AI ESG & ESG 2.0: จาก ESG Reporting สู่ AI Operating System for ESG & SDG

ลองมองกระบวนการ ESG ขององค์กรทั่วไป

Excel → Email → Shared Drive → Consolidation → Review → Report

แต่เบื้องหลังรายงานหนึ่งฉบับอาจมีคนหลายฝ่าย เอกสารจำนวนมาก หลายเวอร์ชัน และการติดตามข้อมูลข้ามหน่วยงานตลอดทั้งปี

ปัญหาที่พบบ่อยคือ

• ข้อมูล ESG อยู่หลายระบบและไม่มี Data Owner ที่ชัดเจน

• คำจำกัดความและวิธีคำนวณอาจไม่เหมือนกันระหว่างฝ่าย

• Evidence ถูกเก็บแยกจาก Metric ที่นำไปใช้รายงาน

• ทีมงานต้องตอบ Questionnaire จากลูกค้า นักลงทุน และคู่ค้าซ้ำหลายชุด

• Compliance และ Legal มักเข้ามาตรวจเมื่อใกล้ถึงกำหนดเปิดเผยข้อมูล

• Internal Audit ต้องย้อนหาที่มาของตัวเลข เอกสาร และผู้อนุมัติ

• Finance ยังเชื่อม ESG กับ Cost, Budget, Capex และ Business Impact ได้จำกัด

• ผู้บริหารเห็นผลเมื่อรายงานเสร็จ แต่ไม่เห็น Gap, Risk หรือ Overdue Action ระหว่างปี

หาก ESG มีผลต่อความเสี่ยง เงินทุน ห่วงโซ่อุปทาน และความสามารถในการแข่งขันจริง คำถามคือ

เหตุใดองค์กรจึงยังบริหาร ESG เหมือนเป็นโครงการจัดทำรายงานปีละครั้ง?

คำว่า ESG 2.0 ในบริบทนี้ไม่ได้หมายถึงมาตรฐาน ESG ฉบับใหม่ แต่เป็นกรอบคิดในการอธิบายวิวัฒนาการของ ESG

ESG แบบเดิม: Awareness → Compliance → Reporting

ESG 2.0: Intelligence → Execution → Evidence → Business Value

รายงานยังมีความสำคัญ แต่ไม่ควรเป็นปลายทางของกระบวนการทั้งหมด

องค์กรควรสามารถใช้ข้อมูลชุดเดียวกันเพื่อประเมินสถานการณ์ วางแผน มอบหมายงาน ติดตามผล ตรวจสอบหลักฐาน จัดทำรายงาน เรียนรู้ และปรับปรุงในรอบถัดไป

วงจรจึงเปลี่ยนเป็น: Assess → Plan → Implement → Track → Report → Verify → Learn → Improve

นี่คือการเปลี่ยนจาก: Annual ESG Exercise ไปสู่ Continuous ESG Management

เมื่อพูดถึง AI กับ ESG หลายคนอาจนึกถึงการใช้ Generative AI ช่วยค้นข้อมูล สรุปเอกสาร หรือ Draft Sustainability Report

สิ่งเหล่านี้มีประโยชน์ แต่ยังเป็นเพียงจุดเริ่มต้น

AI ESG ระดับองค์กรต้องเชื่อม “ความรู้” กับ “การปฏิบัติงานจริง”

AI ต้องสามารถทำงานบน Trusted Context ขององค์กร เช่น

Knowledge → Documents → Data → Workflow → Controls → Evidence → Reporting → Decision

ตัวอย่างเช่น 

• AI สามารถช่วยอ่าน Invoice หรือ Utility Bill แล้ว Extract ข้อมูล จัดหมวด เชื่อมกับ Metric ที่เกี่ยวข้อง และส่งเข้าสู่ Workflow เพื่อให้เจ้าของข้อมูลตรวจสอบ

• AI Knowledge Assistant สามารถตอบคำถามจากมาตรฐาน นโยบาย และเอกสารที่องค์กรอนุมัติ แทนการค้นข้อมูลจากแหล่งที่ไม่ทราบที่มา

• AI สามารถช่วยตรวจ Gap ระหว่างข้อมูลที่มี กับ Evidence ที่ต้องใช้ พร้อมแจ้งเจ้าของงานให้ดำเนินการก่อน Reporting Deadline

แต่ทุกจุดที่มีผลต่อการตัดสินใจหรือการเปิดเผยข้อมูล ต้องมี Human Oversight, Approval, Audit Trail และ Accountability

ดังนั้นแนวคิดสำคัญไม่ใช่ AI replaces ESG professionals

แต่คือ AI assists. Humans remain accountable.

อีกข้อผิดพลาดสำคัญคือการมอง ESG เป็นหน้าที่ของ Sustainability Team เพียงฝ่ายเดียว ในความเป็นจริง ESG เชื่อมกับแทบทุกส่วนขององค์กร

• Board & Executives
  กำหนดทิศทาง Risk Appetite และลำดับความสำคัญ

• ESG / Sustainability
  ประสานเป้าหมาย มาตรฐาน แผนงาน และ Reporting

• Finance & Accounting
  เชื่อม ESG กับ Cost, Budget, Capex, Reconciliation และ Financial Impact

• Risk / Compliance / Legal
  ติดตามข้อกำหนด Control, Exceptions และ Regulatory Exposure

• Internal Audit
  ตรวจ Evidence, Traceability, Control และ Audit Trail

• Procurement & Supply Chain
  ประเมิน Supplier Risk, ESG Credentials และ Improvement Plan

• HR / Operations / EHS
  เป็นแหล่งข้อมูลและเจ้าของ Action จำนวนมาก

• IT / Data
  ดูแล Integration, Security, Access และ Data Architecture

เมื่อทุกฝ่ายเกี่ยวข้อง สิ่งที่องค์กรต้องการจึงไม่ใช่ Dashboard อีกหนึ่งตัว แต่คือ Operating Layer กลาง ที่ทำให้ทุกฝ่ายทำงานบนข้อมูล Workflow และ Evidence ที่เชื่อมกัน

แนวคิด AI Operating System for ESG & SDG จึงไม่ใช่การสร้างระบบใหม่เพื่อแทน ERP, HRIS, Procurement หรือ Carbon Accounting 

แต่เป็นการสร้าง AI Operating Layer บนระบบเดิม 

องค์ประกอบสำคัญ ได้แก่

• AI Workspace พื้นที่ทำงานกลางของทีมและหน่วยงาน

• ESG Knowledge Intelligence เชื่อมมาตรฐาน นโยบาย คู่มือ และองค์ความรู้ที่องค์กรอนุมัติ

• Document Intelligence อ่าน Extract จัดหมวด และตรวจสอบเอกสาร

• Assessment & Action Workflow ประเมิน Gap จัดลำดับความสำคัญ กำหนด Owner และติดตาม Action

• Evidence Management เชื่อม Metric กับ Source, Owner, Version และ Evidence

• Reporting Intelligence ช่วย Mapping ข้อมูล สร้าง Draft และ Management Output

• Governance & Controls Role-based Access, Human Review, Approval, Audit Logs และ Version Control

• Learning & Advisory สร้าง Continuous Learning และเชื่อมผู้เชี่ยวชาญเมื่อจำเป็น

ภาพรวมจึงเปลี่ยนจาก หลายเครื่องมือ + หลายไฟล์ + หลาย Workflow

ไปสู่ One ESG Operating Layer

การกำกับดูแล ESG ที่ดีไม่ควรรอให้ Internal Audit หรือ Assurance Provider ตรวจตอนท้าย

AI OS สามารถช่วยให้ Three Lines ทำงานเชื่อมกันตั้งแต่ต้น

First Line — Operate & Own Business Units และ Operations เป็นเจ้าของ Data, Risk, Action และ Evidence

Second Line — Oversee & Challenge Risk, Compliance, Legal และ ESG Governance กำหนดกรอบ Monitor Exception และ Challenge ความเพียงพอของ Control

Third Line — Independent Assurance Internal Audit ตรวจ Evidence Lineage, Audit Trail, Control Evidence และ Findings อย่างเป็นอิสระ

แต่ทั้งสามชั้นไม่จำเป็นต้องใช้สามระบบ

แนวคิดที่สำคัญคือ Same Data. Different Roles. Independent Accountability.

อีกพื้นที่หนึ่งที่ ESG 2.0 จะสร้างผลลัพธ์ทางธุรกิจได้ชัดคือ Supply Chain

Supplier โดยเฉพาะ SMEs มักต้องตอบคำถาม ESG จากลูกค้าหลายรายในรูปแบบต่างกัน ทั้ง Questionnaire, Certificate, Policy และ Evidence

แนวคิด Supplier ESG Passport คือการสร้าง Digital ESG Profile ที่รวบรวม

• ESG Readiness

• Certificates

• Credentials

• Evidence

• Assessment Score

• Verification Status

• Improvement Plan

ข้อมูลชุดเดียวสามารถนำกลับไปใช้กับ Procurement, Customer Requirements, Supplier Development, Reporting และ Financing Readiness ได้หลายครั้ง

ฝ่าย Procurement จึงเปลี่ยนจากการ “ขอข้อมูล” ไปสู่การ

Discover → Assess → Compare → Verify → Engage → Monitor

ซึ่งช่วยทั้ง Supplier และ Buyer ลดงานซ้ำ และเพิ่ม Supply Chain Transparency

อีกก้าวสำคัญของ ESG 2.0 คือการเลิกแยก ESG ออกจาก Finance เพราะ ESG Initiatives ทุกโครงการมีต้นทุน ทรัพยากร ความเสี่ยง และผลกระทบทางธุรกิจ ผู้บริหารควรสามารถเชื่อม ESG Initiative → Cost → Budget → Capex → KPI → Financial / Business Impact ได้

ESG Transformation ไม่ควรเริ่มด้วยการซื้อระบบใหญ่ที่สุด แต่ควรเริ่มด้วย Priority Use Case เช่น

• ESG Reporting

• Evidence Management

• Supplier ESG

• ESG Readiness

• Compliance / Audit

• Executive Dashboard

จากนั้นตอบ 4 คำถาม

1. Business Problem คืออะไร?
อะไรคือ Pain ที่มีผลต่อเวลา ต้นทุน ความเสี่ยง หรือธุรกิจมากที่สุด

2. Trusted Data อยู่ที่ไหน?
Source, Owner และ Evidence คืออะไร

3. ใครรับผิดชอบ?
ใครคือ Business Owner, Data Owner, Reviewer และ Approver

4. จะวัด Value อย่างไร?
Hours Saved, Cycle Time, Evidence Completeness, Risk Reduction หรือ Business Outcome

จากนั้นค่อยขยายจาก Quick Win ไปสู่ Operating Capability ทั้งองค์กร