ESG 大模型落地的难点：先打通数据，再谈生成报告

RAG 能检索政策和企业材料，却无法自行修复过期文件、相互冲突的口径和失效权限。本文聚焦企业在实际实施时会遇到的流程、数据和责任问题，并结合公开标准与技术框架讨论可行边界。

知识库不是文件仓库

把所有报告、制度和邮件直接切块入库，看起来很快，回答却可能混用不同年度的目标。企业需要给文档标注有效期、所有者、业务范围和保密等级；检索结果应显示引用段落及其版本，过期材料进入复核队列。

结构化数据与文本要分开治理

排放量、能耗和供应商覆盖率属于结构化事实，制度解释和证据说明属于非结构化文本。前者需要校验公式、单位和计算边界，后者需要语义检索与引用。让模型在文本中推算关键数值，容易把缺失值当作零，或混淆绝对量与强度指标。

评测应围绕真实任务

可用历史工单构造测试集，检查模型能否找到正确年份的证据、识别冲突并在证据不足时拒答。除准确率，还要记录权限越界、回答成本和人工修正量。报告写作只是最后一环；数据治理和审查机制决定结果是否可用。

实践观察

知识库建设可以从十个最常被问的问题开始，而不是先导入十万份文件。为每个问题列出正确引用、适用期间和拒答条件，接着观察检索错误集中在哪里。若问题来自表格识别，就改进解析；若来自版本冲突，就修复元数据。单纯调提示词通常治标不治本。

进一步看：工作流中的证据与责任

企业内部知识检索还需要处理同名文件。比如“2025 年度环境目标”可能同时存在董事会批准稿、部门工作稿和旧版附件。如果检索器只按相关度排序，模型可能把草稿排在正式版本前。可通过文档状态与批准时间设置过滤，再展示引用来源。即使回答准确，也要测试普通读者能否在一分钟内找到原始证据；无法复核的正确答案仍难用于正式披露。

当企业准备扩大试点时，可以建立一组固定回归案例，覆盖正常记录、缺失凭证、版本冲突、权限不足和明显异常。每次更换模型、提示词或计算规则，都用同一组案例复测，记录哪些答案变好、哪些变差。尤其要保留那些系统应当拒答或请求人工处理的案例，因为它们最能检验安全边界。指标不应只统计生成速度，还要看后续复核与纠错消耗。复盘结果还应进入下一轮任务设计，使自动化范围随证据逐步扩大，而不是一次性放开所有权限。

落地时的判断标准

评估一个方案时，可以连续追问四件事：数据来自哪里，版本何时生效，谁有权修改，以及错误发生后如何纠正。试点指标也应对应这些问题，例如数据覆盖率、复核耗时、异常发现率与误报率。若无法说明这些指标，自动生成的漂亮页面并不能证明管理质量有所提升。

本文是基于公开资料的行业分析，涉及的技术路径属于应用建议。具体法规适用范围、披露义务和业务决定，应由相应专业人员结合企业所在地与实际情况核对。