企业如何用 AI 判断供应商 ESG 承诺是否得到执行

供应商问卷写有减排目标，生产记录却没有相应投资。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。采购链条不是一张静态供应商名单。贸易商、代工厂、原料地和劳务代理可能分处不同层级，单一问卷往往看不到真正的环境与劳动风险。

先整理证据，再谈模型能给出什么建议。大模型可以整理合同、公开资料、问卷、运输及整改证据，识别名称别名和信息缺口。关键事实仍要用供应商提供的原始资料、工人访谈或独立审核核实。落地时，第一项动作是对照公开承诺、能源账单、设备采购和整改记录。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。采购团队可以按影响规模与风险严重性分层：先处理可能造成伤害的事项，再推动一般数据能力建设。对中小供应商给出清晰字段和合理期限，比分数排名更有助于改进。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。

判断承诺是否兑现，可要求供应商展示相应设备、流程或工资记录的连续变化，而不只看新版政策文件。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，可先要求可核查的阶段成果而非单次自评。观察整改是否被复验、问题是否复发，以及采购条件是否随结果改变。真正有效的 ESG 管理要进入合同、订单和续约流程，而不止于年度评分。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：商业机密可受保护，证据要求仍须明确。系统输出应显示证据等级与不确定性。发现异常后应给供应商解释和申诉机会，必要时派人到现场，避免算法把未经核实的传言变成商业处罚。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。