AI Playbook для ESG-отчетности: шаблоны промптов и кейсы использования Gemini

От месячных мучений к часовой задаче

Специалист по ESG открывает папку с данными за квартал. 47 Excel-файлов от разных департаментов. 23 PDF-отчета от поставщиков. 156 ответов из опроса сотрудников о корпоративной культуре. 89 email-переписок о цепочке поставок. Надо превратить этот хаос в структурированный отчет по стандартам GRI, проверить согласованность данных, найти аномалии, сформулировать выводы и подготовить презентацию для совета директоров. Обычно на это уходит 3 недели. С Gemini это делается за 3 часа.

Почему ESG - идеальная задача для Gemini

Три причины, почему ESG-отчетность убийственно подходит для ИИ-автоматизации:

• Мультимодальность - данные приходят в разных форматах: таблицы, PDF, тексты, даже изображения чеков и сертификатов
• Контекстуальность - один и тот же показатель (например, расход воды) по-разному интерпретируется для производства и офиса
• Стандартизация - несмотря на кажущийся хаос, существуют четкие frameworks: GRI, SASB, TCFD, которые Gemini отлично знает

Стартовый набор: 5 промптов, которые работают прямо сейчас

Не ждите идеальных условий. Начните с этих шаблонов - они работают даже на частичных данных.

1 Анализ разрозненных данных

# Промпт для Gemini в NotebookLM
"""
Ты - аналитик ESG-данных. Перед тобой данные из разных источников:
1. Энергопотребление (МВт·ч) по месяцам из Excel
2. Отчеты о выбросах CO2 от логистики
3. Информация о переработке отходов

Задача:
- Сведи все данные в единую таблицу с нормализованными единицами измерения
- Отметь противоречия (например, если расход энергии вырос, а выбросы упали)
- Предложи гипотезы для объяснения аномалий
- Сформулируй 3 ключевых вывода для отчета

Формат ответа: таблица + анализ + рекомендации
"""

2 Проверка соответствия стандартам

# Промпт для валидации отчета
"""
Ты - аудитор отчетности по стандарту GRI. Проверь следующий текст отчета на:

1. Полноту обязательных показателей (GRI 301-303, 305)
2. Согласованность данных (не должно быть противоречий между разделами)
3. Качество раскрытия (каждый показатель должен иметь:
   - Методологию расчета
   - Границы охвата
   - Сравнение с предыдущим периодом
   - Объяснение значительных изменений)

Если чего-то не хватает, предложи конкретную формулировку для добавления.
Если есть противоречия, укажи на них и предложи способ устранения.

Отчет для проверки: {вставь текст отчета}
"""

3 Извлечение данных из неструктурированных источников

Поставщики присылают отчеты в PDF. Бухгалтерия - в Excel. Юристы - в виде email-переписки. Этот промпт вытаскивает структурированные данные из любого формата:

"""
Извлеки из предоставленных документов следующие ESG-данные:

1. Количественные показатели:
   - Энергопотребление (кВт·ч, МВт·ч, ГДж)
   - Выбросы CO2 (тонны, кг)
   - Водопотребление (м³, литры)
   - Отходы (тонны, % переработки)

2. Качественные данные:
   - Политики и процедуры
   - Инциденты и нарушения
   - Обучение сотрудников
   - Инициативы по улучшению

3. Контекст:
   - Период отчетности
   - Границы (какие объекты/процессы включены)
   - Методологии расчета

Для каждого найденного показателя укажи:
- Значение
- Единицу измерения
- Источник (из какого документа)
- Страницу/место в документе
- Уверенность в правильности извлечения (высокая/средняя/низкая)
"""

Реальные кейсы: от теории к практике

Как НЕ надо делать: 3 критические ошибки

Ошибка 1: Слепая вера в ИИ без проверки

Вы загружаете данные в Gemini, получаете красивый отчет и отправляете его совету директоров. Через неделю выясняется, что Gemini перепутал тонны и килограммы в отчете поставщика. Все выводы неверны. Репутация разрушена.

Как правильно: Внедрите двухэтапный процесс. Сначала Gemini анализирует и готовит черновик. Потом эксперт проверяет КЛЮЧЕВЫЕ показатели (20% данных, дающих 80% значимости). Используйте промпт:

"""
Подготовь черновик анализа, но для следующих показателей укажи:
1. Фактическое значение
2. Источник (точная цитата из документа)
3. Уровень уверенности в правильности
4. Рекомендацию по ручной проверке ("требует проверки", "можно доверять")

Особое внимание: единицы измерения, периоды, границы охвата.
"""

Ошибка 2: Игнорирование контекста

Gemini видит, что расход бумаги в офисе вырос на 30%. Пишет рекомендацию "внедрить электронный документооборот". Не зная, что в этом году компания переехала в новый офис и все старые архивы были оцифрованы - это разовая ситуация.

Как правильно: Всегда добавляйте контекст в промпты:

"""
Контекст для анализа:
- Компания переехала в новый офис в марте 2024
- Внедрена новая система учета отходов с апреля
- Изменена методология расчета выбросов Scope 3

Учитывая этот контекст, проанализируй данные и выдели:
1. Реальные тренды (не связанные с изменениями методологии)
2. Разовые события (связанные с переездом, реорганизацией)
3. Методологические эффекты (из-за изменений в расчетах)
"""

Ошибка 3: Попытка полностью заменить людей

Вы увольняете двух аналитиков ESG, оставляя одного специалиста с Gemini. Через квартал понимаете, что никто не может задать правильные вопросы ИИ, интерпретировать результаты, принимать решения на основе анализа.

Как правильно: Перераспределите роли. Люди задают вопросы, интерпретируют, принимают решения. ИИ собирает, структурирует, анализирует данные. Используйте плейбук от Google как основу для перестройки процессов.

Интеграция в существующие процессы

4 Шаг 1: Картирование данных

Прежде чем что-то автоматизировать, поймите что у вас есть. Создайте в NotebookLM документ "Карта ESG-данных" с промптом:

"""
Составь полную карту всех источников ESG-данных в компании:

Для каждого источника укажи:
1. Тип данных (энергия, отходы, социальные и т.д.)
2. Формат (Excel, PDF, API, база данных)
3. Периодичность обновления
4. Ответственного
5. Качество данных (полнота, точность, актуальность)
6. Потенциал для автоматизации (высокий/средний/низкий)

Приоритезируй источники для автоматизации по критерию:
(Объем данных × Частота использования) / Сложность автоматизации
"""

5 Шаг 2: Создание библиотеки промптов

Не изобретайте велосипед для каждой задачи. Создайте в компании общую библиотеку проверенных промптов. Структура:

• Извлечение данных - промпты для разных типов документов
• Валидация - проверка на соответствие стандартам
• Анализ - выявление трендов и аномалий
• Визуализация - подготовка графиков и дашбордов
• Генерация отчетов - создание текстовых разделов

Каждый промпт должен иметь метаданные: для каких данных работает, точность, ограничения, примеры использования.

6 Шаг 3: Внедрение контрольных точек

Автоматизация - не автопилот. Встройте в процесс обязательные ручные проверки:

1. Проверка исходных данных (выборочно)
2. Верификация ключевых показателей
3. Согласование интерпретаций и выводов
4. Финальный review отчета

Используйте интерактивные калькуляторы Gemini для проверки расчетов прямо в процессе работы.

Специфические кейсы для разных отраслей

Производство: мониторинг выбросов в реальном времени

Загружаете данные с датчиков, отчеты лабораторий, журналы эксплуатации. Gemini ищет корреляции: например, связь между температурой печи и выбросами NOx. Предлагает оптимальные режимы работы.

"""
Проанализируй данные о выбросах и параметрах производства за последний месяц.
Найди:
1. Паттерны, связанные со сменами (дневная/ночная)
2. Зависимость выбросов от загрузки оборудования
3. Аномальные всплески и их возможные причины
4. Рекомендации по оптимизации для снижения выбросов без потери производительности
"""

Ритейл: анализ цепочки поставок

Сотни поставщиков, тысячи товаров. Gemini анализирует сертификаты, отчеты аудитов, данные о транспортировке. Автоматически присваивает рейтинги устойчивости, выявляет риски.

Финансы: оценка ESG-рисков портфеля

Загружаете отчеты компаний из портфеля. Gemini сравнивает их между собой, с отраслевыми бенчмарками, выявляет greenwashing. Готовит обзор для инвестиционного комитета.

Что делать, когда данных мало или нет

Самая частая отмазка: "У нас нет данных для ESG-отчетности". Бред. Данные есть всегда. Просто они не структурированы под ESG.

Промпт для поиска скрытых данных:

"""
Исходя из деятельности компании (производство мебели), предложи:

1. Какие ESG-данные у нас ДОЛЖНЫ быть по закону и стандартам
2. Где эти данные могут находиться (в каких системах, документах)
3. Как их можно получить (запросы, интеграции, ручной сбор)
4. Какие данные можно оценить/рассчитать на основе имеющихся
5. План на первые 30 дней по сбору минимального необходимого набора
"""

Интеграция с другими инструментами

Gemini - не остров. Максимальную ценность он дает в связке с другими системами:

• NotebookLM - для работы с документами и создания knowledge base
• Google Sheets - через Gemini API для автоматического анализа таблиц
• BI-системы - Gemini готовит датасеты, Tableau/Power BI визуализируют
• Системы документооборота - автоматическая классификация и тегирование ESG-документов

Для разработчиков: используйте Gemini 3 Flash для создания агентных workflow, которые автоматически обрабатывают ESG-данные по расписанию.

Метрики успеха: как измерить эффективность

Не внедряйте ИИ потому что это модно. Внедряйте потому что это дает результат. Отслеживайте:

Старт сегодня: 30-минутный план

Не ждите понедельника, бюджета или одобрения руководства. Сделайте это сейчас:

1. Откройте NotebookLM
2. Загрузите один ESG-документ (отчет поставщика, данные по энергии, что угодно)
3. Скопируйте промпт №1 из этой статьи
4. Запустите анализ
5. Оцените результат: что получилось хорошо, что можно улучшить
6. Покажите коллеге - это займет 5 минут, но убедит скептиков

Через месяц вы будете смеяться над тем, как раньше делали эту работу вручную. Через квартал - забудете, как это было. Через год - будете учить других.

ESG-отчетность перестала быть бюрократической повинностью. С Gemini это стало конкурентным преимуществом. Тот, кто автоматизирует первым, получает не только экономию времени, но и более качественные данные, более глубокие инсайты, более убедительные отчеты.

А потом приходят инвесторы и спрашивают: "Как вам удается так быстро готовить такие детальные отчеты?" И вы отвечаете: "У нас хорошая команда". Не врите. Скажите правду: "У нас хорошая команда и отличные инструменты".