La elaboración de informes de sostenibilidad se divide en dos partes: informes de sostenibilidad específicos de la empresa e información de sostenibilidad específica del producto, que se verifica principalmente mediante las emisiones del producto.
Las empresas verifican su responsabilidad mediante indicadores ESG, que incluyen la responsabilidad ambiental, la responsabilidad social y el gobierno corporativo. A partir de este año, la Directiva sobre Informes de Sostenibilidad Corporativa (CSRD) de la UE exigirá a todas las empresas cotizadas y a otras grandes empresas que informen sobre su responsabilidad de forma más exhaustiva que antes.
Los datos de sostenibilidad ayudan a las empresas a tomar decisiones más respetuosas con el medio ambiente en sus operaciones. Los informes permiten a los clientes corporativos elegir a sus socios en función de su sostenibilidad. Gracias a la presentación de informes conforme a la Directiva de Responsabilidad Corporativa, los financiadores también pueden seleccionar sus objetivos de inversión con información más completa que antes.
Lenguaje de marcado estándar para facilitar la elaboración de informes.
XBRL (Lenguaje Extensible de Informes Empresariales) se utiliza desde hace décadas en la elaboración de informes financieros electrónicos, como los estados financieros de las empresas cotizadas. También se emplea en la elaboración de informes conforme a la Directiva sobre Informes de Sostenibilidad. XBRL es un lenguaje de marcado basado en XML (Lenguaje Extensible de Marcado) que presenta la información en formato de lenguaje máquina.
La experiencia en el desarrollo de la digitalización de informes y en la implementación de informes de sostenibilidad nos guía por la taxonomía XBRL, ella proporciona un buen marco para la elaboración de informes.
Los programas de generación de informes facilitan este trabajo. Una vez que se han creado vínculos en ellos con, por ejemplo, un sistema de planificación de recursos empresariales, el programa recuperará automáticamente la información de allí en el futuro.
La recopilación automatizada de datos se complica por el hecho de que la información que se debe reportar está dispersa en diferentes sistemas, tanto dentro de la empresa como en las cadenas de suministro. En el peor de los casos, la información ni siquiera existe. Las empresas aún no generan informes XBRL cuando no están obligadas a hacerlo.
Mejora la comparabilidad
El problema con los informes de sostenibilidad ha sido la falta de estándares y la ausencia total de supervisión. Para las empresas ha sido difícil operar en una situación en la que, por ejemplo, no han podido comunicar a sus socios los requisitos de sus informes de sostenibilidad.
La situación está cambiando.
Cuando una empresa busca datos relacionados con la sostenibilidad, la taxonomía ESRS (Estándares Europeos para la Elaboración de Informes de Sostenibilidad) establece, entre otras cosas, cómo se miden las diferentes dimensiones y cómo se presentan los datos. Esto garantiza que los informes de distintas empresas sean comparables.
Una empresa sabe dónde medir las diferentes dimensiones de su responsabilidad según la taxonomía ESRS. La taxonomía XBRL define una representación común de la información para que pueda generarse y procesarse automáticamente.
Hay casos en los que una empresa ha cambiado de proveedor cuando no ha podido cumplir con sus obligaciones de información. Los inversores también supervisan cómo las empresas cumplen con sus obligaciones de responsabilidad. Esto reduce la posibilidad de eco blanqueo.
Queda por ver hasta qué punto la nueva norma contribuirá a la comparabilidad de los datos notificados. La directiva está en vigor y el plazo para la elaboración de reglamentos nacionales ya ha expirado. Actualmente, se espera una decisión de la Comisión sobre los requisitos relativos a la estructura de los datos. Por lo tanto, los primeros informes estructurados conforme a los requisitos no se verán hasta la primavera de 2026, como muy pronto, cuando las empresas presenten sus informes sobre sus actividades este año.
Ahora sigue siendo un buen momento para empezar a desarrollar tus propias operaciones, de modo que en el futuro los informes de sostenibilidad se puedan generar de la forma más automática posible basándose en XBRL.
La información sobre emisiones específica de cada producto te ayuda a comprar de forma responsable.
La información específica sobre sostenibilidad del producto constituye el segundo nivel de los informes de sostenibilidad. Su núcleo actual reside en el cálculo de las emisiones de dióxido de carbono durante el ciclo de vida del producto. Los datos específicos del producto permiten una mejor toma de decisiones a lo largo de toda la cadena de valor.
El cliente puede tomar mejores decisiones de compra. El departamento de desarrollo de productos de la empresa toma mejores decisiones en el desarrollo de sus productos al elegir, por ejemplo, materiales más sostenibles y reciclables. Los datos ayudan a gestionar mejor los riesgos a lo largo de toda la cadena de suministro.
Los datos específicos de cada producto permiten a las empresas, las cadenas de valor y los ecosistemas completos transformar sus carteras de productos en productos de bajas emisiones, respetuosos con el medio ambiente y eficientes en el uso de energía y recursos. Estos datos proporcionan a los clientes pruebas de una producción responsable a lo largo de toda la cadena de suministro.
Las mayores fuentes de emisión destacadas
El primer paso, y el más importante, para calcular las emisiones es comprender dónde se originan las mayores emisiones del producto en la cadena de valor. Es muy probable que las emisiones se produzcan fuera de la empresa. Por ejemplo, la producción de electricidad y energía térmica adquirida por la empresa (alcance 2) es un buen ejemplo. En la cadena de suministro, las emisiones suelen generarse en grandes cantidades ya en la producción primaria.
¿Cómo se garantiza entonces la fiabilidad de la información?
Las grandes empresas están empezando a tener maneras de obtener y buscar información, y de garantizar su calidad. La presión de los clientes se transmite a lo largo de la cadena. Si la empresa es un cliente importante para un subcontratista, es probable que la información sobre el cálculo de emisiones también esté disponible en la cadena de suministro.
Los problemas en el cálculo de emisiones también pueden surgir de cómo y en qué medida, por ejemplo, se asignan las emisiones logísticas a diferentes productos en distintos tipos de transporte. ¿El cálculo se basa en el peso del producto o en el tamaño del contenedor? ¿Y cómo se calculan las emisiones de almacenamiento en una instalación de almacenamiento en frío? ¿Utilizan todos los operadores logísticos los mismos criterios de cálculo, por ejemplo, en sus cálculos basados en kilómetros?
El tiempo real no es realismo.
Actualmente, los datos para el cálculo de emisiones suelen almacenarse en complejas hojas de cálculo de Excel, ya que los sistemas de cálculo de emisiones que utilizan la automatización aún están en sus inicios.
Las empresas obtienen datos actualizados para sus informes de emisiones a partir de sus sistemas de planificación de recursos empresariales (ERP). Los datos de la cadena de suministro se obtienen en relación con las compras o de los subcontratistas, por ejemplo, una vez al año. Los clientes necesitan información al tomar decisiones de compra, y la gestión financiera la requiere cuando los informes de emisiones se incluyen en los estados financieros.
Recopilar datos en tiempo real no parece ser un objetivo realista en los próximos años, ya que muchas empresas ya tienen problemas para recopilar datos anuales.
Debe garantizarse la calidad de los datos sobre emisiones de la cadena de suministro.
En principio, la contabilidad de emisiones en la cadena de valor es la más sencilla de las áreas de contabilidad ambiental para productos, ya que el dióxido de carbono equivalente es una magnitud inequívoca y sus reglas de cálculo son uniformes a nivel mundial. Junto con la contabilidad de emisiones, existen objetivos y obligaciones relacionados con la reciclabilidad, el origen y la trazabilidad, entre otros, que son más complejos de monitorear y verificar.
Al calcular las emisiones de los productos, el ámbito más sencillo corresponde a las emisiones generadas por las propias operaciones de una empresa y los servicios que adquiere directamente. Hablamos de los niveles de cálculo de emisiones de alcance 1 y alcance 2.
Además de sus propios datos sobre emisiones de dióxido de carbono, las empresas deben crear una visión general de las emisiones de toda su cadena de suministro, tal como ya exigen las normativas de la UE.
Al analizar las emisiones a lo largo de todo el ciclo de vida de un producto, desde la producción de materias primas y materiales hasta el uso de los productos y el final de su ciclo de vida, los cálculos y la garantía de la calidad de los datos resultan más difíciles.
Además de los datos sobre emisiones de dióxido de carbono, también es necesario elaborar datos sobre riesgos sociales y administrativos en el futuro. Por ejemplo, será posible informar sobre riesgos relacionados con los derechos humanos, la biodiversidad o la corrupción en la cadena de subcontratación.
Un tema de actualidad para las empresas finlandesas es, entre otros, los requisitos impuestos por el Reglamento de la UE sobre la deforestación, que deben cumplir en sus operaciones. En el futuro, los productos de la industria forestal deberán incluir datos que permitan a los clientes conocer el origen de los productos y cómo la obtención de la madera cumple con los requisitos de la legislación.
Cálculo de emisiones como parte de la estrategia de datos de la empresa.
Cuando una empresa desea facilitar el cálculo de emisiones mediante la automatización, debe optimizar sus operaciones en muchos aspectos antes de poder implementarla. Es posible utilizar archivos de Excel existentes importando fórmulas de cálculo, factores de emisión e interfaces de sistemas de planificación de recursos empresariales, entre otros elementos.
No vale la pena seguir adelante con soluciones puntuales. La empresa debe definir un estado objetivo, cómo debe fluir la información automáticamente y determinar los pasos de desarrollo necesarios para alcanzarlo. El modelo debe ser escalable para que pueda utilizarse en el futuro, además de para calcular las emisiones de dióxido de carbono de sus propias operaciones, para calcular otras emisiones de sus operaciones y las emisiones de la cadena de suministro.
Las empresas disponen de gran cantidad de datos; simplemente necesitan saber cómo recopilarlos y procesarlos. Los datos de cálculo de emisiones deben ser parte integral de la estrategia de datos y el desarrollo empresarial de la compañía.
El problema actual es que faltan las herramientas para este trabajo, y la mayor parte del tiempo de trabajo de las personas que se dedican a la responsabilidad corporativa se invierte en datos y cálculos, lo que consume tiempo que podría dedicarse al desarrollo de la responsabilidad.
Los pasaportes de producto proporcionan información fiable.
En el futuro, la forma más eficiente de obtener información sobre la cadena de suministro será mediante pasaportes digitales de producto, que mejoran la trazabilidad y proporcionan, por ejemplo, información sobre las emisiones generadas durante su cadena de suministro. Los pasaportes de producto estandarizados y abiertos facilitarán la recopilación y el cálculo de datos sobre la sostenibilidad de los productos.
Si los planes se desarrollan según lo previsto, en los próximos años casi todos los productos del mercado de la UE contarán con un pasaporte digital que proporcionará a los consumidores información sobre el producto de acuerdo con la norma GS1.
Los estándares GS1 definen identificadores únicos para las partes de las cadenas de suministro. Los sistemas de información pueden utilizarlos para identificar de forma unívoca, por ejemplo, un artículo comercial, una ubicación física, una unidad logística o una relación de servicio.
La inteligencia artificial y la automatización ayudan con la elaboración de informes de sostenibilidad.
La Directiva de la UE sobre Informes de Sostenibilidad Corporativa (CSRD) exige a las empresas que cumplan con más de 80 requisitos de divulgación y más de 1100 puntos de datos. El informe se elaborará digitalmente junto con los estados financieros a partir de 2025.
A continuación, cuatro preguntas de cultura general sobre la elaboración de informes de sostenibilidad:
¿Cómo se garantiza la calidad de la información utilizada en los informes?
Entre los desafíos para la generación de informes se incluyen datos faltantes, incompletos e incorrectos. La calidad de los datos puede mejorarse mediante la integración directa con los sistemas de origen en lugar de la transferencia manual. Las plataformas de datos centralizadas y los servicios en la nube permiten gestionar los datos desde un único lugar, lo que facilita el procesamiento y la generación de informes.
Nos esforzamos por garantizar la compatibilidad de los sistemas que se integrarán. Definimos reglas de verificación automática para la integridad y validación de los datos. Realizamos auditorías periódicas para asegurar que no se produzcan anomalías en los datos. El control de versiones permite realizar un seguimiento de los cambios en los flujos de datos y determinar el origen y las consecuencias de los errores.
La inteligencia artificial puede utilizarse para detectar inconsistencias, eliminar duplicados y complementar datos. También permite monitorizar los flujos de datos y detectar desviaciones lo antes posible. En la integración de datos, la inteligencia artificial puede detectar correlaciones y similitudes.
La inteligencia artificial puede predecir problemas basándose en datos históricos, generar alertas y mecanismos de corrección automáticos. También puede utilizarse para supervisar el cumplimiento de las normas. Además, ayuda a comprender el contenido de los datos y permite crear, por ejemplo, modelos de metadatos precisos para la detección de datos. El procesamiento del lenguaje natural permite analizar datos no estructurados y obtener análisis más precisos.
¿Qué problemas genera la combinación de datos de diferentes fuentes y cómo se solucionan?
Entre los posibles problemas se incluyen la incompatibilidad de formatos de datos y las diferentes normas. También pueden surgir problemas si los datos están incompletos o faltan. La protección de datos y la privacidad son cuestiones importantes en el procesamiento de datos.
Los problemas se resuelven mediante algoritmos automáticos que identifican los datos que se van a combinar, detectan anomalías y pueden completar parcialmente los atributos faltantes. Existen algoritmos automáticos específicos para el procesamiento de datos privados. Si es necesario, parte de los datos se procesan manualmente.
¿Los datos deben recopilarse en tiempo real o por lotes?
Parte de la información reportada es de carácter más permanente y solo requiere actualizaciones menores anualmente. Otra parte se actualiza una vez al año, mientras que otra se recopila en tiempo real.
El procesamiento por lotes es una buena opción para grandes conjuntos de datos, cuando estos cambian con poca frecuencia, solo están disponibles en formato de archivo, se pueden ejecutar en momentos específicos, se realizan conversiones importantes o si el costo de la transferencia de datos representa un desafío. La ventaja de los datos en tiempo real es que siempre están actualizados, lo cual, por sí solo, puede ser de gran valor.
¿Cómo ayuda la automatización al análisis y la elaboración de informes de datos?
El software automatiza el flujo de trabajo de generación de informes, convirtiéndolo en una ruta eficiente para el equipo de elaboración de informes. La automatización, creada por expertos, aprovecha las dependencias entre el contenido de las diferentes secciones, lo que reduce el trabajo manual y, por lo tanto, los errores. Los datos se pueden transferir automáticamente al informe, por ejemplo, desde una calculadora de huella de carbono o los resultados de una clasificación taxonómica.
En general, la automatización mejora significativamente el análisis y la elaboración de informes de datos. Facilita el procesamiento de grandes conjuntos de datos, mejora la precisión y reduce los errores humanos. Además, permite la escalabilidad y el procesamiento en tiempo real.
Las herramientas automatizadas permiten combinar datos de múltiples fuentes. Estas herramientas incluyen visualizaciones e informes integrados. La automatización posibilita el análisis predictivo y puede utilizarse para generar informes programados.
La inteligencia artificial permite una mayor automatización y predictibilidad a partir de datos históricos. El procesamiento del lenguaje natural se puede utilizar para analizar textos. La inteligencia artificial permite la detección y gestión de anomalías en los datos. Se puede utilizar para crear informes dinámicos y visualizaciones interactivas.
La inteligencia artificial puede procesar datos brutos y, basándose en ellos, crear una propuesta de informe en un contexto que garantice el cumplimiento como parte del proceso de trabajo.
La IA puede utilizar el informe del año anterior, recopilar la información necesaria de diversas fuentes y combinar los datos. Puede crear explicaciones y resúmenes, analizar la fuente de datos y sugerir visualizaciones.