收益：
- 能够区分 GRI、ESRS 和 ISSB 框架的重点（影响力、双重重要性、财务）并根据读者选择正确的框架
- 能够将材料主题映射到候选标准项目，并使用官方标准文本验证每个数字
- 能够建立交叉匹配，将单个数据连接到多个帧，并清楚地指示数据间隙而不隐藏它们
一旦公司收集了可持续发展数据，就必须根据国际公认的报告框架进行披露，而不是以任意的方式。框架是决定“报告哪个主题、如何报告、用什么指标”的共同语言；借助它，可以比较两家不同公司的报告。在本单元中，您将了解三大框架（GRI、ESRS/CSRD、ISSB），并根据这些框架学习如何安全地使用人工智能（AI）进行内容匹配。
我们简单介绍一下这三个框架。 GRI（全球报告倡议）是世界上使用最广泛的自愿性可持续发展报告标准系列；主要看公司对世界的影响。 ESRS（欧洲可持续发展报告标准）是欧盟在 CSRD 指令范围内要求的一套基于双重重要性的标准。 ISSB（国际可持续发展标准委员会）是一个发布 IFRS S1/S2 标准的国际委员会，重点关注投资者的财务重要性。
三个框架，三个视角
框架
谁把它摘下来了？
主要焦点
是强制性的吗？
灰色
GRI机构
公司对世界的影响
自愿的，很常见
ESRS/CSRD
欧盟/EFRAG
双重重要性（影响+财务）
欧盟强制要求
ISSB (IFRS S1/S2)
国际财务报告准则基金会
对投资者的财务重要性
国家采用
这些框架不是彼此的竞争对手，而是吸引不同读者的互补语言。大多数大公司收集一次数据并将其“映射”到多个框架。这就是AI的真正价值所在：它是向不同帧的项目编号推荐相同数据的快速助手。但它可以匹配项目编号，因此每次匹配都必须根据官方标准文本进行验证。
提示：您可以将框架与“哪个更好？”的问题进行比较。而不是“谁会读它？”选择 。如果您正在与投资者交谈，ISSB/财务重要性；如果您受欧盟法规的约束，则 ESRS 是强制性的；如果您向广泛的利益相关者传达您的影响，GRI 就会发挥强大作用。通常不止一种会一起使用。
GRI 标准的结构
GRI 按主题编号进行组织。举几个例子（一定要查看官方文本进行验证）：
- GRI 302 — 能源
- GRI 303 — 水和废水
- GRI 305 — 排放（空气）
- GRI 306 — 废物
- GRI 403 — 职业健康与安全
最常见的人工智能错误是将主题置于错误的数字下：例如，将水显示在 GRI 305（排放）下。水的等级为 GRI 303。只有官方标准列表才会发现此类错误。
一步一步：用 AI 进行框架匹配
1.基于重要性。一旦确定了要报告的主题（第 2 单元），请继续进行映射。
2、将数据推荐给标准项。要求 AI 将每个材料主题映射到相关的 GRI/ESRS 候选物质；但声明“这是一份提案草案”。
3. 用官方文本验证货号。通过 GRI 或 EFRAG 的官方文件确认每个建议的数字。检查数量和内容。
4. 找出差距。列出你想要标准但没有的数据（数据缺口）；这些要么被收集，要么被声明为“不可用”。
5. 设置交叉映射。准备一个表格，将相同的数据与 GRI、ESRS 和 ISSB 编号联系起来；因此您可以使用一份数据向多个框架报告。
弱提示/强提示
弱提示：
根据 GRI 对这些主题进行编号。
人工智能可能会产生看似合理但实际上是错误/捏造的数字；没有验证调用。
强力提示：
您的角色：报告框架专家。输入：我们的材料主题（能源、水、排放、职业安全、废物）。任务：为每个主题建议可能的 GRI 和 ESRS 候选物质。规则：- 为每个建议添加“必须验证”标签；不要声称确切的数字。 - 不要随意编造不确定的数字；写下“来自官方标准列表的确认”。 - 写下对水和排放等容易混淆的话题的歧视原因。输出：表（主题 | GRI 候选者 | ESRS 候选者 | 验证说明）。
提示输入多帧映射表
为以下材料主题构建多框架映射表支架。栏目： 主题 |数据项| GRI 艺术。 | ESRS 艺术。 | ISSB (S1/S2) | 源数据|是否有任何间隙？规则：- 将项目编号标记为“候选/待验证”。- 在没有数据的单元格中写入“数据间隙”。主题：[主题]
以下提示将生成报告差距分析。
您的角色：ESG 合规分析师。任务：将我们拥有的数据与我们选择的框架 (ESRS) 所需的解释进行比较，并进行差距分析。输出：需要解释|我们有吗？ |如果丢失了应该收集什么 | Responsible.Rule：对于你说“我们有”的每一行，写出来源；如果您不确定，请说“需要检查”。提醒我验证官方文本中的标准条款。条目：[可用数据列表]
注意：标准定期更新；项目编号、阈值和要求可能会发生变化。 AI 的训练数据可能反映的是过时的版本。始终使用适用的官方文本确认关键配对和义务决策。
三个迷你箱子
情况 1 — 号码错误。一家能源公司要求人工智能绘制 GRI 地图。 YZ 将其用水量标记为“GRI 305-8”。专家检查：水是GRI 303，GRI 305是空气排放，没有声明305-8。该数字已根据官方列表进行更正。
案例 2 — 一份数据包含多个报告。一家制造商收集了一次能源数据，并在人工智能的帮助下将其映射到 GRI 302、ESRS E1（气候）和 ISSB S2 要求。由于交叉表，数据是从单一来源提供的，而不是为三个单独的报告重新收集数据；每个数字均由官方文本确认。
情况 3 — 隐藏的空腔。一家公司没有按照 ESRS 的要求披露“范围 3 排放”。人工智能流利地写下了报告，“好像它已经完成了一样”，并且让差距变得看不见。当进行差距分析时，缺陷就暴露出来了；该报告并没有捏造数据，而是诚实地解释说“范围 3 数据将于 2025 年收集”。
常见错误
- 未验证商品编号。未经官方文本确认，不得使用 GRI/ESRS/ISSB 编号。
- 混合帧。假设 GRI 的影响重点和 ISSB 的财务重点相同会导致错误的解释。
- 依赖旧版本。标准更新；当前的文本至关重要。
- 隐藏数据缺口。有必要把缺失的数据写清楚，而不是“写得好像很完整”。
- 水/排放等令人困惑的问题。看起来相似的主题属于不同的项目编号。
综上所述
报告框架是将可持续发展数据转化为通用可比较语言的结构：GRI着眼于影响，ISSB着眼于财务，ESRS着眼于双重重要性。 AI是快速将相同数据映射到不同框架项目的有力助手；但可能会伪造项目编号并反映旧版本。使用其官方规范文本验证每个映射，由读者选择框架，不要隐藏数据间隙。使用单个数据向多个框架报告是高效的；但只有当每个数字都得到确认时才是安全的。
应用任务
选择五个实质性主题（例如能源、水、排放、废物、职业安全）。通过上面的多帧匹配提示向AI请求GRI/ESRS/ISSB候选表。然后：（1）用官方文本验证至少三个项目编号，（2）检查水和排放物是否正确分离，（3）将您缺少的数据写入空白列表。
清单
- [ ] 我将每个材料主题映射到相关的框架文章。
- [ ] 我用官方 (GRI/EFRAG/ISSB) 文本验证了商品编号。
- [ ] 我根据读者群（投资者/利益相关者/监管者）选择了该框架。
- [ ] 我已经正确区分了容易混淆的主题，例如水/排放。
- [ ] 我已经清楚地列出了数据差距，没有隐藏它们。
- [ ] 我已确认我正在使用当前版本的标准。
- [ ] 我设置了一个将单个数据连接到多个框架的交叉表。