఈ యూనిట్‌లో, ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI)ని యాక్సిలరేటర్‌గా ఎక్కడ ఉపయోగించాలో మరియు ఈ ప్రక్రియలో ఎక్కడ రిస్క్‌గా ఉపయోగించాలో మీరు నేర్చుకుంటారు.

ముందుగా రెండు భావనలను స్పష్టం చేద్దాం. ఒక సమస్య కంపెనీ ఆర్థిక ఆరోగ్యాన్ని ఎలా ప్రభావితం చేస్తుందో మాత్రమే ఒకే మెటీరియలిటీ చూస్తుంది: "వాతావరణ మార్పు మా రాబడి/ఖర్చులను ఎలా ప్రభావితం చేస్తుంది?" డబుల్ మెటీరియలిటీ రెండవ కోణాన్ని జోడిస్తుంది: ప్రపంచంపై కంపెనీ ప్రభావం. కాబట్టి ప్రశ్న రెండు రెట్లు: (1) ఈ సమస్య కంపెనీని ఆర్థికంగా ఎలా ప్రభావితం చేస్తుంది? (2) ఈ విషయంలో కంపెనీ పర్యావరణం మరియు సమాజాన్ని ఎలా ప్రభావితం చేస్తుంది? CSRD మరియు ESRS ఈ రెండవ, డబుల్ రూపాన్ని అమలు చేస్తాయి. ఈ వ్యత్యాసం పరీక్షలు మరియు అభ్యాసం రెండింటికీ గుండె వద్ద ఉంది.

ద్వంద్వ ప్రాముఖ్యత కలిగిన రెండు అంశాలు

డబుల్ మెటీరియలిటీ రెండు లెన్స్‌ల ద్వారా కనిపిస్తుంది:

  • ఇంపాక్ట్ మెటీరియలిటీ — "ఇన్‌సైడ్ అవుట్": వ్యక్తులు మరియు పర్యావరణంపై కంపెనీ కార్యకలాపాల యొక్క సానుకూల/ప్రతికూల ప్రభావం. ఉదాహరణ: వస్త్ర కర్మాగారం ద్వారా నదిలోకి విడుదలయ్యే మురుగునీరు.
  • ఫైనాన్షియల్ మెటీరియలిటీ — “బయటి లోపల”: కంపెనీ నగదు ప్రవాహాలు, ఖర్చులు మరియు విలువపై స్థిరత్వ సమస్య ప్రభావం. ఉదాహరణ: కార్బన్ ధరను పెంచడం వల్ల ఉత్పత్తి వ్యయం పెరుగుతుంది.

ఈ రెండు లెన్స్‌లలో దేనిలోనైనా ఒక అంశం మెటీరియల్ అయితే, అది ద్వంద్వ మెటీరియలిటీ లాజిక్‌లో నివేదించదగినదిగా పరిగణించబడుతుంది. AI ఈ రెండు అంశాల మధ్య తేడాను గుర్తించడం చాలా కష్టంగా ఉంది మరియు తరచుగా ఆర్థిక వైపు మాత్రమే మళ్లుతుంది; అందువల్ల, ఈ వ్యత్యాసాన్ని దృష్టిలో ఉంచుకుని అవుట్‌పుట్‌ను నియంత్రించడం చాలా అవసరం.

విషయం

ప్రభావం భౌతికత (ప్రపంచానికి)

ఆర్థిక వస్తుత (కంపెనీకి)

గ్రీన్హౌస్ వాయు ఉద్గారాలు

వాతావరణ మార్పులకు సహకారం

కార్బన్ పన్ను, CBAM ఖర్చు

కార్మికుల ఆరోగ్యం మరియు భద్రత

ఉద్యోగి జీవితం మరియు ఆరోగ్యం

ప్రమాద పరిహారం, ఉత్పత్తి నిలిపివేత

నీటి వినియోగం

ప్రాంతీయ నీటి ఒత్తిడి

నీటి కొరత, ఉత్పత్తి ప్రమాదం

డేటా గోప్యత

వినియోగదారు హక్కులు

పెనాల్టీ, కీర్తి మరియు కస్టమర్ నష్టం

చిట్కా: ఒక సమస్యను పరిశీలిస్తున్నప్పుడు, "ఇది మనపై ప్రభావం చూపుతుందా లేక ప్రపంచాన్ని ప్రభావితం చేస్తుందా?" దానిని రెండుగా విభజించండి. కంపెనీలు ప్రపంచంపై చూపే ప్రభావాన్ని దాచిపెట్టి, వాటిని ప్రభావితం చేసే ఆర్థిక భాగాన్ని మాత్రమే నివేదించినప్పుడు చాలా గ్రీన్‌వాషింగ్ మరియు అండర్‌రిపోర్టింగ్ జరుగుతుంది.

దశలవారీగా: AI-శక్తితో కూడిన మెటీరియలిటీ ప్రక్రియ

1. సబ్జెక్ట్ విశ్వాన్ని సృష్టించండి. మీ పరిశ్రమకు సంబంధించిన సుస్థిరత అంశాల సుదీర్ఘ జాబితాను రూపొందించండి. AI ఇక్కడ మంచి ఆలోచనాత్మక భాగస్వామి; ESRS సబ్జెక్ట్ హెడ్డింగ్‌లు, GRI పరిశ్రమ ప్రమాణాలు మరియు పీర్ కంపెనీ నివేదికలను స్కాన్ చేయడం ద్వారా అభ్యర్థి జాబితా రూపొందించబడుతుంది.

2. వాటాదారులను గుర్తించండి. వాటాదారులు కంపెనీ కార్యకలాపాల ద్వారా ప్రభావితమైన లేదా ప్రభావితమైన పార్టీలు: ఉద్యోగులు, కస్టమర్‌లు, సరఫరాదారులు, పెట్టుబడిదారులు, స్థానిక వ్యక్తులు, నియంత్రకులు, పౌర సమాజం. ప్రతి ముఖ్యమైన సమస్యకు, "ఎవరు ప్రభావితం చేస్తారు?" ప్రశ్న అడుగుతారు.

3. వాటాదారుల ఇన్‌పుట్‌ను సేకరించండి. సర్వేలు, ఇంటర్వ్యూలు మరియు వర్క్‌షాప్‌ల ద్వారా వాటాదారులు ఏ సమస్యలను ముఖ్యమైనవిగా భావిస్తున్నారో తెలుసుకోండి. వందలాది ఓపెన్-ఎండ్ సర్వే ప్రతిస్పందనలను థీమ్‌లుగా క్రమబద్ధీకరించడంలో AI చాలా శక్తివంతమైనది (దీనినే నేపథ్య విశ్లేషణ అంటారు).

4. స్కోర్ మరియు ప్రాధాన్యత ఇవ్వండి. ప్రతి అంశాన్ని రెండు అక్షాలపై (ప్రభావం మరియు ఆర్థిక) స్కేల్‌లో స్కోర్ చేయండి. అధిక స్కోర్‌లు ఉన్న అంశాలు "ముఖ్యమైనవి/మెటీరియల్"గా పరిగణించబడతాయి మరియు నివేదికలో కేంద్రీకరించబడతాయి.

5. ధృవీకరించండి మరియు డాక్యుమెంట్ చేయండి. నిర్వహణ కమిటీ ప్రాధాన్యతను ఆమోదిస్తుంది; ప్రక్రియ ఎలా జరుగుతుంది (మెథడాలజీ) డాక్యుమెంట్ చేయబడింది. CSRD కూడా మెటీరియలిటీ ప్రక్రియను వివరించాలని డిమాండ్ చేస్తుంది.

బలహీనమైన ప్రాంప్ట్ / బలమైన ప్రాంప్ట్

బలహీనమైన ప్రాంప్ట్:

మీకు ముఖ్యమైన స్థిరత్వ సమస్యల గురించి మాకు చెప్పండి.

ఇది పరిశ్రమ, వ్యాపార నమూనా, వాటాదారు మరియు ద్వంద్వ అంశాలను కలిగి ఉండదు; AI సాధారణ జాబితాను ఉత్పత్తి చేస్తుంది మరియు తరచుగా ప్రభావం యొక్క దిశను దాటవేస్తుంది.

శక్తివంతమైన ప్రాంప్ట్:

మీ పాత్ర: డబుల్ మెటీరియలిటీ నిపుణుడు.కంపెనీ: టర్కీలో ఉత్పత్తి చేసే మధ్యస్థ-పరిమాణ ఆహార సంస్థ. టాస్క్: సాధ్యమయ్యే స్థిరత్వ సమస్యలను జాబితా చేయండి మరియు ప్రతిదానికి రెండు వేర్వేరు అంచనాలను రూపొందించండి:- ప్రభావం మెటీరియల్ (పర్యావరణం/సమాజంపై కంపెనీ ప్రభావం) - ఆర్థిక అంశాలు (ఇష్యూ యొక్క ప్రతి ఆర్థిక ప్రభావం కంపెనీపై ప్రభావం చూపుతుంది) డ్రాఫ్ట్ అభ్యర్థి; స్కోరింగ్ మరియు తుది నిర్ణయం మాకు చెందుతుంది. "తప్పక ధృవీకరించబడాలి" అని మీకు ఖచ్చితంగా తెలియని సెక్టార్ డేటాను కల్పితమని గుర్తించండి. అవుట్‌పుట్: పట్టిక (అంశం | ప్రభావం దిశ | ఆర్థిక అంశం | వాటాదారులు | గమనిక).

వాటాదారుల ప్రతిస్పందనలను థీమ్‌లుగా క్రమబద్ధీకరించండి

మెటీరియలిటీ సర్వేల నుండి వందలాది ఉచిత వచన ప్రతిస్పందనలను చేతితో చదవడానికి రోజులు పడుతుంది. AI వీటిని థీమ్‌లుగా విభజించగలదు; కానీ ఒక హెచ్చరికతో: AI మైనారిటీని కానీ విమర్శనాత్మక అభిప్రాయాన్ని (ఉదాహరణకు, ఒకే ఉద్యోగి లేవనెత్తిన తీవ్రమైన భద్రతా సమస్య) "ముఖ్యమైనది కాదు" అని తీసివేయవచ్చు. అందువల్ల, నేపథ్య సారాంశం ముడి ప్రతిస్పందనలకు ప్రత్యామ్నాయం కాదు; ఇది వారికి ప్రవేశ ద్వారం.

మెటీరియలిటీ సర్వే నుండి 200 ఉచిత టెక్స్ట్ ప్రతిస్పందనలు క్రింద ఉన్నాయి. టాస్క్:1) ప్రతిస్పందనలను 10 కంటే ఎక్కువ థీమ్‌లుగా విభజించి, ప్రతి థీమ్‌కు చిన్న పేరు ఇవ్వండి.2) ప్రతి థీమ్‌ను ఎన్ని ప్రతిస్పందనలు పేర్కొన్నాయో లెక్కించండి.3) ఇంకా జాబితా చేయండి, తొలగించండి, తక్కువ సంఖ్యలో అయితే తీవ్రమైన (భద్రత, చట్టపరమైన, పర్యావరణ ప్రమాదాలు) తక్కువ సంఖ్యలో (భద్రత, చట్టబద్ధమైన, పర్యావరణ ప్రమాదాలు) తక్కువ సంఖ్యలో అభిప్రాయాలు ఉన్నాయి. ప్రతిస్పందనలు. సమాధానాలు: [సమాధానాలు]

హెచ్చరిక: AI యొక్క నేపథ్య సారాంశం ముడి సమాధానాలకు ప్రత్యామ్నాయం కాదు. ప్రత్యేకించి, "తక్కువ పౌనఃపున్యం కానీ అధిక ప్రాముఖ్యత" అభిప్రాయాలు (భద్రతా ఉల్లంఘన, అవినీతి అనుమానం) AI ద్వారా కప్పివేయబడతాయి, ఎందుకంటే అవి చాలా తక్కువగా ఉన్నాయి. ఈ అభిప్రాయాలను ప్రత్యేక దృష్టితో తనిఖీ చేయండి.

మూడు చిన్న కేసులు

కేసు 1 - చర్య యొక్క దిశను వదిలివేయడం. ఒక రసాయన సంస్థ AI మెటీరియలిటీ జాబితాను సిద్ధం చేసింది. జాబితా కార్బన్ ధర మరియు శక్తి ఖర్చు వంటి ఆర్థిక సమస్యలపై దృష్టి సారించింది; కానీ ఫ్యాక్టరీ సమీపంలోని గ్రామ నీటి సరఫరాపై దాని ప్రభావం జాబితాలో లేదు. నిపుణుడు "ప్రభావం" అంశాన్ని రెట్టింపు ప్రాముఖ్యత కలిగిన అంశంగా జోడించాడు; ఈ సమస్య తరువాత అత్యంత క్లిష్టమైన వాటాదారుల సమస్యగా మారింది.

కేసు 2 - సంఖ్యలలో బరువు. ఒక రిటైలర్ AIతో 1,200 కస్టమర్ సర్వేలను విశ్లేషించారు. YZ 41% ప్రతిస్పందనలు "ప్యాకేజింగ్ వేస్ట్" థీమ్‌ను తాకినట్లు మరియు 23% "పని పరిస్థితులు" అనే థీమ్‌ను తాకినట్లు కనుగొన్నారు. బృందం ఈ రెండు థీమ్‌లను ప్రాధాన్య అంశాలుగా ప్రకటించింది; అయినప్పటికీ, "తక్కువ-పౌనఃపున్యం" శీర్షిక క్రింద కనిపించిన సరఫరా గొలుసు కూడా బాల కార్మికుల అనుమానాన్ని ప్రత్యేక పరిశీలనలోకి తీసుకువచ్చింది.

కేసు 3 - నకిలీ ప్రాముఖ్యత. AI "నీటి వినియోగం" అనేది సాఫ్ట్‌వేర్ కంపెనీకి అధిక ప్రాధాన్యత కలిగిన మెటీరియల్ సమస్యగా ఫ్లాగ్ చేసింది; అయితే కంపెనీ యొక్క నీటి వినియోగం కార్యాలయ వంటగది మాత్రమే. నిపుణుడు దీనిని తక్కువ చేసి, "డేటా గోప్యత మరియు శక్తి వినియోగం"పై దృష్టి పెట్టారు. తప్పు మెటీరియల్‌ని సరిదిద్దకపోతే నివేదికపై దృష్టి పడి ఉండేది.

మెటీరియలిటీ మ్యాట్రిక్స్‌ని సెటప్ చేయమని ప్రాంప్ట్ చేయండి

మెటీరియలిటీ మ్యాట్రిక్స్ అనేది రెండు అక్షాలతో (ప్రభావం మరియు ఆర్థిక) అంశాలను ఉంచే దృశ్య ప్రాధాన్యత సాధనం. ఎగువ కుడి మూలలో ఉన్న అంశాలు చాలా ముఖ్యమైనవి.

మెటీరియలిటీ మ్యాట్రిక్స్ యొక్క లాజిక్‌లో కింది అంశాలు మరియు స్కోర్‌లను అమర్చండి. ఇన్‌పుట్: ప్రతి అంశానికి ఇంపాక్ట్ స్కోర్ (1-5) మరియు ఫైనాన్షియల్ స్కోర్ (1-5). టాస్క్: 1) అంశాలను నాలుగు జోన్‌లుగా విభజించండి: అధిక-అధిక (ప్రాధాన్యత), అధిక ప్రభావం-తక్కువ ఆర్థిక, తక్కువ ప్రభావం-అధిక ఆర్థిక, తక్కువ-తక్కువ. 2) నివేదిక యొక్క ప్రధాన కేంద్రంగా "ప్రాధాన్యత" ప్రాంతాన్ని సూచించండి. 3) సరిహద్దురేఖ (సుమారు 3-3) అంశాలను "మానవ తీర్పు అవసరం" గుర్తుగా నిర్వచించండి. పాయింట్లు: [టాపిక్ మరియు స్కోర్లు]

కింది ప్రాంప్ట్ రిపోర్ట్‌లో మెటీరియలిటీ మెథడాలజీని వ్రాయడానికి అవుట్‌లైన్‌ను ఉత్పత్తి చేస్తుంది.

మీ పాత్ర: ESG నివేదిక రచయిత. టాస్క్: మా ద్వంద్వ మెటీరియలిటీ ప్రక్రియను వివరిస్తూ 1 ఆడిట్ చేయదగిన పేరా రాయండి. చేర్చండి: ఏ సబ్జెక్ట్ విశ్వం స్కాన్ చేయబడింది, ఏ వాటాదారులు పాల్గొన్నారు, ఏ పద్ధతి ద్వారా స్కోర్ చేయబడింది, ఎవరు ఆమోదించారు. నియమం: తక్కువగా, ధృవీకరించదగిన మరియు ప్రక్రియ-ఆధారితంగా వ్రాయండి; ఫలిత నిర్ధారణను జోడిస్తోంది. ఇన్‌పుట్: [ప్రాసెస్ నోట్స్]

సాధారణ తప్పులు

  • ఒక ముఖ్యమైన విషయంతో సంతృప్తి చెందడం. ఆర్థిక ప్రభావాన్ని మాత్రమే చూడటం మరియు ప్రపంచంపై కంపెనీ ప్రభావాన్ని విస్మరించడం CSRD కి వ్యతిరేకం.
  • వాటాదారుని ఇరుకైనదిగా ఉంచడం. పెట్టుబడిదారులను మాత్రమే వినడం మరియు ఉద్యోగులు, స్థానిక ప్రజలు మరియు సరఫరాదారులను మినహాయించడం భౌతికతను వక్రీకరిస్తుంది.
  • AI యొక్క జాబితాను యథాతథంగా ఆమోదించడం. AIలో సెక్టార్‌కు సంబంధించిన క్లిష్టమైన సమస్యలు కనిపించకుండా ఉండవచ్చు లేదా తప్పు బరువును అందించవచ్చు.
  • తక్కువ-ఫ్రీక్వెన్సీ తీవ్రమైన అభిప్రాయాలను తొలగించడం. సంఖ్య తక్కువగా ఉన్నప్పటికీ ఎక్కువ ప్రమాదం ఉన్న సిగ్నల్‌లను విడిగా పరిశీలించాలి.
  • మెథడాలజీని డాక్యుమెంట్ చేయడం లేదు. ప్రక్రియ ఎలా జరుగుతుందో వ్రాయకపోతే, ఆడిటర్ మెటీరియలిటీని అంగీకరించడు.

సారాంశంలో

మెటీరియల్ విశ్లేషణ అనేది మొత్తం ESG నివేదిక యొక్క దిక్సూచి; తప్పుడు సమస్యలపై దృష్టి సారించే నివేదిక ఎంత నాణ్యతతో రాసినా విలువ లేకుండా పోతుంది. రెండు ముఖ్యమైన అంశం ఏమిటంటే "ఈ సమస్య ఆర్థికంగా మనపై ఎలా ప్రభావం చూపుతుంది?" అలాగే "ఈ సమస్యపై మనం ప్రపంచాన్ని ఎలా ప్రభావితం చేస్తాము?" కలిసి ప్రశ్నలు అడుగుతాడు. AI అనేది అంశాల విశ్వాన్ని రూపొందించడంలో మరియు వందలాది వాటాదారుల ప్రతిస్పందనలను థీమ్‌లుగా క్రమబద్ధీకరించడంలో శక్తివంతమైన యాక్సిలరేటర్; కానీ అది ప్రభావం యొక్క దిశను కోల్పోతుంది, తప్పుడు ప్రాముఖ్యతను సృష్టిస్తుంది మరియు తక్కువ-ఫ్రీక్వెన్సీ క్లిష్టమైన వీక్షణలను తొలగిస్తుంది. తుది ప్రాధాన్యత మరియు ఆమోదం ఎల్లప్పుడూ మానవునిపై ఆధారపడి ఉంటుంది.

అప్లికేషన్ టాస్క్

పరిశ్రమను ఎంచుకోండి (ఉదా. ఫుడ్ రిటైల్) మరియు పైన ఉన్న శక్తివంతమైన ప్రాంప్ట్‌తో 12-15 అభ్యర్థుల అంశాల జాబితా కోసం AIని అడగండి. తర్వాత: (1) ప్రతి అంశాన్ని ప్రభావం మరియు ఆర్థిక అంశాల పరంగా రెండుగా విభజించడం ద్వారా తనిఖీ చేయండి, (2) ఆర్థిక వైపుకు మారిన వాటిని మాత్రమే సరిదిద్దండి, (3) మీరు అత్యంత మెటీరియల్‌గా భావించే 5 అంశాలను సమర్థనతో ఎంచుకుని, చిన్న మెటీరియలిటీ మ్యాట్రిక్స్‌ను రూపొందించండి.

చెక్లిస్ట్

  • [ ] నేను ప్రతి సమస్యను ప్రభావం మరియు ఆర్థిక మెటీరియల్ రెండింటి పరంగా విశ్లేషించాను.
  • [ ] నేను పెట్టుబడిదారు (ఉద్యోగి, పబ్లిక్, సరఫరాదారు) కంటే వాటాదారుల జాబితాను విస్తరించాను.
  • [ ] నేను పరిశ్రమ-నిర్దిష్ట వాస్తవికతకు వ్యతిరేకంగా AI ద్వారా రూపొందించబడిన అంశాల జాబితాను పరీక్షించాను.
  • [ ] నేను తక్కువ పౌనఃపున్యం కాని అధిక ప్రాముఖ్యత గల అభిప్రాయాలను విడిగా పరిశీలించాను.
  • [ ] నేను మానవ/కమిటీ నిర్ణయం ద్వారా ప్రాధాన్యతను ఆమోదించాను.
  • [ ] నేను ఆడిట్‌కు అనుగుణంగా మెటీరియలిటీ మెథడాలజీని డాక్యుమెంట్ చేసాను.
  • [ ] నేను తప్పుడు ప్రాముఖ్యత కలిగిన (నిజంగా మమ్మల్ని ప్రభావితం చేయని) సమస్యలను తొలగించాను.