收益：
- 能够仅使用经过验证的数据逐节打印报告，并禁止人工智能生成新的数字/索赔
- 能够扫描不同部分中同一指标的不一致情况，并通过源头确定正确的值
- 通过在摘要期间保留“部分/估计/未批准”保留，能够防止正确的文本变成误导性摘要
收集所有数据，计算碳，映射到框架，听取利益相关者的意见；现在，所有这些都应该变成一份可读的可持续发展报告。 CSRD 报告包含数百页、数十个指标、许多叙述部分。这就是人工智能 (AI) 最明显的贡献：生成文本草案、使不同部分连贯一致、总结长篇技术内容。但这正是最大的风险所在：人工智能擅长生成流畅、美观、无需校对的文本。在本单元中，您将学习如何在快速打印报告的同时保持准确性和可审核性。
让我们从头开始阐述基本原则：人工智能编写文本，人类将其与证据联系起来。可持续发展报告中的每一项数字主张都应基于审计追踪，每一项定性主张都应基于事实。人工智能的工作是组织、简化和使表达连贯；不提供该主张的真实性。 “写得好”和“准确、有根据”是两个独立的品质。
人工智能的优势在哪里，报告撰写的风险在哪里？
任务
人工智能贡献
风险
制作初稿
快速填充空白页
可以添加没有证据的主张
一致性检查
捕捉术语/单位冲突
可以“纠正”错误
总结
缩短长的部分
可以忽略关键的细微差别
音色编辑
提供正式/清晰的语言
可能会陷入夸张
翻译
生成多语言报告
技术术语翻译错误
关键规则是：在向人工智能提供报告时，仅向其提供经过验证的输入，并禁止其生成新的数字/声明。否则，人工智能会从之前的句子中推导出“看似合理”但没有来源的数字。
提示：在起草报告时，请始终向 AI 提供此规则：“除了我给您的数据之外，不要添加任何数字、百分比、日期或声明；如果缺少某些内容，请在那里写下[所需数据]。”这一句话就阻止了报告中大部分捏造的指控。
一步一步：安全报告撰写
1.先搭建骨架。规划章节标题以及每个章节中将包含哪些经过验证的数据。人工智能产生良好的内容/骨架。
2. 逐段输入数据。单独打印每个分区，仅使用该分区的验证数据。不要说立即“编造”整个报告。
3. 进行索赔与证据匹配。请注意每个数字句子旁边的来源。没有来源的句子将不会被纳入报告中。
4. 检查一致性。相同的指标在不同的部分出现不同的值是一个常见的错误；人工智能擅长对此进行扫描，但人类会批准纠正。
5. 扫描炒作和绿色清洗。在最后一轮中，清除文本，着眼于“不可估量/不可证据的陈述”（下一个单元将深入探讨这一点）。
弱提示/强提示
弱提示：
撰写我们的可持续发展报告的气候部分。
没有数据；人工智能编造了一个“典型的气候事件”，将数字和目标插入到你实际上没有的文本中。
强力提示：
您的角色：ESG 报告撰写者。撰写：报告“气候”部分的草稿。您将使用的唯一数据（选择退出，添加新数字）：- 范围 1：1,240 tCO2e（2024 年，已验证）- 范围 2：2,100 tCO2e（2024 年，基于位置）- 范围 3：部分，覆盖 60%（包括代理）- 目标：到 2030 年，范围 1+2 减少 42%（未经 SBTi 批准，应用）规则：- 除我提供的数据外，请勿伪造数字/百分比/日期；如果缺少，请写下[所需数据]。- 明确范围 3 是部分范围并包括代理。- 诚实地写下目标尚未获得批准，不要说“批准”。- 语气：清晰、正式、低调。
提示一致性和质量控制
对下面的报告草稿进行一致性检查。识别（标记，不正确）：1) 相同指标在不同地方出现不同值的情况2) 单位不一致（公斤/吨，千瓦时/兆瓦时）3) 一个部分中的声明与另一部分中的声明冲突4) 来源不明的数字声明列出每个发现的部分/行参考。草稿：[草稿]
下面的提示向经理总结了很长的技术部分；但这迫使你保持细微差别。
您的角色：报告编辑。任务：将执行摘要的技术部分减少到 150 个字。规则：- 请勿通过四舍五入更改或夸大任何数字。- 跳过诸如“部分/估计/未确认”之类的保留，转到摘要。- 将不确定性呈现为“确定”。部分：[章节]
注意：人工智能在总结时最常提出“保留意见”。如果为了摘要而删除“范围3数据不完整”、“目标尚未确认”、“数据包含预测”等短语，那么准确的文本就会变成误导性的摘要。在摘要中保留保留与保留数字同样重要。
三个迷你箱子
案例 1——泄露假目标。一家公司让人工智能通过简单的提示编写其气候部分。 YZ 增加了“2040 年净零”目标，但实际上并未设定，因为“类似报告中提到过”。编辑抓住了这一点；该目标实际上并未被采用，如果发布的话将是一种失实陈述。
情况 2 — 指标不一致。在报告的摘要部分，用水量写为“120万立方米”，在详细信息部分则写为“180万立方米”。人工智能的一致性扫描标记了这一矛盾；追溯到源头，正确的值合并为 180 万立方米。
情况 3 — 删除预订。 AI 编写了一份执行摘要，省略了“范围 3 的 60% 是估计值”的警告，并且该报告似乎经过了充分衡量。预审检查已加回预订；否则，摘要将比报告本身更加武断和具有误导性。
常见错误
- 打印报告而不提供数据。空的提示驱动AI去拼凑数字和目标。
- 立即生成整个报告。通过逐节地向其提供数据来写入，以保持控制。
- 总结时放弃保留。摘要中还应保留“部分/估计/未确认”等字样。
- 让AI盲目地纠正不一致的地方。 AI 不知道哪个值是正确的；人下降到源头。
- 将“流利”误认为“正确”。写得好的句子如果没有证据，也不会被纳入报告。
综上所述
报告撰写是人工智能贡献中最明显但风险最大的领域。 AI快速填补空白页，保持章节一致，总结长内容；但它往往会增加没有证据的主张，删除保留，并产生夸大其词。安全方法：仅提供经过验证的数据，禁止其生成新数字，逐节打印，扫描一致性，但让人类对源进行更正。只有当每项主张都基于证据时，“写得好的”报告才是一份好报告。
应用任务
有 4-5 个您假设已确认的数字数据项（一项“估计”和一项“未确认的目标”）。通过上面强大的提示向AI索要报告部分草稿。然后：(1) 确认文本中没有泄露您未提供的数字，(2) 检查是否保留了“估计”和“未确认”的预订，(3) 将文本缩减为 150 字的摘要，并确认摘要中保留了预订。
清单
- [ ] 我在报告中仅输入了经过验证的数据。
- [ ] 我明确给了AI“补新号/索赔”规则。
- [ ] 我逐节打印了报告，并为其提供了数据。
- [ ] 我将每个数字断言链接到源/审计跟踪。
- [ ] 我扫描了不一致的地方，并通过返回源来确定正确的值。
- [ ] 我在摘要中保留了“部分/估计/未确认”的保留。
- [ ]我在上一轮淘汰了那些夸张的、不可估量的表情。