ขั้นตอนการทำงาน ESG แบบครบวงจร การกำกับดูแลข้อมูล จริยธรรม และเกตเวย์คุณภาพ

กำไร:

• ความสามารถในการสร้างเวิร์กโฟลว์ ESG แปดขั้นตอนตั้งแต่ความสำคัญไปจนถึงการตีพิมพ์ด้วยประตูคุณภาพด้วยจังหวะของ 'ปัญญาประดิษฐ์สร้าง → การตรวจสอบโดยมนุษย์ → ผ่านประตู'
• ความสามารถในการปกป้องข้อมูลส่วนบุคคลและข้อมูลทางการเงินที่ไม่เปิดเผยโดยการจัดประเภทข้อมูล ESG เป็นแบบฟรี/ภายใน/เป็นความลับ
• ความสามารถในการรับผิดชอบขั้นสูงสุดและแนบชื่อที่รับผิดชอบและบันทึกการอนุมัติให้กับสิ่งพิมพ์แต่ละรายการโดยไม่ต้องพึ่งพาการป้องกัน 'AI กล่าวว่า'

ในสิบหน่วยก่อนหน้านี้ เราได้กล่าวถึงแต่ละส่วนของ ESG และธุรกิจความยั่งยืนแยกกัน: การเข้าและขอบเขต สาระสำคัญ การรวบรวมข้อมูล การบัญชีคาร์บอน กรอบการรายงาน ห่วงโซ่อุปทาน การสื่อสารของผู้มีส่วนได้ส่วนเสีย การเขียนรายงาน การรับรอง และการล้างสีเขียว ในหน่วยสุดท้ายนี้ เราจะรวบรวมชิ้นส่วนต่างๆ เข้าด้วยกันและสร้างขั้นตอนการทำงานแบบครบวงจร: ที่ไหน อย่างไร และด้วยประตูรักษาความปลอดภัยใดที่จะใช้ปัญญาประดิษฐ์ (AI) ในทุกขั้นตอนตั้งแต่คำจำกัดความของภารกิจด้านความยั่งยืนไปจนถึงการตีพิมพ์ นอกจากนี้เรายังจะนำการกำกับดูแลข้อมูล ความเป็นส่วนตัว และความรับผิดชอบด้านจริยธรรมมาไว้ในกรอบการทำงานเดียว

ทำซ้ำแกนหลักคงที่ของโมดูลอีกครั้ง: AI; เป็นตัวช่วยในการเขียนโค้ด จัดระเบียบข้อมูล สร้างแบบร่าง และสรุป ความถูกต้องของตัวเลข การยืนยันปัจจัย การควบคุมมาตรฐาน หลักฐานการเรียกร้อง และความรับผิดชอบขั้นสุดท้ายจะขึ้นอยู่กับผู้เชี่ยวชาญที่มีอำนาจเสมอ หน่วยนี้จะเปลี่ยนหลักการนี้เป็นขั้นตอนการทำงานและรายการตรวจสอบรายวัน

ขั้นตอนการทำงาน ESG แบบครบวงจร

พิจารณาวงจรการรายงานความยั่งยืนในแปดขั้นตอน:

1. ขอบเขตและสาระสำคัญ — หัวข้อใดบ้างที่เป็นสาระสำคัญ (หน่วยที่ 2)
2. การรวบรวมข้อมูล — แหล่งที่มา หน่วย เส้นทางการตรวจสอบ (หน่วยที่ 3)
3. การคำนวณ — คาร์บอนและหน่วยเมตริกอื่นๆ พร้อมปัจจัยที่ได้รับการตรวจสอบแล้ว (หน่วยที่ 4)
4. การจับคู่กรอบการทำงาน — สาร GRI/ESRS/ISSB ยืนยันด้วยข้อความอย่างเป็นทางการ (หน่วยที่ 5)
5. ห่วงโซ่อุปทาน — ขอบเขตที่ 3 และความรอบคอบ (หน่วยที่ 6)
6. การเขียนและการสื่อสาร — รายงานที่สมดุลและเป็นหลักฐานและข้อความของผู้มีส่วนได้ส่วนเสีย (หน่วยที่ 7-8)
7. การเตรียมการประกัน — ห่วงโซ่หลักฐานและการเตรียมการตรวจสอบ (หน่วยที่ 9)
8. การตรวจสอบการเรียกร้อง — การคัดกรอง Greenwashing และการอนุมัติการปล่อย (หน่วยที่ 10)

ในทุกย่างก้าว AI เป็นตัวเร่งความเร็ว แต่ที่ทางออกของแต่ละขั้นจะมีประตูคุณภาพเป็นด่านที่ต้องผ่านก่อนจะก้าวต่อไป เอาท์พุตที่ไม่ผ่านประตูไม่คืบหน้า

ขั้นตอน

เอไอทำอะไร?

ประตูคุณภาพ

สาระสำคัญ

ผู้สมัครหัวข้อ การวิเคราะห์หัวข้อ

ผลกระทบ+การเงินการอนุมัติของมนุษย์

ข้อมูล

การกำหนดค่าการแปลงหน่วย

การตรวจสอบแหล่งที่มาและปริมาณ

บัญชี

สูตรนั่งร้านรหัส

ปัจจัยนี้ได้รับการยืนยันจากแหล่งข่าวอย่างเป็นทางการ

การจับคู่

ข้อเสนอแนะบทความ

ตรวจสอบรูปภาพด้วยข้อความมาตรฐาน

การสะกดคำ

ร่างสรุป

คัดแยกข้อเรียกร้องโดยไม่มีหลักฐาน

การเรียกร้อง

สแกนกรีนวอชชิ่ง

สิ่งพิมพ์ที่ได้รับการรับรองจากมนุษย์

เคล็ดลับ: ตั้งค่าขั้นตอนการทำงานตามจังหวะ “AI ผลิต → การตรวจสอบโดยมนุษย์ → เดินผ่านประตู” ก่อนที่จะย้ายเอาต์พุต AI แต่ละรายการไปยังขั้นตอนถัดไป ให้ถามว่า: “ส่วนใดของเอาท์พุตนี้ไม่สามารถดำเนินการต่อได้หากไม่มีการตรวจสอบความถูกต้อง” ส่วนนั้นคือประตูคุณภาพของขั้นตอนนั้น

การกำกับดูแลข้อมูลและความเป็นส่วนตัว

ข้อมูล ESG มักมีความละเอียดอ่อน เช่น ข้อมูลเพศและเงินเดือนของพนักงาน เงื่อนไขสัญญาของซัพพลายเออร์ ผลกระทบทางการเงินที่ยังไม่เปิดเผย ข้อมูลการผลิตระดับโรงงาน จำเป็นต้องจำแนกสิ่งเหล่านี้ก่อนที่จะมอบให้กับเครื่องมือ AI สาธารณะ การกำกับดูแลข้อมูลคือ “ใครสามารถใช้ข้อมูลใด อย่างไร และด้วยเครื่องมือใด” คำถามเชื่อมโยงกับกฎ

การจำแนกประเภทอย่างง่าย:

• ฟรี: ข้อมูลเปิดเผยต่อสาธารณะแล้ว (รายงานที่เผยแพร่) สามารถมอบให้กับ AI ได้
• การใช้งานภายใน: ข้อมูลภายในที่ไม่มีมูลค่าทางการค้า ระมัดระวังในรถของบริษัท
• ข้อมูลลับ: ความลับทางการค้า ผลกระทบทางการเงินที่ไม่เปิดเผย ข้อมูลส่วนบุคคล (KVKK/GDPR) มันไม่ได้มอบให้กับ AI โดยไม่เปิดเผยชื่อหรือวิธีการทางสถาบัน (ไม่รั่วไหล)

บทบาทของคุณ: ที่ปรึกษาด้านการกำกับดูแลข้อมูล งาน: จัดประเภทรายการข้อมูลต่อไปนี้เป็น "ฟรี / การใช้งานภายใน / เป็นความลับ" และเขียนการดำเนินการที่แนะนำสำหรับแต่ละรายการที่เป็นความลับ (ไม่ระบุชื่อ / รวม / เครื่องมือระดับองค์กร / ห้ามให้เลย) กฎ: หากไม่แน่ใจ ให้จัดระดับการป้องกันให้มากขึ้น รายการ: [รายการข้อมูลส่วนบุคคลและข้อมูลทางการเงิน]

พรอมต์อ่อน / พรอมต์แรง

วิธีที่คุณมอบหมายงานให้กับเครื่องมือจะเปลี่ยนแปลงความเสี่ยงด้านความเป็นส่วนตัวอย่างรุนแรง

พรอมต์ที่อ่อนแอ:

วิเคราะห์ตารางการผลิตเงินเดือนของพนักงานและสิ่งอำนวยความสะดวก แล้วสรุป ESG

ส่งออกข้อมูลส่วนตัวและความลับทางการค้าโดยตรงไปยังเครื่องมือแบบเปิด ไม่มีการแบ่งประเภท การไม่เปิดเผยชื่อ และขั้นตอนการยืนยัน

พรอมต์อันทรงพลัง:

บทบาทของคุณ: นักวิเคราะห์ ESG ที่มีความอ่อนไหวต่อการกำกับดูแลข้อมูล ฉันให้เฉพาะข้อมูลส่วนบุคคล/ข้อมูลทางการค้าแบบรวมเท่านั้น งาน: วิเคราะห์ตัวบ่งชี้สรุปต่อไปนี้ กฎ:- ห้ามใช้ชื่อบุคคล เงินเดือน รหัสประจำตัว หรือผลกระทบทางการเงินที่ไม่เปิดเผยในข้อมูล หากคุณเห็นช่องดังกล่าว ให้พูดว่า "ข้อมูลที่เป็นความลับ - ห้ามประมวลผล เตือน" - อย่าเพิ่มหมายเลขใหม่ให้กับผลลัพธ์ แค่ไปกับบทสรุปที่ฉันให้ไป - เพิ่มหมายเหตุ "ต้องได้รับการอนุมัติจากมนุษย์" ที่ส่วนท้ายของผลลัพธ์ ข้อมูล (รวม): [ตัวบ่งชี้สรุป]

ข้อควรระวัง: "AI กล่าวว่า" ไม่ใช่การป้องกัน ความรับผิดชอบต่อหมายเลขที่ไม่ถูกต้อง การกล่าวอ้างที่ไม่มีหลักฐาน หรือข้อมูลที่เป็นความลับรั่วไหลในรายงาน ESG ขึ้นอยู่กับองค์กรและบุคคลที่อนุมัติ เมื่อคุณใช้ AI คุณไม่ได้ถ่ายโอนความรับผิดชอบ คุณจะเร่งงานเท่านั้น

พร้อมท์เกตคุณภาพตั้งแต่ต้นทางถึงปลายทาง

พร้อมท์ต่อไปนี้จะเรียกใช้ทุกขั้นตอนผ่านการตรวจสอบเพียงครั้งเดียวก่อนที่จะเผยแพร่

บทบาทของคุณ: เจ้าหน้าที่ประกันคุณภาพ ESG งาน: ส่งส่วนรายงานต่อไปนี้ผ่านประตูคุณภาพตั้งแต่ต้นทางถึงปลายทาง ให้ "ผ่าน / ไม่ผ่าน" สำหรับแต่ละรายการและเขียนเหตุผลหากล้มเหลว: 1) แหล่งที่มาและหน่วยของแต่ละหมายเลขระบุไว้หรือไม่? 2) ปัจจัยการปล่อยก๊าซเรือนกระจกมาจากแหล่งที่เป็นทางการหรือไม่? 3) มีการตรวจสอบหมายเลขรายการมาตรฐานหรือไม่ 4) มีการทำเครื่องหมายผู้รับมอบฉันทะ/การประมาณการไว้หรือไม่ 5) มีข้อความใดบ้างที่มีคำว่า Greenwashing หรือไม่? 6) มีการรั่วไหลของข้อมูลที่เป็นความลับ/ข้อมูลส่วนบุคคลหรือไม่? 7) ชื่อผู้รับผิดชอบในการอนุมัติขั้นสุดท้ายที่ได้รับมอบหมาย? ส่วน: [บท]

พรอมต์ต่อไปนี้จะแปลงโมดูลทั้งหมดให้เป็นนโยบายองค์กร

บทบาทของคุณ: ผู้นำทีมด้านความยั่งยืน งาน: เขียนนโยบายภายใน 1 หน้าซึ่งควบคุมการใช้ AI ของทีมในงาน ESG รวมไปถึง:- งานที่ AI สามารถนำไปใช้ได้อย่างอิสระ (ฉบับร่าง สรุป โค้ด การวิเคราะห์ธีม)- งานที่ต้องมีการตรวจสอบโดยมนุษย์ (ปัจจัย มาตรฐาน การอ้างสิทธิ์ ขอบเขต)- ประเภทข้อมูลที่จะไม่มีวันมอบให้กับ AI (ส่วนบุคคล การเงินที่ไม่เปิดเผย)- ขั้นตอนประตูคุณภาพที่จะผ่านก่อนการเปิดตัวแต่ละครั้ง โทนเสียง: ชัดเจน สัญลักษณ์แสดงหัวข้อย่อย ใช้ได้

มินิเคสสามอัน

กรณีที่ 1 — รายงานส่งคืนจากประตู ทีมหนึ่งคิดว่าได้ทำตามขั้นตอนทั้งหมดเรียบร้อยแล้ว และรายงานก็พร้อมสำหรับการตีพิมพ์แล้ว ข้อความแจ้งประตูคุณภาพขั้นสุดท้ายบันทึกการอ้างสิทธิ์ "การกู้คืน 78%" ที่ไม่มีแหล่งที่มาและข้อความ "คาร์บอนเป็นกลาง" ไว้ในส่วนเดียว การตีพิมพ์ถูกหยุดก่อนที่จะได้รับการแก้ไข ประตูกักแมลงก่อนที่จะเผยแพร่สู่สาธารณะ

กรณีที่ 2 — ป้องกันการรั่วไหลของข้อมูลที่เป็นความลับ นักวิเคราะห์จะวางข้อมูลผลกระทบทางการเงินรายไตรมาสที่ยังไม่ได้เผยแพร่ลงในเครื่องมือการวิเคราะห์ที่เปิดเผยต่อสาธารณะ ข้อความแจ้งการจำแนกประเภทข้อมูลระบุว่าเป็น “ข้อมูลทางการเงินที่เป็นความลับ – ไม่เปิดเผย” ข้อมูลถูกรวบรวมก่อนแล้วจึงประมวลผลในเครื่องมือระดับองค์กร มีการป้องกันการละเมิดกฎหมายที่เป็นไปได้

กรณีที่ 3 — การรับผิดชอบ หลังจากเผยแพร่รายงาน ผู้มีส่วนได้เสียรายหนึ่งได้ซักถามคนจำนวนหนึ่ง ทีมงานไม่ได้บอกว่า "AI คำนวณ"; เปิดเส้นทางการตรวจสอบ อ้างอิงแหล่งที่มา แก้ไขเล็กน้อย และอธิบายอย่างโปร่งใส ทัศนคตินี้ซึ่งไม่ได้ขึ้นอยู่กับการป้องกัน "AI กล่าวว่า" ยังคงรักษาความไว้วางใจไว้

ข้อผิดพลาดทั่วไป

• ก้าวไปข้างหน้าโดยไม่มีประตูแห่งคุณภาพ หากไม่ดำเนินการตรวจสอบที่ทางออกของแต่ละขั้นตอน ข้อผิดพลาดจะสะสมจนกว่าจะสิ้นสุด
• การให้ข้อมูลแก่ยานพาหนะโดยไม่ต้องจำแนกประเภท ข้อมูลที่เป็นความลับและส่วนบุคคลไม่สามารถถูกป้อนเข้าสู่ AI สาธารณะได้หากไม่มีการระบุชื่อ
• การโอนความรับผิดชอบให้กับ AI “AI กล่าวว่า” ไม่ใช่การป้องกันทางกฎหมายหรือทางวิชาชีพ
• ขั้นตอนการคิดที่แยกออกจากกัน สาระสำคัญ ข้อมูล การคำนวณ และการเรียกร้องมีความเชื่อมโยงถึงกัน ถ้าอันหนึ่งเสียหายก็ได้รับผลกระทบทั้งหมด
• ไม่มอบหมายผู้รับผิดชอบในการอนุมัติสิ่งพิมพ์ เบื้องหลังการกล่าวอ้างต่อสาธารณะทุกครั้งจะต้องมีมนุษย์

โดยสรุป

ธุรกิจ ESG เป็นห่วงโซ่ของแปดขั้นตอนที่เชื่อมโยงถึงกัน และ AI เป็นตัวเร่งในแต่ละขั้นตอน แต่มีประตูแห่งคุณภาพอยู่ทุกย่างก้าว จังหวะของ “AI สร้าง → การตรวจสอบโดยมนุษย์ → ผ่านประตู” รวมบทเรียนทั้งหมดของโมดูลนี้ไว้ในสาขาวิชาเดียว จำแนกข้อมูลและปกป้องการรักษาความลับ ยืนยันปัจจัยและมาตรฐานจากแหล่งที่มาอย่างเป็นทางการ เชื่อมโยงการอ้างสิทธิ์กับหลักฐาน กำจัดการล้างสีเขียวก่อนเผยแพร่ และมอบความรับผิดชอบขั้นสุดท้ายต่อมนุษย์ AI เร่งการทำงาน; คุณถือว่าความถูกต้อง ความซื่อสัตย์ และความรับผิดชอบ เกณฑ์ของวิชาชีพนี้ไม่ใช่ "ปรากฏคล่อง" แต่เป็น "ผ่านการตรวจสอบและได้รับการพิสูจน์แล้ว"

งานสมัคร

รวมการส่งมอบที่คุณผลิตในหน่วยก่อนหน้า (รายการสาระสำคัญ บัญชีคาร์บอน ส่วนรายงาน) ลงในรายงานขนาดเล็กเดียว อ่านรายงานขนาดเล็กนี้ใน 7 รายการพร้อมคำแนะนำจาก AI จากต้นทางถึงปลายทางด้านบน จากนั้น: (1) แก้ไขแต่ละรายการที่มีเครื่องหมาย "เผยแพร่" (2) จัดประเภทและดำเนินการกับข้อมูลที่เป็นความลับ/ส่วนบุคคลทั้งหมด (3) เพิ่มชื่อที่รับผิดชอบและบันทึกการอนุมัติสำหรับการตีพิมพ์

รายการตรวจสอบ

• [ ] ฉันตั้งค่าขั้นตอนการทำงานด้วยจังหวะ “AI ผลิต → ตรวจสอบโดยมนุษย์ → ผ่านประตู”
• [ ] ฉันติดตั้งประตูคุณภาพที่ทางออกของแต่ละขั้นตอน
• [ ] ฉันจัดประเภทข้อมูลทั้งหมดเป็นแบบฟรี/ภายใน/เป็นความลับ และปกป้องการรักษาความลับ
• [ ] ฉันได้ยืนยันปัจจัยและรายการมาตรฐานจากแหล่งที่มาอย่างเป็นทางการแล้ว
• [ ] ฉันสนับสนุนทุกคำกล่าวอ้างด้วยหลักฐาน โดยกำจัดการล้างสีเขียวก่อนที่จะตีพิมพ์
• [ ] ฉันรับผิดชอบโดยไม่ต้องพึ่งการป้องกัน "AI กล่าว"
• [ ] ฉันได้ตั้งชื่อที่รับผิดชอบและบันทึกการอนุมัติสำหรับการตีพิมพ์แล้ว

การสอบโมดูล

1. ข้อใดต่อไปนี้คือจุดยืนที่ดีที่สุดสำหรับ AI ใน ESG และธุรกิจที่ยั่งยืน

• ก) ปัญญาประดิษฐ์เป็นตัวช่วยในการเขียนโค้ด ข้อมูล และพิมพ์เขียว ความรับผิดชอบต่อปัจจัย มาตรฐาน หลักฐาน และการตัดสินใจด้านจริยธรรมเป็นหน้าที่ของผู้คน ✔
• B) ปัญญาประดิษฐ์คือผู้ตรวจสอบบัญชี และค่านิยม ESG ที่ให้ไว้นั้นใช้ทดแทนการรับรองที่เป็นอิสระ
• C) ปัญญาประดิษฐ์ใช้งานได้เฉพาะในการเขียนรายงานเท่านั้น ไม่เกี่ยวข้องกับข้อมูลและการคำนวณ
• ง) เนื่องจาก AI มีความเป็นกลางมากกว่ามนุษย์ การตัดสินใจ ESG ทั้งหมดจึงควรปล่อยให้เป็นหน้าที่ของมัน

คำอธิบาย: ปัญญาประดิษฐ์; เป็นตัวช่วยในการเขียนโค้ด จัดระเบียบข้อมูล สร้างแบบร่าง และสรุป อย่างไรก็ตาม ความรับผิดชอบขั้นสุดท้ายในการยืนยันปัจจัยการปล่อยก๊าซ การตรวจสอบหมายเลขสารมาตรฐาน การพิสูจน์ข้อเรียกร้องแต่ละข้อเป็นหน้าที่ของผู้เชี่ยวชาญ โมเดลภาษาใหญ่ไม่ใช่เครื่องคิดเลข ฐานข้อมูลด้านกฎระเบียบ/มาตรฐาน หรือเครื่องมือตรวจสอบ เป็นตัวสร้างข้อความที่สร้าง 'คำที่มีแนวโน้มมากที่สุดถัดไป' และผลลัพธ์ที่ไม่ได้รับการยืนยันอาจนำไปสู่การรายงานหรือการกล่าวอ้างที่เป็นเท็จ

2. แง่มุม "ผลกระทบที่มีนัยสำคัญ" ของปัญหามีความหมายอย่างไรในการวิเคราะห์ประเด็นที่มีนัยสำคัญสองเท่า

• ก) ผลกระทบของประเด็นนี้ต่อผลกำไรและมูลค่าหุ้นของบริษัท
• B) ความเสี่ยงทางการเงินของปัญหาสำหรับนักลงทุนเท่านั้น
• C) ผลการดำเนินงานของบริษัทคู่แข่งในเรื่องเดียวกัน
• ง) ผลกระทบของกิจกรรมของบริษัทที่มีต่อสิ่งแวดล้อมและสังคม ✔

คำอธิบาย: วัตถุสองเท่ามองผ่านสองเลนส์ สาระสำคัญทางการเงินคือผลกระทบของปัญหาต่อกระแสเงินสดและมูลค่าของบริษัท ('ภายนอก-ใน') ผลกระทบที่มีนัยสำคัญคือผลกระทบของกิจกรรมของบริษัทที่มีต่อสิ่งแวดล้อมและสังคม ('จากภายในสู่ภายนอก') CSRD/ESRS บังคับใช้ทั้งสองด้าน เนื่องจากปัญญาประดิษฐ์มักจะเปลี่ยนทิศทางทางการเงินเท่านั้น ทิศทางผลกระทบจึงต้องถูกควบคุมเพิ่มเติมโดยมนุษย์

3. วิธีการที่ถูกต้องในการรวบรวมข้อมูลพลังงานในหน่วย kWh, MWh และ GJ จากสถานประกอบการต่างๆ คืออะไร

• A) ละเว้นหน่วยและเพิ่มตัวเลขทั้งหมดโดยตรง
• B) อาศัยปัญญาประดิษฐ์เพื่อรวบรวมรายการยาวๆ ในหัวของคุณ
• C) การแปลงค่าทั้งหมดให้เป็นหน่วยเดียวและทำการแปลงและรวมด้วยโค้ด/สูตร ✔
• D) การเลือกหน่วยที่ใหญ่ที่สุดและไม่รายงานสิ่งอำนวยความสะดวกอื่น ๆ

คำอธิบาย: การเลิกใช้งานหน่วยเป็นข้อผิดพลาดที่พบบ่อยและอันตรายที่สุดของ ESG เนื่องจาก 1 MWh = 1,000 kWh หากละหน่วยไว้ ผลลัพธ์ที่ได้อาจเบี่ยงเบนไปเป็น 1,000 วิธีที่ถูกต้องคือการแปลงค่าทั้งหมดให้เป็นหน่วยเดียวและให้ปัญญาประดิษฐ์ทำการแปลงนี้และรวมเข้ากับโค้ด/สูตรที่ปฏิบัติการได้ ไม่ใช่ด้วยตนเอง ดังนั้นผลลัพธ์จึงกำหนดได้และตรวจสอบได้

4. ขอบเขตใดรวมถึงการปล่อยก๊าซเรือนกระจกที่เกิดจากการผลิตไฟฟ้าที่รับซื้อตามพิธีสาร GHG?

• ก) ขอบเขตที่ 1
• B) ขอบเขต 2 ✔
• ค) ขอบเขตที่ 3
• D) ไม่รวมอยู่ในขอบเขตใดๆ และไม่มีการรายงาน

คำอธิบาย: ขอบเขตที่ 1 คือการปล่อยก๊าซเรือนกระจกโดยตรงจากแหล่งที่มาขององค์กร (หม้อไอน้ำ ยานพาหนะของบริษัท เครื่องกำเนิดไฟฟ้า) ขอบเขตที่ 2 คือการปล่อยก๊าซเรือนกระจกทางอ้อมจากการผลิตพลังงานที่ซื้อมา (ไฟฟ้า ไอน้ำ เครื่องทำความร้อน ความเย็น) ขอบเขตที่ 3 ครอบคลุมการปล่อยก๊าซเรือนกระจกทางอ้อมอื่นๆ ทั้งหมดในห่วงโซ่คุณค่า (อุปทาน การเดินทาง การใช้ผลิตภัณฑ์ ของเสีย) ไฟฟ้าไม่ได้ออกมาจากปล่องไฟของบริษัท แต่มาจากโรงไฟฟ้าที่ผลิตปล่องไฟที่ปล่อยก๊าซเรือนกระจก จึงเป็นขอบเขตที่ 2

5. แนวคิดใดที่ใช้ในการแปลงก๊าซเรือนกระจก เช่น มีเทน (CH₄) เป็น CO₂e และเหตุใดจึงสำคัญ

• A) GWP (ศักยภาพในการทำให้เกิดภาวะโลกร้อน); หากละเว้น ผลกระทบของมีเทน/N₂O จะถูกประเมินต่ำไปอย่างมาก ✔
• B) AQI (ดัชนีคุณภาพอากาศ); กำหนดสีของก๊าซในอากาศ
• C) GRI (โครงการริเริ่มการรายงาน); กำหนดสารที่จะรายงานก๊าซ
• D) ไม่จำเป็นต้องมีสัมประสิทธิ์ มีเทนนับ 1 ต่อ 1 โดยตรงเหมือนCO₂

คำอธิบาย: GWP (Global Warming Potential) คือค่าสัมประสิทธิ์ที่แปลงผลกระทบด้านความร้อนของก๊าซเรือนกระจกต่างๆ ให้เป็นหน่วยร่วมที่สัมพันธ์กับ CO₂ GWP ของมีเทนในรอบ 100 ปีมีค่าประมาณ 28; ดังนั้นมีเทน 1 ตันจึงหมายถึงCO₂eประมาณ 28 ตัน หากละเว้น GWP ผลกระทบของก๊าซรุนแรง เช่น มีเทนและ N₂O จะถูกประเมินต่ำไปอย่างมาก และสินค้าคงคลังจะไม่ถูกต้องโดยสิ้นเชิง ควรระบุด้วยว่าชุด GWP ใด (เช่น IPCC AR6, 100 ปี) ที่ใช้

6. วิธีใดถูกต้องในการคำนวณ 'ข้อมูลกิจกรรม × ปัจจัยการปล่อยก๊าซเรือนกระจก' ในบัญชีรายการก๊าซเรือนกระจก

• A) การใช้ปัจจัยที่ปัญญาประดิษฐ์จดจำและให้มันทำผลรวมด้วยตนเอง
• B) การนับก๊าซทั้งหมดเป็น CO₂ และปัจจัยการข้ามและการแปลง GWP
• C) การใช้ปัจจัยเริ่มต้นสำหรับแต่ละประเทศ ปี และน้ำมันเชื้อเพลิง
• ง) ยืนยันปัจจัยจากแหล่งที่มาอย่างเป็นทางการตามประเทศและปี และทำการคำนวณนั่งร้านและรวมด้วยรหัส ✔

คำอธิบาย: ปัจจัยการปล่อยก๊าซเรือนกระจกแตกต่างกันไปตามประเทศ ปี และเชื้อเพลิง 'การเตือน' AI ทำให้เกิดความเสี่ยงในการสร้างสิ่งต่างๆ (ภาพหลอน) ปัจจัยควรได้รับการยืนยันจากตารางอย่างเป็นทางการเสมอ (IPCC, DEFRA/EPA, IEA, บัญชีรายชื่อระดับชาติ) เฉพาะการแยกขอบเขต โครงสร้างการบัญชี และรหัสทั้งหมดเท่านั้นที่ควรทำโดยปัญญาประดิษฐ์ ผลรวมหลายแถวทำได้โดยใช้โค้ดที่ปฏิบัติการได้ ไม่ใช่ด้วยตนเอง

7. ลักษณะการทำงานที่ถูกต้องสำหรับหมายเลขสารมาตรฐาน GRI/ESRS (เช่น 'GRI 305 สำหรับการใช้น้ำ') ที่แนะนำโดย AI คืออะไร

• ก) การเขียนตัวเลขลงในรายงานโดยตรงเพราะปัญญาประดิษฐ์แนะนำ
• B) หมายเลขรายการไม่สำคัญ อะไรก็ได้ที่สามารถเขียนได้
• ค) ตรวจสอบหมายเลขและเนื้อหาด้วยข้อความมาตรฐานอย่างเป็นทางการ ยืนยันกรณีปลอม/ล้าสมัย ✔
• ง) เนื่องจากการปล่อยน้ำและอากาศมีความคล้ายคลึงกัน จึงรายงานไว้ในบทความเดียวกัน

คำอธิบาย: ปัญญาประดิษฐ์สามารถสร้างตัวเลขมาตรฐานที่ปรากฏจริงแต่เนื้อหาเป็นเท็จหรือประดิษฐ์ขึ้นทั้งหมด นอกจากนี้ยังมีการอัปเดตมาตรฐานและเวอร์ชันที่โมเดลทราบอาจล้าสมัย ตัวอย่างเช่น น้ำรายงานภายใต้ GRI 303 ในขณะที่ GRI 305 คือการปล่อยก๊าซเรือนกระจก ดังนั้น หมายเลขสารและเนื้อหาแต่ละรายการไม่สามารถนำมาใช้ได้หากไม่ได้รับการตรวจสอบด้วยข้อความมาตรฐานอย่างเป็นทางการ (GRI/EFRAG/ISSB)

8. หากซัพพลายเออร์ส่วนใหญ่ในห่วงโซ่อุปทานไม่มีข้อมูลคาร์บอนที่แท้จริง แนวทางที่ถูกต้องและซื่อสัตย์สำหรับขอบเขตที่ 3 คืออะไร

• ก) การใช้ตัวเลขที่สร้างขึ้นโดยปัญญาประดิษฐ์โดยตรงสำหรับซัพพลายเออร์
• B) ข้ามขอบเขตที่ 3 ไปโดยสิ้นเชิงเพราะ 'วัดผลได้ยาก'
• C) การใช้ข้อมูลจริง ทำเครื่องหมายพร็อกซีสำหรับผู้ที่ไม่มี ✔ อย่างชัดเจน
• D) การใช้พรอกซีกับซัพพลายเออร์ทั้งหมดและซ่อนไว้ในรายงาน

คำอธิบาย: ขอบเขตที่ 3 เป็นรายการที่ใหญ่ที่สุดของบริษัทส่วนใหญ่แต่วัดผลได้ยากที่สุด สำหรับซัพพลายเออร์ที่ให้ข้อมูลจริง ข้อมูลนั้นจะถูกนำมาใช้ สำหรับผู้ที่ไม่ได้จัดเตรียมไว้ สามารถใช้พร็อกซีตามรายจ่าย (ประมาณการ) ได้ สิ่งสำคัญคือไม่ต้องซ่อนพร็อกซี รายงานควรระบุส่วนและสัดส่วนของการประมาณการที่ใช้อย่างชัดเจน พร็อกซีที่สับสนอาจนำไปสู่การปฏิเสธการรับรองที่เป็นอิสระ การข้ามขอบเขตที่ 3 ไปเลยก็ผิดเช่นกัน เนื่องจาก 'วัดผลได้ยาก'

9. AI ระบุว่าซัพพลายเออร์เป็น 'แรงงานบังคับที่เป็นไปได้' โดยพิจารณาจากค่าเฉลี่ยของประเทศเพียงอย่างเดียว พฤติกรรมที่ถูกต้องคืออะไร?

• ก) ยอมรับสัญญาณดังกล่าวเป็นหลักฐาน และตัดความสัมพันธ์กับซัพพลายเออร์ต่อสาธารณะทันที
• B) เขียนคำกล่าวอ้างลงในรายงานโดยตรงเพราะปัญญาประดิษฐ์กล่าวไว้
• C) เพิกเฉยต่อสัญญาณความเสี่ยงโดยสิ้นเชิง และไม่ตรวจสอบสัญญาณเหล่านั้นเลย
• ง) พิจารณาสัญญาณว่าเป็น 'คำเตือนให้สอบสวน' และยืนยันด้วยการตรวจสอบภาคสนามและแหล่งที่เชื่อถือได้ ✔

คำอธิบาย: ข้อกล่าวหาร้ายแรง เช่น การละเมิดสิทธิมนุษยชน ไม่สามารถพิสูจน์ได้ด้วยสัญญาณที่เกิดจากปัญญาประดิษฐ์ สัญญาณดังกล่าวเป็นเพียง 'คำเตือนให้ตรวจสอบ'; การใช้มันเป็นข้อกล่าวหาขั้นสุดท้ายนั้นทั้งไม่ยุติธรรมและมีความเสี่ยงทางกฎหมาย การเรียกร้องดังกล่าวได้รับการยืนยันจากแหล่งที่เชื่อถือได้ การตรวจสอบภาคสนาม และกระบวนการทางกฎหมายเท่านั้น ปัญญาประดิษฐ์สร้างสัญญาณ มนุษย์ยอมรับการตัดสินและความรับผิดชอบ

10. อะไรคือข้อควรระวังที่สำคัญที่สุดเมื่อวิเคราะห์การตอบกลับด้วยข้อความอิสระหลายร้อยรายการจากแบบสำรวจผู้มีส่วนได้ส่วนเสียด้วย AI

• A) การต้องการสัญญาณที่หายากแต่มีความสำคัญสูง (ความปลอดภัย/จริยธรรม/สิ่งแวดล้อม) แยกกันและไม่บดบังสัญญาณเหล่านั้น ✔
• B) เลือกเฉพาะธีมที่มีความถี่สูงสุด กำจัดการดูของชนกลุ่มน้อย
• C) ลดคำตอบทั้งหมดให้เป็นบทสรุปเชิงบวกเพียงข้อเดียว และละรายละเอียดออกไป
• D) การยอมรับบทสรุปของปัญญาประดิษฐ์แทนคำตอบดิบ

คำอธิบาย: ปัญญาประดิษฐ์ขยายเสียงของคนส่วนใหญ่และระงับเสียงของชนกลุ่มน้อยในการวิเคราะห์เฉพาะเรื่อง อย่างไรก็ตาม สัญญาณที่มีค่าที่สุดในความยั่งยืนบางครั้งอาจเป็นปัญหาร้ายแรงด้านความปลอดภัย จริยธรรม หรือสิ่งแวดล้อมที่เกิดจากบุคคลเพียงคนเดียว ดังนั้นการวิเคราะห์จึงถามว่า 'อะไรถูกพูดบ่อยที่สุด' มันไม่ได้ลงท้ายด้วย; ควรขอสัญญาณ 'ที่หายากแต่มีความสำคัญสูง' แยกกัน และควรใช้การตอบกลับแบบดิบเพิ่มเติม แทนที่จะใช้แทนการสรุป

11. วิธีที่มีประสิทธิภาพมากที่สุดในการป้องกันไม่ให้ตัวเลขและเป้าหมายปลอมรั่วไหลเข้าไปในข้อความเมื่อเขียนส่วนรายงานไปยังปัญญาประดิษฐ์คืออะไร?

• A) จัดทำรายงานทั้งหมดพร้อมกันโดยพูดว่า 'เขียนข้อความที่เหมาะสม'
• B) ให้เฉพาะข้อมูลที่ได้รับการยืนยันแล้ว และห้ามมิให้สร้างหมายเลข/การเรียกร้องใหม่อย่างชัดเจน ✔
• C) ตรวจสอบว่าข้อความมีความคล่องและน่าประทับใจเพียงใดแล้วเผยแพร่
• D) การอนุญาตให้ AI กรอกข้อมูลที่ขาดหายไปด้วยการคาดเดาที่สมเหตุสมผล

คำอธิบาย: ปัญญาประดิษฐ์สร้างตัวเลขและเป้าหมายที่คุณไม่มีจริง โดยใช้ตรรกะ 'นี่คือสิ่งที่รายงานที่คล้ายกันกล่าวไว้' ในข้อความแจ้งที่ว่างเปล่า ข้อควรระวังที่มีประสิทธิผลมากที่สุดคือการให้ข้อมูลที่ได้รับการยืนยันแล้วเท่านั้น และ 'อย่าเพิ่มตัวเลข เปอร์เซ็นต์ วันที่ หรือการกล่าวอ้างอื่นใด นอกเหนือจากข้อมูลที่ฉันได้ให้ไว้กับคุณ เป็นการระบุกฎ 'เขียน [DATA REQUIRED] ในตำแหน่งที่ขาดหายไป' อย่างชัดเจน นอกจากนี้ ควรพิมพ์รายงานทีละส่วนโดยป้อนข้อมูลด้วย

12. ผู้ตรวจสอบการให้ความเชื่อมั่นอิสระมองหาสิ่งใดเป็นอันดับแรกเมื่อตรวจสอบรายงานความยั่งยืน

• A) เขียนรายงานได้คล่องและเป็นมืออาชีพเพียงใด
• B) แต่ละประเด็นมีห่วงโซ่หลักฐานที่ตรวจสอบย้อนกลับไปยังเอกสารต้นฉบับได้ ✔
• C) ปัญญาประดิษฐ์แจ้งว่า 'รายงานพร้อมสำหรับการตรวจสอบแล้ว'
• D) ทำให้รายงานดูมีความมั่นใจมากกว่าคู่แข่ง

คำอธิบาย: ผู้ตรวจสอบไม่สนใจความคล่องของเนื้อหา แต่สนใจในห่วงโซ่หลักฐานที่อยู่เบื้องหลังข้อกล่าวอ้างแต่ละข้อ คำถามแรกของเขาคือ 'พิสูจน์ตัวเลขนี้' โดยจะตรวจสอบว่าตัวเลขมาจากเอกสารต้นฉบับใด สูตรและปัจจัยใดที่เปลี่ยนเป็นรายงาน และสามารถทำซ้ำได้อย่างอิสระหรือไม่ ดังนั้น เมตริกวัสดุแต่ละรายการจะต้องตรวจสอบย้อนกลับไปยังแหล่งที่มาได้ ปัจจัยต้องได้รับการตรวจสอบจากแหล่งที่มาอย่างเป็นทางการ และต้องระบุผู้รับมอบฉันทะ ปัญญาประดิษฐ์เป็นผู้เตรียมการนี้ แต่ไม่สามารถรับประกันได้

13. ข้อกล่าวอ้างด้านสิ่งแวดล้อมข้อใดต่อไปนี้มีความเสี่ยงน้อยที่สุดในการล้างสีเขียว?

• ตอบ) 'เราลดการปล่อยก๊าซจากการผลิตลง 18% ภายในปี 2023 (ด้วยการตรวจสอบจากบุคคลที่สาม)' ✔
• B) 'ผลิตภัณฑ์ของเราเป็นมิตรกับสิ่งแวดล้อมและเป็นธรรมชาติอย่างสมบูรณ์'
• C) 'บริษัทของเรามีความเป็นกลางทางคาร์บอน' (โดยไม่ต้องจัดเตรียมเอกสารหรือข้อมูลใดๆ)
• D) 'เราเป็นบริษัทที่ยั่งยืนและแทบไม่มีผลกระทบเกือบเป็นศูนย์ในอุตสาหกรรม'

คำอธิบาย: คำกล่าวอ้างด้านสิ่งแวดล้อมที่ดีสามารถวัดผลได้ (ประกอบด้วยตัวเลข) ได้รับการพิสูจน์แล้ว (ตามหลักฐาน) และมีขอบเขตที่ชัดเจน (ชัดเจนว่าสิ่งใดจะถูกเปรียบเทียบกับสิ่งใดและเมื่อใด) 'เราลดการปล่อยก๊าซจากการผลิตลง 18% ภายในปี 2023 (ด้วยการตรวจสอบจากบุคคลที่สาม)' มีคุณลักษณะทั้งสามนี้ วลีเช่น 'เป็นมิตรกับสิ่งแวดล้อม', 'ธรรมชาติ', 'คาร์บอนเป็นกลาง' ที่ไม่ได้รับการรับรองนั้นไม่สามารถระบุปริมาณหรือไม่มีหลักฐานได้ และมีความเสี่ยงต่อการถูกล้างสีเขียว

14. สิ่งที่ควรทำก่อนที่จะวางข้อมูลการผลิตและการปล่อยมลพิษของโรงงานที่ไม่เปิดเผยลงในเครื่องมือ AI ที่เปิดเผยต่อสาธารณะเพื่อการวิเคราะห์

• A) การวางข้อมูลตามที่เป็นอยู่ ข้อมูลด้านสิ่งแวดล้อมเปิดเผยต่อสาธารณะเสมอ
• B) การให้โดยไม่ระมัดระวังเนื่องจากความรับผิดชอบตกเป็นของผู้ให้บริการปัญญาประดิษฐ์
• C) ความเสี่ยงเป็นเพียงการคำนวณผิด มาตรการการรักษาความลับนั้นไม่จำเป็น
• D) การจัดประเภทข้อมูลเป็นข้อมูลฟรี/ภายใน/เป็นความลับ และไม่ระบุชื่อข้อมูลที่เป็นความลับ หรือการใช้เครื่องมือขององค์กร ✔

การเปิดเผยข้อมูล: ข้อมูลการผลิตและการปล่อยก๊าซเรือนกระจกระดับโรงงานอาจเป็นความลับทางการค้า ข้อมูลทางการเงิน/สิ่งแวดล้อมที่ยังไม่ได้เปิดเผยอาจฝ่าฝืนกฎการเปิดเผยข้อมูลตามกฎระเบียบ ข้อมูลสถานที่ตั้ง/เงินเดือนของพนักงานเป็นข้อมูลส่วนบุคคลภายในขอบเขตของ KVKK/GDPR ก่อนที่จะให้ข้อมูลประเภทนี้แก่เครื่องมือแบบเปิด จำเป็นต้องจัดประเภทข้อมูลดังกล่าวว่าฟรี/ภายใน/เป็นความลับ ไม่เปิดเผยชื่อหากจำเป็น หรือใช้เครื่องมือขององค์กร (ไม่มีข้อมูล) 'AI กล่าวว่า' ไม่ใช่การป้องกัน ความรับผิดชอบอยู่ที่สถาบันและบุคคลที่อนุมัติ