Snel uit de startblokken door inzet AI bij de CSRD-rapportage

Afgelopen zomer schreven we al over het aanpakken van de rapportage voor de Corporate Sustainability Reporting Directive (CSRD). De vraag die steeds weer naar voren komt, is: kunnen we AI inzetten voor de gap-analyse? Het antwoord is ja, met een belangrijke kanttekening: AI kan een waardevol hulpmiddel zijn, maar het vereist een zorgvuldige aanpak en valideerbare resultaten. AI kan namelijk dienen als een supersnelle assistent, een soort junior collega die nog leert, maar een krachtige bijdrage kan leveren. Het is handig, maar heeft beperkte domeinkennis – en dus blijft een kritische blik onmisbaar.

Hoe AI inzetten bij de start van de gap-analyse?

Stel je voor dat je aan de vooravond staat van je gap-analyse en dat het cruciaal is om geen vertrouwelijke informatie bloot te geven in publieke AI-modellen, zoals ChatGPT, Gemini, of Claude. Wat dan? Het eerste wat je kunt doen, is een uitgebreide verzameling  maken van alle openbaar beschikbare documenten die mogelijk relevant voor jou zijn, zoals:

• Jaarverslagen
• Publieke beleidsstukken over duurzaamheid
• Interviews, blogs en LinkedIn posts

Deze documenten zijn al openbaar, dus je geeft geen vertrouwelijke informatie bloot. Omdat veel van deze documenten mogelijk langer zijn dan wat bepaalde AI-modellen aankunnen qua invoer, moet je ze eerst opknippen in kleinere, hanteerbare delen. ChatGPT accepteert documenten tot 65.000 tekens. Of je kunt gebruik maken van andere tooling zoals bijvoorbeeld NotebookLM, die minder beperkingen kent. Daarna kun je de opgedeelde delen aan AI voeren, waarbij je vooraf specificeert dat de antwoorden uitsluitend gebaseerd mogen zijn op deze inputbronnen. Het kiezen van de juiste AI-tool en de juiste vragen stellen (het zogenaamde “prompten”) zijn belangrijke succesfactoren bij het effectief gebruik van AI. Maak dus een goede afweging hoeveel AI-kennis beschikbaar is voordat je met AI aan de gang gaat. Als de auteurs van de hierboven genoemde documenten gemakkelijk bijeen te brengen zijn in een workshop, kan dat een veel effectievere manier zijn voor je gap-analyse.

Nu komt het meest interessante deel: stel de vragen uit de European Sustainability Reporting Standards (ESRS) aan de AI-tool en vraag specifiek om verwijzingen naar de gebruikte bronnen. Zo ontstaat een eerste indruk van je duurzaamheidspositie. Maar houd in gedachten dat Generatieve AI-modellen (bijv. Large Language Models) nog niet perfect zijn in consistentie. Een eenvoudige manier om betrouwbaardere antwoorden te krijgen, is door de AI-opdrachten meerdere keren te herhalen en vervolgens te controleren hoe consistent de gegenereerde antwoorden zijn met elkaar.

Gegevensverzameling en structurering

Nadat je een eerste gap-analyse hebt uitgevoerd, ga je verder met het verzamelen van de juiste gegevens voor elke specifieke CSRD-vereiste. Volg hierbij de volgende stappen:

• Data-inventarisatie: breng in kaart welke gegevens en meetmethodes nodig zijn om aan de vereisten te voldoen. Denk aan data over CO2-uitstoot, sociale indicatoren en governance.
• Gebruik AI voor het structureren van jouw gegevens: door gegevens uit verschillende bronnen te integreren en te structureren in een overzichtelijke en gestandaardiseerde vorm.
• Opslag en beheer: gebruik een datamanagementsysteem dat geschikt is voor AI-verwerking, zodat gegevens snel beschikbaar zijn voor latere analyses. Denk hierbij bijvoorbeeld aan Azure Data Factory dat integratie van gegevens uit diverse bronnen mogelijk maakt. Dit cloud gebaseerd platform ondersteunt data standaardisatie en gebruikt AI om patronen in data te herkennen, zoals bijvoorbeeld een CO2-uitstoot analyse.

AI kan je helpen bij het categoriseren en koppelen van de juiste data aan de specifieke ESRS-vereisten, waardoor de dataverzameling sneller en accurater verloopt. Sommige AI-tools kunnen bijvoorbeeld patronen herkennen die aangeven of data voldoende compleet en betrouwbaar zijn. We geven hieronder enkele voorbeelden die je zou kunnen gebruiken. 

1. Automatische classificatie en mapping van data: AI kan ongestructureerde data uit interne rapporten, e-mails en documenten scannen en automatisch koppelen aan specifieke ESRS-vereisten, zoals CO2-uitstoot (E1) of personeelsdiversiteit (S1).
2. Data-integriteitscontrole en kwaliteitsanalyse: datasets analyseren om hiaten in gegevens of inconsistenties te signaleren, bijvoorbeeld ontbrekende emissiedata in scope 3.
3. Benchmarking en peer analyse: openbare duurzaamheidsrapportages van concurrenten analyseren en vergelijken met interne prestaties om hiaten en verbeterpunten te identificeren. Daarmee krijg je inzicht hoe jouw bedrijf zich positioneert ten opzichte van de sector.
4. Automatische rapportage en visualisatie: data uit verschillende bronnen integreren en automatisch vertalen naar CSRD-compliant rapporten, inclusief visuele dashboards. Dit maakt het eenvoudiger rapporten aan stakeholders en toezichthouders te presenteren.

Valideer de gevonden resultaten

Met hulp van AI kan je datasets sneller analyseren en kunnen afwijkingen eerder worden vastgesteld, waardoor het eenvoudiger wordt om vroegtijdig mogelijke fouten of onvolledige data te ontdekken.

• Automatische datavalidatie: gebruik AI-modellen om datasets te controleren op consistentie en nauwkeurigheid.
• Trend- en patroonherkenning: AI kan patronen in historische gegevens vinden die mogelijke afwijkingen of inconsistenties zichtbaar maken.
• Handmatige validatie van AI-resultaten: vergelijk de antwoorden van AI met de originele documenten en laat AI-resultaten altijd controleren door een teamlid met expertise om eventuele interpretatiefouten te corrigeren.
• Verificatie bij de auteurs: vraag de oorspronkelijke schrijvers van de documenten om hun mening over de AI-conclusies en check of de output van de AI in lijn is met hun inzichten.

Rapportagestructuur ontwikkelen

Het is effectief om een overzichtelijke en volledige rapportagestructuur op te zetten volgens de ESRS-vereisten:

• Structuur en templateontwikkeling: het is handig om een standaardtemplate op te stellen die aansluit bij de vereisten van de CSRD.
• Informatiehiërarchie bepalen: bepaal de volgorde en hiërarchie van informatie, zodat de belangrijkste punten helder naar voren komen.
• Gebruik AI om te helpen bij opmaak en samenvattingen: AI kan helpen door voorgestelde samenvattingen en content te genereren voor elk rapportageonderdeel.

Door AI te gebruiken voor het opstellen van kernpunten en het aanbieden van samenvattingen, kun je snel en gemakkelijker een eerste versie van het rapport opstellen.

Ondersteuning bij de CSRD-rapportage en controle

Met hulp van AI-taalmodellen kom je snel tot een consistente schrijfstijl en kun je controlelijsten genereren die nagaan of alle vereisten correct behandeld zijn.

• Stijl en toon consistent maken: generatieve AI-modellen kunnen helpen met het verbeteren van de leesbaarheid en het consistent maken van de tool.
• Controle op volledigheid: laat AI nogmaals alle vereisten doorlopen om zeker te zijn dat geen enkele vereiste onvolledig of overgeslagen is.

Wanneer jouw CSRD-rapportage bijna gereed is, kan het handig zijn om AI nogmaals in te schakelen voor een inhoudelijke check. Je kunt AI gebruiken om je rapportage te controleren op volledigheid. Deze verificatiestap werkt het beste met een AI-tooling die waarborgt dat je gegevens privé blijven.

Conclusie

Je kunt AI gebruiken in elke stap, van de gap-analyse tot en met publicatie. AI kan je helpen met snelle opmaak en samenvattingen, maar kan hierbij ook fouten maken. Zet het in voor ondersteuning van een proces, maar niet ter vervanging. Tenslotte, laat output altijd door menselijke experts reviewen. Dit helpt je niet alleen om een professionele rapportage te realiseren, maar ook om toekomstgericht te blijven opereren in een steeds veranderende duurzaamheidsomgeving.