Uçtan Uca ESG İş Akışı, Veri Yönetişimi, Etik ve Kalite Kapısı

Kazanimlar:

• Materyaliteden yayıma uzanan sekiz adımlık ESG iş akışını 'yapay zeka üretir → insan doğrular → kapıdan geçer' ritmiyle kalite kapılarıyla kurabilme
• ESG verisini serbest/iç/gizli diye sınıflandırıp kişisel ve açıklanmamış finansal veriyi koruma altına alabilme
• Nihai sorumluluğu 'yapay zeka dedi' savunmasına dayanmadan üstlenip her yayıma sorumlu isim ve onay kaydı bağlayabilme

Önceki on ünitede ESG ve sürdürülebilirlik işinin her bir parçasını ayrı ayrı ele aldık: giriş ve sınırlar, materyalite, veri toplama, karbon muhasebesi, raporlama çerçeveleri, tedarik zinciri, paydaş iletişimi, rapor yazımı, güvence ve greenwashing. Bu son ünitede parçaları birleştirip uçtan uca bir iş akışı kuracağız: bir sürdürülebilirlik görevinin tanımından yayımlanmasına kadar geçen her adımda yapay zekayı (YZ) nerede, nasıl ve hangi güvenlik kapısıyla kullanacağınızı. Ayrıca veri yönetişimi, gizlilik ve etik sorumluluğu tek bir çerçevede toparlayacağız.

Modülün değişmez omurgasını bir kez daha tekrarlayalım: YZ; kod yazan, veri düzenleyen, taslak üreten ve özetleyen bir asistandır. Sayının doğruluğu, faktörün teyidi, standardın kontrolü, iddianın kanıtı ve nihai sorumluluk her zaman yetkin uzmana aittir. Bu ünite, bu ilkeyi günlük bir iş akışına ve kontrol listesine dönüştürür.

Uçtan uca ESG iş akışı

Bir sürdürülebilirlik raporlama döngüsünü sekiz adımda düşünün:

1. Kapsam ve materyalite — Hangi konular material? (Ünite 2)
2. Veri toplama — Kaynaklar, birimler, denetim izi. (Ünite 3)
3. Hesaplama — Karbon ve diğer metrikler, doğrulanmış faktörlerle. (Ünite 4)
4. Çerçeve eşleme — GRI/ESRS/ISSB maddeleri, resmi metinle teyit. (Ünite 5)
5. Tedarik zinciri — Kapsam 3 ve durum tespiti. (Ünite 6)
6. Yazım ve iletişim — Dengeli, kanıtlı rapor ve paydaş mesajı. (Ünite 7-8)
7. Güvence hazırlığı — Kanıt zinciri ve denetime hazırlık. (Ünite 9)
8. İddia denetimi — Greenwashing taraması ve yayım onayı. (Ünite 10)

Her adımda YZ bir hızlandırıcıdır; ama her adımın çıkışında bir kalite kapısı (quality gate — bir sonraki adıma geçmeden önce geçilmesi gereken kontrol noktası) vardır. Kapıdan geçmeyen çıktı ilerlemez.

Adım

YZ ne yapar

Kalite kapısı

Materyalite

Konu adayı, tema analizi

Etki+finans yönü insan onayı

Veri

Yapılandırma, birim dönüşümü

Kaynak ve birim doğrulaması

Hesap

Formül, kod iskelesi

Faktör resmi kaynaktan teyit

Eşleme

Madde önerisi

Resmi standart metniyle kontrol

Yazım

Taslak, özet

Kanıtsız iddia ayıklama

İddia

Greenwashing taraması

İnsan onaylı yayım

İpucu: İş akışını "YZ üretir → insan doğrular → kapıdan geçer" ritmiyle kurun. Her YZ çıktısını bir sonraki adıma taşımadan önce sorun: "Bu çıktının hangi kısmı doğrulanmadan ilerleyemez?" O kısım, o adımın kalite kapısıdır.

Veri yönetişimi ve gizlilik

ESG verisi çoğu zaman hassastır: çalışan cinsiyet ve maaş verisi, tedarikçi sözleşme koşulları, henüz açıklanmamış finansal etkiler, tesis düzeyi üretim verisi. Bunları herkese açık bir YZ aracına vermeden önce sınıflandırmak gerekir. Veri yönetişimi, "hangi veriyi kim, nasıl, hangi araçla kullanabilir?" sorusunun kurala bağlanmasıdır.

Basit bir sınıflandırma:

• Serbest: Zaten kamuya açık veriler (yayımlanmış rapor). YZ'ye verilebilir.
• İç kullanım: Ticari değeri olmayan iç veriler. Kurumsal araçta dikkatle.
• Gizli: Ticari sır, açıklanmamış finansal etki, kişisel veri (KVKK/GDPR). Anonimleştirilmeden veya kurumsal (veri sızdırmayan) araç olmadan YZ'ye verilmez.

Rolün: veri yönetişimi danışmanı.Görev: aşağıdaki veri kalemlerini "serbest / iç kullanım / gizli" diyesınıflandır ve her gizli kalem için önerilen önlemi yaz(anonimleştir / toplulaştır / kurumsal araç / hiç verme).Kural: emin değilsen daha korumacı sınıfa koy.Kalemler: [KİŞİSEL VE FİNANSAL VERİ KALEMLERİ]

Zayıf prompt / Güçlü prompt

Bir görevi araca devretme biçimi, gizlilik riskini kökten değiştirir.

Zayıf prompt:

Şu çalışan maaş ve tesis üretim tablosunu analiz et, ESG özeti çıkar.

Ham kişisel ve ticari sır niteliğindeki veriyi doğrudan açık bir araca verir; sınıflandırma, anonimleştirme ve onay adımı yoktur.

Güçlü prompt:

Rolün: veri yönetişimine duyarlı ESG analisti.Sana YALNIZCA toplulaştırılmış, kişisel/ticari sır içermeyen veri verdim.Görev: aşağıdaki özet göstergeleri analiz et.Kurallar:- Veride birey adı, maaş, TC kimlik veya açıklanmamış finansal etki YOK; böyle bir alan görürsen "GİZLİ VERİ — işleme, uyar" de.- Sonuca yeni sayı ekleme; yalnızca verdiğim özetten yola çık.- Çıktının sonuna "insan onayı gerekli" notu ekle.Veri (toplulaştırılmış): [ÖZET GÖSTERGELER]

Dikkat: "Yapay zeka dedi" bir savunma değildir. Bir ESG raporundaki yanlış sayı, kanıtsız iddia ya da sızmış gizli veri için sorumluluk kurumda ve onu onaylayan kişidedir. YZ'yi kullandığınızda sorumluluğu devretmiş olmazsınız; yalnızca işi hızlandırmış olursunuz.

Uçtan uca kalite kapısı istemi

Aşağıdaki istem, yayımdan önce tüm adımları tek bir denetimden geçirir.

Rolün: ESG kalite güvence sorumlusu.Görev: aşağıdaki rapor bölümünü uçtan uca kalite kapısından geçir.Her madde için "geçti / KALDI" ver ve kaldıysa nedenini yaz:1) Her sayının kaynağı ve birimi belirtilmiş mi?2) Emisyon faktörleri resmi kaynaktan mı?3) Standart madde numaraları doğrulanmış mı?4) Proxy/tahminler işaretlenmiş mi?5) Greenwashing içeren ifade var mı?6) Gizli/kişisel veri sızması var mı?7) Nihai onay için sorumlu isim atanmış mı?Bölüm: [BÖLÜM]

Aşağıdaki istem, tüm modülü bir kurumsal politikaya dönüştürür.

Rolün: sürdürülebilirlik ekibi lideri.Görev: ekibin ESG işlerinde YZ kullanımını düzenleyen 1 sayfalıkiç politika yaz. Şunları içersin:- YZ'nin serbest kullanılabileceği görevler (taslak, özet, kod, tema analizi)- İnsan doğrulaması zorunlu görevler (faktör, standart, iddia, kapsam)- Asla YZ'ye verilmeyecek veri türleri (kişisel, açıklanmamış finansal)- Her yayımdan önce geçilecek kalite kapısı adımlarıTon: net, madde madde, uygulanabilir.

Üç mini vaka

Vaka 1 — Kapıdan dönen rapor. Bir ekip, tüm adımları tamamlayıp raporu yayıma hazır sandı. Son kalite kapısı istemi, bir bölümde kaynağı belirtilmemiş bir "%78 geri kazanım" iddiasını ve bir "karbon nötr" ifadesini yakaladı. İkisi de düzeltilmeden yayım durduruldu; kapı, hatayı kamuya çıkmadan önce tuttu.

Vaka 2 — Gizli veri sızması önlendi. Bir analist, henüz açıklanmamış çeyrek finansal etki verisini analiz için herkese açık bir araca yapıştıracaktı. Veri sınıflandırma istemi bunu "gizli — açıklanmamış finansal" işaretledi. Veri önce toplulaştırıldı, sonra kurumsal araçta işlendi; olası bir mevzuat ihlali önlendi.

Vaka 3 — Sorumluluğun sahiplenilmesi. Bir rapor yayımlandıktan sonra bir paydaş bir sayıyı sorguladı. Ekip "YZ hesapladı" demedi; denetim izini açtı, kaynağı gösterdi, küçük bir düzeltme yaptı ve şeffafça açıkladı. "YZ dedi" savunmasına dayanmayan bu tutum, güveni korudu.

Sık yapılan hatalar

• Kalite kapısı olmadan ilerlemek. Her adımın çıkışında doğrulama yapılmazsa hatalar sona kadar birikir.
• Veriyi sınıflandırmadan araca vermek. Gizli ve kişisel veri, anonimleştirilmeden herkese açık YZ'ye girilmez.
• Sorumluluğu YZ'ye devretmek. "YZ dedi" hukuki ya da mesleki bir savunma değildir.
• Adımları izole düşünmek. Materyalite, veri, hesap ve iddia birbirine bağlıdır; biri bozuksa hepsi etkilenir.
• Yayım onayına sorumlu isim atamamak. Her kamuya açık iddianın arkasında bir insan olmalıdır.

Özetle

ESG işi, birbirine bağlı sekiz adımlık bir zincirdir ve YZ her adımda bir hızlandırıcıdır; ama her adımın çıkışında bir kalite kapısı vardır. "YZ üretir → insan doğrular → kapıdan geçer" ritmi, bu modülün tüm derslerini tek bir çalışma disiplininde birleştirir. Veriyi sınıflandırıp gizliliği koruyun, faktörü ve standardı resmi kaynaktan teyit edin, iddiayı kanıta bağlayın, greenwashing'i yayımdan önce ayıklayın ve nihai sorumluluğu bir insana verin. YZ işi hızlandırır; doğruluğu, dürüstlüğü ve sorumluluğu ise siz üstlenirsiniz. "Akıcı görünmek" değil, "denetimden geçmek ve kanıtlanabilmek" bu mesleğin ölçüsüdür.

Uygulama görevi

Önceki ünitelerde ürettiğiniz çıktıları (bir materyalite listesi, bir karbon hesabı, bir rapor bölümü) tek bir mini raporda birleştirin. YZ'den yukarıdaki uçtan uca kalite kapısı prompt'uyla bu mini raporu 7 maddeden geçirin. Ardından: (1) "KALDI" işaretlenen her maddeyi düzeltin, (2) tüm gizli/kişisel veriyi sınıflandırıp önlem alın, (3) yayım için bir sorumlu isim ve onay notu ekleyin.

Kontrol listesi

• [ ] İş akışını "YZ üretir → insan doğrular → kapıdan geçer" ritmiyle kurdum.
• [ ] Her adımın çıkışında bir kalite kapısı uyguladım.
• [ ] Tüm veriyi serbest/iç/gizli diye sınıflandırdım ve gizliyi korudum.
• [ ] Faktörleri ve standart maddelerini resmi kaynaktan teyit ettim.
• [ ] Her iddiayı kanıta bağladım, greenwashing'i yayımdan önce ayıkladım.
• [ ] "YZ dedi" savunmasına dayanmadan sorumluluğu üstlendim.
• [ ] Yayım için bir sorumlu isim ve onay kaydı belirledim.

Modul Sinavi

1. ESG ve sürdürülebilirlik işinde yapay zeka için en doğru konumlandırma aşağıdakilerden hangisidir?

• A) Yapay zeka bir kod, veri ve taslak asistanıdır; faktör, standart, kanıt ve etik kararların sorumluluğu insandadır ✔
• B) Yapay zeka bir denetçidir ve verdiği ESG değerleri bağımsız güvence yerine geçer
• C) Yapay zeka yalnızca rapor yazmada işe yarar, veri ve hesapla ilgisi yoktur
• D) Yapay zeka insandan daha tarafsız olduğu için tüm ESG kararları ona bırakılmalıdır

Aciklama: Yapay zeka; kod yazan, veri düzenleyen, taslak üreten ve özetleyen bir asistandır. Ancak emisyon faktörünün teyidi, standart madde numarasının kontrolü, her iddianın kanıtlanması ve nihai sorumluluk yetkin uzmana aittir. Büyük dil modeli bir hesap makinesi, mevzuat/standart veri tabanı ya da denetçi değildir; 'bir sonraki en olası kelimeyi' üreten bir metin üreticisidir ve doğrulanmamış çıktısı yanlış bir rapora ya da iddiaya yol açabilir.

2. Çifte önemlilik (double materiality) analizinde bir konunun 'etki önemliliği' yönü neyi ifade eder?

• A) Konunun şirketin kârına ve hisse değerine etkisi
• B) Konunun yalnızca yatırımcılar için taşıdığı finansal risk
• C) Rakip şirketlerin aynı konudaki performansı
• D) Şirketin faaliyetlerinin çevre ve toplum üzerindeki etkisi ✔

Aciklama: Çifte önemlilik iki mercekle bakar. Finansal önemlilik, bir konunun şirketin nakit akışına ve değerine etkisidir ('dışarıdan içeriye'). Etki önemliliği ise şirketin faaliyetlerinin çevre ve toplum üzerindeki etkisidir ('içeriden dışarıya'). CSRD/ESRS her iki yönü de zorunlu kılar; yapay zeka çoğu zaman yalnızca finansal yöne kaydığı için etki yönü insan tarafından ayrıca denetlenmelidir.

3. Farklı tesislerden kWh, MWh ve GJ cinsinde gelen enerji verisini toplarken doğru yaklaşım nedir?

• A) Birimleri göz ardı edip tüm sayıları doğrudan toplamak
• B) Yapay zekanın uzun listeyi kafadan toplamasına güvenmek
• C) Tüm değerleri tek birime çevirip dönüşümü ve toplamı kod/formülle yapmak ✔
• D) En büyük birimi seçip diğer tesisleri raporlamamak

Aciklama: Birim kargaşası ESG'nin en sık ve en tehlikeli hatasıdır; 1 MWh = 1.000 kWh olduğundan birim atlanırsa sonuç 1000 kat sapabilir. Doğru yaklaşım, tüm değerleri tek birime çevirmek ve bu dönüşümü ile toplamı yapay zekaya elle değil çalıştırılabilir bir kod/formülle yaptırmaktır; böylece sonuç deterministik ve doğrulanabilir olur.

4. GHG Protocol'e göre satın alınan elektriğin üretiminden kaynaklanan emisyonlar hangi kapsama girer?

• A) Kapsam 1
• B) Kapsam 2 ✔
• C) Kapsam 3
• D) Hiçbir kapsama girmez, raporlanmaz

Aciklama: Kapsam 1 kurumun kendi kaynaklarından çıkan doğrudan emisyonlardır (kazan, şirket aracı, jeneratör). Kapsam 2 satın alınan enerjinin (elektrik, buhar, ısıtma, soğutma) üretiminden kaynaklanan dolaylı emisyonlardır. Kapsam 3 ise değer zincirindeki diğer tüm dolaylı emisyonları (tedarik, seyahat, ürün kullanımı, atık) kapsar. Elektrik şirketin bacasından çıkmaz ama onu üreten santral salım yapar; bu yüzden Kapsam 2'dir.

5. Metan (CH₄) gibi bir sera gazını CO₂e'ye çevirirken hangi kavram kullanılır ve neden önemlidir?

• A) GWP (küresel ısınma potansiyeli); atlanırsa metan/N₂O etkisi büyük ölçüde eksik hesaplanır ✔
• B) AQI (hava kalitesi indeksi); gazın havadaki rengini belirler
• C) GRI (raporlama girişimi); gazın hangi maddede raporlanacağını belirler
• D) Hiçbir katsayı gerekmez; metan doğrudan CO₂ gibi 1'e 1 sayılır

Aciklama: GWP (Global Warming Potential — küresel ısınma potansiyeli), farklı sera gazlarının ısıtma etkisini CO₂'ye göre ortak bir birime çeviren katsayıdır. Metanın 100 yıllık GWP değeri yaklaşık 28'dir; yani 1 ton metan yaklaşık 28 ton CO₂e demektir. GWP atlanırsa metan ve N₂O gibi güçlü gazların etkisi büyük ölçüde eksik hesaplanır ve envanter tümüyle yanlış çıkar; hangi GWP setinin (ör. IPCC AR6, 100 yıl) kullanıldığı da belirtilmelidir.

6. Bir sera gazı envanterinde 'faaliyet verisi × emisyon faktörü' hesabı için hangi yaklaşım doğrudur?

• A) Yapay zekanın hatırladığı faktörü kullanıp toplamı da ona elle yaptırmak
• B) Tüm gazları CO₂ gibi sayıp faktör ve GWP dönüşümünü atlamak
• C) Varsayılan bir faktörü her ülke, yıl ve yakıt için aynen kullanmak
• D) Faktörü ülke ve yıla göre resmi kaynaktan teyit edip hesap iskelesini ve toplamı kodla yapmak ✔

Aciklama: Emisyon faktörleri ülkeye, yıla ve yakıta göre değişir; yapay zekaya 'hatırlatmak' uydurma (halüsinasyon) riskini doğurur. Faktör her zaman resmi bir tablodan (IPCC, DEFRA/EPA, IEA, ulusal envanter) teyit edilmeli; yapay zekaya yalnızca kapsam ayrımı, hesap iskelesi ve toplam kodu yaptırılmalıdır. Çok satırlı toplamlar elle değil çalıştırılabilir kodla yapılır.

7. Yapay zekanın önerdiği bir GRI/ESRS standart madde numarası (ör. 'su tüketimi için GRI 305') için doğru davranış nedir?

• A) Yapay zeka önerdiği için numarayı doğrudan rapora yazmak
• B) Madde numaraları önemsizdir; herhangi biri yazılabilir
• C) Numarayı ve içeriğini resmi standart metniyle doğrulamak, uydurma/eski olma ihtimaline karşı teyit etmek ✔
• D) Su ve hava emisyonu benzer olduğu için aynı maddede raporlamak

Aciklama: Yapay zeka, gerçek görünen ama içeriği yanlış ya da tümüyle uydurma standart numaraları üretebilir; ayrıca standartlar güncellenir ve modelin bildiği sürüm eski olabilir. Örneğin su GRI 303 altında raporlanır, GRI 305 ise hava emisyonlarıdır. Bu yüzden her madde numarası ve içeriği, resmi standart metniyle (GRI/EFRAG/ISSB) doğrulanmadan kullanılmaz.

8. Tedarik zincirinde çoğu tedarikçinin gerçek karbon verisi yoksa, Kapsam 3 için doğru ve dürüst yaklaşım nedir?

• A) Yapay zekanın tedarikçiler için uydurduğu sayıları doğrudan kullanmak
• B) Kapsam 3'ü 'ölçmesi zor' diye tümüyle atlamak
• C) Gerçek veri olanları kullanmak, olmayanlar için proxy'yi açıkça işaretleyerek belirtmek ✔
• D) Tüm tedarikçilere proxy uygulayıp bunu raporda gizlemek

Aciklama: Kapsam 3 çoğu şirketin en büyük ama en zor ölçülen kalemidir. Gerçek veri sağlayan tedarikçiler için o veri kullanılır; sağlamayanlar için harcama bazlı proxy (tahmin) kullanılabilir. Kritik olan proxy'yi gizlememektir: rapor, tahmin kullanılan kısmı ve oranını açıkça belirtmelidir. Gizlenen proxy, bağımsız güvencenin reddine yol açabilir; 'ölçmesi zor' gerekçesiyle Kapsam 3'ü tümüyle atlamak da yanlıştır.

9. Yapay zeka, yalnızca ülke ortalamasına dayanarak bir tedarikçiyi 'muhtemel zorla çalıştırma' diye işaretledi. Doğru davranış nedir?

• A) Sinyali kanıt kabul edip tedarikçiyle ilişkiyi hemen kamuoyu önünde kesmek
• B) Yapay zeka söylediği için iddiayı doğrudan rapora yazmak
• C) Risk sinyallerini tümüyle görmezden gelip hiç incelememek
• D) Sinyali 'incelenecek uyarı' sayıp saha denetimi ve güvenilir kaynakla teyit etmek ✔

Aciklama: İnsan hakları ihlali gibi ağır iddialar, yapay zekanın ürettiği bir sinyalle kanıtlanamaz. Böyle bir sinyal yalnızca 'incelenecek bir uyarı'dır; kesin suçlama olarak kullanmak hem haksız hem hukuki risklidir. Bu tür iddialar ancak güvenilir kaynak, saha denetimi ve hukuki süreçle teyit edilir. Yapay zeka sinyal üretir; hükmü ve sorumluluğu insan üstlenir.

10. Paydaş anketindeki yüzlerce serbest metin yanıtını yapay zekayla analiz ederken en kritik önlem nedir?

• A) Nadir ama yüksek önemli (güvenlik/etik/çevre) sinyalleri ayrıca istemek ve gölgelememek ✔
• B) Yalnızca en yüksek frekanslı temaları almak, azınlık görüşlerini elemek
• C) Tüm yanıtları tek bir olumlu özete indirip detayı atmak
• D) Yapay zekanın özetini ham yanıtların yerine tam kabul etmek

Aciklama: Yapay zeka tematik analizde çoğunluğun sesini yükseltir, azınlığınkini bastırır. Oysa sürdürülebilirlikte en değerli sinyal bazen tek bir kişinin dile getirdiği ciddi bir güvenlik, etik ya da çevre sorunudur. Bu yüzden analiz 'en sık ne söylendi?' ile bitmez; 'nadir ama yüksek önemli' sinyaller ayrıca istenmeli ve ham yanıtlar özetin yerine değil, ona ek olarak kullanılmalıdır.

11. Yapay zekaya rapor bölümü yazdırırken uydurma sayı ve hedeflerin metne sızmasını önlemenin en etkili yolu nedir?

• A) Tüm raporu tek seferde 'uygun bir metin yaz' diyerek ürettirmek
• B) Yalnızca doğrulanmış veriyi vermek ve yeni sayı/iddia üretmeyi açıkça yasaklamak ✔
• C) Metnin ne kadar akıcı ve etkileyici olduğuna bakıp yayımlamak
• D) Eksik verileri yapay zekanın makul tahminlerle doldurmasına izin vermek

Aciklama: Yapay zeka, boş bir istemde 'benzer raporlarda böyle geçiyordu' mantığıyla gerçekte sahip olmadığınız sayılar ve hedefler üretir. En etkili önlem, ona yalnızca doğrulanmış veriyi vermek ve 'sana verdiğim veri dışında hiçbir sayı, yüzde, tarih veya iddia ekleme; eksik yere [VERİ GEREKLİ] yaz' kuralını açıkça koymaktır. Ayrıca rapor bölüm bölüm, veriyle beslenerek yazdırılmalıdır.

12. Bağımsız güvence (assurance) denetçisi bir sürdürülebilirlik raporunu incelerken önce neye bakar?

• A) Raporun ne kadar akıcı ve profesyonel yazıldığına
• B) Her sayının kaynak belgeye kadar izlenebilen kanıt zincirine ✔
• C) Yapay zekanın 'rapor denetime hazır' demesine
• D) Raporun rakiplerden daha iddialı görünmesine

Aciklama: Denetçi metnin akıcılığıyla değil, her iddianın arkasındaki kanıt zinciriyle ilgilenir; ilk sorusu 'bu sayıyı kanıtla'dır. Bir sayının hangi kaynak belgeden geldiği, hangi formül ve faktörle rapora dönüştüğü ve bağımsız olarak tekrarlanabilir olup olmadığı incelenir. Bu yüzden her material metrik kaynağına kadar izlenebilir olmalı, faktörler resmi kaynaktan doğrulanmalı ve proxy'ler belirtilmelidir; yapay zeka bu hazırlığı yapar ama güvence veremez.

13. Aşağıdaki çevre iddialarından hangisi greenwashing riski en düşük olanıdır?

• A) 'Üretim emisyonlarımızı 2023'e göre %18 azalttık (üçüncü taraf doğrulaması ile)' ✔
• B) 'Ürünlerimiz tamamen çevre dostu ve doğaldır'
• C) 'Şirketimiz karbon nötrdür' (herhangi bir belge veya veri sunulmadan)
• D) 'Sektörün en sürdürülebilir ve sıfıra yakın etkili firmasıyız'

Aciklama: İyi bir çevre iddiası ölçülebilir (bir sayı içerir), kaynaklı (bir kanıta dayanır) ve kapsamı bellidir (neyin, neye göre, ne zaman kıyaslandığı açıktır). 'Üretim emisyonlarını 2023'e göre %18 azalttık (üçüncü taraf doğrulaması ile)' bu üç özelliği taşır. 'Çevre dostu', 'doğal', belgesiz 'karbon nötr' gibi ifadeler ölçülemez veya kanıtsızdır ve greenwashing riski taşır.

14. Henüz açıklanmamış tesis üretim ve emisyon verisini analiz için herkese açık bir yapay zeka aracına yapıştırmadan önce ne yapılmalıdır?

• A) Veriyi olduğu gibi yapıştırmak; çevre verisi her zaman kamuya açıktır
• B) Sorumluluk yapay zeka sağlayıcısına geçtiği için önlem almadan vermek
• C) Risk yalnızca hesap hatasıdır; gizlilikle ilgili bir önlem gereksizdir
• D) Veriyi serbest/iç/gizli diye sınıflandırıp gizli veriyi anonimleştirmek veya kurumsal araç kullanmak ✔

Aciklama: Tesis düzeyi üretim ve emisyon verisi ticari sır olabilir; henüz açıklanmamış finansal/çevresel veri, düzenleyici açıklama kurallarını ihlal edebilir; çalışan konum/maaş verisi ise KVKK/GDPR kapsamında kişisel veridir. Bu tür veriyi açık araca vermeden önce serbest/iç/gizli diye sınıflandırmak, gerekirse anonimleştirmek veya kurumsal (veri sızdırmayan) bir araç kullanmak gerekir. 'Yapay zeka dedi' bir savunma değildir; sorumluluk kurumda ve onaylayan kişidedir.