Mga nadagdag:
- Kakayahang i-print ang seksyon ng ulat ayon sa seksyon na may lamang na-verify na data at ipagbawal ang artificial intelligence sa pagbuo ng mga bagong numero/claim
- Kakayahang mag-scan para sa mga hindi pagkakapare-pareho ng parehong sukatan sa iba't ibang mga seksyon at matukoy ang tamang halaga sa pamamagitan ng pagpunta sa pinagmulan
- Kakayahang pigilan ang tamang teksto na maging isang mapanlinlang na buod sa pamamagitan ng pagpapanatili ng 'bahagyang/tinantyang/hindi naaprubahan' na mga reserbasyon sa panahon ng pagbubuod
Nakolekta ang lahat ng data, kinakalkula ang carbon, nakamapa sa balangkas, pinakinggan ang mga stakeholder; Ngayon ang lahat ng ito ay dapat na maging isang nababasang ulat ng pagpapanatili. Ang isang ulat ng CSRD ay naglalaman ng daan-daang mga pahina, dose-dosenang mga tagapagpahiwatig, maraming mga seksyon ng pagsasalaysay. Dito ang pinaka-nakikitang kontribusyon ng artificial intelligence (AI) ay: paggawa ng draft na text, paggawa ng magkakaibang mga seksyon, pagbubuod ng mahabang teknikal na nilalaman. Ngunit narito ang pinakamalaking panganib: Ang AI ay sanay sa paggawa ng matatas, maganda, walang patunay na teksto. Sa yunit na ito matututunan mo kung paano mapanatili ang katumpakan at auditability habang mabilis na nagpi-print ng ulat.
Ilagay natin ang pangunahing prinsipyo mula sa simula: Isinulat ng AI ang teksto, ikinokonekta ito ng tao sa ebidensya. Ang bawat numerical na claim sa isang sustainability report ay dapat na nakabatay sa isang audit trail, at ang bawat qualitative na claim ay dapat na nakabatay sa isang katotohanan. Ang trabaho ng AI ay ayusin, i-streamline, at gawing magkakaugnay ang expression; hindi para makagawa ng katotohanan ng pag-aangkin. Ang "mahusay na pagkakasulat" at "tumpak at napatunayan" ay dalawang malayang katangian.
Saan malakas ang AI at saan ito mapanganib sa pagsulat ng ulat?
Paghanap
kontribusyon ng AI
Panganib
Paggawa ng unang draft
Mabilis na pinupunan ang blangkong pahina
Maaaring magdagdag ng mga claim nang walang ebidensya
Pagsusuri ng pagkakapare-pareho
Nakakakuha ng salungatan sa termino/unit
Maaaring "itama" ang mga error
pagbubuod
Pinaikli ang mahabang seksyon
Maaaring alisin ang kritikal na nuance
Pag-edit ng tono
Nagbibigay ng pormal/malinaw na wika
Maaaring dumausdos sa pagmamalabis
Pagsasalin
Bumubuo ng mga ulat sa maraming wika
Maling pagsasalin ng teknikal na termino
Ang kritikal na tuntunin ay ito: kapag nagbibigay ng ulat sa AI, bigyan lamang ito ng mga napatunayang input at pagbawalan itong bumuo ng mga bagong numero/claim. Kung hindi, nakukuha ng AI ang mga numero mula sa mga naunang pangungusap na "tila makatuwiran" ngunit walang pinagmulan.
Tip: Kapag nag-draft ng ulat, palaging bigyan ang AI ng panuntunang ito: "Huwag magdagdag ng anumang numero, porsyento, petsa, o claim maliban sa data na ibinigay ko sa iyo; kung may nawawala, isulat ang [KINAKAILANGANG DATA] doon." Pinipigilan ng solong pangungusap na ito ang karamihan sa mga gawa-gawang paratang na pumasok sa ulat.
Hakbang-hakbang: secure na pagsulat ng ulat
1. Buuin muna ang balangkas. Planuhin ang mga heading ng seksyon at kung anong na-verify na data ang mapupunta sa bawat seksyon. Gumagawa ang AI ng magagandang content/skeleton.
2. Seksyon bawat seksyon, pakainin ito ng data. I-print ang bawat partition nang hiwalay, kasama lamang ang na-verify na data para sa partition na iyon. Huwag sabihing "buuin" ang buong ulat nang sabay-sabay.
3. Gumawa ng isang paghahabol-katibayan na tugma. Tandaan ang pinagmulan sa tabi ng bawat numerical na pangungusap. Ang isang pangungusap na walang pinagmulan ay hindi isasama sa ulat.
4. Suriin ang pagkakapare-pareho. Ito ay isang karaniwang pagkakamali para sa parehong sukatan na lumitaw na may iba't ibang mga halaga sa iba't ibang mga seksyon; Ang AI ay mahusay sa pag-scan para dito, ngunit inaprubahan ng tao ang pagwawasto.
5. Mag-scan para sa hype at greenwashing. Sa huling round, i-clear ang text gamit ang isang mata para sa "immeasurable/non-evidential statement" (hukayin ito ng susunod na unit).
Mahinang prompt / Malakas na prompt
Mahinang prompt:
Isulat ang seksyon ng klima ng aming ulat sa pagpapanatili.
Walang data; Ang AI ay bumubuo ng isang "karaniwang yugto ng klima", na naglalagay ng mga numero at target sa text na wala ka talaga.
Napakahusay na prompt:
Ang iyong tungkulin: ESG report writer. Sumulat: draft ng seksyong "Klima" ng ulat. Ang TANGING data na gagamitin mo (mag-opt out, magdagdag ng bagong numero):- Saklaw 1: 1,240 tCO2e (2024, na-verify)- Saklaw 2: 2,100 tCO2e (2024, batay sa lokasyon)- Saklaw 3: bahagyang, 60% sakop (kabilang ang proxy)- Target: hanggang 2030+hindi BT2 pataas naaprubahan, inilapat)Mga Panuntunan:- HUWAG MAGPAPEKENG numero/porsiyento/petsa maliban sa data na ibibigay ko; kung nawawala, isulat ang [KINAKAILANGANG DATA].- Linawin na ang Saklaw 3 ay partial at may kasamang proxy.- Isulat nang tapat na hindi pa naaaprubahan ang target, huwag sabihing "approved".- Tono: malinaw, pormal, understated.
Mga senyas para sa pare-pareho at kontrol sa kalidad
Magsagawa ng CONSISTENCY check sa draft ng ulat sa ibaba. Tukuyin (markahan, hindi tama):1) Mga sitwasyon kung saan nangyayari ang parehong sukatan na may magkakaibang mga halaga sa iba't ibang lugar2) Mga hindi pagkakapare-pareho ng unit (kg/ton, kWh/MWh)3) Salungatan ng claim sa isang seksyon sa isa pang seksyon4) Mga numerical na claim na may hindi tinukoy na mga pinagmulanIlista ang bawat paghahanap na may sanggunian ng seksyon/hilera.Draft: [DRAFT]
Ang sumusunod na prompt ay nagbubuod ng mahabang teknikal na seksyon sa manager; ngunit pinipilit ka nitong mapanatili ang nuance.
Ang iyong tungkulin: editor ng ulat.Gawain: bawasan ang teknikal na seksyon sa ibaba sa 150 salita para sa buod ng ehekutibo. Mga Panuntunan:- Huwag baguhin o palakihin ang anumang mga numero sa pamamagitan ng pag-round.- Laktawan ang mga pagpapareserba gaya ng "partial/estimated/not confirmed", lumipat sa summary.- Ipakita ang kawalan ng katiyakan bilang "certain". Seksyon: [CHAPTER]
Pansin: Ang AI ay kadalasang nagtatapon ng "mga reserbasyon" kapag nagbubuod. Kung ang mga pariralang tulad ng "Scope 3 data is partial", "target not yet confirmed", "data contains prediction" ay tatanggalin para sa kapakanan ng buod, ang isang tumpak na text ay magiging isang mapanlinlang na buod. Ang pagpapanatili ng mga reserbasyon sa mga buod ay kasinghalaga ng pag-iingat ng mga numero.
tatlong mini case
Kaso 1 — Nag-leak ng pekeng target. Ang isang kumpanya ay may AI na isulat ang seksyon ng klima nito gamit ang isang simpleng prompt. Nagdagdag si YZ ng target na "2040 net zero" na hindi aktwal na naitakda dahil "nabanggit ito sa mga katulad na ulat." Nahuli ito ng editor; Ang target ay hindi talaga kinuha at magiging isang maling representasyon kung nai-publish.
Kaso 2 — Hindi pare-parehong sukatan. Sa seksyon ng buod ng isang ulat, ang pagkonsumo ng tubig ay isinulat bilang "1.2 milyong m³" at sa seksyong detalye ito ay isinulat bilang "1.8 milyong m³". Na-flag ng consistent scan ng AI ang kontradiksyon; bumaba sa pinagmulan, ang tamang halaga ay pinagsama bilang 1.8 milyong m³.
Kaso 3 — Tinanggal ang reserbasyon. Ang isang executive summary ay isinulat ng AI na inalis ang caveat na "60% ng Saklaw 3 ay isang pagtatantya" at ang ulat ay tila ganap na nasusukat. Idinagdag ng pre-audit check ang reserbasyon; kung hindi, ang buod ay magiging mas mapanindigan at mapanlinlang kaysa sa ulat mismo.
Mga karaniwang pagkakamali
- Pagpi-print ng ulat nang hindi nagbibigay ng data. Ang walang laman na prompt ay nagtutulak sa AI na gumawa ng mga numero at target.
- Paggawa ng buong ulat nang sabay-sabay. Ang pagsulat sa pamamagitan ng pagpapakain dito ng data, bawat seksyon, ay nagpapanatili ng kontrol.
- Itinatapon ang mga reserbasyon kapag nagbubuod. Ang mga salitang "partial/estimated/unconfirmed" ay dapat ding manatili sa buod.
- Ang pagkakaroon ng AI ay bulag na iwasto ang hindi pagkakapare-pareho. Hindi alam ng AI kung aling value ang tama; bumaba ang tao sa pinanggalingan.
- Napagkakamalang "mahusay" para sa "tama". Kung ang isang mahusay na pagkakasulat na pangungusap ay walang ebidensya, hindi pa rin ito isasama sa ulat.
Sa buod
Ang pagsusulat ng ulat ay ang pinakanakikita ngunit pinakamapanganib na bahagi ng kontribusyon ng AI. Mabilis na pinupunan ng AI ang blangkong pahina, pinananatiling pare-pareho ang mga seksyon, at nagbubuod ng mahabang nilalaman; ngunit may posibilidad itong magdagdag ng mga claim nang walang ebidensya, magtanggal ng mga reserbasyon, at gumawa ng mga pagmamalabis. Ligtas na paraan: feed lamang ng na-verify na data, pagbawalan ito mula sa pagbuo ng mga bagong numero, i-print ang seksyon sa pamamagitan ng seksyon, i-scan para sa pagkakapare-pareho ngunit hayaan ang tao na gawin ang pagwawasto hanggang sa pinagmulan. Ang isang "well-written" na ulat ay isang magandang ulat lamang kung ang bawat claim ay batay sa ebidensya.
Gawain ng aplikasyon
Magkaroon ng 4-5 numerical data item na inaakala mong nakumpirma (isang "tinantya" at isang "hindi kumpirmadong target"). Humiling sa AI ng draft ng seksyon ng ulat sa pamamagitan ng malakas na prompt sa itaas. Pagkatapos: (1) i-verify na walang mga numero na hindi mo ibinigay ang tumagas sa text, (2) tingnan kung ang "tinantyang" at "hindi kumpirmadong" reservation ay napanatili, (3) bawasan ang text sa isang 150-salitang buod at kumpirmahin na ang mga reserbasyon ay nananatili sa buod.
checklist
- [ ] Naglagay lang ako ng na-verify na data sa ulat.
- [ ] Tahasang ibinigay ko sa AI ang panuntunang "make up new number/claim".
- [ ] Inilimbag ko ang seksyon ng ulat ayon sa seksyon, pinapakain ito ng data.
- [ ] Iniugnay ko ang bawat numerical assertion sa isang source/audit trail.
- [ ] Nag-scan ako para sa mga hindi pagkakapare-pareho at natukoy ang tamang halaga sa pamamagitan ng pagbabalik sa pinagmulan.
- [ ] Itinatago ko ang mga "partial/estimated/not confirmed" reservation sa mga buod.
- [ ] Inalis ko ang labis at hindi masusukat na mga ekspresyon sa huling round.