ESG اور پائیداری میں AI کا تعارف: کردار، حدود، توثیق اور اخلاقیات — پائیداری اور ای ایس جی مینجمنٹ میں مصنوعی ذہانت

فائدہ:

یہ فرق کرنے کے قابل ہونا کہ مصنوعی ذہانت ESG ورک فلو (ڈیٹا، اکاؤنٹس، میپنگ، رپورٹنگ) میں کہاں وقت بچاتی ہے اور جہاں خطرے کی سطح پر منحصر ہے، عامل، معیاری اور دعوے کے فیصلے انسانوں پر چھوڑے جاتے ہیں۔
ایک نظم و ضبط کو لاگو کرنے کی اہلیت جو ہر عددی اور کوالٹیٹیو آؤٹ پٹ کا یونٹ، سورس اور آڈٹ ٹریل کے مراحل کے ساتھ آڈٹ کرتی ہے۔
یہ سمجھنا کہ کیوں جعلی اخراج کے عوامل، جعلی معیاری حوالہ جات اور سبز دھونے والی زبان اس پیشے کے لیے خطرات ہیں جن پر شروع سے ہی غور کرنے کی ضرورت ہے۔

کمپنی کی پائیداری کی رپورٹ اب صرف خیر سگالی کا کتابچہ نہیں ہے۔ یہ ایک دستاویز ہے جو اکاؤنٹنگ دستاویز کی طرح پابند، آڈٹ اور قانونی نتائج کی حامل ہے۔ یورپی یونین کے CSRD (کارپوریٹ سسٹین ایبلٹی رپورٹنگ ڈائرکٹیو) ریگولیشن کے ساتھ، ہزاروں کمپنیاں؛ اسے کاربن کے اخراج، ملازمین کے ڈیٹا اور سپلائی چین کے اثرات کو لازمی، قابل تصدیق اور قابل تقابلی انداز میں ظاہر کرنا تھا، بالکل مالی بیانات کی طرح۔ اس یونٹ میں، آپ یہ سیکھیں گے کہ مصنوعی ذہانت (AI) اس بھاری اور ڈیٹا سے بھرپور کام میں کہاں وقت بچاتی ہے، کہاں یہ خطرناک ہے، اور ہر آؤٹ پٹ کی تصدیق کیسے کی جائے۔

سب سے پہلے، ایک تنقیدی تصور۔ ESG انگریزی الفاظ Environmental, Social and Governance کا ابتدائیہ ہے۔ یہ اس فریم ورک کا نام ہے جو کمپنی کے ماحولیاتی اثرات جیسے کاربن کے اخراج اور پانی کے استعمال، سماجی اثرات جیسے ملازمین کے حقوق اور پیشہ ورانہ تحفظ، اور گورننس کے طریقوں جیسے بورڈ کی ساخت اور اخلاقیات کی پیمائش کرتا ہے۔ پائیداری کی رپورٹنگ ان تینوں شعبوں میں کارکردگی کو معیاری انداز میں ماپ رہی ہے اور اسے عوام کے سامنے ظاہر کر رہی ہے۔

دوسرا اہم تصور: ہیلوسینیشن اس وقت ہوتا ہے جب AI ایسی معلومات پیدا کرتا ہے جو حقیقت میں پورے اعتماد کے ساتھ درست نہیں ہوتی۔ ESG دنیا میں یہ؛ آپ کو ایک فرضی اخراج کا عنصر، ایک غیر موجود GRI معیاری نمبر، ایک غلط اکائی یا غیر موجود قانون سازی کے مضمون کا حوالہ مل سکتا ہے۔ اہم نکتہ یہ ہے کہ ایک بڑی لینگویج ماڈل (LLM) کوئی کیلکولیٹر، ریگولیٹری ڈیٹا بیس، یا آڈیٹر نہیں ہے۔ یہ ایک ٹیکسٹ جنریٹر ہے جو اعدادوشمار کے مطابق ان متنوں کی نقل کرتا ہے جو اسے تربیتی ڈیٹا میں نظر آتا ہے۔ یہ زیادہ تر وقت درست معلومات پیدا کرتا ہے؛ لیکن "زیادہ تر وقت درست" اور "آڈٹ پاس کرنے کے لیے کافی درست" کے درمیان فرق ESG رپورٹنگ میں سب کچھ ہے۔

ای ایس جی میں اے آئی کہاں کام کرتا ہے اور کہاں نہیں کرتا؟

AI کو فوری مسودہ، ڈیٹا کیوریشن اور تجزیہ پارٹنر کے طور پر سوچیں: قابل قدر لیکن توثیق کے لیے ضروری ہے۔ مندرجہ ذیل امتیاز اس ماڈیول کی ریڑھ کی ہڈی ہے۔

جستجو

AI کی شراکت

ماہر کی ذمہ داری

ڈیٹا اکٹھا کرنا

مختلف فارمیٹس میں ترمیم کرتا ہے، خالی جگہوں کو نشان زد کرتا ہے۔

سورس دستاویز کے ساتھ نمبر کی تصدیق کرنا

اخراج اکاؤنٹ

فارمولہ اور حساب کتاب کا فریم ورک بناتا ہے۔

سرکاری ذریعہ سے اخراج کے عنصر کی تصدیق کرنا

GRI/CSRD میپنگ

معیاری اشیاء کے اجزاء کی سفارش کرتا ہے۔

معیاری متن کے ساتھ بالکل جانچنا

مادیت کا تجزیہ

اسٹیک ہولڈر کی رائے کو تھیمز میں الگ کرتا ہے۔

ترجیحی فیصلہ کریں۔

رپورٹ لکھنا

مسودہ متن اور خلاصہ تیار کرتا ہے۔

ثبوت کے ساتھ ہر دعوے کی حمایت کریں۔

گرین واشنگ کنٹرول

جھنڈے خطرناک جملے

حتمی دعوی کی ذمہ داری لے لو

انگوٹھے کا اصول: AI کا اطلاق خود ڈیٹا پر نہیں؛ ڈیٹا کو منظم کرنے کے لیے استعمال کریں، اسکافولڈ تجزیہ، اور متن کا مسودہ؛ ہر نمبر اور ہر معیاری حوالہ کی ہمیشہ بنیادی ماخذ (انوائس، میٹر ریکارڈ، آفیشل اسٹینڈرڈ ٹیکسٹ، ایمیشن فیکٹر ڈیٹا بیس) سے تصدیق کریں۔ پائیداری کی رپورٹ میں ہر اعداد و شمار کے پیچھے ایک آڈٹ ٹریل ہونا چاہئے جو ایک آڈیٹر چاہتا ہے۔ AI یہ ثبوت پیش نہیں کر سکتا؛ یہ صرف آپ کو اسے منظم کرنے میں مدد کرتا ہے۔

ای ایس جی میں اے آئی کے تین مہلک پھندے

1. اخراج کے عوامل اور اعداد۔ AI کسی ایسے اخراج کے عنصر کو "پُر" کر سکتا ہے جسے اسے یاد نہ ہو (کاربن کے اخراج کا گتانک فی یونٹ ایندھن یا بجلی) ایک ایسی تعداد کے ساتھ جو مناسب معلوم ہو۔ یہ نمبر پورے کاربن فوٹ پرنٹ کے حساب کتاب کو باطل کر دیتا ہے۔

2. غیر موجود یا فرسودہ قانون سازی/معیارات کا حوالہ۔ AI معیاری نمبر تیار کر سکتا ہے جو حقیقی دکھائی دیتے ہیں لیکن جن کا مواد غلط یا مکمل طور پر من گھڑت ہے، جیسے "GRI 305-7"۔ معیارات کو بھی باقاعدگی سے اپ ڈیٹ کیا جاتا ہے۔ ماڈل کو معلوم ورژن پرانا ہو سکتا ہے۔

3. وہ زبان جو ہرے رنگ کی دھلائی پیدا کرتی ہے۔ AI بے تابی سے اچھی آواز دینے والے لیکن غیر مصدقہ اور گمراہ کن بیانات تیار کرتا ہے جیسے کہ "ماحول دوست"، "ماحول دوست"، "کاربن نیوٹرل"۔ یہ بیانات آج قانونی خطرہ رکھتے ہیں۔ ہم یونٹ 10 میں اس کا گہرائی میں احاطہ کریں گے۔

ٹپ: تین سوالات کے ساتھ ہر عددی ESG نتیجہ تک پہنچیں: (1) اس کی اکائی کیا ہے (tCO₂e, kg, MWh)؟ (2) کون سی دستاویز ماخذ ہے؟ (3) میں اس اعداد و شمار کو آڈیٹر کے سامنے کیسے ثابت کروں؟ یہ تین سوالات بڈ میں زیادہ تر ESG کی غلطیوں کو پکڑتے ہیں۔ یہاں "tCO₂e" کا مطلب ہے "ٹن کاربن ڈائی آکسائیڈ کے برابر"؛ یہ وہ پیمانہ ہے جو مختلف گرین ہاؤس گیسوں کو ایک مشترکہ یونٹ میں تبدیل کرتا ہے۔

مرحلہ وار: ESG میں محفوظ AI ورک فلو

1. کام کو معیاری اور یونٹ سے جوڑیں۔ "ہمارے کاربن کے اخراج کا حساب لگائیں" کے بجائے کہیں کہ "2024، استنبول آفس، قدرتی گیس کی کھپت 12,000 m³؛ GHG پروٹوکول اسکوپ 1 طریقہ کے ساتھ tCO₂e میں اخراج کا حساب لگائیں، اخراج کے عنصر اور ذریعہ کی وضاحت کریں جسے آپ استعمال کرتے ہیں۔"

2. ماخذ اور مفروضے کے لیے واضح طور پر پوچھیں۔ اے آئی سے یہ لکھنے کو کہے کہ اس نے ہر نمبر کے لیے کون سا اخراج عنصر، کون سا معیار اور کون سا مفروضہ استعمال کیا۔ ماخذ کا حوالہ دیئے بغیر کوئی نمبر قبول نہ کریں۔

3. بنیادی ماخذ سے تصدیق کریں۔ سرکاری ڈیٹا بیس سے اخراج کے عنصر کی تصدیق کریں (مثلاً قومی محکمہ برائے توانائی، UK DEFRA ڈیٹاسیٹ، IEA)، GRI یا EFRAG سرکاری دستاویز سے معیاری متن۔ EFRAG وہ یورپی ادارہ ہے جو ESRS (European Sustainability Reporting Standards) کے معیارات تیار کرتا ہے جس پر CSRD کی بنیاد ہے۔

4. آڈٹ ٹریل کو محفوظ کریں۔ ایک جدول میں لکھیں کہ آپ نے کون سا ڈیٹا استعمال کیا، کس ذریعہ سے، کس تاریخ کو، اور کس مفروضے کے تحت۔ یقین دہانی آڈیٹر (آزاد تصدیق کنندہ) اس کی درخواست کرے گا۔

5. کسی انسان سے حتمی دعوے کی تصدیق کروائیں۔ ہر عوامی ESG دعوے کے پیچھے ایک ذمہ دار شخص ہونا چاہیے۔

کمزور فوری / مضبوط اشارہ

دو مختلف طریقوں سے ایک ہی کام کی درخواست کرنے سے نتائج کی ساکھ یکسر بدل جاتی ہے۔

کمزور اشارہ:

ہماری کمپنی کے کاربن فوٹ پرنٹ کا حساب لگائیں اور پائیداری کی رپورٹ کے لیے ایک پیراگراف لکھیں۔

اس دعوے میں یونٹ، دائرہ کار، سال، ڈیٹا اور ذریعہ شامل نہیں ہے۔ AI خالی جگہوں کو من گھڑت طریقے سے بھرتا ہے اور گرین واشنگ سے بھرپور متن تیار کرتا ہے۔

طاقتور اشارہ:

آپ کا کردار: ایک سینئر ESG رپورٹنگ ماہر۔ان پٹ ڈیٹا (صرف ان کا استعمال کریں، اگر غائب ہو تو 'کوئی ڈیٹا نہیں' لکھیں):- 2024، قدرتی گیس: 12,000 m³- 2024، گرڈ بجلی: 85,000 kWhTask: GHG پروٹوکول اور Scobased1-2 کا استعمال کرتے ہوئے CO₂e میں اخراج کا حساب لگائیں۔ طریقہ۔ اصول: - ہر اخراج جو آپ استعمال کرتے ہیں ایک الگ کالم میں عنصر، اکائی اور ماخذ کی وضاحت کریں۔ - اگر آپ عامل نہیں جانتے ہیں، تو اسے نہ بنائیں؛ "سرکاری عنصر درکار" لکھیں۔ - نتیجہ ایک میز میں دیں؛ آخر میں ان اشیاء کی فہرست بنائیں جن کی تصدیق کی ضرورت ہے۔

اخلاقیات، رازداری اور حدود

ESG ڈیٹا اکثر حساس ہوتا ہے: ملازم کی جنس اور تنخواہ کا ڈیٹا (سماجی اشارے)، سپلائر کے معاہدے کی شرائط، مالی اثرات ابھی تک ظاہر نہیں کیے گئے ہیں۔ اس ڈیٹا کو عوامی AI ٹول میں داخل کرنے سے پہلے رازداری کی حد کو واضح کریں۔ AI کو دینے سے پہلے ذاتی ڈیٹا (نام، ID، تنخواہ KVKK اور GDPR کے دائرہ کار میں) گمنام یا جمع کریں۔ یعنی انفرادی افراد کے بجائے، انہیں سمری نمبروں میں تبدیل کریں جیسے کہ "خواتین ملازم کی شرح 38% ہے"۔ KVKK Türkiye کا ذاتی ڈیٹا کے تحفظ کا قانون ہے اور GDPR یورپ کا ذاتی ڈیٹا کے تحفظ کا قانون ہے۔

احتیاط: ESG رپورٹ میں جھوٹا یا مبالغہ آمیز دعویٰ نہ صرف شہرت کے لیے خطرہ ہے۔ اس کے نتیجے میں CSRD اور قومی صارف قانون سازی کے تحت جرمانے اور قانونی ذمہ داری ہو سکتی ہے۔ بغیر ثبوت کے AI کے ذریعہ تیار کردہ کسی بھی دعوے کو شائع نہ کریں۔

تین چھوٹے مقدمات

کیس 1 - متضاد عنصر۔ ایک مینوفیکچرنگ کمپنی نے AI کو ڈیزل کی کھپت دی اور اخراج کا حساب مانگا۔ YZ نے عنصر "2.40 kgCO₂e/leter برائے ڈیزل" استعمال کیا۔ ماہر نے چیک کیا: سرکاری عنصر تقریباً 2.68 kgCO₂e/liter تھا۔ فرق 10% تھا اور اس کا مطلب تھا تقریباً 11 ٹن CO₂e کا فی 40,000 لیٹر استعمال۔ عامل کو سرکاری ذریعہ سے درست کیا گیا ہے۔

کیس 2 - غیر موجود معیار۔ ایک مشیر نے رپورٹ کے لیے YZ سے عنوان "GRI 305-8 پانی کی کھپت" کے لیے پوچھا۔ جبکہ GRI 303 کے تحت پانی کی اطلاع دی گئی ہے۔ GRI 305 ہوا کا اخراج ہے۔ معیاری متن کے ساتھ چیک کیا گیا تو غلطی پکڑی گئی اور مواد کو صحیح مضمون میں منتقل کر دیا گیا۔

کیس 3 - گرین واشنگ زبان۔ YZ نے ایک ریٹیل برانڈ کے لیے "ہماری مصنوعات مکمل طور پر ماحول دوست ہیں" کا جملہ تجویز کیا۔ ESG ٹیم نے اسے ناقابلِ ثابت پایا اور اس کی جگہ ٹھوس، ثابت شدہ بیان دیا جیسے "ہماری پیکیجنگ کا 60% ری سائیکل کیا گیا ہے (2024، اندرونی پیمائش)۔"

آڈٹ کے لیے تیار کام کا اشارہ

آڈیٹنگ آنکھ کے ساتھ ذیل میں ESG متن کی جانچ کریں۔ ہر عددی دعوے کے لیے: 1) کیا یونٹ صاف ہے؟ 2) کیا ذریعہ بیان کیا گیا ہے؟ 3) کیا یہ قابل تصدیق ہے یا موضوعی/مبالغہ آمیز؟ غیر مصدقہ یا مبہم بیانات کو نشان زد کریں جیسے "ماحول دوست، سبز، قدرتی" اور ہر ایک کے لیے ٹھوس، قابل پیمائش متبادل تجویز کریں۔ متن: [TEXT]

مندرجہ ذیل پرامپٹ ایک مختصر پالیسی خاکہ تیار کرتا ہے جو تنظیم کے اندر AI کے استعمال کی حد کو واضح کرتا ہے۔

آپ کا کردار: ایک پائیدار ٹیم لیڈر۔ ٹاسک: ESG کے کام میں ٹیم کے AI کے استعمال کو کنٹرول کرنے والے 1 صفحات پر مشتمل داخلی پالیسی کا مسودہ لکھیں۔ شامل کریں:- وہ کام جہاں AI کو آزادانہ طور پر استعمال کیا جا سکتا ہے (آؤٹ لائن، خلاصہ، فارمیٹنگ) - ایسے کام جن کے لیے انسانی تصدیق کی ضرورت ہوتی ہے (نمبر، فیکٹر، معیاری انتساب، دعوی)- ڈیٹا کی قسمیں جو کبھی بھی AI میں داخل نہیں ہوں گی (ذاتی ڈیٹا، غیر ظاہر شدہ مالیاتی اثر) ٹون: واضح، بلٹ پوائنٹ، قابل اطلاق۔

مندرجہ ذیل پرامپٹ ایک چھوٹا "آڈٹ ٹریل" ٹیبل سکیلیٹن ترتیب دیتا ہے جسے ہر ای ایس جی ڈیلیوری ایبل میں شامل کیا جا سکتا ہے۔

عام غلطیاں

بغیر کسی ذریعہ کے نمبر کو قبول کرنا۔ YZ کی طرف سے دیا گیا ہر اخراج عنصر اور اعداد و شمار سرکاری ذریعہ سے تصدیق کیے بغیر رپورٹ میں شامل نہیں کیے گئے ہیں۔
یونٹ کو نظر انداز کرنا۔ اگر کلوگرام کو ٹن کے ساتھ، kWh کو MWh کے ساتھ الجھایا جائے، تو نتیجہ 1000 گنا کم ہو سکتا ہے۔
ان کی معیاری چالوں پر اندھا اعتماد کرنا۔ GRI/ESRS مادہ نمبروں کی تصدیق سرکاری دستاویز سے ہونی چاہیے۔
جیسا کہ ہے حساس ڈیٹا درج کرنا۔ ملازم اور سپلائر کا ڈیٹا عوامی ٹول کو بغیر گمنام کے فراہم نہیں کیا جاتا ہے۔
AI کو آڈیٹر کی جگہ پر رکھنا۔ AI ایک چیک لسٹ تیار کر سکتا ہے، لیکن یہ آزادانہ یقین دہانی فراہم نہیں کر سکتا۔

خلاصہ میں

AI ESG میں ایک طاقتور ڈرافٹنگ، ڈیٹا کیوریشن اور تجزیہ پارٹنر ہے۔ لیکن یہ کیلکولیٹر، ریگولیٹری ڈیٹا بیس یا آڈیٹر نہیں ہے۔ اس کی قیمت اس کی تصدیق سے معلوم ہوتی ہے۔ بنیادی ماخذ سے ہر نمبر کی تصدیق کرنا، ہر معیاری حوالہ کا سرکاری متن سے موازنہ کرنا، حساس ڈیٹا کو گمنام کرنا اور حتمی دعوے کی ذمہ داری انسان پر چھوڑنا اس ماڈیول کی مستقل ریڑھ کی ہڈی ہے۔ "روانی سے ظاہر ہونے" اور "آڈٹ پاس کرنے" کے درمیان فرق کو کبھی نہ بھولیں۔

درخواست کا کام

اپنی تنظیم (یا فرضی کمپنی) سے ماحولیاتی ڈیٹا کا ایک آئٹم منتخب کریں: مثال کے طور پر، ماہانہ بجلی کا بل۔ اوپر دیے گئے "پاور پرامپٹ" ٹیمپلیٹ کا استعمال کرتے ہوئے AI سے اسکوپ 2 کے اخراج اکاؤنٹنگ سکیلیٹن کی درخواست کریں۔ پھر: (1) اس کے استعمال کردہ اخراج کے عنصر کا ایک سرکاری ذریعہ سے موازنہ کریں، (2) یونٹس کی مستقل مزاجی کو چیک کریں، (3) ایک چھوٹا آڈٹ ٹریل ٹیبل لکھیں جس کی فہرست میں کن چیزوں کو "تصدیق کی ضرورت ہے"۔

چیک لسٹ

میں نے AI کی طرف سے دیے گئے ہر نمبر کی اکائی اور ماخذ پر سوال کیا۔
میں نے سرکاری ڈیٹا بیس سے اخراج کے عوامل کی تصدیق کی۔
میں نے سرکاری متن کے ساتھ معیاری (GRI/ESRS) نمبروں کی تصدیق کی ہے۔
میرے پاس گمنام یا جمع کردہ حساس/ذاتی ڈیٹا ہے۔
میں نے بغیر ثبوت کے بیانات کو نشان زد کیا جیسے "ماحول دوست، سبز، قدرتی"۔
میں نے ہر فیصلے کے لیے ایک آڈٹ ٹریل (ذریعہ، تاریخ، مفروضہ) رکھا۔
میں نے ایک ذمہ دار شخص کی نشاندہی کی ہے جو حتمی دعوے کی تصدیق کرتا ہے۔