AI ช่วยทำรายงานความยั่งยืนได้จริงหรือ: 5 จุดที่ใช้ได้และ 3 จุดที่ยังต้องระวัง

ตั้งแต่ปลายปี 2024 ทีมที่ทำ Sustainability Report ในบริษัทไทยเริ่มทดลองใช้ Generative AI เขียนบางส่วนของรายงาน ผู้บริหาร Sustainability ที่ผมคุยด้วยในรอบสามเดือนที่ผ่านมาแบ่งเป็นสองกลุ่มชัดเจน — กลุ่มที่บอกว่า AI ช่วยลดเวลาทำรายงานได้ครึ่งหนึ่ง และกลุ่มที่ออกมาเตือนว่า "เกือบโดน Auditor ตี" เพราะ AI สร้างข้อมูลผิดเข้าไปในร่างรายงาน

ความจริงอยู่ตรงไหน คำตอบคือ AI ใช้ได้จริงในบางจุดและใช้ไม่ได้ในบางจุด ไม่ใช่เครื่องมือที่กดปุ่มเดียวแล้วได้รายงานความยั่งยืนสำเร็จรูป

5 จุดที่ AI ช่วยทีม ESG ได้จริง

1. การร่างเนื้อหาเชิงพรรณนา (Narrative Drafting)

ส่วน Management Approach, Sustainability Strategy หรือ CEO Message ที่ต้องเขียนเป็นย่อหน้าเชิงพรรณนา AI ช่วยร่างต้นแบบได้ดีมาก ทีมงานเอา bullet ของ Action Plan และ Performance Data ป้อนเข้าไป AI ออกร่างให้เป็นย่อหน้าที่ไหลลื่นในเวลาไม่กี่นาที สิ่งที่เคยใช้คนเขียน 2-3 วัน อาจเหลือครึ่งวันสำหรับ review และปรับสำนวนเท่านั้น

2. การทำ GRI Content Index และ Mapping

การ map ข้อมูลกับ GRI Standards, IFRS S1/S2 หรือ TCFD เป็นงาน manual ที่ใช้เวลามาก AI โดยเฉพาะที่มี knowledge base ของมาตรฐานช่วยเสนอ Disclosure ที่เกี่ยวข้องกับเนื้อหาแต่ละส่วนได้แม่นยำพอใช้ ทีมงานยังต้องตรวจซ้ำ แต่เริ่มจากร่างที่ AI ทำให้เป็นจุดเริ่มต้นที่ดีกว่าหน้าว่าง

3. การสรุปและแปลข้อกำหนดมาตรฐาน

มาตรฐานอย่าง IFRS S2, CSRD/ESRS, TNFD มีความยาวหลายร้อยหน้า การให้ AI สรุปประเด็นที่เกี่ยวข้องกับ Sector ของบริษัทช่วยลดเวลาในการ onboard ทีมงานใหม่ และทำให้ทุกคนเข้าใจ scope ของรายงานได้เร็วขึ้น

4. การเปรียบเทียบกับ Peer

ป้อนรายงานของบริษัทคู่แข่งหรือ Best-in-Class เข้า AI ให้สรุปว่าแต่ละบริษัทเปิดเผยอะไรบ้าง ใช้ Indicator อะไร ตั้งเป้าหมายอย่างไร เป็นการทำ Peer Benchmarking ที่เคยใช้ที่ปรึกษาเป็นเดือน ตอนนี้ทำได้ภายในหนึ่งสัปดาห์

5. การตรวจ Internal Consistency

AI ช่วยตรวจว่าตัวเลขใน Executive Summary ตรงกับตัวเลขในหน้า Performance Data หรือเปล่า ข้อความใน CEO Message ขัดแย้งกับ Risk Disclosure ในส่วน TCFD ไหม นี่คืองาน proofread ที่ AI เก่งและทีมงานมักทำพลาดเพราะอ่านซ้ำหลายรอบจนตา "ลื่น"

3 จุดที่ AI ยังเป็นความเสี่ยง

1. การคำนวณ GHG และตัวเลขเชิงปริมาณ

นี่คือจุดที่ทีม ESG หลายแห่งโดนเตือนจาก Verifier ในปีที่ผ่านมา AI โดยเฉพาะ Generative LLM ไม่ใช่เครื่องมือคำนวณที่น่าเชื่อถือ มันมักจะ "เดา" emission factor หรือ "ปัดเศษ" ในแบบที่ไม่ถูกหลักการ ISO 14064 บางบริษัทเจอกรณีที่ AI ใส่ตัวเลข Scope 3 ที่ไม่มีใน Source Document แต่ฟังดูสมเหตุสมผลในย่อหน้า

หลักการที่ปลอดภัยคือใช้ AI สำหรับ "ภาษา" ไม่ใช่สำหรับ "ตัวเลข" — การคำนวณ GHG ต้องทำใน Spreadsheet หรือ ESG Software ที่มี audit trail และให้ AI เขียนคำอธิบายรอบตัวเลขที่คำนวณเสร็จแล้ว

2. การอ้าง Standard ที่ AI สร้างขึ้นเอง

LLM มีนิสัย "hallucinate" Standard Number, GRI Disclosure ID หรือชื่อ Methodology ที่ไม่มีจริง โดยเฉพาะเมื่อถามถึงมาตรฐานที่อัปเดตหลัง training data cutoff ของ model หลายบริษัทพบว่า AI เขียนว่า "ตามมาตรฐาน GRI 305-7" ทั้งที่ไม่มี GRI 305-7 อยู่จริง

วิธีป้องกันคือทุกครั้งที่ AI อ้างถึงข้อกำหนดเฉพาะ ต้อง verify กับเอกสาร Standard ฉบับจริง ไม่ใช้ AI เป็นแหล่งอ้างอิงสุดท้าย

3. การตีความ Material Topic เชิงกลยุทธ์

Materiality Assessment เป็นกระบวนการที่ต้องการการตัดสินใจเชิงกลยุทธ์ การ engage stakeholder จริง และความเข้าใจบริบทอุตสาหกรรม AI สามารถสรุปข้อมูลและเสนอ Topic ที่อาจ Material ได้ แต่ไม่ควรถูกใช้เป็นคนตัดสินใจสุดท้ายว่าอะไรคือ Material สำหรับองค์กร

สิ่งที่ทำให้ Materiality Assessment น่าเชื่อถือในสายตา Verifier คือกระบวนการตัดสินใจที่มีคน เป็น process ที่ documented และมี governance รองรับ ไม่ใช่ผลลัพธ์ของ AI prompt

หลักการใช้ AI ให้ปลอดภัยจาก Greenwashing

ในมุมมองของ Verifier การใช้ AI ทำรายงานไม่ใช่ red flag ในตัวมันเอง แต่ความรับผิดชอบในการให้ความเชื่อมั่นในรายงานยังเป็นของบริษัทและทีมงาน หลักการที่ปลอดภัยมีสามข้อ

หนึ่ง — AI ใช้ในขั้นตอนร่างเท่านั้น เนื้อหาทุกย่อหน้าที่จะออกในรายงานต้องผ่านการ review และ approve โดยทีม Sustainability และผู้บริหารที่รับผิดชอบ ต้องมี audit trail ว่าใคร review รอบไหน

สอง — ตัวเลขทั้งหมดต้องมาจาก Source Document ที่ traceable ไปยัง Activity Data ดิบ ถ้า AI ใส่ตัวเลขที่ไม่ตรงกับ Source ต้องแก้ทันที โดยไม่ปรับ Source เพื่อให้ตรงกับ AI

สาม — ทุก claim เชิง qualitative ที่ AI ร่างต้องตรวจกับ Policy, Action Plan และ Performance Record จริง การที่ AI เขียน "บริษัทมุ่งมั่นลด GHG 50% ภายในปี 2030" แต่บริษัทยังไม่ตั้งเป้าหมายนี้อย่างเป็นทางการ คือ red flag ที่จะถูก Verifier เพ่งเล็ง

AI ที่เหมาะกับงาน ESG

ในตลาดปี 2026 มี AI Tool ที่ออกแบบมาเฉพาะสำหรับ Sustainability Reporting เริ่มมีให้เลือกมากขึ้น แตกต่างจาก General LLM ตรงที่มี knowledge base ของมาตรฐาน ESG, มี audit trail built-in และมี guardrail ป้องกัน hallucination ในส่วนที่เกี่ยวข้องกับตัวเลข

สำหรับบริษัทไทยที่เริ่มต้น คำแนะนำคือลองใช้ AI ในงาน narrative และ proofread ก่อน เก็บ workflow คำนวณและ data collection ไว้ในระบบที่มี internal control ชัดเจน เมื่อทีมงานเข้าใจ pattern ของการใช้ AI แล้ว ค่อยขยายเข้าสู่ส่วน mapping และ benchmarking

ในระยะ 2-3 ปี AI จะกลายเป็นเครื่องมือมาตรฐานของทีม Sustainability เหมือนที่ Excel เป็นมาตรฐานในวันนี้ แต่จนกว่าจะถึงวันนั้น การใช้ AI อย่างเข้าใจขีดจำกัดคือสิ่งที่แยกทีมที่ลดเวลาได้จริง ออกจากทีมที่เพิ่มความเสี่ยงโดยไม่รู้ตัว