Quy trình làm việc ESG từ đầu đến cuối, Quản trị dữ liệu, Đạo đức và Cổng chất lượng

Lợi nhuận:

• Khả năng thiết lập quy trình ESG gồm tám bước từ tính trọng yếu đến xuất bản với các cổng chất lượng với nhịp điệu 'trí tuệ nhân tạo tạo ra → con người xác minh → đi qua cổng'
• Khả năng bảo vệ dữ liệu tài chính cá nhân và không được tiết lộ bằng cách phân loại dữ liệu ESG là miễn phí/nội bộ/bí mật
• Khả năng chịu trách nhiệm cuối cùng và gắn tên chịu trách nhiệm cũng như hồ sơ phê duyệt cho mỗi ấn phẩm mà không cần dựa vào lời bào chữa 'AI đã nói'

Trong mười đơn vị trước, chúng tôi đã đề cập riêng từng phần của ESG và hoạt động kinh doanh bền vững: mục nhập và ranh giới, tính trọng yếu, thu thập dữ liệu, tính toán lượng carbon, khuôn khổ báo cáo, chuỗi cung ứng, thông tin liên lạc với các bên liên quan, viết báo cáo, đảm bảo và rửa xanh. Trong phần cuối cùng này, chúng ta sẽ ghép các phần lại với nhau và thiết lập một quy trình làm việc hoàn thiện: ở đâu, như thế nào và với cổng bảo mật nào để sử dụng trí tuệ nhân tạo (AI) ở mỗi bước từ xác định sứ mệnh bền vững cho đến xuất bản. Chúng tôi cũng sẽ đưa việc quản trị dữ liệu, quyền riêng tư và trách nhiệm đạo đức vào một khuôn khổ duy nhất.

Hãy lặp lại một lần nữa xương sống cố định của mô-đun: AI; Nó là một trợ lý viết mã, sắp xếp dữ liệu, tạo bản nháp và tóm tắt. Độ chính xác của con số, xác nhận yếu tố, kiểm soát tiêu chuẩn, bằng chứng khẳng định và trách nhiệm cuối cùng luôn thuộc về chuyên gia có thẩm quyền. Đơn vị này biến nguyên tắc này thành quy trình làm việc và danh sách kiểm tra hàng ngày.

Quy trình làm việc ESG từ đầu đến cuối

Hãy xem xét chu trình báo cáo phát triển bền vững theo tám bước:

1. Phạm vi và tính trọng yếu - Những chủ đề nào là trọng yếu? (Đơn vị 2)
2. Thu thập dữ liệu - Nguồn, đơn vị, dấu vết kiểm toán. (Đơn vị 3)
3. Tính toán - Carbon và các số liệu khác với các hệ số đã được xác minh. (Đơn vị 4)
4. So khớp khung - các chất GRI/ESRS/ISSB, xác nhận bằng văn bản chính thức. (Đơn vị 5)
5. Chuỗi cung ứng - Phạm vi 3 và thẩm định. (Đơn vị 6)
6. Viết và giao tiếp - Báo cáo cân bằng, có bằng chứng và thông điệp của các bên liên quan. (Đơn vị 7-8)
7. Chuẩn bị đảm bảo - Chuỗi bằng chứng và chuẩn bị kiểm toán. (Đơn vị 9)
8. Kiểm tra yêu cầu bồi thường - Sàng lọc và phê duyệt phát hành Greenwashing. (Đơn vị 10)

Ở mỗi bước, AI là một máy gia tốc; Nhưng ở đầu ra của mỗi bước đều có một cổng chất lượng - một điểm kiểm tra phải được vượt qua trước khi chuyển sang bước tiếp theo. Đầu ra không qua cửa thì không tiến triển.

bước

AI làm gì?

Cổng chất lượng

tính vật chất

Đề cử chủ đề, phân tích chủ đề

Tác động+khía cạnh tài chính Sự chấp thuận của con người

dữ liệu

Cấu hình, chuyển đổi đơn vị

Xác minh nguồn và khối lượng

tài khoản

Công thức, giàn giáo mã

Yếu tố được xác nhận từ nguồn chính thức

Kết hợp

Bài viết gợi ý

Kiểm tra hình ảnh với văn bản tiêu chuẩn của nó

đánh vần

dự thảo, tóm tắt

Sắp xếp các khiếu nại không có bằng chứng

yêu sách

Quét tẩy xanh

Ấn phẩm được con người chứng nhận

Mẹo: Thiết lập quy trình làm việc theo nhịp điệu “AI tạo ra → con người xác minh → bước qua cửa”. Trước khi chuyển từng đầu ra AI sang bước tiếp theo, hãy hỏi: “Phần nào của đầu ra này không thể tiếp tục nếu không xác thực?” Phần đó chính là cổng chất lượng của bước đó.

Quản trị dữ liệu và quyền riêng tư

Dữ liệu ESG thường nhạy cảm: dữ liệu về giới tính và tiền lương của nhân viên, điều khoản hợp đồng với nhà cung cấp, tác động tài chính chưa được tiết lộ, dữ liệu sản xuất cấp cơ sở. Cần phải phân loại những thứ này trước khi đưa chúng vào một công cụ AI công khai. Quản trị dữ liệu là “ai có thể sử dụng dữ liệu nào, như thế nào và bằng công cụ nào?” Câu hỏi gắn liền với quy tắc.

Phân loại đơn giản:

• Miễn phí: Dữ liệu đã có sẵn công khai (báo cáo đã xuất bản). Nó có thể được trao cho AI.
• Sử dụng nội bộ: Dữ liệu nội bộ không có giá trị thương mại. Cẩn thận trên xe của công ty.
• Bảo mật: Bí mật thương mại, tác động tài chính không được tiết lộ, dữ liệu cá nhân (KVKK/GDPR). Nó không được trao cho AI mà không có phương tiện ẩn danh hoặc thể chế (không rò rỉ).

Vai trò của bạn: cố vấn quản trị dữ liệu. Nhiệm vụ: phân loại các mục dữ liệu sau là "miễn phí / sử dụng nội bộ / bí mật" và viết hành động được đề xuất cho từng mục bí mật (ẩn danh / tổng hợp / công cụ doanh nghiệp / hoàn toàn không đưa ra). Quy tắc: nếu không chắc chắn, hãy đặt thêm lớp bảo vệ. Mục: [DỮ LIỆU CÁ NHÂN VÀ TÀI CHÍNH]

Dấu nhắc yếu / Dấu nhắc mạnh

Cách bạn giao nhiệm vụ cho một công cụ sẽ thay đổi hoàn toàn rủi ro về quyền riêng tư.

Dấu nhắc yếu:

Phân tích bảng lương nhân viên và cơ sở sản xuất đó, đưa ra bản tóm tắt ESG.

Xuất trực tiếp dữ liệu bí mật cá nhân và bí mật thương mại sang một công cụ mở; Không có bước phân loại, ẩn danh và xác nhận.

Lời nhắc mạnh mẽ:

Vai trò của bạn: Nhà phân tích ESG nhạy cảm với quản trị dữ liệu. Tôi CHỈ cung cấp cho bạn dữ liệu tổng hợp, không có bí mật cá nhân/thương mại. Nhiệm vụ: phân tích các chỉ số tóm tắt sau. Quy tắc:- KHÔNG có tên cá nhân, mức lương, ID hoặc tác động tài chính không được tiết lộ trong dữ liệu; Nếu bạn thấy trường như vậy, hãy nói "DỮ LIỆU BÍ MẬT - không xử lý, hãy cảnh báo". - Không thêm số mới vào kết quả; chỉ cần làm theo bản tóm tắt tôi đã đưa ra. - Thêm ghi chú "cần có sự phê duyệt của con người" ở cuối đầu ra. Dữ liệu (tổng hợp): [CHỈ SỐ TÓM TẮT]

Thận trọng: "AI nói" không phải là cách bào chữa. Trách nhiệm đối với số liệu không chính xác, khiếu nại không có căn cứ hoặc dữ liệu bí mật bị rò rỉ trong báo cáo ESG thuộc về tổ chức và người phê duyệt báo cáo đó. Khi bạn sử dụng AI, bạn không chuyển giao trách nhiệm; Bạn sẽ chỉ tăng tốc công việc.

Lời nhắc cổng chất lượng từ đầu đến cuối

Lời nhắc sau sẽ chạy tất cả các bước thông qua một lần kiểm tra trước khi xuất bản.

Vai trò của bạn: Nhân viên đảm bảo chất lượng ESG. Nhiệm vụ: chuyển phần báo cáo sau qua cổng chất lượng từ đầu đến cuối. Cho mỗi mục “đạt/không đạt” và ghi lý do nếu không đạt: 1) Nguồn và đơn vị của từng số có được nêu rõ không? 2) Hệ số phát thải có từ nguồn chính thức không? 3) Số mặt hàng tiêu chuẩn có được xác minh không? 4) Các proxy/ước tính có được đánh dấu không? 5) Có bất kỳ tuyên bố nào chứa đựng sự tẩy rửa xanh không? 6) Có rò rỉ dữ liệu bí mật/cá nhân không? 7) Tên chịu trách nhiệm phê duyệt cuối cùng được giao?Phần: [CHƯƠNG]

Lời nhắc sau đây sẽ chuyển đổi toàn bộ mô-đun thành chính sách doanh nghiệp.

Vai trò của bạn: trưởng nhóm phát triển bền vững. Nhiệm vụ: viết chính sách nội bộ dài 1 trang quản lý việc sử dụng AI của nhóm trong công việc ESG. Bao gồm: - Các nhiệm vụ mà AI có thể được sử dụng tự do (dự thảo, tóm tắt, mã, phân tích chủ đề) - Các nhiệm vụ yêu cầu xác minh của con người (yếu tố, tiêu chuẩn, yêu cầu, phạm vi) - Các loại dữ liệu sẽ không bao giờ được cung cấp cho AI (cá nhân, tài chính không được tiết lộ) - Các bước cổng chất lượng phải được thông qua trước mỗi lần phát hành Giọng điệu: rõ ràng, dấu đầu dòng, có thể áp dụng.

ba trường hợp nhỏ

Trường hợp 1 - Báo cáo từ cửa trở về. Một nhóm cho rằng họ đã hoàn thành tất cả các bước và báo cáo đã sẵn sàng để xuất bản. Lời nhắc về cổng chất lượng cuối cùng bao gồm tuyên bố “khả năng phục hồi 78%” không có nguồn gốc và tuyên bố “trung tính carbon” trong một phần. Việc xuất bản đã bị dừng trước khi được sửa chữa; Cánh cửa đã giữ lỗi trước khi nó được công khai.

Trường hợp 2 - Ngăn chặn rò rỉ dữ liệu bí mật. Nhà phân tích sẽ dán dữ liệu tác động tài chính hàng quý chưa được công bố vào một công cụ phân tích công khai. Lời nhắc phân loại dữ liệu đã gắn cờ nó là “bí mật—tài chính không được tiết lộ”. Dữ liệu lần đầu tiên được tổng hợp rồi xử lý trong công cụ doanh nghiệp; Một hành vi vi phạm pháp luật có thể đã được ngăn chặn.

Trường hợp 3 - Chịu trách nhiệm. Sau khi một báo cáo được công bố, một bên liên quan đã đặt câu hỏi về một con số. Nhóm không nói "AI đã tính toán"; đã mở quá trình kiểm tra, trích dẫn nguồn, sửa một chút và giải thích minh bạch. Thái độ này, không dựa vào lời biện hộ của "AI say", đã bảo toàn được niềm tin.

Những lỗi thường gặp

• Tiến về phía trước mà không có cánh cửa chất lượng. Nếu việc xác minh không được thực hiện ở cuối mỗi bước, lỗi sẽ tích lũy cho đến cuối.
• Cung cấp dữ liệu cho xe mà không phân loại nó. Dữ liệu cá nhân và bí mật không thể được nhập vào AI công khai mà không ẩn danh.
• Chuyển giao trách nhiệm cho AI. “AI đã nói” không phải là lời bào chữa mang tính pháp lý hay chuyên nghiệp.
• Bước suy nghĩ bị cô lập. Tính trọng yếu, dữ liệu, tính toán và yêu cầu bồi thường có mối liên hệ với nhau; Một cái bị hư thì tất cả đều bị ảnh hưởng.
• Không phân công người chịu trách nhiệm phê duyệt xuất bản. Đằng sau mỗi tuyên bố công khai phải có một con người.

Tóm lại

Hoạt động kinh doanh ESG là một chuỗi gồm tám bước được kết nối với nhau và AI là công cụ tăng tốc ở mỗi bước; Nhưng ở đầu mỗi bước đều có một cánh cửa chất lượng. Nhịp điệu “AI tạo ra → con người xác minh → đi qua cửa” kết hợp tất cả các bài học của học phần này thành một môn học duy nhất. Phân loại dữ liệu và bảo vệ tính bảo mật, xác nhận yếu tố và tiêu chuẩn từ nguồn chính thức, liên kết tuyên bố với bằng chứng, loại bỏ việc tẩy rửa trước khi xuất bản và giao trách nhiệm cuối cùng cho con người. AI tăng tốc công việc; Bạn thừa nhận sự chính xác, trung thực và trách nhiệm. Tiêu chí của nghề này không phải là “có vẻ thông thạo” mà là “vượt qua cuộc kiểm tra và được chứng minh”.

Nhiệm vụ ứng dụng

Kết hợp các sản phẩm bạn đã tạo ra trong các đơn vị trước đó (danh sách trọng yếu, tài khoản carbon, phần báo cáo) vào một báo cáo nhỏ. Hãy xem qua báo cáo nhỏ này gồm 7 mục với lời nhắc về cổng chất lượng toàn diện ở trên từ AI. Sau đó: (1) sửa từng mục được đánh dấu "PHÁT HÀNH", (2) phân loại và thực hiện hành động đối với tất cả dữ liệu bí mật/cá nhân, (3) thêm tên chịu trách nhiệm và ghi chú phê duyệt để xuất bản.

danh sách kiểm tra

• [ ] Tôi thiết lập quy trình làm việc với nhịp điệu “AI tạo ra → con người xác minh → đi qua cửa”.
• [ ] Tôi đã triển khai một cổng chất lượng ở đầu mỗi bước.
• [ ] Tôi đã phân loại tất cả dữ liệu là miễn phí/nội bộ/bí mật và bảo vệ tính bảo mật.
• [ ] Tôi đã xác nhận các yếu tố và mặt hàng tiêu chuẩn từ nguồn chính thức.
• [ ] Tôi ủng hộ mọi tuyên bố bằng bằng chứng, loại bỏ việc tẩy xanh trước khi xuất bản.
• [ ] Tôi đã nhận trách nhiệm mà không dựa vào lời biện hộ của "AI đã nói".
• [ ] Tôi đã đặt tên chịu trách nhiệm và hồ sơ phê duyệt cho việc xuất bản.

Thi học phần

1. Điều nào sau đây là vị trí tốt nhất cho AI trong hoạt động kinh doanh ESG và tính bền vững?

• A) Trí tuệ nhân tạo là trợ thủ về mã, dữ liệu và bản thiết kế; Trách nhiệm về các yếu tố, tiêu chuẩn, bằng chứng và quyết định đạo đức thuộc về con người ✔
• B) Trí tuệ nhân tạo là một kiểm toán viên và các giá trị ESG mà nó cung cấp là sự thay thế cho sự đảm bảo độc lập
• C) Trí tuệ nhân tạo chỉ có tác dụng viết báo cáo, không liên quan gì đến dữ liệu và tính toán
• D) Vì AI vô tư hơn con người nên mọi quyết định về ESG nên được giao cho nó

Mô tả: Trí tuệ nhân tạo; Nó là một trợ lý viết mã, sắp xếp dữ liệu, tạo bản nháp và tóm tắt. Tuy nhiên, trách nhiệm cuối cùng trong việc xác nhận hệ số phát thải, kiểm tra số chất tiêu chuẩn, chứng minh từng tuyên bố thuộc về chuyên gia có thẩm quyền. Mô hình ngôn ngữ lớn không phải là một máy tính, cơ sở dữ liệu quy định/tiêu chuẩn hoặc công cụ kiểm tra; là một trình tạo văn bản tạo ra 'từ có khả năng xảy ra tiếp theo nhất' và kết quả đầu ra chưa được xác minh của nó có thể dẫn đến báo cáo hoặc xác nhận sai.

2. Khía cạnh 'tác động trọng yếu' của một vấn đề có ý nghĩa gì trong phân tích trọng yếu kép?

• A) Tác động của đợt phát hành này tới lợi nhuận và giá trị cổ phiếu của công ty
• B) Rủi ro tài chính của đợt phát hành chỉ dành cho nhà đầu tư
• C) Hiệu suất của các công ty đối thủ trong cùng một chủ đề
• D) Tác động của hoạt động công ty đến môi trường và xã hội ✔

Mô tả: Vật chất kép nhìn qua hai thấu kính. Tính trọng yếu về mặt tài chính là tác động của một phát hành đối với dòng tiền và giá trị của công ty ('từ trong ra ngoài'). Tính trọng yếu của tác động là tác động của các hoạt động của công ty đến môi trường và xã hội (“từ trong ra ngoài”). CSRD/ESRS thực thi cả hai khía cạnh; Vì trí tuệ nhân tạo thường chỉ chuyển sang hướng tài chính nên hướng tác động phải được con người kiểm soát thêm.

3. Cách tiếp cận đúng khi thu thập dữ liệu năng lượng tính bằng kWh, MWh và GJ từ các cơ sở khác nhau là gì?

• A) Bỏ qua các đơn vị và thêm trực tiếp tất cả các số
• B) Dựa vào trí tuệ nhân tạo để thu thập danh sách dài trong đầu
• C) Chuyển đổi tất cả các giá trị thành một đơn vị và thực hiện chuyển đổi và tính tổng bằng mã/công thức ✔
• D) Lựa chọn đơn vị lớn nhất và không báo cáo các cơ sở khác

Giải thích: Việc rời bỏ đơn vị là lỗi thường gặp và nguy hiểm nhất của ESG; Vì 1 MWh = 1.000 kWh nên nếu bỏ qua đơn vị, kết quả có thể sai lệch theo hệ số 1.000. Cách tiếp cận đúng là chuyển đổi tất cả các giá trị thành một đơn vị duy nhất và nhờ trí tuệ nhân tạo thực hiện việc chuyển đổi này và tính tổng bằng mã/công thức thực thi chứ không phải theo cách thủ công; do đó kết quả là xác định và có thể kiểm chứng được.

4. Phạm vi nào bao gồm lượng khí thải phát sinh từ việc sản xuất điện mua theo Nghị định thư GHG?

• A) Phạm vi 1
• B) Phạm vi 2 ✔
• C) Phạm vi 3
• D) Nó không được bao gồm trong bất kỳ phạm vi nào và không được báo cáo

Mô tả: Phạm vi 1 là phát thải trực tiếp từ các nguồn riêng của tổ chức (nồi hơi, xe công ty, máy phát điện). Phạm vi 2 là phát thải gián tiếp từ việc sản xuất năng lượng mua (điện, hơi nước, sưởi ấm, làm mát). Phạm vi 3 bao gồm tất cả các phát thải gián tiếp khác trong chuỗi giá trị (cung cấp, đi lại, sử dụng sản phẩm, chất thải). Điện không thoát ra từ ống khói của công ty mà nhà máy điện sản xuất ra nó lại thải ra khí thải; vậy nó là Phạm vi 2.

5. Khái niệm nào được sử dụng khi chuyển đổi một loại khí nhà kính như metan (CH₄) thành CO₂e và tại sao nó lại quan trọng?

• A) GWP (tiềm năng nóng lên toàn cầu); nếu bỏ qua, hiệu ứng metan/N₂O sẽ bị đánh giá thấp hơn rất nhiều ✔
• B) AQI (chỉ số chất lượng không khí); xác định màu của chất khí trong không khí
• C) GRI (sáng kiến báo cáo); xác định chất mà khí sẽ được báo cáo
• D) Không yêu cầu hệ số; khí mêtan đếm 1 đến 1 trực tiếp như CO₂

Mô tả: GWP (Tiềm năng nóng lên toàn cầu) là hệ số chuyển đổi hiệu ứng nhiệt của các loại khí nhà kính khác nhau thành một đơn vị chung so với CO₂. GWP 100 năm của khí mêtan là khoảng 28; Vậy 1 tấn metan có nghĩa là khoảng 28 tấn CO₂e. Nếu bỏ qua GWP, tác động của các loại khí mạnh như metan và N₂O sẽ bị đánh giá thấp rất nhiều và việc kiểm kê sẽ hoàn toàn không chính xác; Cũng cần nêu rõ bộ GWP nào (ví dụ: IPCC AR6, 100 năm) được sử dụng.

6. Cách tiếp cận nào đúng khi tính 'dữ liệu hoạt động × hệ số phát thải' trong kiểm kê khí nhà kính?

• A) Sử dụng hệ số mà trí tuệ nhân tạo ghi nhớ và thực hiện tổng số theo cách thủ công
• B) Đếm tất cả các khí dưới dạng CO₂ và hệ số bỏ qua và chuyển đổi GWP
• C) Sử dụng hệ số mặc định chính xác cho từng quốc gia, năm và nhiên liệu
• D) Xác nhận hệ số từ nguồn chính thức theo quốc gia, năm và lập giàn tính toán, tổng bằng mã ✔

Mô tả: Hệ số phát thải thay đổi tùy theo quốc gia, năm và nhiên liệu; “Nhắc nhở” AI tạo ra nguy cơ bịa chuyện (ảo giác). Yếu tố này phải luôn được xác nhận từ một bảng chính thức (IPCC, DEFRA/EPA, IEA, kiểm kê quốc gia); Chỉ có việc phân tách phạm vi, giàn giáo kế toán và tổng mã mới phải được thực hiện bằng trí tuệ nhân tạo. Tổng số nhiều hàng được thực hiện bằng mã thực thi chứ không phải theo cách thủ công.

7. Hành vi đúng đối với số chất tiêu chuẩn GRI/ESRS (ví dụ: 'GRI 305 cho mức tiêu thụ nước') do AI đề xuất là gì?

• A) Viết số trực tiếp vào báo cáo vì trí tuệ nhân tạo gợi ý
• B) Số hạng mục không quan trọng; bất kỳ có thể được viết
• C) Xác minh số lượng và nội dung của nó bằng văn bản tiêu chuẩn chính thức, xác nhận trong trường hợp là giả mạo/lỗi thời ✔
• D) Vì lượng khí thải vào nước và không khí là tương tự nhau nên hãy báo cáo chúng trong cùng một bài báo

Mô tả: Trí tuệ nhân tạo có thể tạo ra các con số tiêu chuẩn có vẻ như thật nhưng có nội dung sai hoặc hoàn toàn bịa đặt; Ngoài ra, các tiêu chuẩn được cập nhật và phiên bản mà mô hình biết có thể đã lỗi thời. Ví dụ: nước được báo cáo theo GRI 303, trong khi GRI 305 là khí thải. Vì vậy, mỗi số lượng và hàm lượng chất không thể được sử dụng nếu không được xác minh bằng văn bản tiêu chuẩn chính thức (GRI/EFRAG/ISSB).

8. Nếu hầu hết các nhà cung cấp trong chuỗi cung ứng không có dữ liệu về lượng carbon thực tế thì đâu là cách tiếp cận đúng đắn và trung thực cho Phạm vi 3?

• A) Sử dụng trực tiếp các con số do trí tuệ nhân tạo tạo ra cho nhà cung cấp
• B) Bỏ qua hoàn toàn Phạm vi 3 vì nó 'khó đo lường'
• C) Sử dụng những dữ liệu thật, đánh dấu rõ ràng proxy cho những dữ liệu không có ✔
• D) Áp dụng proxy cho tất cả các nhà cung cấp và giấu nó trong báo cáo

Mô tả: Phạm vi 3 là hạng mục lớn nhất nhưng khó đo lường nhất của hầu hết các công ty. Đối với các nhà cung cấp cung cấp dữ liệu thực tế, dữ liệu đó sẽ được sử dụng; Đối với những người không cung cấp nó, có thể sử dụng proxy (ước tính) dựa trên chi tiêu. Điều quan trọng là không che giấu đại diện: báo cáo phải nêu rõ phần và tỷ lệ ước tính được sử dụng. Proxy bị xáo trộn có thể dẫn đến việc từ chối đảm bảo độc lập; Việc bỏ qua hoàn toàn Phạm vi 3 vì lý do “khó đo lường” cũng là sai lầm.

9. AI gắn cờ một nhà cung cấp là 'có thể bị cưỡng bức lao động' chỉ dựa trên mức trung bình của quốc gia. Hành vi đúng đắn là gì?

• A) Chấp nhận tín hiệu làm bằng chứng và ngay lập tức công khai cắt đứt quan hệ với nhà cung cấp
• B) Viết khẳng định trực tiếp vào báo cáo vì trí tuệ nhân tạo đã nói như vậy
• C) Hoàn toàn bỏ qua các tín hiệu rủi ro và không kiểm tra chúng
• D) Coi tín hiệu là 'cảnh báo cần điều tra' và xác nhận tín hiệu đó bằng kiểm tra hiện trường và nguồn đáng tin cậy ✔

Giải thích: Không thể chứng minh những cáo buộc nghiêm trọng như vi phạm nhân quyền bằng tín hiệu do trí tuệ nhân tạo tạo ra. Tín hiệu như vậy chỉ đơn thuần là một 'cảnh báo cần được kiểm tra'; Sử dụng nó như một lời buộc tội dứt khoát vừa không công bằng vừa rủi ro về mặt pháp lý. Những tuyên bố như vậy chỉ được xác nhận bởi một nguồn đáng tin cậy, kiểm tra hiện trường và quy trình pháp lý. Trí tuệ nhân tạo tạo ra tín hiệu; Con người đảm nhận sự phán xét và trách nhiệm.

10. Biện pháp phòng ngừa quan trọng nhất khi phân tích hàng trăm phản hồi văn bản tự do từ cuộc khảo sát các bên liên quan bằng AI là gì?

• A) Yêu cầu các tín hiệu hiếm nhưng có tầm quan trọng cao (an toàn/đạo đức/môi trường) riêng biệt và không làm lu mờ chúng ✔
• B) Chỉ chọn các chủ đề có tần suất cao nhất, loại bỏ các quan điểm thiểu số
• C) Giảm tất cả các câu trả lời thành một bản tóm tắt tích cực duy nhất và bỏ qua các chi tiết
• D) Chấp nhận tóm tắt của trí tuệ nhân tạo thay vì đáp án thô

Mô tả: Trí tuệ nhân tạo khuếch đại tiếng nói của đa số và triệt tiêu tiếng nói của thiểu số trong phân tích chuyên đề. Tuy nhiên, tín hiệu có giá trị nhất về tính bền vững đôi khi là vấn đề nghiêm trọng về an toàn, đạo đức hoặc môi trường do một cá nhân lên tiếng. Vì vậy, bản phân tích hỏi 'điều gì được nói thường xuyên nhất?' Nó không kết thúc bằng; Các tín hiệu 'hiếm nhưng có ý nghĩa cao' phải được yêu cầu riêng biệt và nên sử dụng các phản hồi thô thay vì thay thế cho bản tóm tắt.

11. Cách hiệu quả nhất để ngăn chặn việc rò rỉ số, chỉ tiêu giả vào văn bản khi viết phần báo cáo cho trí tuệ nhân tạo là gì?

• A) Tạo ra toàn bộ báo cáo ngay lập tức bằng cách nói 'viết một văn bản phù hợp'
• B) Chỉ cung cấp dữ liệu đã được xác minh và cấm rõ ràng việc tạo số/xác nhận quyền sở hữu mới ✔
• C) Kiểm tra mức độ trôi chảy và ấn tượng của văn bản và xuất bản nó
• D) Cho phép AI điền dữ liệu còn thiếu bằng những dự đoán hợp lý

Mô tả: Trí tuệ nhân tạo tạo ra các con số và mục tiêu mà bạn thực sự không có, sử dụng logic 'đây là những gì các báo cáo tương tự đã nói' trong một dấu nhắc trống. Biện pháp phòng ngừa hiệu quả nhất là chỉ cung cấp cho nó dữ liệu đã được xác minh và 'không thêm số, tỷ lệ phần trăm, ngày tháng hoặc tuyên bố nào khác ngoài dữ liệu tôi đã cung cấp cho bạn; Đó là nêu rõ quy tắc 'ghi [DỮ LIỆU BẮT BUỘC] vào chỗ còn thiếu'. Ngoài ra, báo cáo phải được in từng phần, kèm theo dữ liệu.

12. Kiểm toán viên đảm bảo độc lập cân nhắc điều gì đầu tiên khi xem xét báo cáo phát triển bền vững?

• A) Báo cáo được viết trôi chảy và chuyên nghiệp như thế nào
• B) Mỗi vấn đề có một chuỗi bằng chứng có thể truy nguyên từ tài liệu nguồn ✔
• C) Trí tuệ nhân tạo cho biết 'báo cáo đã sẵn sàng để kiểm toán'
• D) Làm cho báo cáo có vẻ quyết đoán hơn đối thủ cạnh tranh

Giải thích: Giám khảo không quan tâm đến tính trôi chảy của văn bản mà quan tâm đến chuỗi bằng chứng đằng sau mỗi tuyên bố; Câu hỏi đầu tiên của anh ấy là 'chứng minh số này'. Nó được kiểm tra xem một số đến từ tài liệu nguồn nào, công thức và yếu tố nào mà nó biến thành một báo cáo và liệu nó có thể được lặp lại một cách độc lập hay không. Do đó, mỗi số liệu vật liệu phải được truy xuất nguồn gốc, các yếu tố phải được xác minh từ nguồn chính thức và phải chỉ định các proxy; Trí tuệ nhân tạo thực hiện việc chuẩn bị này nhưng không thể đưa ra sự đảm bảo.

13. Tuyên bố nào về môi trường sau đây có nguy cơ tẩy xanh thấp nhất?

• A) 'Chúng tôi đã giảm 18% lượng khí thải sản xuất vào năm 2023 (có xác minh của bên thứ ba)' ✔
• B) 'Sản phẩm của chúng tôi hoàn toàn thân thiện với môi trường và tự nhiên'
• C) 'Công ty chúng tôi trung hòa carbon' (không cung cấp bất kỳ tài liệu hoặc dữ liệu nào)
• D) 'Chúng tôi là công ty bền vững nhất và gần như không có tác động trong ngành'

Giải thích: Một tuyên bố tốt về môi trường là có thể đo lường được (chứa một con số), được chứng minh (dựa trên bằng chứng) và phạm vi rõ ràng (rõ ràng cái gì đang được so sánh với cái gì và khi nào). 'Chúng tôi đã giảm 18% lượng khí thải sản xuất vào năm 2023 (với sự xác minh của bên thứ ba)' có ba đặc điểm này. Các cụm từ như 'thân thiện với môi trường', 'tự nhiên', 'trung tính carbon' không được chứng nhận là không thể định lượng hoặc không có căn cứ và có nguy cơ tẩy xanh.

14. Cần làm gì trước khi dán dữ liệu phát thải và sản xuất chưa được tiết lộ của cơ sở vào công cụ AI có sẵn công khai để phân tích?

• A) Dán dữ liệu nguyên trạng; dữ liệu môi trường luôn được công khai
• B) Đưa ra mà không đề phòng vì trách nhiệm được chuyển cho nhà cung cấp trí tuệ nhân tạo
• C) Rủi ro chỉ là tính toán sai lầm; Biện pháp bảo mật là không cần thiết
• D) Phân loại dữ liệu là dữ liệu miễn phí/nội bộ/bí mật và ẩn danh dữ liệu bí mật hoặc sử dụng các công cụ của công ty ✔

Tiết lộ: Dữ liệu phát thải và sản xuất ở cấp nhà máy có thể là bí mật thương mại; dữ liệu tài chính/môi trường chưa được tiết lộ có thể vi phạm các quy định về tiết lộ thông tin; Dữ liệu vị trí/lương của nhân viên là dữ liệu cá nhân trong phạm vi KVKK/GDPR. Trước khi cung cấp loại dữ liệu này cho một công cụ mở, cần phải phân loại nó là miễn phí/nội bộ/bí mật, ẩn danh nó nếu cần thiết hoặc sử dụng công cụ của công ty (không có dữ liệu). 'AI nói' không phải là lời bào chữa; Trách nhiệm thuộc về cơ quan và người phê duyệt.