第一层：会做ESG

第二层：会用AI做ESG

第三层：会设计AI驱动的ESG工作流程

更希望这个人能够解决问题：能不能快速找到需要的信息？能不能把大量数据整理清楚？能不能提高报告制作效率？能不能发现供应商风险？能不能把政策变化转化成企业行动？

例如：

你知道企业碳排放数据怎么核算，同时知道AI如何帮助整理活动数据。

你知道ESG评级的方法，同时知道AI如何快速完成大量文件检索。

你能不能把ESG任务拆开？

比如“做一份ESG报告”，并不是一个任务。它至少包含：数据收集、指标确认、材料整理、差异分析、内容撰写、事实核验、披露审查。任务拆不开，AI也很难真正帮你提效。

你知道哪一步应该用AI吗？

资料检索可以，文件分类可以，数据整理可以，初稿生成可以。

但最终判断、数据确认、政策适用性判断，需要人工把关。

你能不能把规则告诉AI？

比如供应商风险筛选。不能只说：“帮我找高风险供应商。”

而要告诉AI：什么叫高风险？看哪些指标？哪些情况需要重点关注？输出什么格式？需要引用什么证据？

你会不会验证AI？

这是ESG工作尤其重要的一步。AI给出的结论必须回到原始文件。尤其是政策、标准、监管要求、企业披露数据和案例。AI负责提高信息处理效率，人负责确认信息是否成立。

你能不能快速找出企业披露了哪些核心指标？

如果只能一页一页翻，说明你主要还是传统资料处理方式

给你几十家供应商的ESG资料，你能不能设计一套分类和风险筛选规则？

如果只会让AI“帮我分析”，但说不清判断标准，说明你还没有真正掌握这项工作的流程。

出现一项新的ESG政策，你能不能把它拆成企业需要完成的任务？

这考察的是ESG专业能力。

你能不能告诉AI“分析什么、为什么分析、按照什么规则分析、最后输出什么”？

这考察的是AI指挥能力。

AI给出的结论，你能不能回到原始文件进行核验？

这考察的是专业判断。

最后，你能不能把AI结果整理成企业可以直接使用的报告、分析表或者行动清单？

第一步：补ESG系统知识。知道ESG报告、碳管理、供应链、评级、政策、披露分别在解决什么问题。

第二步：拆解ESG工作。把一项工作拆成资料收集、数据处理、分析判断、输出和复核。

第三步：寻找AI入口判断。哪些环节适合AI辅助，哪些环节必须人工判断。

第四步：建立核验机制。要求AI给出来源，回到原始文件核对，建立自己的事实检查流程。

第五步：做真实项目。最终形成可以放进简历里的成果，而不是只留下几个Prompt。