Valutazione della materialità GRI senza dati affidabili: giudizio degli esperti, assunzioni e incertezza

RISPONDERE | SPIEGARE | APPLICARE | DOCUMENTARE | COLLEGARE | PUBBLICARE

Questa Scheda informativa fornisce una risposta diretta, spiega la logica tecnica, mostra come applicarla, identifica le evidenze necessarie e fornisce un pacchetto editoriale controllato per la pubblicazione. Requisiti, raccomandazioni, prassi attuative e interpretazione degli esperti sono mantenuti distinti.

Gli impatti meno visibili sono spesso quelli per i quali le organizzazioni dispongono dei dati più deboli: condizioni di lavoro oltre i fornitori di primo livello, effetti sui lavoratori informali, cambiamenti della biodiversità intorno a remote aree di approvvigionamento, sfollamento delle comunità, uso improprio dei prodotti o impatti che riguardano persone che non possono utilizzare in sicurezza i canali di reclamo. Trattare un numero mancante come prova di una bassa significatività può escludere sistematicamente i gruppi più vulnerabili.

Al tempo stesso, il giudizio degli esperti può essere utilizzato in modo improprio. L’opinione non documentata emersa da un workshop, un punteggio di rischio assegnato da un fornitore o una classificazione generica dei Paesi non dovrebbero essere presentati come una prova. L’obiettivo è un giudizio controllato: definire l’impatto, raccogliere evidenze diversificate, distinguere i fatti dalle assunzioni, valutare la significatività, attribuire separatamente il livello di confidenza, mettere in discussione i bias, approvare la decisione e migliorare nel tempo la base di evidenze.

GRI 1 rafforza questa disciplina attraverso i principi di rendicontazione. I dati stimati, le assunzioni, le tecniche e le limitazioni dovrebbero essere spiegati; decisioni, calcoli e fonti originali dovrebbero essere documentati affinché le informazioni possano essere esaminate. L’incertezza non è quindi un motivo per nascondere il processo. È un’informazione che il processo e l’informativa dovrebbero gestire.

Un impatto plausibile e grave, ma caratterizzato da una bassa affidabilità, può richiedere un’indagine prioritaria e può comunque essere significativo. Un insieme di dati altamente affidabile relativo a un inconveniente operativo di minore entità non rende grave tale impatto. Registrare la significatività e l’affidabilità in campi separati impedisce che la debolezza delle evidenze riduca silenziosamente il punteggio di rilevanza.

I dati diretti verificati sono preziosi, ma non sono l'unica evidenza legittima. Le testimonianze dei lavoratori possono rivelare commissioni di reclutamento che i dati sulle buste paga non mostrano. I dati satellitari e i dataset scientifici possono individuare la conversione degli habitat prima che abbia luogo un audit di un fornitore. Un meccanismo di reclamo privo di reclami può dire poco laddove i lavoratori temano ritorsioni. La valutazione dovrebbe triangolare le fonti e spiegare che cosa ciascuna fonte può e non può dimostrare.

Figura 1. Le evidenze possono spaziare dai dati osservati agli scenari e al giudizio degli esperti. La fiducia dovrebbe aumentare con l'immediatezza e la tracciabilità, ma l'escalation relativa agli impatti gravi resta separata.

Una richiesta vaga di «dati migliori sul lavoro forzato» o di «maggiori dati sulla biodiversità» risolve raramente la valutazione. La scheda dell'impatto dovrebbe identificare l'attività o la relazione, le persone interessate o la componente ambientale interessata, il meccanismo del danno, la geografia, l'orizzonte temporale e se l'impatto è effettivo o potenziale. Le evidenze possono quindi essere raccolte per il percorso specifico.

GRI non prescrive una scala di valutazione numerica. Un'organizzazione può utilizzare ancoraggi qualitativi, scale numeriche o una combinazione, purché il metodo rifletta le dimensioni pertinenti della rilevanza e non nasconda il giudizio. In condizioni di dati deboli, gli ancoraggi qualitativi sono spesso più onesti della precisione inventata.

Gli ancoraggi dovrebbero essere supportati da esempi e domande per i revisori pertinenti all'organizzazione. Non dovrebbero eliminare meccanicamente, attraverso una media, una dimensione estrema della gravità. Il metodo dovrebbe inoltre spiegare come vengono valutati gli impatti positivi e come vengono mantenuti distinti gli impatti effettivi e potenziali.

La confidenza è un controllo di implementazione, non un punteggio prescritto dal GRI. Una semplice classificazione Alta / Media / Bassa può essere efficace quando dispone di ancoraggi definiti e non viene utilizzata per ridimensionare la rilevanza.

Figura 2. Processo per l’incertezza, dalla definizione dell’impatto fino alle evidenze, alla confidenza, all’escalation degli impatti gravi, all’approvazione e all’informativa sulle limitazioni.

1. Definire con precisione l’impatto e classificarlo come effettivo o potenziale.

2. Descrivere la lacuna nei dati: popolazione mancante, livello del fornitore, area geografica, misurazione, periodo, rilevazione dell’incidente o metodologia.

3. Riunire evidenze diverse: registri interni, portatori di interessi, rapporti d’affari, fonti esterne, esperti, proxy e scenari.

4. Valutare la rilevanza utilizzando le dimensioni GRI pertinenti e ancoraggi qualitativi o quantitativi.

5. Valutare separatamente la confidenza nelle evidenze e identificare le assunzioni da cui dipende la conclusione.

6. Sottoporre a un livello superiore gli impatti gravi, irrimediabili o sui diritti umani plausibili, affinché siano sottoposti a revisione specialistica e di governance anche quando i dati sono deboli.

7. Registrare la decisione sulla materialità, la motivazione, i dissensi, il monitoraggio, le azioni di gestione e quelle per il miglioramento dei dati.

8. Fornire informazioni su metodi, stime, assunzioni, copertura incompleta e limitazioni quando incidono sulle informazioni riportate.

Il registro dell’incertezza dovrebbe essere affiancato all’inventario degli impatti, non conservato in un file separato che i revisori non vedono mai. Rende le assunzioni e le azioni di miglioramento parte del percorso decisionale.

La metodologia di valutazione della materialità dovrebbe spiegare le principali fonti e le evidenze, come sono state utilizzate le informazioni qualitative e quantitative, il ruolo degli stakeholder e degli esperti e il processo decisionale. Quando le stime o i dati incompleti incidono sulle metriche o sulle informazioni narrative comunicate, l’informativa dovrebbe indicare l’ambito di copertura, le ipotesi, il metodo e le limitazioni. L’organizzazione dovrebbe evitare di suggerire un livello di precisione che le evidenze non supportano.

Indicare quali dati sono stimati o modellizzati e il perimetro di rendicontazione che coprono.

Spiegare perché è stato selezionato il proxy o lo scenario e come è stato testato.

Indicare le limitazioni rilevanti, l’incertezza e le esclusioni note.

Distinguere l’assenza di evidenze dalle evidenze dell’assenza di un impatto.

Descrivere il ruolo degli esperti, degli stakeholder interessati e dei titolari dei diritti senza divulgare informazioni riservate.

Spiegare come gli impatti gravi sono stati sottoposti a un livello decisionale superiore e come sono stati risolti i disaccordi.

Fornire un’azione di miglioramento dei dati o di verifica con una scadenza definita quando la lacuna è rilevante.

Utilizzare i motivi di omissione solo quando sono soddisfatte le condizioni GRI; non utilizzare l’incertezza narrativa per mascherare informazioni obbligatorie mancanti.

Non convertire i dati mancanti dei fornitori in un punteggio pari a zero né considerare l'assenza di evidenze come prova dell'assenza di un impatto. Utilizzare le migliori evidenze qualitative e quantitative disponibili, come i contributi dei lavoratori o dei titolari dei diritti, fonti esterne, proxy, scenari e stime ragionevoli; documentare separatamente la copertura, le assunzioni, le limitazioni e il livello di confidenza, sottoporre a escalation gli impatti gravi plausibili e definire un'azione di miglioramento con una scadenza definita.