AI w raportowaniu ESG — jak ESGraport generuje raporty z danych ankietowych?

Dlaczego AI w raportowaniu ESG ma sens?

Raportowanie ESG, szczególnie dla MŚP, jest procesem czasochłonnym. Badanie McKinsey z 2023 roku wykazało, że AI może zredukować czas zbierania i przetwarzania danych ESG o 60%. Wynika to z faktu, że duża część pracy przy tworzeniu raportu ESG to:

Tłumaczenie surowych danych (liczby zużycia, masy odpadów, dane HR) na ustrukturyzowane narracje
Weryfikacja spójności danych z wymaganiami standardu (VSME, ESRS)
Formatowanie i prezentacja wyników w czytelny sposób
Generowanie komentarzy i interpretacji wskaźników w kontekście branżowym

Wszystkie te zadania są silną stroną dużych modeli językowych (LLM) — szczególnie Claude od Anthropic, zaprojektowanego z myślą o dokładności i bezpieczeństwie w zastosowaniach profesjonalnych.

Architektura ESGraport — jak działa generowanie raportu?

Proces generowania raportu w ESGraport przebiega przez następujące etapy:

Etap 1: Ankieta strukturalna

Użytkownik wypełnia ustrukturyzowaną ankietę online podzieloną na kroki odpowiadające poszczególnym tematom VSME: dane ogólne firmy, zużycie energii i emisje, dane pracownicze, ład korporacyjny, dodatkowe tematy środowiskowe. Dane są walidowane na bieżąco — np. system sprawdza czy podane zużycie energii jest w rozsądnym zakresie dla deklarowanej branży i wielkości firmy.

Etap 2: Mapowanie na strukturę VSME

Odpowiedzi ankietowe są przetwarzane do struktury JSON odpowiadającej poszczególnym wymaganiom VSME. Każdy wskaźnik VSME (np. S1-3: wypadki przy pracy) jest mapowany na konkretne pytanie lub obliczenie z ankiety. Na tym etapie wykonywane są też obliczenia — np. emisje GHG są kalkulowane ze wskaźnikami KOBiZE na podstawie podanych zużyć energii i paliw.

Etap 3: Generowanie przez Claude API

Ustrukturyzowane dane ESG są przekazywane do modelu Claude (Anthropic) przez API. Prompt systemowy instruuje model:

O strukturze i wymaganiach standardu VSME 2024
O tonie i stylu raportu ESG (profesjonalny, rzeczowy, zgodny z terminologią ESRS)
O zasadach wypełniania luk w danych (np. co napisać gdy firma nie ma danych o odpadach)
O ograniczeniach — model nie może wymyślać danych, tylko interpretować i narracyjnie opisywać dostarczone wartości

Odpowiedzialne AI: Model Claude jest zaprojektowany z silnymi gwarancjami bezpieczeństwa (Constitutional AI). ESGraport skonfigurował system tak, aby AI wyraźnie sygnalizowała brakujące dane zamiast je estymować bez podstawy — kluczowe przy raportowaniu regulacyjnym.

Etap 4: Walidacja i eksport

Wygenerowany raport przechodzi przez wewnętrzny system walidacji, który sprawdza:

Czy wszystkie wymagane sekcje VSME Modułu A są wypełnione
Czy liczby w narracji zgadzają się z danymi ze źródeł
Czy raport nie zawiera fraz wskazujących na halucynacje modelu (np. cytowania nieistniejących aktów prawnych)

Zwalidowany raport jest eksportowany do PDF z profesjonalnym layoutem gotowym do przekazania bankowi lub kontrahentowi.

EU AI Act a raportowanie ESG — co trzeba wiedzieć?

Rozporządzenie o sztucznej inteligencji (EU AI Act, Rozporządzenie 2024/1689) weszło w życie 1 sierpnia 2024 roku. Jak wpływa na systemy AI do raportowania ESG?

Klasyfikacja ryzyka

EU AI Act dzieli systemy AI na kategorie ryzyka. Systemy do generowania raportów ESG dla MŚP są sklasyfikowane jako ryzyko niskie lub umiarkowane — raport ESG nie jest decyzją o prawach jednostki (jak np. ocena kredytowa osoby fizycznej), lecz dokumentem opisującym działalność biznesową.

Obowiązki dla systemów wysokiego ryzyka

Gdyby system AI do ESG był stosowany przez banki bezpośrednio do oceny kredytowej (bez weryfikacji ludzkiej), wówczas mógłby być sklasyfikowany jako system wysokiego ryzyka (Annex III). W obecnym modelu ESGraport — AI generuje draft raportu, a firma-klient go weryfikuje i zatwierdza — ryzyko to nie powstaje.

Ważna zasada: Raport ESG wygenerowany przez AI powinien być zawsze zweryfikowany przez osobę odpowiedzialną w firmie przed przekazaniem bankowi lub kontrahentowi. Odpowiedzialność za treść raportu spoczywa na firmie, nie na dostawcy narzędzia AI.

Prompt engineering dla raportowania ESG — kluczowe zasady

Budowanie skutecznych promptów dla Claude w kontekście ESG wymaga uwzględnienia kilku specyficznych wyzwań:

Precyzja terminologiczna: Standard VSME używa specyficznej terminologii (np. „własna siła robocza" zamiast „pracownicy", „Scope 2 location-based" vs „market-based"). Prompt musi definiować te terminy lub instruować model, żeby stosował je konsekwentnie.
Zarządzanie brakami danych: Wiele MŚP w pierwszym roku raportowania nie ma wszystkich danych. Prompt musi instruować model, jak elegancko i zgodnie z VSME opisać braki danych zamiast je wymyślać.
Kalibracja długości: Różne sekcje raportu wymagają różnej długości — narracja G1 (ład korporacyjny) może być krótka, a E1 (emisje GHG) wymaga szczegółowego opisu metodologii i obliczeń.
Wielojęzyczność: Raport ESG może być wymagany zarówno po polsku (dla banku), jak i po angielsku (dla zagranicznego kontrahenta). Claude generuje raporty w obu językach z zachowaniem technicznej precyzji.

Ograniczenia AI w raportowaniu ESG

Transparentność jest kluczowa: AI w raportowaniu ESG ma ograniczenia, o których warto wiedzieć:

Garbage in, garbage out: Jeśli firma poda błędne dane w ankiecie, AI wygeneruje błędny raport. Narzędzie nie zastępuje rzetelności danych źródłowych.
Brak weryfikacji zewnętrznej: Raport wygenerowany przez AI nie jest równoznaczny z raportem audytowanym przez certyfikowanego weryfikatora ESG (wymaganym przy CSRD).
Szybkie zmiany standardów: Standardy VSME i ESRS będą ewoluować. System AI musi być regularnie aktualizowany, żeby odzwierciedlać najnowsze wymagania.

AI nie zastępuje wiedzy eksperckiej w ESG — przyspiesza i demokratyzuje dostęp do raportowania dla firm, które nie stać na zatrudnienie ESG managera. To demokratyzacja standardu, który dotąd był dostępny tylko dla dużych korporacji.