大模型生成ESG报告，谁来核查它引用的每一个数字

大模型生成ESG报告，谁来核查它引用的每一个数字

大模型写ESG报告的速度可以很快，最容易出问题的却是看似普通的数字。一个“减少百分之十”可能来自旧版表格，一个废弃物总量可能混入子公司重复上报，一个目标完成率可能使用了错误分母。报告越流畅，审阅者越可能放松警惕。数字核查需要成为生成流程的一部分。

企业可把“写作”与“取数”分开。经批准的数据进入受控指标库，每项指标有名称、单位、期间、边界和来源。模型在起草时调用指标编号，而非自由复述文件里的任何数字。发布前由程序检查正文中的所有数字是否与当前批准版本一致；出现新数字则要求说明来源。

这仍不足以保证结论正确。数字可能准确，比较却不合理：两个年度的业务范围不同，能源强度下降但总量上升，回收率的定义发生变化。审阅者必须检查模型如何使用数字。一个合格的核查单应逐句列出“数值本身、比较对象、口径变化、推断强度”。

研究可以设计三种写作流程：人工起草、模型自由起草、模型受控取数加人工复核。使用相同资料，比较初稿时间、最终错误数、修改次数和审阅者查找来源的速度。若受控流程虽然慢于自由生成，却显著减少返工，整体效率可能更高。

责任不能交给“AI系统”这个抽象主体。业务部门确认原始记录，ESG团队确认指标定义，模型开发者维护引用机制，报告签发人负责最终文字。某个数字若被更正，系统应知道哪些图表和段落受到影响，并要求重新审核。责任清楚，自动化才有可用的边界。

对外披露时，可为重要指标提供简洁的计算说明与版本日期。读者不必看到企业内部全部底稿，但应有足够信息判断数字从何而来。用工具自动生成的报告尤其需要这一层透明，否则读者只得到更快、更长的文本。

数字核查可以从风险分层开始。最值得人工重点看的是大幅变动、跨年重算、对外宣传频繁引用，以及与目标兑现有关的指标。低风险的表格重复数据可以自动比对，高风险的解释由人仔细审核。这样既保持效率，也避免每个数字都依赖同样强度的人工检查。

企业还应建立发布后更正流程。若一项排放指标修订，系统找出所有引用它的图表、新闻稿和产品页面，并提醒相关负责人更新。错误不应停留在报告的一处脚注；修正范围越完整，公众越能信任企业愿意对数字负责。

数值错误的纠正还可以成为内部培训材料。每次发现单位误用、重复计算或口径混淆，就把案例匿名化写入检查规则。长期看，企业获得的不只是更快的报告，而是一个会积累经验的质量控制系统。

核查每个数字并不意味着让人逐字重复劳动。正确的分工是机器批量定位、比对与提醒，人重点检查边界、异常和解释。报告质量由可追溯的事实决定，不由生成速度决定。