లాభాలు:
- ధృవీకరించబడిన డేటాతో సెక్షన్ల వారీగా నివేదికను ప్రింట్ చేయగల సామర్థ్యం మరియు కొత్త సంఖ్యలు/క్లెయిమ్లను రూపొందించకుండా కృత్రిమ మేధస్సును నిషేధించడం
- వివిధ విభాగాలలో ఒకే మెట్రిక్ యొక్క అసమానతల కోసం స్కాన్ చేయగల సామర్థ్యం మరియు మూలానికి వెళ్లడం ద్వారా సరైన విలువను నిర్ణయించడం
- సారాంశం సమయంలో 'పాక్షిక/అంచనా/ఆమోదించబడని' రిజర్వేషన్లను నిర్వహించడం ద్వారా సరైన వచనాన్ని తప్పుదారి పట్టించే సారాంశంగా మార్చకుండా నిరోధించగల సామర్థ్యం
మొత్తం డేటా సేకరించబడింది, కార్బన్ లెక్కించబడుతుంది, ఫ్రేమ్వర్క్కు మ్యాప్ చేయబడింది, వాటాదారులు వినబడ్డారు; ఇప్పుడు ఇవన్నీ చదవగలిగే స్థిరత్వ నివేదికగా మారాలి. CSRD నివేదికలో వందల కొద్దీ పేజీలు, డజన్ల కొద్దీ సూచికలు, అనేక కథన విభాగాలు ఉన్నాయి. ఇక్కడే ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) యొక్క అత్యంత కనిపించే సహకారం: డ్రాఫ్ట్ టెక్స్ట్ను రూపొందించడం, విభిన్న విభాగాలను పొందికగా చేయడం, సుదీర్ఘ సాంకేతిక కంటెంట్ను సంగ్రహించడం. కానీ ఇక్కడే అతిపెద్ద ప్రమాదం ఉంది: AI నిష్ణాతులు, అందమైన, ప్రూఫ్-ఫ్రీ టెక్స్ట్ను రూపొందించడంలో నైపుణ్యం కలిగి ఉంది. నివేదికను త్వరగా ముద్రించేటప్పుడు ఖచ్చితత్వం మరియు ఆడిటబిలిటీని ఎలా నిర్వహించాలో ఈ యూనిట్లో మీరు నేర్చుకుంటారు.
మొదటి నుండి ప్రాథమిక సూత్రాన్ని ఉంచుదాం: AI వచనాన్ని వ్రాస్తుంది, మానవుడు దానిని సాక్ష్యంతో కలుపుతాడు. స్థిరత్వ నివేదికలోని ప్రతి సంఖ్యాపరమైన దావా ఆడిట్ ట్రయిల్పై ఆధారపడి ఉండాలి మరియు ప్రతి గుణాత్మక దావా వాస్తవంపై ఆధారపడి ఉండాలి. AI యొక్క పని వ్యక్తీకరణను నిర్వహించడం, క్రమబద్ధీకరించడం మరియు పొందికగా చేయడం; దావా యొక్క సత్యాన్ని ఉత్పత్తి చేయకూడదు. "బాగా వ్రాసినవి" మరియు "ఖచ్చితమైన మరియు నిరూపితమైనవి" అనేవి రెండు స్వతంత్ర లక్షణాలు.
AI ఎక్కడ బలంగా ఉంది మరియు రిపోర్ట్ రైటింగ్లో ఎక్కడ ప్రమాదకరం?
తపన
AI సహకారం
ప్రమాదం
మొదటి డ్రాఫ్ట్ను రూపొందిస్తోంది
ఖాళీ పేజీని త్వరగా నింపుతుంది
ఆధారాలు లేకుండా క్లెయిమ్లను జోడించవచ్చు
స్థిరత్వం తనిఖీ
పదం/యూనిట్ వైరుధ్యాన్ని క్యాచ్ చేస్తుంది
లోపాలను "సరిదిద్దవచ్చు"
సంగ్రహించడం
పొడవైన విభాగాన్ని తగ్గిస్తుంది
క్లిష్టమైన స్వల్పభేదాన్ని వదిలివేయవచ్చు
టోన్ ఎడిటింగ్
అధికారిక/స్పష్టమైన భాషను అందిస్తుంది
అతిశయోక్తిలోకి జారవచ్చు
అనువాదం
బహుభాషా నివేదికలను రూపొందిస్తుంది
సాంకేతిక పదాన్ని తప్పుగా అనువదిస్తుంది
కీలకమైన నియమం ఇది: AIకి నివేదికను అందించేటప్పుడు, దానికి ధృవీకరించబడిన ఇన్పుట్లను మాత్రమే ఇవ్వండి మరియు కొత్త సంఖ్యలు/క్లెయిమ్లను రూపొందించకుండా నిషేధించండి. లేకపోతే, AI మునుపటి వాక్యాల నుండి "సహేతుకంగా అనిపించే" సంఖ్యలను పొందింది, కానీ మూలం లేదు.
చిట్కా: నివేదికను రూపొందించేటప్పుడు, ఎల్లప్పుడూ AIకి ఈ నియమాన్ని ఇవ్వండి: "నేను మీకు అందించిన డేటా కాకుండా ఇతర సంఖ్యలు, శాతాలు, తేదీలు లేదా క్లెయిమ్లను జోడించవద్దు; ఏదైనా తప్పిపోయినట్లయితే, అక్కడ [డేటా అవసరం] అని వ్రాయండి." ఈ ఒక్క వాక్యం నివేదికలోకి ప్రవేశించిన చాలా కల్పిత ఆరోపణలను నిరోధించింది.
దశల వారీగా: సురక్షిత నివేదిక రాయడం
1. ముందుగా అస్థిపంజరాన్ని నిర్మించండి. విభాగం శీర్షికలను ప్లాన్ చేయండి మరియు ప్రతి విభాగంలో ఏ ధృవీకరించబడిన డేటా వెళ్తుంది. AI మంచి విషయాలు/అస్థిపంజరాన్ని ఉత్పత్తి చేస్తుంది.
2. సెక్షన్ వారీగా, డేటాతో ఫీడ్ చేయండి. ప్రతి విభజనను విడిగా ముద్రించండి, ఆ విభజన కోసం ధృవీకరించబడిన డేటా మాత్రమే. మొత్తం నివేదికను ఒకేసారి "మేక్ అప్" అని చెప్పకండి.
3. దావా-సాక్ష్యం సరిపోలిక చేయండి. ప్రతి సంఖ్యా వాక్యం పక్కన ఉన్న మూలాన్ని గమనించండి. మూలం లేని వాక్యం నివేదికలో చేర్చబడదు.
4. స్థిరత్వాన్ని తనిఖీ చేయండి. ఒకే మెట్రిక్ వేర్వేరు విభాగాలలో వేర్వేరు విలువలతో కనిపించడం సాధారణ తప్పు; దీని కోసం స్కాన్ చేయడంలో AI మంచిది, కానీ మానవుడు దిద్దుబాటును ఆమోదించాడు.
5. హైప్ మరియు గ్రీన్వాషింగ్ కోసం స్కాన్ చేయండి. ఆఖరి రౌండ్లో, “అపరిమిత/సాక్ష్యం కాని స్టేట్మెంట్” (తదుపరి యూనిట్ దీన్ని తవ్వుతుంది) కోసం ఒక కన్నుతో వచనాన్ని క్లియర్ చేయండి.
బలహీనమైన ప్రాంప్ట్ / బలమైన ప్రాంప్ట్
బలహీనమైన ప్రాంప్ట్:
మా సుస్థిరత నివేదికలోని వాతావరణ విభాగాన్ని వ్రాయండి.
డేటా లేదు; AI "విలక్షణమైన వాతావరణ ఎపిసోడ్"ని రూపొందిస్తుంది, మీరు నిజంగా లేని టెక్స్ట్లో సంఖ్యలు మరియు లక్ష్యాలను చొప్పిస్తుంది.
శక్తివంతమైన ప్రాంప్ట్:
మీ పాత్ర: ESG నివేదిక రచయిత. వ్రాయండి: నివేదికలోని “క్లైమేట్” విభాగం యొక్క ముసాయిదా. మీరు ఉపయోగించే ఏకైక డేటా (నిలిపివేయండి, కొత్త నంబర్ని జోడించండి):- స్కోప్ 1: 1,240 tCO2e (2024, ధృవీకరించబడింది)- స్కోప్ 2: 2,100 tCO2e (2024, స్థాన-ఆధారితం)- స్కోప్ 3: పాక్షికం, 60% కవర్ (Scope to 20 Tar proxy: 20 Tar proxy to) 1+2లో 42% తగ్గింపు (SBTi ఆమోదించబడలేదు, వర్తింపజేయబడలేదు) నియమాలు:- నేను ఇచ్చే డేటా కాకుండా ఇతర సంఖ్య/శాతం/తేదీని నకిలీ చేయవద్దు; తప్పిపోయినట్లయితే, [డేటా అవసరం] అని వ్రాయండి.- స్కోప్ 3 పాక్షికమని మరియు ప్రాక్సీని కలిగి ఉందని స్పష్టం చేయండి.- లక్ష్యం ఇంకా ఆమోదించబడలేదని నిజాయితీగా వ్రాయండి, "ఆమోదించబడింది" అని చెప్పకండి.- టోన్: స్పష్టంగా, అధికారికంగా, తక్కువగా ఉంది.
స్థిరత్వం మరియు నాణ్యత నియంత్రణ కోసం అడుగుతుంది
దిగువ నివేదిక డ్రాఫ్ట్పై స్థిరత్వ తనిఖీని నిర్వహించండి. గుర్తించండి (గుర్తించండి, సరైనది కాదు):1) వేర్వేరు ప్రదేశాల్లో వేర్వేరు విలువలతో ఒకే కొలమానం సంభవించే పరిస్థితులు2) యూనిట్ అసమానతలు (kg/ton, kWh/MWh)3) ఒక విభాగంలోని క్లెయిమ్ యొక్క వైరుధ్యం మరొక విభాగం4) పేర్కొనబడని మూలాలతో సంఖ్యాపరమైన క్లెయిమ్లను సెక్షన్/రో రిఫరెన్స్తో జాబితా చేయండి: [DRAFraft] సూచన.
కింది ప్రాంప్ట్ మేనేజర్కు సుదీర్ఘ సాంకేతిక విభాగాన్ని సంగ్రహిస్తుంది; కానీ అది స్వల్పభేదాన్ని కొనసాగించడానికి మిమ్మల్ని బలవంతం చేస్తుంది.
మీ పాత్ర: నివేదిక ఎడిటర్. టాస్క్: కార్యనిర్వాహక సారాంశం కోసం దిగువన ఉన్న సాంకేతిక విభాగాన్ని 150 పదాలకు తగ్గించండి. నియమాలు:- రౌండ్ చేయడం ద్వారా ఏ సంఖ్యలను మార్చవద్దు లేదా అతిశయోక్తి చేయవద్దు.- "పాక్షిక/అంచనా/ధృవీకరించబడలేదు" వంటి రిజర్వేషన్లను దాటవేయి, సారాంశానికి తరలించండి.- ప్రస్తుత అనిశ్చితిని "ఖచ్చితంగా"గా ఉంచండి.విభాగం: [CHAPTER]
శ్రద్ధ: సంగ్రహంగా చెప్పేటప్పుడు AI చాలా తరచుగా "రిజర్వేషన్లను" విసిరివేస్తుంది. సారాంశం కోసం "స్కోప్ 3 డేటా పాక్షికం", "లక్ష్యం ఇంకా నిర్ధారించబడలేదు", "డేటా అంచనాలను కలిగి ఉంది" వంటి పదబంధాలను తొలగించినట్లయితే, ఖచ్చితమైన వచనం తప్పుదారి పట్టించే సారాంశంగా మారుతుంది. సారాంశాలలో రిజర్వేషన్లను నిర్వహించడం సంఖ్యలను కాపాడుకోవడం అంత ముఖ్యమైనది.
మూడు చిన్న కేసులు
కేసు 1 - నకిలీ లక్ష్యం లీక్ చేయబడింది. ఒక కంపెనీ AI దాని వాతావరణ విభాగాన్ని ఒక సాధారణ ప్రాంప్ట్తో వ్రాసింది. YZ "2040 నికర సున్నా" లక్ష్యాన్ని జోడించింది, అది వాస్తవానికి సెట్ చేయబడలేదు ఎందుకంటే "ఇది ఇలాంటి నివేదికలలో పేర్కొనబడింది." ఎడిటర్ దీన్ని పట్టుకున్నాడు; లక్ష్యం వాస్తవంగా తీసుకోబడలేదు మరియు ప్రచురించినట్లయితే తప్పుగా సూచించబడుతుంది.
కేసు 2 - అస్థిరమైన మెట్రిక్. నివేదిక యొక్క సారాంశ విభాగంలో, నీటి వినియోగం "1.2 మిలియన్ m³" అని వ్రాయబడింది మరియు వివరాల విభాగంలో "1.8 మిలియన్ m³" అని వ్రాయబడింది. AI యొక్క స్థిరత్వ స్కాన్ వైరుధ్యాన్ని ఫ్లాగ్ చేసింది; మూలానికి వెళ్లింది, సరైన విలువ 1.8 మిలియన్ m³గా కలపబడింది.
కేసు 3 — తొలగించబడిన రిజర్వేషన్. "స్కోప్ 3లో 60% ఒక అంచనా" అనే హెచ్చరికను విస్మరిస్తూ AI చేత ఎగ్జిక్యూటివ్ సారాంశం వ్రాయబడింది మరియు నివేదిక పూర్తిగా కొలవబడినట్లు కనిపించింది. ప్రీ-ఆడిట్ చెక్ రిజర్వేషన్ను తిరిగి జోడించింది; లేకుంటే నివేదిక కంటే సారాంశం మరింత దృఢంగా మరియు తప్పుదారి పట్టించేదిగా ఉంటుంది.
సాధారణ తప్పులు
- డేటాను అందించకుండానే నివేదికను ముద్రించడం. ఖాళీ ప్రాంప్ట్ సంఖ్యలు మరియు లక్ష్యాలను రూపొందించడానికి AIని నడిపిస్తుంది.
- మొత్తం నివేదికను ఒకేసారి రూపొందించడం. డేటాను అందించడం ద్వారా వ్రాయడం, సెక్షన్ల వారీగా, నియంత్రణను నిర్వహిస్తుంది.
- సంగ్రహించేటప్పుడు రిజర్వేషన్లను విస్మరించడం. "పాక్షిక/అంచనా/ధృవీకరించబడలేదు" అనే పదాలు కూడా సారాంశంలోనే ఉండాలి.
- AI కలిగి ఉండటం వలన అస్థిరతను గుడ్డిగా సరిదిద్దండి. ఏ విలువ సరైనదో AIకి తెలియదు; మనిషి మూలానికి దిగుతాడు.
- "సరైనది" అని తప్పుగా భావించడం. బాగా వ్రాసిన వాక్యం సాక్ష్యం లేకుండా ఉంటే, అది ఇప్పటికీ నివేదికలో చేర్చబడదు.
సారాంశంలో
నివేదిక రాయడం అనేది AI సహకారం యొక్క అత్యంత కనిపించే కానీ అత్యంత ప్రమాదకరమైన ప్రాంతం. AI త్వరగా ఖాళీ పేజీని నింపుతుంది, విభాగాలను స్థిరంగా ఉంచుతుంది మరియు పొడవైన కంటెంట్ను సంగ్రహిస్తుంది; కానీ అది సాక్ష్యం లేకుండా క్లెయిమ్లను జోడించడం, రిజర్వేషన్లను తొలగించడం మరియు అతిశయోక్తిని ఉత్పత్తి చేస్తుంది. సురక్షిత పద్ధతి: ధృవీకరించబడిన డేటాను మాత్రమే ఫీడ్ చేయండి, కొత్త నంబర్లను ఉత్పత్తి చేయకుండా నిషేధించండి, సెక్షన్ల వారీగా ప్రింట్ చేయండి, స్థిరత్వం కోసం స్కాన్ చేయండి, కానీ మూలానికి సరిదిద్దడానికి మానవుడిని అనుమతించండి. ప్రతి దావా సాక్ష్యం ఆధారంగా ఉంటే "బాగా వ్రాసిన" నివేదిక మాత్రమే మంచి నివేదిక.
అప్లికేషన్ టాస్క్
నిర్ధారించబడినట్లు మీరు భావించే 4-5 సంఖ్యా డేటా అంశాలను కలిగి ఉండండి (ఒకటి "అంచనా" మరియు ఒక "నిర్ధారించని లక్ష్యం"). పైన ఉన్న శక్తివంతమైన ప్రాంప్ట్ ద్వారా నివేదిక విభాగం డ్రాఫ్ట్ కోసం AIని అడగండి. అప్పుడు: (1) మీరు అందించని సంఖ్యలు టెక్స్ట్లోకి లీక్ కాలేదని ధృవీకరించండి, (2) "అంచనా" మరియు "నిర్ధారించబడని" రిజర్వేషన్లు అలాగే ఉంచబడ్డాయో లేదో తనిఖీ చేయండి, (3) టెక్స్ట్ను 150-పదాల సారాంశానికి తగ్గించి, రిజర్వేషన్లు సారాంశంలోనే ఉన్నాయని నిర్ధారించండి.
చెక్లిస్ట్
- [ ] నేను నివేదికలో ధృవీకరించబడిన డేటాను మాత్రమే నమోదు చేసాను.
- [ ] నేను AIకి "కొత్త నంబర్/క్లెయిమ్" నియమాన్ని స్పష్టంగా ఇచ్చాను.
- [ ] నేను రిపోర్ట్ సెక్షన్ని సెక్షన్ల వారీగా ప్రింట్ చేసాను, దానికి డేటాతో ఫీడ్ చేసాను.
- [ ] నేను ప్రతి సంఖ్యాపరమైన వాదనను ఒక మూలం/ఆడిట్ ట్రయల్కి లింక్ చేసాను.
- [ ] నేను అసమానతల కోసం స్కాన్ చేసాను మరియు మూలానికి తిరిగి వెళ్లడం ద్వారా సరైన విలువను నిర్ణయించాను.
- [ ] నేను సారాంశాలలో "పాక్షిక/అంచనా/ధృవీకరించబడని" రిజర్వేషన్లను ఉంచాను.
- [ ] నేను చివరి రౌండ్లో అతిశయోక్తి మరియు అపరిమితమైన వ్యక్తీకరణలను తొలగించాను.