收益：
- 能够隔离罕见但非常重要的信号，同时通过人工智能的主题和情感分析处理数百个利益相关者的意见
- 能够仅使用经过验证的数据，以具体、来源和平衡的语言（传达困难和成功）向利益相关者解释
- 能够消除沟通文本中不可估量和夸张的表达，并使信息适应目标利益相关者受众
可持续性不仅仅是会计和报告的问题；更是一个问题。这也是一个沟通的问题。公司的员工、客户、投资者、供应商、当地人和监管机构都想知道、质疑并影响公司的可持续发展绩效。所有这些各方都称为利益相关者，与他们建立的结构化对话称为利益相关者参与。在本单元中，您将学习如何使用人工智能 (AI) 收集利益相关者的意见、分析这些意见，并以透明、低调的语言做出回应。
利益相关者参与是一个双向过程：一方面，您倾听利益相关者的意见（调查、访谈、研讨会），另一方面，您对他们做出回答（报告、声明、回应）。人工智能是两个方向的加速器；但它存在两个主要风险：（1）在分析利益相关者的观点时，它可能会掩盖少数但批评性的声音；（2）在给予责任时，它可能会产生夸大的、洗绿的语言。本单元教您准确管理这两种风险。
倾听利益相关者的意见：意见分析
重要性调查或客户满意度研究会产生数百甚至数千个自由文本回复。手写阅读它们需要几天的时间。人工智能可以将这些反应分解为主题并快速提取关键趋势；这称为主题分析或情感分析——衡量文本的积极/消极语气。
但这里有一个关键的陷阱：人工智能放大了大多数人的声音，压制了少数人的声音。然而，可持续发展中最有价值的信号有时是一个人提出的严重安全或道德问题。因此，分析会问“最常说的是什么？”它并没有结束于； “什么是少说但重要的？”以问题结束。
分析类型
人工智能的贡献
男人的角色
主题区分
按主题划分答案
检查主题的准确性
情感分析
测量正/负音调
解释上下文和讽刺
频率计数
统计有多少人说了些什么
寻找低频关键声音
总结
缩短长文本
检查是否变形/缺失
提示：在意见分析中，始终要求人工智能提供两个单独的输出：（1）最常见的主题及其频率，（2）“罕见但高风险”信号（安全、道德、法律、环境违规）。如果没有第二个列表，分析可能会错过最重要的警告。
对利益相关者负责：透明的语言
工作的第二个方面是向利益相关者介绍你的表现。这里最大的危险是人工智能产生了听起来好听但空洞的语言：“我们热情地致力于自然”、“我们关心未来”、“领先的可持续发展之旅”。这些陈述无法衡量、无法证明，并且会削弱利益相关者的信任。良好的利益相关者沟通具有三个特征：具体（包括数字）、来源（基于证据）和平衡（指出挑战和成功）。
弱提示/强提示
弱提示：
撰写一篇鼓舞人心的文字，向利益相关者解释我们在可持续发展方面取得的成功。
对“励志”的需求将AI推向夸张；一段不可估量的、未经证实的、不平衡的赞美文字出现了。
强力提示：
您的角色：利益相关者沟通专家。任务：使用以下经过验证的数据向利益相关者撰写诚实且平衡的更新。数据：【排放量减少12%（2023-2024年），水目标未达到，女性高管比例31%）。规则：- 仅依赖我提供的数据；请勿编造新的声明或数字。 - 清楚地写出未实现目标的领域以及取得的成就。 - 请勿使用“环保、热情、领导者”等不可估量的表达方式。 - 在每个数字旁边写下周期和来源。
循序渐进：平衡的利益相关者沟通
1. 确定你正在和谁说话。投资者想要数字和风险；当地人希望产生影响并采取具体行动；员工想要正义和安全。为受众量身定制信息。
2. 只用经过验证的数据说话。每个通信的号码都必须接受审计跟踪。
3、保持平衡。仅仅讲述好消息也是一种歪曲。坦率地说出未实现目标的领域可以增强信心。
4. 预测问题。提前准备利益相关者提出的棘手问题（常见问题解答）；人工智能擅长生成“可能的反对意见”列表。
5. 关闭反馈。在征求利益相关者的意见后，“我们做了什么？”回来说“让订婚变得真实”。
请求利益相关者做出回应以进行分析
以下是利益相关者调查的免费文本回复。给出两个单独的输出：A) 8 个最常见的主题 + 涉及每个主题的答复数量。B) “罕见但非常重要”的信号：还列出暗示安全、道德、法律、环境违规的答复，即使数量很少。规则：不要编造任何答案，不要组合或歪曲它们；保持引号简短。答案：[答案]
下面的提示会生成常见问题解答草稿，以准备应对棘手的问题。
您的角色：利益相关者关系顾问。任务：查看下面的可持续发展数据，起草利益相关者可能会提出的 10 个难题，并对每个问题起草诚实、非防御性的答案。规则：将我们数据中的弱点（未实现的目标）作为问题包括在内；不要夸大答案，不要在没有证据的情况下提出主张。数据：[已验证数据]
注意：在利益相关者沟通中“只提供好消息”是一种扭曲（这称为“选择性披露”），即使它在技术上并不虚假。审计员和知情的利益相关者注意到了不平衡的报告。诚实地表达挑战会增加而不是削弱信心。
三个迷你箱子
情况 1 — 隐藏的少数信号。在一项工厂员工调查中，600 份回复中有 8 份提到了安全设备问题。人工智能的最初主题总结将此视为“不重要的频率”。第二个“罕见但非常重要”的提示捕获了信号；审查发现存在真正的风险，并更新了设备。
案例2——从夸张中恢复过来。一个品牌让人工智能写下了一条“鼓舞人心的”可持续发展信息； “地球上最友好的品牌，”文字说。传播团队发现这一点无法证明，并用具体且平衡的文字取代了它，例如“到 2023 年，我们将包装废物减少了 22%，但我们没有达到用水目标。”
案例 3——平衡的报告建立了信心。一家能源公司在报告中明确写道，它无法实现其中一个目标，并解释了原因。在投资者会议上，这种诚实为一家“也说自己失败了”的公司赢得了信任；分析人士认为该报告更为可靠。
常见错误
- 盖过了少数人的声音。由于频率低而绕过关键的安全/道德信号。
- 语言夸张，不可估量。 “热情、领导、环保”等词语会削弱利益相关者的信任。
- 选择性解释。只报告好消息而隐瞒困难是不平衡和误导的。
- 不区分大众。向投资者、员工和公众呈现同样的文本将是无效的。
- 没有关闭反馈循环。利益相关者的意见被采纳，“我们做了什么？”如果没有，订婚仍然是假的。
总之
利益相关者的参与是可持续发展的倾听和问责方面。人工智能;它对于将数百条评论分类为主题、分析情绪和起草沟通文本提供了强大的帮助。但存在两个风险：压制少数但批评的声音和产生夸大的语言。因此，在分析中始终要求单独的“罕见但重要”信号；仅使用经过验证的、具体的、有来源的、平衡的数据进行交流。诚实是最好的利益相关者沟通策略。
应用任务
写出 15-20 个想象的利益相关者的回应；大多数是总体满意度，但有一些确实涉及严重的安全/道德问题。根据上面的分析提示，向 AI 询问两个独立的输出（共同主题 + 罕见但重要的信号）。然后：(1) 验证是否已捕获关键信号，(2) 使用经过验证的数据打印平衡的利益相关者更新文本，(3) 从文本中删除不可估量的内容。
清单
- [ ] 在意见分析中，我想将常见主题和罕见关键信号分开。
- [ ] 我没有掩盖少数群体的安全/道德信号。
- [ ] 我在联系文本中仅使用了经过验证的数据。
- [ ] 我剔除了“充满激情、领导力、环保”等不可估量的短语。
- [ ] 我诚实地陈述了无法实现的目标以及成功的目标。
- [ ] 我为目标利益相关者受众量身定制了该消息。
- [ ] 利益相关者的反馈是通过询问“我们做了什么？”来解决的。我用答案结束了循环。