المادة الخام لتقييم ESG هي نصوص سردية في معظمها. تفصح الشركة عن انبعاثاتها من النطاق الأول (Scope 1) في تقرير استدامة من 140 صفحة، مدفونةً داخل فقرة بجوار هامش يغيّر بهدوء حدود ما جرى قياسه. أما المُصدر التالي فيورد المؤشر نفسه في جدول، بوحدات مختلفة، وبسنة أساس مختلفة. اضرب ذلك في بضعة آلاف من جهات الإفصاح، تحصل على المشكلة الفعلية التي يتعيّن على استخلاص بيانات ESG حلّها: المعلومة موجودة، لكن ليست بأي صورة يستطيع النموذج تقييمها مباشرة.
هنا تحديداً تستهين الفِرق بحجم العمل. الجزء الصعب ليس قراءة الرقم من الصفحة، بل معرفة ما إذا كان رقمان من مُصدرَين يعنيان الشيء نفسه، والقدرة على إثبات ذلك حين يطلب أحدهم تفسيراً.
مسار الاستخلاص
البنية التي تصمد هنا هي نموذج LLM مقترن باسترجاع (retrieval) فوق المستندات المصدرية. تصف الأنظمة البحثية مثل ESGReveal تقسيماً مفيداً ينطبق جيداً على بيئة الإنتاج. ثمة وحدة بيانات وصفية (metadata) تُرمِّز المعايير التي تستخلص بناءً عليها: ما الذي يُحتسب ضمن النطاق الثاني (Scope 2)، وأي إطار تُعتمد تعريفاته، وأي الوحدات مقبولة. وثمة وحدة معالجة مسبقة تحوّل ركام التقارير الفوضوي إلى قاعدة بيانات قابلة للاستعلام. وأخيراً وكيل استخلاص يسترجع المقاطع ذات الصلة ويستخرج القيمة المنظَّمة.
تبرز أهمية إعداد RAG لبيانات ESG لسبب محدّد: أنت لا تريد للنموذج أن يجيب من بيانات تدريبه، لأن تلك البيانات لا تعرف ما الذي أفصحت عنه شركة بعينها في الربع الماضي. بل تريده أن يجيب من تقارير الاستدامة الفعلية، مع إرفاق المقطع المسترجَع بكل قيمة يعيدها. هذا الإرفاق ليس ترفاً، بل هو ما يجعل الخطوتين التاليتين ممكنتين أصلاً.
عادةً ما يتضمن المسار العملي ما يلي:
- معالجة مسبقة للمستندات تحافظ على بنية الصفحات والجداول، بحيث يحمل الرقم المسترجَع موضعه لا مجرد نصّه
- بيانات وصفية للمعايير تربط كل مؤشر مستهدَف بتعريف ووحدة متوقعة قبل بدء الاستخلاص
- استرجاع محصور في الإفصاح الصحيح، بحيث تأتي القيمة من المُصدر والفترة اللذين سألت عنهما فعلاً
- خطوة استخلاص تعيد القيمة مقترنةً بالمقطع الذي جاءت منه، في كل مرة
التوحيد عبر المُصدرين
بمجرد استخلاص القيم، فإنها لا تكون بعدُ قابلة للمقارنة، والتظاهر بعكس ذلك هو ما يفسد تقييم ESG. تتبدّل التعريفات بين المُصدرين وبين سنوات الإبلاغ. رقم استهلاك المياه لدى شركة يشمل المياه المعاد تدويرها، وآخر لا يشمله. تتغيّر حدود الإبلاغ بعد عملية استحواذ. وتَرِد الوحدات بالأطنان والكيلوطن والأطنان القصيرة ضمن مجموعة البيانات نفسها.
التوحيد هو موضع العمل الاستشاري الحقيقي. تبني التطابق بين التعريف المحلي لكل مُصدر وتعريف موحَّد، وتسجّل التحويلات، وتحفظ سلسلة النسب (lineage) من القيمة الموحَّدة رجوعاً إلى الاستخلاص الخام والمقطع المصدري. هذا هو ذاته انضباط حلّ الكيانات (entity resolution) والمطابقة الذي تتطلبه البيانات المالية، مطبَّقاً على الإفصاحات بدلاً من الأسعار. وحين تتحرك قيمة مُقيَّمة بين ربع وآخر، ينبغي أن تكون قادراً على تمييز ما إذا كانت الشركة قد غيّرت سلوكها أم مجرد غيّرت تعريفها. من دون ذلك، يقيس مؤشر ESG أسلوب الإبلاغ بقدر ما يقيس الأداء.
التحقق، والصدق بشأن البيانات
ينبغي أن تكون كل قيمة مستخلَصة قابلة للمراجعة مقابل مصدرها (citation). إذا قال المسار إن انبعاثات شركة تساوي س، فينبغي أن يتمكن المراجع من النقر للوصول إلى الصفحة والتأكد منها، تماماً كما تتتبّع مخرَج نموذج رجوعاً إلى سجل مصدري. ابنِ مجموعة التقييم (eval set) من مقاطع وسمها إنسان مسبقاً، وتعامل مع دقة الاستخلاص بوصفها رقماً تتابعه عبر الزمن لا أمراً تفترضه مسبقاً. تتغيّر صيغ التقارير من سنة إلى أخرى، والمسار الذي عمل على قوالب العام الماضي سينحرف بهدوء على قوالب هذا العام.
أما الصدق الأصعب فيتعلق بالبيانات نفسها. حصة كبيرة من إفصاحات ESG ذاتية الإبلاغ وغير مدقَّقة. بعضها مُقدَّر، وبعضها مصوغ بسخاء، وبعض المؤشرات ببساطة غير مُفصَح عنها، تاركةً فجوات يمكنك تقدير قيمها (impute) لكن لا ينبغي أن تخفيها. الاستخلاص الجيد يُظهر ذلك بدل أن يطمسه. نفضّل أن نعيد قيمة مرفقة بوسم يقول “ذاتية الإبلاغ، الحدود غير واضحة، ثقة منخفضة” على رقم نظيف يوحي بدقة لم تتوافر في المصدر أصلاً.
هذا الموقف هو لبّ المسألة. وظيفة المسار ليست أن يُظهر بيانات ESG بمظهر متين، بل أن يجعلها صالحة للاستخدام مع الوضوح التام بشأن مدى متانة كل قيمة، حتى يكون التقييم المبني فوقها قابلاً للدفاع أمام من عليه أن يتصرف بناءً عليه.