ข้อมูลเบื้องต้นเกี่ยวกับ AI ใน ESG และความยั่งยืน: บทบาท ขอบเขต การตรวจสอบความถูกต้อง และจริยธรรม — ปัญญาประดิษฐ์ในด้านความยั่งยืนและการจัดการ ESG

กำไร:

ความสามารถในการแยกแยะว่าจุดใดที่ปัญญาประดิษฐ์ช่วยประหยัดเวลาในเวิร์กโฟลว์ ESG (ข้อมูล บัญชี การทำแผนที่ การรายงาน) และจุดใดที่การตัดสินใจเรื่องปัจจัย มาตรฐาน และการเรียกร้องเป็นหน้าที่ของมนุษย์ ขึ้นอยู่กับระดับความเสี่ยง
ความสามารถในการใช้ระเบียบวินัยในการตรวจสอบผลลัพธ์เชิงตัวเลขและเชิงคุณภาพแต่ละรายการด้วยหน่วย แหล่งที่มา และขั้นตอนการตรวจสอบ
การทำความเข้าใจว่าเหตุใดปัจจัยการปล่อยก๊าซปลอม การอ้างอิงมาตรฐานปลอม และภาษาที่เป็นมิตรต่อสิ่งแวดล้อมจึงมีความเสี่ยงต่อวิชาชีพนี้ที่ต้องนำมาพิจารณาตั้งแต่เริ่มต้น

รายงานความยั่งยืนของบริษัทไม่ได้เป็นเพียงโบรชัวร์ค่าความนิยมอีกต่อไป เป็นเอกสารที่มีผลผูกพัน ตรวจสอบ และมีผลทางกฎหมายเช่นเดียวกับเอกสารทางบัญชี ด้วยกฎระเบียบ CSRD (Corporate Sustainability Reporting Directive) ของสหภาพยุโรป บริษัทหลายพันแห่ง โดยจะต้องเปิดเผยการปล่อยก๊าซคาร์บอน ข้อมูลพนักงาน และผลกระทบของห่วงโซ่อุปทานในลักษณะบังคับ ตรวจสอบได้ และเปรียบเทียบได้ เช่นเดียวกับงบการเงิน ในหน่วยการเรียนรู้นี้ คุณจะได้เรียนรู้ว่าจุดใดที่ปัญญาประดิษฐ์ (AI) ช่วยประหยัดเวลาในงานหนักและข้อมูลเข้มข้นได้อย่างแท้จริง จุดไหนที่เป็นอันตราย และวิธีการตรวจสอบเอาต์พุตแต่ละรายการ

ประการแรก แนวคิดที่สำคัญ ESG เป็นอักษรย่อของคำภาษาอังกฤษ สิ่งแวดล้อม สังคม และธรรมาภิบาล เป็นชื่อของกรอบการทำงานที่ใช้วัดผลกระทบต่อสิ่งแวดล้อมของบริษัท เช่น การปล่อยก๊าซคาร์บอนและการใช้น้ำ ผลกระทบทางสังคม เช่น สิทธิของพนักงานและความปลอดภัยในการทำงาน และแนวปฏิบัติด้านการกำกับดูแล เช่น โครงสร้างคณะกรรมการและจริยธรรม การรายงานความยั่งยืนเป็นการวัดผลการปฏิบัติงานในทั้งสามด้านในลักษณะที่เป็นมาตรฐานและเปิดเผยต่อสาธารณะ

แนวคิดที่สำคัญประการที่สอง: อาการประสาทหลอนเกิดขึ้นเมื่อ AI สร้างข้อมูลที่ไม่เป็นความจริงด้วยความมั่นใจอย่างเต็มที่ ในโลก ESG สิ่งนี้; คุณอาจพบกับปัจจัยการปล่อยก๊าซสมมติ หมายเลขมาตรฐาน GRI ที่ไม่มีอยู่จริง หน่วยที่ไม่ถูกต้อง หรือการอ้างอิงถึงบทความด้านกฎหมายที่ไม่มีอยู่จริง จุดสำคัญคือโมเดลภาษาขนาดใหญ่ (LLM) ไม่ใช่เครื่องคิดเลข ฐานข้อมูลด้านกฎระเบียบ หรือผู้ตรวจสอบบัญชี เป็นเครื่องสร้างข้อความที่เลียนแบบข้อความที่เห็นในข้อมูลการฝึกอบรมทางสถิติ โดยส่วนใหญ่แล้วจะให้ข้อมูลที่ถูกต้องแม่นยำ แต่ความแตกต่างระหว่าง "แม่นยำเกือบตลอดเวลา" และ "แม่นยำพอที่จะผ่านการตรวจสอบ" คือทุกสิ่งทุกอย่างในการรายงาน ESG

AI ทำงานที่ไหนใน ESG และที่ไหนไม่ทำงาน?

คิดว่า AI เป็นพันธมิตรด้านร่าง การดูแลจัดการข้อมูล และการวิเคราะห์ที่รวดเร็ว ซึ่งมีคุณค่าแต่จำเป็นต่อการตรวจสอบความถูกต้อง ความแตกต่างต่อไปนี้คือหัวใจของโมดูลนี้

ภารกิจ

การมีส่วนร่วมของเอไอ

ความรับผิดชอบของผู้เชี่ยวชาญ

การรวบรวมข้อมูล

แก้ไขรูปแบบต่างๆ ทำเครื่องหมายช่องว่าง

ยืนยันหมายเลขด้วยเอกสารต้นทาง

บัญชีการปล่อยมลพิษ

สร้างสูตรและกรอบการคำนวณ

การตรวจสอบปัจจัยการปล่อยก๊าซเรือนกระจกจากแหล่งที่มาอย่างเป็นทางการ

การทำแผนที่ GRI/CSRD

แนะนำส่วนผสมให้กับรายการมาตรฐาน

ตรวจสอบกับข้อความมาตรฐานทุกประการ

การวิเคราะห์ประเด็นสำคัญ

แยกความคิดเห็นของผู้มีส่วนได้ส่วนเสียออกเป็นหัวข้อต่างๆ

ตัดสินใจจัดลำดับความสำคัญ

การเขียนรายงาน

สร้างข้อความร่างและสรุป

สนับสนุนทุกข้อเรียกร้องพร้อมหลักฐาน

การควบคุมการล้างสีเขียว

ทำเครื่องหมายวลีที่มีความเสี่ยง

รับผิดชอบการเรียกร้องขั้นสุดท้าย

หลักทั่วไป: ใช้ AI ไม่ใช่กับข้อมูล ใช้ในการจัดระเบียบข้อมูล การวิเคราะห์ฐานความช่วยเหลือ และข้อความแบบร่าง ตรวจสอบแต่ละหมายเลขและการอ้างอิงมาตรฐานแต่ละรายการด้วยแหล่งที่มาหลักเสมอ (ใบแจ้งหนี้ บันทึกมาตรวัด ข้อความมาตรฐานอย่างเป็นทางการ ฐานข้อมูลปัจจัยการปล่อยก๊าซ) เบื้องหลังทุกตัวเลขในรายงานความยั่งยืนควรมีแนวทางการตรวจสอบที่ผู้ตรวจสอบอาจต้องการ AI ไม่สามารถสร้างหลักฐานนี้ได้ มันแค่ช่วยให้คุณจัดระเบียบมันได้

กับดักร้ายแรงสามประการของ AI ใน ESG

1. ปัจจัยและตัวเลขการปล่อยก๊าซที่สร้างขึ้น AI สามารถ "เติม" ปัจจัยการปล่อยก๊าซที่จำไม่ได้ (ค่าสัมประสิทธิ์การปล่อยก๊าซคาร์บอนต่อหน่วยเชื้อเพลิงหรือไฟฟ้า) ด้วยตัวเลขที่ดูสมเหตุสมผล ตัวเลขนี้จะทำให้การคำนวณคาร์บอนฟุตพริ้นท์ทั้งหมดเป็นโมฆะ

2. การอ้างอิงถึงกฎหมาย/มาตรฐานที่ไม่มีอยู่จริงหรือล้าสมัย AI สามารถสร้างตัวเลขมาตรฐานที่ปรากฏว่าเป็นตัวเลขจริงแต่เนื้อหามีการบิดเบือนความจริงหรือประดิษฐ์ขึ้นทั้งหมด เช่น "GRI 305-7" มาตรฐานได้รับการปรับปรุงอย่างสม่ำเสมอ เวอร์ชันที่โมเดลรู้จักอาจล้าสมัย

3. ภาษาที่ก่อให้เกิดการล้างสีเขียว AI กระตือรือร้นที่จะสร้างข้อความที่ฟังดูดีแต่ไม่มีหลักฐานและทำให้เข้าใจผิด เช่น "เป็นมิตรกับสิ่งแวดล้อม" "เป็นมิตรกับสิ่งแวดล้อม" "คาร์บอนเป็นกลาง" ข้อความเหล่านี้มีความเสี่ยงทางกฎหมายในปัจจุบัน เราจะกล่าวถึงเรื่องนี้แบบเจาะลึกในหน่วยที่ 10

เคล็ดลับ: เข้าถึงผลลัพธ์ ESG เชิงตัวเลขทุกรายการด้วยคำถามสามข้อ: (1) หน่วยของมันคืออะไร (tCO₂e, kg, MWh) (2) เอกสารใดเป็นแหล่งที่มา? (3) ฉันจะพิสูจน์ตัวเลขนี้ต่อผู้ตรวจสอบบัญชีได้อย่างไร? คำถามสามข้อนี้จับข้อผิดพลาด ESG ส่วนใหญ่ได้ในพริบตา "tCO₂e" ในที่นี้หมายถึง "ตันคาร์บอนไดออกไซด์เทียบเท่า"; เป็นมาตรการที่แปลงก๊าซเรือนกระจกต่างๆ ให้เป็นหน่วยเดียวกัน

ทีละขั้นตอน: เวิร์กโฟลว์ AI ที่ปลอดภัยใน ESG

1. เชื่อมโยงงานเข้ากับมาตรฐานและหน่วย แทนที่จะ "คำนวณการปล่อยก๊าซคาร์บอนของเรา" ให้พูดว่า "ปี 2024 สำนักงานอิสตันบูล ปริมาณการใช้ก๊าซธรรมชาติ 12,000 ลบ.ม. คำนวณการปล่อยก๊าซในหน่วย tCO₂e ด้วยวิธี GHG Protocol Scope 1 ระบุปัจจัยการปล่อยก๊าซและแหล่งที่มาที่คุณใช้"

2. ถามแหล่งที่มาและข้อสันนิษฐานให้ชัดเจน ขอให้ AI เขียนว่าปัจจัยการปล่อยก๊าซอะไร มาตรฐานใด และสมมติฐานใดที่เขาใช้กับแต่ละหมายเลข ห้ามรับตัวเลขใดๆ โดยไม่อ้างอิงแหล่งที่มา

3. ตรวจสอบกับแหล่งที่มาหลัก ยืนยันปัจจัยการปล่อยก๊าซเรือนกระจกจากฐานข้อมูลอย่างเป็นทางการ (เช่น กระทรวงพลังงานแห่งชาติ ชุดข้อมูล DEFRA ของสหราชอาณาจักร, IEA) ข้อความมาตรฐานจากเอกสารอย่างเป็นทางการของ GRI หรือ EFRAG EFRAG เป็นสถาบันในยุโรปที่จัดเตรียมมาตรฐาน ESRS (European Sustainability Reporting Standards) ซึ่ง CSRD ยึดถืออยู่

4. บันทึกเส้นทางการตรวจสอบ เขียนลงในตารางว่าคุณใช้ข้อมูลใดบ้าง จากแหล่งใด วันที่ใด และภายใต้สมมติฐานใด ผู้ตรวจสอบความเชื่อมั่น (ผู้ตรวจสอบอิสระ) จะร้องขอสิ่งนี้

5. ให้มนุษย์ยืนยันการเรียกร้องครั้งสุดท้าย จะต้องมีผู้รับผิดชอบอยู่เบื้องหลังการเรียกร้อง ESG ต่อสาธารณะทุกครั้ง

พรอมต์อ่อน / พรอมต์แรง

การของานเดียวกันด้วยสองวิธีที่แตกต่างกันจะเปลี่ยนแปลงความน่าเชื่อถือของผลลัพธ์อย่างรุนแรง

พรอมต์ที่อ่อนแอ:

คำนวณรอยเท้าคาร์บอนของบริษัทของเราและเขียนย่อหน้าสำหรับรายงานความยั่งยืน

การเรียกร้องนี้ไม่รวมถึงหน่วย ขอบเขต ปี ข้อมูล และแหล่งที่มา AI เติมช่องว่างด้วยการประดิษฐ์และสร้างข้อความที่เต็มไปด้วยการล้างสีเขียว

พรอมต์อันทรงพลัง:

บทบาทของคุณ: ผู้เชี่ยวชาญด้านการรายงาน ESG อาวุโส ป้อนข้อมูล (ใช้เฉพาะสิ่งเหล่านี้ เขียนว่า 'ไม่มีข้อมูล' หากขาดหายไป):- 2024 ก๊าซธรรมชาติ: 12,000 ลบ.ม.- 2024 ไฟฟ้าโครงข่าย: 85,000 kWhงาน: คำนวณการปล่อยก๊าซเรือนกระจกใน CO₂e โดยใช้วิธี GHG Protocol Scope 1 และ Scope 2 (ตามสถานที่ตั้ง) กฎ:- การปล่อยก๊าซแต่ละครั้งที่คุณใช้ ระบุปัจจัย หน่วย และแหล่งที่มา ในคอลัมน์แยกต่างหาก - ถ้าไม่ทราบปัจจัยก็อย่าปรุงแต่ง เขียนว่า "ต้องมีปัจจัยอย่างเป็นทางการ" - ให้ผลลัพธ์เป็นตาราง แสดงรายการที่ต้องได้รับการตรวจสอบในตอนท้าย

จริยธรรม ความเป็นส่วนตัว และขอบเขต

ข้อมูล ESG มักมีความละเอียดอ่อน: เพศของพนักงานและข้อมูลเงินเดือน (ตัวชี้วัดทางสังคม) ข้อกำหนดสัญญาของซัพพลายเออร์ ผลกระทบทางการเงินที่ยังไม่เปิดเผย ชี้แจงขอบเขตความเป็นส่วนตัวก่อนที่จะป้อนข้อมูลนี้ลงในเครื่องมือ AI สาธารณะ ปิดบังชื่อหรือรวมข้อมูลส่วนบุคคล (ชื่อ ID เงินเดือนภายในขอบเขตของ KVKK และ GDPR) ก่อนที่จะมอบให้กับ AI นั่นคือแทนที่จะเป็นรายบุคคล ให้แปลงเป็นตัวเลขสรุป เช่น "อัตราพนักงานหญิงคือ 38%" KVKK คือกฎหมายคุ้มครองข้อมูลส่วนบุคคลของTürkiye และ GDPR คือกฎหมายคุ้มครองข้อมูลส่วนบุคคลของยุโรป

ข้อควรระวัง: การกล่าวอ้างที่เป็นเท็จหรือเกินจริงในรายงาน ESG ไม่เพียงแต่เป็นความเสี่ยงต่อชื่อเสียงเท่านั้น อาจส่งผลให้ต้องเสียค่าปรับและความรับผิดทางกฎหมายภายใต้ CSRD และกฎหมายผู้บริโภคระดับชาติ ห้ามเผยแพร่การเรียกร้องใด ๆ ที่ผลิตโดย AI โดยไม่มีหลักฐาน

มินิเคสสามอัน

กรณีที่ 1 — ปัจจัยที่ถูกสร้างขึ้น บริษัทผู้ผลิตแห่งหนึ่งให้ปริมาณการใช้น้ำมันดีเซลแก่ AI และขอให้คำนวณการปล่อยก๊าซเรือนกระจก YZ ใช้ปัจจัย "2.40 กก.CO₂e/ลิตรสำหรับดีเซล" ผู้เชี่ยวชาญตรวจสอบแล้ว: ปัจจัยอย่างเป็นทางการคือประมาณ 2.68 กก.CO₂e/ลิตร ความแตกต่างคือ 10% และหมายถึงค่าเบี่ยงเบนประมาณ 11 ตันของCO₂eต่อการบริโภค 40,000 ลิตร ปัจจัยได้รับการแก้ไขจากแหล่งที่มาอย่างเป็นทางการ

กรณีที่ 2 — ไม่มีมาตรฐานอยู่จริง ที่ปรึกษาถาม YZ เกี่ยวกับชื่อ "การใช้น้ำ GRI 305-8" สำหรับรายงาน ในขณะที่น้ำรายงานภายใต้ GRI 303; GRI 305 คือการปล่อยก๊าซเรือนกระจกในอากาศ เมื่อตรวจสอบด้วยข้อความมาตรฐาน พบข้อผิดพลาดและเนื้อหาถูกย้ายไปยังบทความที่ถูกต้อง

กรณีที่ 3 — ภาษา Greenwashing YZ แนะนำประโยค "ผลิตภัณฑ์ของเราเป็นมิตรกับสิ่งแวดล้อมโดยสิ้นเชิง" สำหรับแบรนด์ค้าปลีก ทีม ESG พบว่าสิ่งนี้พิสูจน์ไม่ได้และแทนที่ด้วยข้อความที่เป็นรูปธรรมและพิสูจน์ได้ เช่น “60% ของบรรจุภัณฑ์ของเราถูกรีไซเคิล (ปี 2024, การวัดผลภายใน)”

แจ้งการทำงานพร้อมการตรวจสอบ

ตรวจสอบข้อความ ESG ด้านล่างด้วยสายตาผู้ตรวจสอบ สำหรับการอ้างสิทธิ์เชิงตัวเลขแต่ละรายการ: 1) หน่วยชัดเจนหรือไม่? 2) แหล่งที่มาระบุไว้หรือไม่? 3) สามารถตรวจสอบได้หรือเป็นอัตนัย/เกินจริง? ทำเครื่องหมายข้อความที่ไม่มีพร้อมหรือคลุมเครือ เช่น "เป็นมิตรกับสิ่งแวดล้อม เป็นมิตรกับสิ่งแวดล้อม เป็นธรรมชาติ" และเสนอทางเลือกที่เป็นรูปธรรมและวัดผลได้สำหรับแต่ละรายการ ข้อความ: [ข้อความ]

พรอมต์ต่อไปนี้จะสร้างโครงร่างนโยบายโดยย่อที่ชี้แจงขีดจำกัดของการใช้ AI ภายในองค์กร

บทบาทของคุณ: ผู้นำทีมด้านความยั่งยืน งาน: เขียนร่างนโยบายภายใน 1 หน้าซึ่งควบคุมการใช้ AI ของทีมในงาน ESG รวมไปถึง:- งานที่สามารถใช้ AI ได้อย่างอิสระ (โครงร่าง สรุป การจัดรูปแบบ)- งานที่ต้องมีการตรวจสอบโดยมนุษย์ (จำนวน ปัจจัย การระบุแหล่งที่มาแบบมาตรฐาน การอ้างสิทธิ์)- ประเภทข้อมูลที่จะไม่ถูกป้อนเข้าสู่ AI (ข้อมูลส่วนบุคคล ผลกระทบทางการเงินที่ไม่เปิดเผย) โทนเสียง: ชัดเจน สัญลักษณ์แสดงหัวข้อย่อย ใช้ได้

พร้อมท์ต่อไปนี้จะตั้งค่าโครงสร้างตาราง “เส้นทางการตรวจสอบ” ขนาดเล็กที่สามารถเพิ่มลงในการส่งมอบ ESG แต่ละรายการได้

ข้อผิดพลาดทั่วไป

การรับหมายเลขโดยไม่มีแหล่งที่มา ทุกปัจจัยการปล่อยก๊าซเรือนกระจกและตัวเลขที่กำหนดโดย YZ จะไม่รวมอยู่ในรายงานโดยไม่ได้รับการยืนยันจากแหล่งที่มาอย่างเป็นทางการ
ละเลยหน่วย ถ้าสับสน kg กับตัน, kWh กับ MWh ผลลัพธ์ที่ได้อาจเบี่ยงเบนไป 1,000 เท่า
เชื่อถือกลอุบายมาตรฐานของพวกเขาอย่างสุ่มสี่สุ่มห้า หมายเลขสาร GRI/ESRS จะต้องได้รับการตรวจสอบด้วยเอกสารอย่างเป็นทางการ
การป้อนข้อมูลที่ละเอียดอ่อนตามที่เป็นอยู่ ข้อมูลพนักงานและซัพพลายเออร์จะไม่ถูกมอบให้กับเครื่องมือสาธารณะโดยไม่มีการระบุชื่อ
นำ AI เข้ามาแทนที่ผู้ตรวจสอบบัญชี AI สามารถสร้างรายการตรวจสอบได้ แต่ไม่สามารถให้การรับรองที่เป็นอิสระได้

โดยสรุป

AI เป็นพันธมิตรด้านการร่าง การดูแลจัดการข้อมูล และการวิเคราะห์ที่ทรงพลังใน ESG แต่ไม่ใช่เครื่องคิดเลข ฐานข้อมูลการกำกับดูแล หรือผู้ตรวจสอบบัญชี คุณค่าของมันถูกเปิดเผยโดยการตรวจสอบ การยืนยันทุกหมายเลขจากแหล่งที่มาหลัก การเปรียบเทียบทุกการอ้างอิงมาตรฐานกับข้อความอย่างเป็นทางการ การทำให้ข้อมูลที่ละเอียดอ่อนไม่ระบุชื่อ และปล่อยให้มนุษย์รับผิดชอบในการเรียกร้องขั้นสุดท้าย ถือเป็นแกนหลักของโมดูลนี้ อย่าลืมความแตกต่างระหว่าง "ดูคล่องแคล่ว" และ "ผ่านการตรวจสอบ"

งานสมัคร

เลือกข้อมูลสิ่งแวดล้อมรายการเดียวจากองค์กรของคุณ (หรือบริษัทสมมติ) เช่น ค่าไฟฟ้ารายเดือน ขอโครงกระดูกการบัญชีการปล่อยก๊าซขอบเขต 2 จาก AI โดยใช้เทมเพลต “พร้อมท์พลังงาน” ด้านบน จากนั้น: (1) เปรียบเทียบปัจจัยการปล่อยก๊าซที่ใช้กับแหล่งที่มาอย่างเป็นทางการ (2) ตรวจสอบความสอดคล้องของหน่วย (3) เขียนตารางเส้นทางการตรวจสอบขนาดเล็กซึ่งแสดงรายการว่า "ต้องมีการตรวจสอบ"

รายการตรวจสอบ

[ ] ฉันตั้งคำถามถึงหน่วยและที่มาของทุกหมายเลขที่ AI ให้มา
[ ] ฉันยืนยันปัจจัยการปล่อยมลพิษด้วยฐานข้อมูลอย่างเป็นทางการ
[ ] ฉันได้ตรวจสอบหมายเลขมาตรฐาน (GRI/ESRS) ด้วยข้อความอย่างเป็นทางการแล้ว
[ ] ฉันมีข้อมูลที่ละเอียดอ่อน/ข้อมูลส่วนบุคคลที่ไม่ระบุชื่อหรือรวบรวมไว้
[ ] ฉันทำเครื่องหมายข้อความโดยไม่มีหลักฐาน เช่น "เป็นมิตรกับสิ่งแวดล้อม สีเขียว และเป็นธรรมชาติ"
[ ] ฉันเก็บร่องรอยการตรวจสอบ (แหล่งที่มา วันที่ ข้อสันนิษฐาน) สำหรับการตัดสินใจแต่ละครั้ง
[ ] ฉันได้ระบุผู้รับผิดชอบที่ยืนยันการเรียกร้องขั้นสุดท้ายแล้ว