企业如何为 AI 生成的 ESG 内容建立审批与更正机制

AI 已生成披露稿，后来发现供应商数据被更正。这里最容易犯的错误，是把一个相关信号当成已经证实的原因。模型的价值在于缩小核查范围。生成式模型让报告写得更快，也可能让没有证据的估算听起来像事实。披露流程的核心是数字与叙述都可追溯，而非文风是否流畅。

先整理证据，再谈模型能给出什么建议。将报告中的每个重要主张链接到原件、计算方法、期间、边界和责任人。模型可搜索矛盾、标出缺证段落，受控程序负责复算，审计人员负责独立判断。落地时，第一项动作是设置起草、复核、批准、发布和更正的版本关卡。缺口要作为一种数据状态显示出来；让模型悄悄补全，会把不确定性伪装成事实。

有了线索，还需明确谁来行动。草稿应经过数据所有者、法务或合规、披露负责人等不同岗位审核。对预测、目标与已实现绩效使用清楚标签，修改历史和对外更正也应留存。任务卡应附上证据、处理权限、到期时间和升级条件。需要改变生产、采购或人员安排时，应让熟悉现场的人检查模型假设并记录不同意见。

更正机制应让已下载旧报告的读者也能找到变化说明，而非悄悄替换网页文件。可以先回放过去已处理的案例，检验模型能否在当时的数据条件下发现真正有用的线索。随后开展短期现场试点，分别记录正确提醒、误报与漏报，再决定是否接入正式工单。实施记录还应保存使用的数据版本、决策人和被否定的备选方案。复盘时比较自动提示与传统流程各自漏掉了什么，避免只展示成功案例。

衡量项目时，可先记录更正时效与受影响表述。审查不仅要找错字和算术差异，还要寻找选择性披露：哪些项目失败，哪些群体受损，哪些边界被改变。负面信息是否得到充分解释，是可信度的一部分。比较前后结果时，应控制产量、边界和统计方法变化；否则改善可能只是记录方式改变。

另一条底线是：发布后修改必须保留公开说明和内部责任。模型判断“漂绿”也可能误伤。它应指出可核查的冲突和证据等级，让企业回应并由独立人员复核，不能凭措辞相似度给出最终定性。出现错误时，先控制可能的影响，再更正数据、通知受影响的人，并检查同类任务是否也被错误结论波及。

项目可以先在一处场景试运行，公开记录误判、漏判和人工修正，再决定是否推广。真正可持续的做法，是让数据、行动和证据每个周期都能重新对上。