AI生成ESG报告是否会增加企业漂绿风险
AI生成ESG报告是否会增加企业漂绿风险
AI让企业能以更低成本写出流畅的可持续发展叙述，也可能让薄弱绩效被精美语言包装。漂绿风险并不只来自模型编造数据，还包括选择性强调、含糊边界、把未来承诺写成现在成果，以及用难以比较的指标制造进步印象。生成效率提高后，企业需要同步提高事实验证和披露纪律。
一项常见风险是“证据不对称”。企业有一座示范工厂的节能案例，模型据此生成“集团全面推进绿色生产”的段落，读者可能误以为全部设施已覆盖。系统应为每项声明标注适用范围、期间和覆盖比例；缺少集团数据时只能写具体案例。另一项风险是指标转换：总排放上升但单位产品排放下降，若只披露强度，会遮蔽绝对变化。
防范方法不是禁止AI写作，而是把声明拆成可验证命题。每一段关于成果、目标和管理措施的文字，都要连到经批准的指标或项目记录。对“领先”“零碳”“完全可回收”等高风险词设审查规则，要求明确边界与证据。模型可以自动提示反例，例如某业务单元未纳入统计，或产品实际回收率低于理论可回收率。
审阅应检查哪些信息没有出现。模型往往根据输入材料写作，若企业只提供成功案例，成稿不会自然呈现事故、投诉或目标落后。重要性评估和风险台账应成为报告生成的强制输入，让不利事项同样进入审阅范围。披露负责人应能够看到被删除段落与删除理由，避免编辑过程无痕地弱化风险。
企业还可以建立读者视角测试：给审阅者只看报告摘要，再问他们理解的覆盖范围和绩效变化是否与事实一致。即使每句话单独看都真实，组合起来也可能造成误导。AI可模拟这种误读，提示需要补充限定条件和对比数据。
绿色主张应设置“反证窗口”。报告写“供应链风险得到有效控制”之前，系统主动搜索未关闭的整改、投诉和重大供应商变更；若存在反例，就提示限定表述或补充解释。模型不能因为检索不到反证就证明结论正确，因此企业还需检查信息源是否覆盖实际供应网络。对未来目标，报告应说明预算、负责人和阶段性里程碑，让读者区分愿景与可执行计划。让不利事实也进入写作流程，是AI报告避免漂绿的关键。
对外发布前，企业还可以随机抽取几项最醒目的声明，让与写作团队独立的人员从原始凭证重新验证。若无法重建，就暂缓使用该表述。独立抽查能抑制模型与编辑人员共同偏向正面叙事的倾向。
最终，漂绿是治理问题。模型扩大了表达能力，也扩大了误导规模。只有把证据链、反例检查、审批责任与外部核验嵌进写作流程，AI才会提高透明度，而非制造更漂亮的遮蔽。
