หน่วย
1. ข้อมูลเบื้องต้นเกี่ยวกับ AI ใน ESG และความยั่งยืน: บทบาท ขอบเขต การตรวจสอบความถูกต้อง และจริยธรรม 2. การวิเคราะห์ประเด็นสำคัญและประเด็นสำคัญคู่: การระบุหัวข้อ ข้อมูลของผู้มีส่วนได้ส่วนเสีย และการจัดลำดับความสำคัญ 3. การรวบรวมข้อมูล ESG คุณภาพข้อมูล และการจัดการเส้นทางการตรวจสอบ 4. การบัญชีคาร์บอน: ขอบเขต 1-2-3 ปัจจัยการปล่อยก๊าซเรือนกระจก และพิธีสาร GHG 5. กรอบการรายงาน: การทำแผนที่ GRI, ESRS/CSRD และ ISSB 6. ความยั่งยืนของห่วงโซ่อุปทาน: ขอบเขตที่ 3 ข้อมูลซัพพลายเออร์และการตรวจสอบสถานะ 7. การสื่อสารและการมีส่วนร่วมของผู้มีส่วนได้ส่วนเสีย: แบบสำรวจ การวิเคราะห์ความคิดเห็น และภาษาการรายงานที่โปร่งใส 8. การเขียนรายงานและระบบอัตโนมัติ: การร่าง ความสม่ำเสมอ และการแก้ไขการเล่าเรื่อง 9. การตรวจสอบมาตรฐานและการประกันที่เป็นอิสระ: ห่วงโซ่หลักฐานและการเตรียมการตรวจสอบ 10. ความเสี่ยงในการล้างสีเขียว: การตรวจสอบการเรียกร้อง ประเภทการล้างสีเขียว และกฎหมาย 11. ขั้นตอนการทำงาน ESG แบบครบวงจร การกำกับดูแลข้อมูล จริยธรรม และเกตเวย์คุณภาพ
หน่วย 6 / 11

ความยั่งยืนของห่วงโซ่อุปทาน: ขอบเขตที่ 3 ข้อมูลซัพพลายเออร์และการตรวจสอบสถานะ

กำไร:

  • ความสามารถในการกำหนดขอบเขตที่ 3 โดยการจัดลำดับความสำคัญของซัพพลายเออร์ตามการใช้จ่ายและระดับความเสี่ยง และแยกแยะระหว่างข้อมูลจริงและการประมาณการพร็อกซี
  • เมื่อทำเครื่องหมายสัญญาณความเสี่ยงของซัพพลายเออร์ด้วยปัญญาประดิษฐ์ ให้ถือว่าสัญญาณดังกล่าวเป็น 'สัญญาณที่ต้องตรวจสอบ' แทนที่จะเป็นหลักฐาน
  • ความสามารถในการจัดการการเรียกร้องสิทธิมนุษยชน/สิ่งแวดล้อมที่ร้ายแรงผ่านกระบวนการตรวจสอบสถานะที่ต้องมีการตรวจสอบภาคสนามและการยืนยันทางกฎหมาย

สำหรับบริษัทส่วนใหญ่ ส่วนที่ใหญ่ที่สุดของผลกระทบด้านความยั่งยืนไม่ได้อยู่ที่โรงงานของตนเอง แต่อยู่ในห่วงโซ่อุปทานของพวกเขา รอยเท้าคาร์บอนของแบรนด์เสื้อผ้ามากกว่า 80 เปอร์เซ็นต์มาจากซัพพลายเออร์ ตั้งแต่ผู้ผลิตผ้าไปจนถึงการขนส่ง Likewise, the most severe social risks, such as child labor, forced labor and environmental violations, often occur deep in the supply chain. ในหน่วยนี้ คุณจะได้เรียนรู้วิธีการใช้ปัญญาประดิษฐ์ (AI) เพื่อรวบรวมและประเมินข้อมูลห่วงโซ่อุปทาน และคัดกรองความเสี่ยง

ขอชี้แจงสองแนวคิด ขอบเขตที่ 3 ตามที่เราเห็นในหน่วยที่แล้ว คือการปล่อยก๊าซเรือนกระจกทางอ้อมในห่วงโซ่คุณค่าของบริษัท และโดยทั่วไปจะเป็นรายการที่ใหญ่ที่สุดแต่วัดได้ยากที่สุด การตรวจสอบสถานะเป็นกระบวนการในการระบุ ป้องกัน และแก้ไขสิทธิมนุษยชนและความเสี่ยงด้านสิ่งแวดล้อมในห่วงโซ่อุปทานของบริษัท กฎระเบียบต่างๆ เช่น CSDDD (Corporate Sustainability Due Diligence Directive) ของสหภาพยุโรป ทำให้ข้อกำหนดนี้บังคับสำหรับบริษัทขนาดใหญ่

ความท้าทายหลักของข้อมูลห่วงโซ่อุปทาน

คุณสามารถวัดข้อมูลของสถานที่ของคุณเองได้ แต่คุณไม่สามารถวัดข้อมูลของซัพพลายเออร์หลายร้อยรายได้โดยตรง คุณต้องถามพวกเขา สิ่งนี้สร้างปัญหาสามประการ:

  1. ข้อมูลมาไม่ถึงหรือไม่สมบูรณ์ ซัพพลายเออร์รายเล็กส่วนใหญ่ไม่เก็บข้อมูลคาร์บอน
  2. ข้อมูลไม่น่าเชื่อถือ เมื่อซัพพลายเออร์รายงานตนเอง อาจมีการพูดเกินจริงหรือการรายงานน้อยเกินไป
  3. จำเป็นต้องมีการเดา (พร็อกซี) หากไม่มีข้อมูลจริง จะใช้ค่าเฉลี่ยอุตสาหกรรมหรือประมาณการตามค่าใช้จ่าย

นี่คือจุดที่ AI ช่วยได้สองวิธี: (1) ร่างแบบสำรวจและจดหมายติดตามผลอย่างรวดเร็วเพื่อส่งไปยังซัพพลายเออร์หลายร้อยราย (2) จัดโครงสร้างการตอบสนองที่กระจัดกระจาย และทำเครื่องหมายสัญญาณความเสี่ยง แต่ไม่มีการตรวจสอบหมายเลขที่ซัพพลายเออร์ให้ไว้ และไม่มีการสรุปสัญญาณความเสี่ยงหากไม่มีการตรวจสอบโดยเจ้าหน้าที่

หมวดขอบเขตที่ 3 (ตัวอย่าง)

แหล่งข้อมูล

วิธีการทั่วไป

ซื้อสินค้า/บริการ

แบบสำรวจ/การใช้จ่ายของซัพพลายเออร์

ข้อมูลจริง > พร็อกซี

การจัดส่งสินค้าและการจัดจำหน่าย

บันทึกผู้ให้บริการ

ระยะทาง × น้ำหนัก × ตัวประกอบ

การเดินทางเพื่อธุรกิจ

ระบบการเดินทาง

กม./เที่ยวบิน × ปัจจัย

การใช้ผลิตภัณฑ์ที่ขาย

ข้อมูลพลังงานของผลิตภัณฑ์

รูปแบบการใช้งาน

ของเสีย

เอกสารการโอนของเสีย

ปริมาณ × ตัวประกอบ

เคล็ดลับ: ในขอบเขตที่ 3 การประมาณการ "ตามการใช้จ่าย" (CO₂e จำนวนมากนี้ต่อการใช้จ่าย 1,000 ดอลลาร์) เป็นการเริ่มต้นอย่างรวดเร็ว แต่เป็นการเริ่มต้นคร่าวๆ เมื่อซัพพลายเออร์ให้ข้อมูลจริง ให้ใช้ข้อมูลนั้น การประมาณการตามการใช้จ่ายเป็นเพียงการประมาณการชั่วคราวหากไม่มีข้อมูลจริง และควรทำเครื่องหมายเป็น "ประมาณการ/พร็อกซี" ในรายงาน

ทีละขั้นตอน: ขั้นตอนการทำงานของห่วงโซ่อุปทานด้วย AI

1. จัดลำดับความสำคัญของซัพพลายเออร์ คุณไม่สามารถตรวจสอบซัพพลายเออร์หลายร้อยรายในระดับความลึกเดียวกันได้ มุ่งเน้นไปที่ผู้ที่มีขนาดการใช้จ่ายและความเสี่ยงสูง (ภาคส่วน ประเทศ) AI สามารถสร้างรายการร่างโดยจัดลำดับความสำคัญนี้ได้

2. ร่างแบบสำรวจและคำขอ ขอให้ AI จัดทำโครงร่างการสำรวจข้อมูลซัพพลายเออร์ที่ชัดเจนและง่ายต่อการกรอก

3. กำหนดค่าข้อมูลที่เข้ามา ใส่คำตอบในรูปแบบต่างๆ ลงในตารางเดียว ทำเครื่องหมายส่วนที่ขาดหายไป

4. สแกนหาสัญญาณความเสี่ยง ให้ AI ค้นหาผู้สมัครที่เป็น “ธงแดง” ในข่าวสาธารณะ บันทึกการละเมิด และความคลาดเคลื่อนของการสำรวจ แต่มนุษย์ตรวจสอบทุกสัญญาณ

5. การดำเนินการและการแสวงหา จัดทำแผนการดำเนินการแก้ไขและติดตามผลสำหรับซัพพลายเออร์ที่มีความเสี่ยงสูง บันทึกกระบวนการ

พรอมต์อ่อน / พรอมต์แรง

พรอมต์ที่อ่อนแอ:

คำนวณการปล่อยก๊าซคาร์บอนไดออกไซด์ของซัพพลายเออร์ของเรา

ไม่มีแหล่งข้อมูล ไม่มีความแตกต่างที่แท้จริง/พร็อกซี และไม่มีการตรวจสอบ AI สร้างหมายเลขซัพพลายเออร์

พรอมต์อันทรงพลัง:

บทบาทของคุณ: นักวิเคราะห์ความยั่งยืนของห่วงโซ่อุปทาน ข้อมูล: ชื่อซัพพลายเออร์ 15 ราย อุตสาหกรรม จำนวนการใช้จ่ายต่อปี และข้อมูลการปล่อยก๊าซเรือนกระจกตามจริงที่ซัพพลายเออร์ให้ไว้ (ถ้ามี) ภารกิจ: 1) สำหรับผู้ที่ให้ข้อมูลจริง ให้ใช้ข้อมูลนั้น 2) สำหรับผู้ที่ไม่มีข้อมูลจริง เขียนว่า "ต้องใช้พร็อกซีตามการใช้จ่าย" อย่าใส่ตัวเลข ระบุปัจจัยที่จะได้รับจากแหล่งที่มาอย่างเป็นทางการ 3) จัดลำดับความสำคัญของซัพพลายเออร์ที่มีการใช้จ่ายสูง + อุตสาหกรรมที่มีความเสี่ยงสูง ผลลัพธ์: ตาราง (ซัพพลายเออร์ | อุตสาหกรรม | การใช้จ่าย | ประเภทข้อมูล[จริง/พรอกซี] |ลำดับความสำคัญ | หมายเหตุ) หมายเลขพร็อกซีจะถูกทำเครื่องหมายไว้ในรายงาน

พร้อมท์ให้คัดกรองความเสี่ยงของซัพพลายเออร์

จัดทำโครงร่างการคัดกรองความเสี่ยงสำหรับรายชื่อซัพพลายเออร์ต่อไปนี้ ประเมินซัพพลายเออร์แต่ละราย (ตามข้อมูลที่ฉันได้ให้ไว้ การกล่าวอ้างสาธารณะว่าเป็นเท็จ):- ความเสี่ยงด้านสิทธิมนุษยชนที่เป็นไปได้จากประเทศ/ภาคส่วน (สูง/ปานกลาง/ต่ำ)- ความเสี่ยงด้านสิ่งแวดล้อมที่เป็นไปได้- ความไม่สอดคล้องกันในการตอบแบบสำรวจ/ธงสีแดงกฎ: เพิ่มหมายเหตุ “ต้องมีการตรวจสอบ — ไม่มีแหล่งที่มา” สำหรับแต่ละความเสี่ยง อย่ากล่าวหาอย่างเด็ดขาด เพียงเสนอสัญญาณให้สอบสวน รายการ: [ซัพพลายเออร์]

พร้อมท์ต่อไปนี้จะร่างแบบสำรวจคำขอข้อมูลเพื่อส่งไปยังซัพพลายเออร์

บทบาทของคุณ: ผู้เชี่ยวชาญด้านการจัดหาความยั่งยืน ภารกิจ: ร่างแบบสำรวจข้อมูล ESG โดยมีคำถามไม่เกิน 10 ข้อที่ซัพพลายเออร์รายเล็ก/กลางสามารถตอบได้อย่างง่ายดาย รวมถึง: การใช้พลังงาน, ประเภทเชื้อเพลิง, ของเสีย, จำนวนอุบัติเหตุด้านความปลอดภัยในการทำงาน, ความมุ่งมั่นในการบังคับใช้แรงงาน/แรงงานเด็ก โทนสี: เรียบง่าย ชัดเจน จบง่าย; เพิ่มหน่วยและตัวอย่างในแต่ละคำถาม

ข้อควรระวัง: ห้ามให้ AI ตรวจสอบสัญญาณความเสี่ยงเกี่ยวกับซัพพลายเออร์ (เช่น "แรงงานเด็ก") และห้ามใช้คำกล่าวอ้างที่สร้างโดย AI เป็นหลักฐาน การกล่าวอ้างที่ร้ายแรงดังกล่าวได้รับการยืนยันจากแหล่งที่เชื่อถือได้ การตรวจสอบภาคสนาม และกระบวนการทางกฎหมายเท่านั้น AI จะสร้าง “สัญญาณที่ต้องตรวจสอบ” เท่านั้น does not judge.

มินิเคสสามอัน

กรณีที่ 1 — การใช้พรอกซีอย่างซื่อสัตย์ ซัพพลายเออร์ 200 รายของผู้ผลิตเฟอร์นิเจอร์เพียง 30 รายเท่านั้นที่ให้ข้อมูลคาร์บอนตามจริง ทีมงานใช้พร็อกซีตามการใช้จ่ายสำหรับส่วนที่เหลืออีก 170 รายการ แต่รายงานระบุไว้อย่างชัดเจนว่า "65% ของขอบเขตที่ 3 เป็นการประมาณการตามการใช้จ่าย" ผู้สอบบัญชีรับทราบถึงความซื่อสัตย์นี้ หากปกปิดไว้ความเชื่อมั่นก็อาจถูกปฏิเสธ

กรณีที่ 2 — การจัดลำดับความสำคัญ บริษัทอาหารแห่งหนึ่งมีซัพพลายเออร์ 480 ราย AI แสดงให้เห็นว่า 80% ของการใช้จ่ายกระจุกตัวอยู่ในซัพพลายเออร์ 40 ราย ทีมงานมุ่งเน้นไปที่การดำน้ำลึกใน 40 สิ่งเหล่านี้ ทรัพยากรไม่สูญเปล่าและซัพพลายเออร์ที่ได้รับผลกระทบสูงสุดได้รับการรายงานด้วยข้อมูลจริง

กรณีที่ 3 — ความเสี่ยงจากการกล่าวหาอันเป็นเท็จ AI ตั้งค่าสถานะซัพพลายเออร์ว่าเป็น “แรงงานบังคับที่เป็นไปได้”; เหตุผลเป็นเพียงค่าเฉลี่ยของประเทศเท่านั้น ทีมงานยอมรับว่าเป็น "สัญญาณให้ตรวจสอบ" ไม่ใช่หลักฐาน และขอให้มีการตรวจสอบภาคสนาม การตรวจสอบไม่พบปัญหาใดๆ หากนำสัญญาณของ AI มาเป็นหลักฐาน ก็จะเกิดการกล่าวหาที่ไม่เป็นธรรมและความเสี่ยงทางกฎหมาย

ข้อผิดพลาดทั่วไป

  • การยอมรับข้อมูลซัพพลายเออร์โดยไม่ต้องตรวจสอบ ข้อมูลซัพพลายเออร์ที่รายงานด้วยตนเองต้องมีการตรวจสอบข้าม
  • กำลังซ่อนพร็อกซี การใช้การคาดการณ์ตามการใช้จ่ายก็เป็นเรื่องปกติ การไม่ระบุเป็นปัญหาในการตรวจสอบ
  • ตรวจสอบซัพพลายเออร์ทุกรายอย่างเท่าเทียมกัน การจัดหาควรมุ่งเน้นไปที่การใช้จ่ายสูงและซัพพลายเออร์ที่มีความเสี่ยงสูง
  • เข้าใจผิดสัญญาณ AI เพื่อเป็นหลักฐาน การเรียกร้องการละเมิดสิทธิมนุษยชน/สิ่งแวดล้อมได้รับการตรวจสอบโดยภาคสนามและกฎหมาย ไม่ใช่โดย AI
  • ข้ามขอบเขตที่ 3 ไปโดยสิ้นเชิง ผลกระทบที่ใหญ่ที่สุดมักจะอยู่ที่นี่ ไม่สามารถละเลยได้ด้วยเหตุผลที่ว่า "วัดได้ยาก"

โดยสรุป

ห่วงโซ่อุปทานเป็นที่ซึ่งผลกระทบด้านสิ่งแวดล้อมและสังคมที่ใหญ่ที่สุดของบริษัทส่วนใหญ่ซ่อนอยู่ ความเสี่ยงด้านการปล่อยก๊าซเรือนกระจกขอบเขตที่ 3 และการตรวจสอบสถานะจะกระจุกตัวอยู่ที่นี่ AI; เป็นตัวช่วยที่มีประสิทธิภาพในการจัดลำดับความสำคัญของซัพพลายเออร์ การร่างแบบสำรวจ โครงสร้างการตอบสนองที่กระจัดกระจาย และการแจ้งสัญญาณความเสี่ยง แต่ข้อมูลซัพพลายเออร์จะไม่รวมอยู่ในรายงานจนกว่าจะได้รับการยืนยัน มีการระบุผู้รับมอบฉันทะอย่างชัดเจน และข้อกล่าวหาที่ร้ายแรงได้รับการยืนยันโดยการตรวจสอบภาคสนาม AI สร้างสัญญาณ มนุษย์ยอมรับการตัดสินและความรับผิดชอบ

งานสมัคร

เตรียมรายชื่อซัพพลายเออร์สมมติ 10 รายพร้อมชื่อ อุตสาหกรรม และการใช้จ่ายรายปี เพิ่มข้อมูลการปล่อยก๊าซเรือนกระจกตามจริงบางส่วน โดยเว้นว่างไว้ส่วนใหญ่ ขอตารางการจัดลำดับความสำคัญและประเภทข้อมูลจาก AI ผ่านทางข้อความแจ้งที่มีประสิทธิภาพด้านบน จากนั้น: (1) ตรวจสอบว่าจำนวนซัพพลายเออร์ที่ต้องการพร็อกซีไม่ได้ถูกสร้างขึ้น (2) เลือกซัพพลายเออร์ที่มีลำดับความสำคัญสูงสุด 3 รายพร้อมเหตุผล (3) ร่างแบบสำรวจข้อมูลสั้นๆ เพื่อส่งให้พวกเขา

รายการตรวจสอบ

  • [ ] ฉันจัดลำดับความสำคัญของซัพพลายเออร์ตามการใช้จ่ายและระดับความเสี่ยง
  • [ ] ฉันใช้ข้อมูลจริง สำหรับผู้ที่ไม่มีก็ทำเครื่องหมายผู้รับมอบฉันทะไว้
  • [ ] ฉันประเมินข้อมูลซัพพลายเออร์ไม่เป็นไปตามที่เป็นอยู่ แต่โดยการตรวจสอบข้าม
  • [ ] ฉันถือว่าสัญญาณความเสี่ยง "ต้องได้รับการตรวจสอบ" และไม่ได้ใช้เป็นหลักฐาน
  • [ ] ฉันวางแผนขั้นตอนการตรวจสอบภาคสนาม/การตรวจสอบทางกฎหมายสำหรับการเรียกร้องที่ร้ายแรง
  • [ ] ฉันไม่ได้ข้ามขอบเขตที่ 3; ฉันระบุขอบเขตและอัตราการประมาณไว้ในรายงาน
  • [ ] ฉันบันทึกกระบวนการทั้งหมดด้วยเอกสารการตรวจสอบสถานะ