Short answer
The answer, before the reasoning
IFRS S1 e IFRS S2 no exigen datos perfectos antes de que pueda informarse información financiera útil relacionada con la sostenibilidad. Las estimaciones razonables, los proxies, los datos modelizados y los rangos pueden ser necesarios y apropiados cuando no se dispone de medición directa, siempre que la información resultante esté representada fielmente, se expliquen los métodos y supuestos materiales y la incertidumbre significativa de medición sea transparente.
Los equipos de información deberían distinguir la incertidumbre sobre resultados futuros de la incertidumbre al medir un importe; documentar las brechas de la cadena de valor y la jerarquía de datos; controlar los modelos y los factores; y mantener un registro de estimaciones que muestre las fuentes, los supuestos, la sensibilidad, la responsabilidad, la revisión y un plan de mejora. Una brecha de datos suele ser un motivo para estimar y revelar las limitaciones, no automáticamente un motivo para omitir información.
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
Por qué las estimaciones son normales y aun así necesitan controles sólidos
Muchas métricas relacionadas con la sostenibilidad no pueden medirse directamente. Las emisiones de gases de efecto invernadero de Scope 3 dependen de información de proveedores, datos de actividad, factores de emisión y datos secundarios. La exposición al riesgo físico puede depender de modelos de peligros y supuestos geoespaciales. Los efectos financieros previstos suelen combinar escenarios, planificación financiera y respuestas inciertas de la dirección. Incluso las métricas aparentemente sencillas sobre la plantilla o las operaciones pueden depender de juicios sobre el perímetro, el corte y los sistemas de origen.
IFRS S1 reconoce explícitamente que las estimaciones razonables son una parte esencial de la información y no menoscaban su utilidad cuando se describen y explican con exactitud. Por tanto, el reto de la información no consiste en eliminar las estimaciones. Consiste en seleccionar un método que represente fielmente el objetivo de la información revelada, identificar la incertidumbre más significativa, evitar una precisión falsa y dejar un rastro de evidencia que respalde la revisión y la mejora interanual.
Orientación rápida
- Se aplica a
- Importes informados, rangos e información modelizada conforme a IFRS S1 e IFRS S2, especialmente información sobre la cadena de valor y prospectiva.
- Decisión principal
- Si una estimación puede utilizarse, cómo debería medirse y controlarse, y qué incertidumbre y limitaciones deben revelarse.
- Fuentes principales
- Párrafos 74–82 y B50–B54 de IFRS S1; IFRS S2 18–22, 29(a), B19 y B38–B57.
- Confusión habitual
- La incertidumbre sobre los resultados se refiere a lo que puede ocurrir; la incertidumbre de medición se refiere a cuán incierto es el importe informado. Una misma información revelada puede contener ambas.
1. La incertidumbre sobre los resultados y la incertidumbre de medición no son lo mismo
Las Normas emitidas utilizan «incertidumbre de medición» para la incertidumbre que afecta a los importes informados. Los materiales oficiales de análisis de efectos y educativos del ISSB también ayudan a explicar una idea práctica distinta: la incertidumbre sobre el resultado de un posible acontecimiento futuro. La distinción es útil porque cambia la evidencia, el modelo y la información revelada necesarios, pero no debería presentarse como dos categorías contables formales con requisitos idénticos.
Figura 1. La incertidumbre sobre los resultados y la incertidumbre de medición pueden solaparse, pero requieren preguntas y explicaciones diferentes.
En la práctica
| Dimensión | Incertidumbre sobre los resultados | Incertidumbre de medición |
|---|---|---|
| Pregunta central | ¿Ocurrirá un acontecimiento futuro, cuándo y con qué consecuencias? | ¿Cuán incierto es el importe porque no puede medirse directamente? |
| Ejemplos | Precio futuro del carbono; gravedad y momento de una inundación; adopción de tecnología; cambio en la demanda de los clientes; respuesta normativa; adaptación de la dirección. | Emisiones incompletas de proveedores; exposición a peligros modelizada; un factor de emisión; un porcentaje estimado de activos afectados; un rango de efectos financieros previstos. |
| Datos de entrada habituales | Escenarios, previsiones, probabilidades, horizontes temporales, respuestas estratégicas y vías alternativas. | Datos de origen, sustitutos, técnicas de medición, modelos, factores, supuestos, aproximaciones y evidencia de validación. |
| Énfasis de la información a revelar | Posibles resultados, resiliencia, sensibilidad, supuestos e implicaciones para la estrategia y las perspectivas. | Importes con un alto grado de incertidumbre; fuentes de incertidumbre; supuestos, aproximaciones y juicios; sensibilidad, rango y cambios. |
| ¿Pueden solaparse? | Sí. Un evento climático futuro puede ser incierto y el importe asignado a su posible efecto financiero también puede ser incierto. | Sí. El modelo puede depender de eventos futuros inciertos y de datos o métodos inciertos. |
2. Qué exige IFRS S1 sobre la incertidumbre en la medición
IFRS S1 exige información que permita a los usuarios comprender las incertidumbres más significativas que afectan a los importes comunicados. La entidad identifica los importes sujetos a un alto nivel de incertidumbre en la medición y explica las fuentes de esa incertidumbre y los supuestos, aproximaciones y juicios utilizados para medir cada importe. El enfoque se centra en las estimaciones que requieren los juicios más difíciles, subjetivos o complejos, no en añadir texto estándar a cada dato estimado.
En la práctica
| Requisito | Implementación práctica | Evidencia |
|---|---|---|
| Identificar los importes con un alto grado de incertidumbre | Utilizar un criterio de evaluación coherente basado en la importancia relativa, la complejidad, la sensibilidad, la calidad de los datos y el grado de juicio. | Registro de estimaciones, evaluación de la importancia relativa y revisión crítica. |
| Explicar las fuentes de incertidumbre | Identificar la dependencia de resultados futuros, la técnica de medición, la calidad de los datos de la cadena de valor, la estructura del modelo, los factores y el límite. | Trazabilidad de los datos, documentación del modelo y registro de brechas de datos. |
| Explicar los supuestos, las aproximaciones y los juicios | Nombrar los supuestos importantes y por qué fueron seleccionados, en lugar de indicar únicamente que se utilizaron estimaciones. | Registro de supuestos, nota metodológica y aprobación. |
| Considerar la sensibilidad y el rango | Explicar cómo cambia el importe en alternativas razonablemente posibles cuando resulte útil; los rangos pueden comunicar la incertidumbre mejor que una falsa estimación puntual. | Resultados de sensibilidad, ejecuciones de escenarios y justificación de la selección del rango. |
| Explicar los cambios | Cuando la incertidumbre siga sin resolverse, describir los cambios en los supuestos anteriores y su efecto. | Registro de cambios, análisis comparativo y registro de control del método. |
3. Una jerarquía de datos para estimaciones y sustitutos
Una jerarquía práctica comienza con la información más directa y específica razonablemente disponible, pero no considera que un tipo de datos sea universalmente superior. El marco de emisiones de Alcance 3 de IFRS S2 enumera características que deben priorizarse sin colocarlas en un orden rígido: medición directa, datos de actividades específicas de la cadena de valor, datos oportunos, información representativa de la jurisdicción y la tecnología pertinentes, y datos verificados. Las compensaciones deben documentarse.
En la práctica
| Nivel de datos | Fuente ilustrativa | Fortaleza — Limitación que divulgar o controlar |
|---|---|---|
| 1. Medición directa | Consumo de combustible medido mediante contador; emisiones medidas directamente; estado de los activos medido. | Cercana a la actividad subyacente y potencialmente menos dependiente de modelos. — Calibración, cobertura, fecha de corte, ubicaciones faltantes y límite organizativo. |
| 2. Datos primarios de actividad | Cantidades de proveedores; kilómetros recorridos; toneladas compradas; uso del producto; exposición a nivel del sitio. | Específicos de la entidad o de la actividad de la cadena de valor. — Método del proveedor, desajuste de periodos, integridad, estimación dentro de los datos del proveedor y estado de verificación. |
| 3. Proxy específico de la entidad | Proxy de gasto o producción derivado de una operación interna comparable o de un segmento de proveedores. | Puede preservar la especificidad del modelo de negocio cuando los datos directos están incompletos. — Representatividad, base de escalamiento y sensibilidad. |
| 4. Factor secundario o promedio del sector | Factor de emisión publicado, intensidad del sector, conjunto de datos público sobre peligros o datos económicos. | Disponible y comparable; a menudo necesario para una amplia cobertura de la cadena de valor. — Jurisdicción, tecnología, antigüedad, correspondencia con el sector, incertidumbre y autoridad de la fuente. |
| 5. Valor modelizado o extrapolado | Extrapolación de una muestra a la población; modelo de escenarios; modelo econométrico o geoespacial. | Puede proporcionar una estimación completa y un intervalo cuando la medición es imposible. — Riesgo del modelo, selección de parámetros, validación, variables excluidas y sensibilidad. |
4. Alcance 3: las brechas en la cadena de valor no eliminan la necesidad de estimar
IFRS S2 espera que la medición del Alcance 3 incluya la estimación, en lugar de limitarse a la medición directa. La entidad utiliza un enfoque de medición, datos de entrada y supuestos que representan fielmente la medida, y aplica toda la información razonable y sustentable disponible sin costes ni esfuerzos indebidos. Por tanto, los datos secundarios, los promedios del sector y los datos proxy son partes normales del proceso cuando los datos primarios están incompletos.
La Norma contiene una presunción de que las emisiones de Alcance 3 pueden estimarse de forma fiable utilizando datos secundarios y promedios del sector. Solo en casos excepcionales, después de realizar todos los esfuerzos razonables, la estimación puede resultar impracticable. En ese caso, la entidad revela cómo gestiona sus emisiones de Alcance 3. Este es un umbral mucho más alto que «faltan datos de los proveedores».
En la práctica
| Brecha del Alcance 3 | Enfoque de estimación utilizable | Control y divulgación |
|---|---|---|
| Algunos proveedores no tienen datos de emisiones | Utilizar cantidades compradas o gasto con factores representativos; dar prioridad a los proveedores con mayores emisiones para obtener datos primarios. | Divulgar el alcance de los datos primarios frente a los secundarios, la fuente de los factores, la representatividad y la hoja de ruta de los datos de proveedores. |
| El periodo de información del proveedor difiere | Utilizar los datos más recientes disponibles cuando se cumplan las condiciones de IFRS S2. | Confirmar la misma duración del periodo y divulgar los acontecimientos o cambios significativos entre las fechas de información. |
| Los supuestos sobre el uso del producto varían | Utilizar un perfil documentado de uso previsto, un escenario o un intervalo basado en evidencia sobre el producto y el mercado. | Sensibilidad a la vida útil, la combinación energética, la utilización y la geografía; evitar una precisión de valor único no respaldada. |
| La población de la categoría es muy grande | Utilizar un muestreo y una extrapolación respaldables estadística u operativamente. | Diseño de la muestra, cobertura, exclusiones, método de escalamiento y prueba de razonabilidad. |
| La institución financiera carece de datos de las contrapartes | Utilizar variables proxy de clase de activos, sector o jurisdicción coherentes con la metodología seleccionada. | Cobertura, jerarquía de variables proxy, método de atribución, puntuación de calidad de los datos y prioridades de mejora. |
5. Riesgo de modelo en la información sobre sostenibilidad
Un modelo no es únicamente un software sofisticado. Cualquier método estructurado que transforme datos de entrada en un importe comunicado puede crear riesgo de modelo. Esto incluye cálculos de emisiones, hojas de cálculo de extrapolación, modelos de escenarios, superposiciones geoespaciales, atribución de emisiones financiadas, trayectorias de objetivos y sensibilidades de los efectos financieros. Un equipo de información debería aplicar controles proporcionales a la materialidad y complejidad del modelo.
En la práctica
| Fuente del riesgo de modelo | Modo de fallo | Control |
|---|---|---|
| Propósito y alcance | El modelo responde a una pregunta distinta de la exigencia de información o utiliza el límite incorrecto. | Documentar el uso previsto, el objetivo de la información, la población, el periodo y las exclusiones. |
| Datos de entrada | Datos de entrada incompletos, obsoletos, duplicados o no representativos determinan el resultado. | Pruebas de calidad de los datos, jerarquía de fuentes, controles de fecha de corte y conciliación de la cobertura. |
| Estructura del método | La fórmula, la atribución o la lógica del escenario omite relaciones importantes. | Revisión técnica, repetición independiente del cálculo y nota sobre las limitaciones del modelo. |
| Parámetros y factores | Los factores de emisión, los umbrales de peligro o las hipótesis económicas están obsoletos o no coinciden. | Biblioteca de parámetros aprobada, fecha de la fuente, correspondencia de jurisdicción/tecnología y control de versiones. |
| Sensibilidad e incertidumbre | La estimación puntual oculta un intervalo amplio de resultados razonablemente posibles. | Análisis de sensibilidad, intervalos, escenarios alternativos e información sobre la incertidumbre. |
| Gestión de cambios | Se introducen cambios en el método sin evaluar las cifras comparativas ni explicar el efecto. | Aprobación de cambios del modelo, evaluación de impacto, tratamiento de las cifras comparativas y pista de auditoría. |
6. Registro de estimaciones: el control central
Un registro de estimaciones vincula el importe publicado con su fuente, método, incertidumbre y plan de mejora. Apoya la redacción, la revisión técnica, la preparación para el aseguramiento y la coherencia comparativa. El registro debería centrarse en las estimaciones materiales o con alta incertidumbre, y no convertirse en un inventario inmanejable de cada fórmula de la entidad informante.
Figura 2. Un registro de estimaciones controla la métrica informada, la jerarquía de fuentes, el modelo, la incertidumbre, la limitación y la subsanación.
En la práctica
| Campo del registro | Contenido mínimo |
|---|---|
| ID de la estimación y vínculo con la información a revelar | Identificador estable, párrafo de la norma, métrica/información a revelar, ubicación del borrador y justificación de materialidad. |
| Límite y unidad | Entidad informante, segmento de la cadena de valor, geografía, período, unidad y nivel de agregación. |
| Datos de origen | Sistema o fuente externa, responsable, fecha de extracción, cobertura, correspondencia del período y estado de verificación. |
| Justificación del proxy y de la jerarquía | Por qué la fuente seleccionada es suficientemente específica, oportuna y representativa; alternativas consideradas. |
| Método y versión del modelo | Cálculo, factor, modelo, escenario, versión del código/hoja de cálculo e historial de cambios. |
| Supuestos y aproximaciones | Supuestos clave, rangos, extrapolación, juicio, sensibilidad e interacción con la incertidumbre del resultado. |
| Incertidumbre de medición | Evaluación interna alta/media/baja, fuentes principales, rango o sensibilidad y efecto sobre la utilidad. |
| Controles y aprobaciones | Preparador, revisor, validación, conciliación, aprobación de gobernanza y estado del aseguramiento. |
| Redacción publicada de las limitaciones | Deficiencias de datos específicas, exclusiones, uso de datos secundarios, desajuste de períodos y limitaciones del método. |
| Plan de mejora | Acción, responsable, fecha objetivo, mejora de calidad esperada y factor desencadenante para reevaluar el método. |
En la práctica
7. Criterios de decisión: ¿utilizar una estimación, un rango, información cualitativa o ningún importe?
| Decisión | Utilizar cuando | Precaución requerida |
|---|---|---|
| Estimación puntual | El método y los datos de entrada respaldan un importe central que es útil para la toma de decisiones y no tiene una precisión engañosa. | Explicar los supuestos materiales y la incertidumbre de medición significativa; considerar el redondeo. |
| Intervalo | Los resultados razonablemente posibles o las alternativas de medición son demasiado amplios para que un único importe comunique fielmente la información, o el requisito pertinente de las NIIF permite un intervalo. | Explique cómo se seleccionaron los extremos, si las probabilidades difieren y qué podría desplazar el resultado dentro del intervalo o más allá de este. |
| Conjunto de escenarios o sensibilidades | Los usuarios necesitan comprender cómo cambia el importe en función de diferentes supuestos o trayectorias. | No implique probabilidades salvo que se hayan evaluado; vincule la información con la estrategia, la resiliencia y la planificación financiera. |
| Información cualitativa | Los criterios específicos sobre efectos financieros permiten omitir información cuantitativa, o se necesita una explicación narrativa para explicar un importe. | Aplique los criterios exactos; identifique las partidas de los estados financieros que probablemente se vean afectadas y los efectos cuantitativos combinados cuando sea necesario. |
| Ningún importe porque es impracticable | Solo cuando el requisito pertinente contiene una excepción por impracticabilidad y la entidad no puede aplicarlo después de realizar todos los esfuerzos razonables. | Revele el hecho y la información requerida; conserve evidencia de todos los esfuerzos razonables. |
En la práctica
9. Redacción ilustrativa de la información a revelar
| Característica | Por qué funciona | Evidencia requerida |
|---|---|---|
| Método y cobertura | Los usuarios pueden ver qué proporción es específica de los proveedores y cómo se estimó el resto. | Conjunto de datos de proveedores, conciliación de la cobertura y correspondencia de factores. |
| Fuente específica de incertidumbre | La limitación está vinculada a la coherencia del método y a la representatividad de los factores, no a un «desafío de datos» genérico. | Evaluación de la calidad de los datos y revisión de las fuentes de los factores. |
| Sensibilidad | Muestra cómo un supuesto importante afecta al importe. | Análisis de sensibilidad que pueda volver a realizarse. |
| Plan de mejora | Hace que la limitación esté sujeta a un plazo y tenga un responsable. | Programa para proveedores, hitos y responsable designado. |
| Tratamiento de la información comparativa | Explica por qué se revisó la información de periodos anteriores y remite a la nota pertinente. | Evaluación y aprobación de los cambios en la información comparativa. |
En la práctica
10. Información débil frente a información más sólida sobre la incertidumbre
| Redacción débil | Por qué es débil | Patrón más sólido |
|---|---|---|
| “Algunos datos fueron estimados.” | No identifica los importes, el método, la fuente, las hipótesis ni la importancia. | Identifique el importe material estimado, la jerarquía de fuentes, el método, las hipótesis clave y por qué la estimación sigue siendo útil. |
| “La calidad de los datos de Scope 3 es deficiente.” | No proporciona información sobre categorías, cobertura, sustitutos, factores ni mejoras. | Explique qué categorías o poblaciones utilizan datos primarios y secundarios, las limitaciones de representatividad, la sensibilidad y las medidas de mejora. |
| “Los resultados pueden cambiar debido a la incertidumbre.” | No distingue entre la incertidumbre sobre resultados futuros y la incertidumbre de medición. | Describa el acontecimiento futuro incierto y explique por separado la incertidumbre de los datos, del modelo y de las hipótesis que afecta al importe informado. |
| “El modelo es un estándar del sector.” | Una etiqueta de autoridad no demuestra que sea adecuado para la información a revelar de la entidad. | Explique la finalidad, los límites, la versión, los datos de entrada, las limitaciones clave y la validación del modelo, así como la forma en que respalda el objetivo de la información a revelar. |
En la práctica
11. Errores comunes
| ERROR 1 | Equiparar una deficiencia de datos con permiso para omitir la métrica. |
|---|---|
| Por qué ocurre | Los equipos suponen que se requiere una medición directa. |
| Por qué importa | Se omite información material aunque una estimación razonable o un sustituto podrían proporcionar información útil. |
| Corrección | Aplique la jerarquía de datos pertinente y evalúe la posibilidad de realizar una estimación fiel antes de considerar cualquier disposición específica sobre impracticabilidad. |
| Evidencia de la corrección | Registro de la decisión sobre la estimación, alternativas consideradas y esfuerzos documentados. |
En la práctica
| ERROR 2 | Informar de un número preciso obtenido de un modelo con un alto grado de incertidumbre. |
|---|---|
| Por qué ocurre | Una estimación puntual parece más fácil de publicar y conciliar. |
| Por qué importa | La falsa precisión oculta la sensibilidad y puede inducir a error a los usuarios sobre el nivel de confianza. |
| Corrección | Utilice un redondeo, intervalo o análisis de sensibilidad adecuados y explique las principales fuentes de incertidumbre. |
| Evidencia de la corrección | Resultados del análisis de sensibilidad y justificación aprobada de la presentación. |
En la práctica
| ERROR 3 | Enumerar los supuestos sin identificar cuáles afectan materialmente al resultado. |
|---|---|
| Por qué ocurre | Las notas sobre la metodología se vuelven exhaustivas, pero no resultan útiles para la toma de decisiones. |
| Por qué importa | Los usuarios no pueden comprender la incertidumbre más significativa ni cómo podría cambiar la cifra. |
| Corrección | Priorice los supuestos difíciles, subjetivos o complejos y cuantifique la sensibilidad cuando resulte útil. |
| Evidencia de la corrección | Evaluación de los supuestos materiales vinculada al registro de estimaciones. |
En la práctica
| ERROR 4 | Cambiar factores o indicadores indirectos sin un análisis comparativo. |
|---|---|
| Por qué ocurre | Las actualizaciones se tratan como un mantenimiento rutinario de los datos. |
| Por qué importa | Las tendencias reflejan un cambio en la metodología en lugar del desempeño, y el tratamiento del periodo anterior puede ser incorrecto. |
| Corrección | Clasifique el cambio, evalúe si existen pruebas de las circunstancias anteriores y aplique las directrices comparativas de IFRS S1. |
| Evidencia de la corrección | Registro del cambio de metodología, decisión comparativa y divulgación. |
En la práctica
| ERROR 5 | Usar datos de proveedores sin comprender el método del proveedor. |
|---|---|
| Por qué sucede | Se supone que los datos primarios son inherentemente superiores. |
| Por qué importa | Un límite, periodo o metodología incoherentes pueden reducir la comparabilidad y la representación fiel. |
| Corrección | Evaluar la especificidad, actualidad, jurisdicción, tecnología, verificación y coherencia del método, no solo si los datos procedían del proveedor. |
| Evidencia de la corrección | Puntuación de calidad de los datos del proveedor y registro de revisión. |
En la práctica
12. Mito frente a realidad
| MITO | IFRS S1 y IFRS S2 exigen datos auditados, medidos directamente para cada dato de sostenibili |
|---|---|
| REALIDAD | Las Normas reconocen las estimaciones, los datos indirectos, los datos secundarios y la información modelizada. Las estimaciones razonables pueden ser esenciales y útiles cuando se describen y explican con precisión. La entidad debe aplicar los requisitos de medición pertinentes, dar prioridad a los datos de entrada adecuados, revelar la incertidumbre significativa y cumplir por separado cualquier obligación local de aseguramiento. |
| Por qué surge la confusión | En ocasiones, la disciplina de la información financiera se simplifica hasta convertirse en la creencia de que solo son objeto de reporte los datos medidos directamente o sujetos a aseguramiento externo. |
| Consecuencia práctica | Los equipos de reporte deberían invertir en la metodología, la trazabilidad de los datos, los controles de los modelos y la revelación transparente de las limitaciones, en lugar de retrasar todo el reporte hasta que existan datos perfectos. |
En la práctica
15. Normas relacionadas e itinerario de aprendizaje
| Función del vínculo | Instrumento o artículo | Uso |
|---|---|---|
| Principal | Párrafos IFRS S1 74–82 | Revelaciones sobre juicios significativos e incertidumbre en la medición. |
| Alcance 3 | IFRS S2 B38–B57 | Estimación, jerarquía de datos, revelación del método e impracticabilidad excepcional. |
| Proporcionalidad | Proporcionalidad de IFRS S1 y S2: «Coste o esfuerzo indebidos» | Separar el límite de búsqueda de información de la estimación y la incertidumbre. |
| Comparativos | Comparativos, reexpresiones y errores de IFRS S1 y S2 | Clasificar los cambios en factores, modelos y estimaciones, y corregir los periodos anteriores. |
| Implementación de GEI | Guía completa para la medición de las emisiones de Alcance 1, Alcance 2 y Alcance 3 de IFRS S2 | Aplicar controles detallados sobre los límites, los factores y la calidad de los GEI. |
La incertidumbre sobre los resultados se refiere a lo que puede suceder, mientras que la incertidumbre en la medición se refiere al grado de incertidumbre de un importe informado. Una divulgación puede contener ambas, pero la distinción afecta a las hipótesis, la evidencia, el modelo y la explicación necesarios, y no debería presentarse como dos categorías formales con requisitos idénticos.
Preguntas
Preguntas frecuentes
¿Son aceptables las estimaciones conforme a IFRS S1 y S2?
IFRS S1 e IFRS S2 no exigen datos perfectos antes de que pueda informarse información financiera relacionada con la sostenibilidad útil. Las estimaciones razonables, los valores sustitutivos, los datos modelizados y los intervalos pueden ser necesarios y apropiados cuando no se dispone de medición directa, siempre que la información resultante se represente fielmente, se expliquen los métodos y supuestos materiales y la incertidumbre significativa en la medición sea transparente.
¿Qué es la incertidumbre en la medición?
Las Normas emitidas utilizan «incertidumbre en la medición» para la incertidumbre que afecta a los importes informados. Los análisis de efectos oficiales del ISSB y los materiales educativos también ayudan a explicar una idea práctica separada: la incertidumbre sobre el resultado de un posible acontecimiento futuro.
¿Es la incertidumbre sobre los resultados lo mismo?
La incertidumbre sobre los resultados se refiere a lo que puede suceder, mientras que la incertidumbre en la medición se refiere al grado de incertidumbre de un importe informado. Una divulgación puede contener ambas, pero la distinción afecta a las hipótesis, la evidencia, el modelo y la explicación necesarios, y no debería presentarse como dos categorías formales con requisitos idénticos.
¿Puede utilizarse información secundaria para el Alcance 3?
Muchas métricas relacionadas con la sostenibilidad no pueden medirse directamente. Las emisiones de gases de efecto invernadero de Alcance 3 dependen de la información de los proveedores, los datos de actividad, los factores de emisión y los datos secundarios.
¿Cuándo puede omitirse el Alcance 3 por resultar impracticable?
La Norma contiene una presunción de que las emisiones de Alcance 3 pueden estimarse de forma fiable utilizando datos secundarios y promedios del sector. Solo en casos excepcionales, después de haber realizado todo esfuerzo razonable, puede resultar impracticable la estimación. En ese caso, la entidad divulga cómo gestiona sus emisiones de Alcance 3.
¿Qué debe incluirse en un registro de estimaciones?
Un registro de estimaciones conecta el importe público con su fuente, método, incertidumbre y plan de mejora. Facilita la redacción, la revisión técnica, la preparación para el aseguramiento y la coherencia de la información comparativa.
Sources
Primary sources
Take it with you
The checklists as a working spreadsheet
Every checklist and table on this page, with empty status, owner and evidence columns for your team to fill in and keep.
✓ LRA AI Assistant · Human-in-the-loop
Ask about this guide
Responde a partir de esta página y consulta las fichas de divulgación enlazadas cuando tu pregunta se refiere a la propia norma. Tus dos primeras respuestas son gratuitas sin iniciar sesión.
Profundizar · IFRS S1 / S2
Formación sobre IFRS S1 y S2
Materialidad financiera, análisis de escenarios y divulgaciones climáticas de S2, aplicados a sus propios informes.
Available as Guided Flex, Live Cohort, 1:1 Expert Mentorship or Corporate Programme.
