Zgodność z EUDR nie potrzebuje ładniejszych map. Potrzebuje pikseli, które da się obronić.

Obraz satelitarny sam w sobie nie sprawia, że łańcuch dostaw staje się zgodny z regulacją.

Brzmi to oczywiście. A jednak w wielu dyskusjach o unijnej regulacji EUDR właśnie ten punkt jest pomijany. Firmy patrzą na mapy, warstwy ryzyka, dashboardy i kolorowe poligony. Zielony oznacza bezpiecznie. Czerwony oznacza ryzyko. Żółty oznacza: trzeba się przyjrzeć.

Ale prawdziwe pytanie zaczyna się krok później:

Czy potrafimy wyjaśnić, dlaczego dokładnie ten obszar został oceniony w taki sposób?

Nie w prezentacji marketingowej. Nie na zrzucie ekranu. Tylko tak, aby decyzję można było sprawdzić, odtworzyć i zakwestionować.

To jest różnica między ładnym dashboardem satelitarnym a procesem EUDR, który można obronić.

Problemem nie jest tylko identyfikowalność

EUDR jest często przedstawiane jako problem identyfikowalności. Skąd pochodzi kakao, kawa, soja, olej palmowy, kauczuk albo drewno? Czy znamy działkę? Czy mamy dane geolokalizacyjne?

To jest konieczne. Ale to nie wystarczy.

Gdy lokalizacja jest już znana, pojawia się następne pytanie:

Czy ten obszar był wcześniej lasem? Czy po odpowiedniej dacie granicznej doszło do wylesienia? Czy obecna uprawa znajduje się na terenie, który może być problematyczny? Jak pewna jest ta ocena?

A potem przychodzi najbardziej niewygodne pytanie:

Jak dokładnie doszliśmy do tej oceny?

W tym miejscu wiele systemów okazuje się słabych. Pokazują wynik, ale nie pokazują ścieżki, która do niego prowadzi.

Mapa nie jest ścieżką audytową

Mapa może być użyteczna. Może pokazać ryzyko. Może pomóc zespołowi compliance zdecydować, gdzie należy spojrzeć najpierw.

Ale sama mapa nie jest ścieżką audytową.

Kolorowy piksel na mapie nie mówi, z jakiego źródła danych pochodzi ocena. Nie mówi, jakie kroki przetwarzania wykonano. Nie mówi, jak potraktowano zachmurzenie, jakie progi wybrano, jaką bazową mapę lasu zastosowano ani czy różne źródła danych były ze sobą sprzeczne.

W realnej sytuacji audytowej te szczegóły mają znaczenie.

Pytanie nie będzie brzmiało:

„Czy Państwa dashboard był zielony?”

Pytanie będzie brzmiało:

„Dlaczego Państwa system ocenił tę działkę jako niskie ryzyko, skoro inne źródło pokazuje możliwą utratę lasu?”

To jest zupełnie inny poziom odpowiedzialności.

Co oznacza audytowalność na poziomie piksela

Audytowalność na poziomie piksela oznacza, że istotne decyzje klasyfikacyjne można prześledzić aż do ich podstaw technicznych.

Dla jednego piksela albo grupy pikseli powinniśmy móc odpowiedzieć:

Jakie dane satelitarne zostały użyte? Jaki przedział czasowy został oceniony? Jaka baza lasu została zastosowana? Jaka metoda wykrywania zmian została użyta? Jakie maski były aktywne? Który próg doprowadził do finalnej decyzji? Czy wystąpiły sprzeczności między źródłami danych? Czy wynik został zaakceptowany automatycznie, czy sprawdzony ręcznie?

To nie jest biurokracja. To jest dyscyplina inżynierska.

W tworzeniu oprogramowania nie zaakceptowalibyśmy systemu produkcyjnego, w którym nikt nie wie, która wersja kodu wygenerowała dany wynik. W machine learningu stosujemy śledzenie eksperymentów, wersjonowanie modeli i odtwarzalne pipeline’y.

W monitoringu EUDR ta sama zasada powinna dotyczyć decyzji geoprzestrzennych.

Problem bazy z roku 2020

Jednym z najtrudniejszych elementów analizy związanej z EUDR jest pytanie o stan bazowy.

Nie wystarczy wiedzieć, jak dany obszar wygląda dzisiaj. Trzeba zrozumieć, jak wyglądał w odpowiednim historycznym punkcie odniesienia i czy później nastąpiła istotna zmiana.

To nie jest proste.

Mapy lasów nie są doskonałe. Obrazy satelitarne mają zachmurzenie. Dane optyczne mogą być niepełne. Dane radarowe zachowują się inaczej niż dane optyczne. Działki drobnych producentów mogą być bardzo małe. Uprawy drzewiaste mogą strukturalnie przypominać las. Granice działek mogą być niedokładne.

To nie oznacza, że analiza satelitarna jest bezużyteczna. Oznacza tylko, że z wynikami trzeba obchodzić się uczciwie.

Poważny system oceny ryzyka EUDR nie powinien udawać, że produkuje absolutną prawdę. Powinien produkować udokumentowaną, odtwarzalną i możliwą do sprawdzenia ocenę ryzyka.

To jest znacznie silniejsza pozycja.

Dlaczego jedno źródło danych zwykle nie wystarcza

Jedna mapa jest wygodna. Ale wygoda nie jest tym samym co odporność metody.

W praktyce różne warstwy geoprzestrzenne mogą dawać sprzeczne sygnały. Jedno źródło pokazuje las. Inne pokazuje uprawę drzewiastą. Trzecie wskazuje na zaburzenie. Czwarte ma niską pewność dla tego samego obszaru.

Taka sprzeczność nie jest błędem. Jest ważną informacją.

Dobry system powinien zachować takie sprzeczności, zamiast ukrywać je za prostym kolorem na mapie.

Dla zakupów, compliance i zespołów zrównoważonego rozwoju jest to kluczowe. Czerwony sygnał nie oznacza automatycznie naruszenia. Zielony sygnał nie oznacza automatycznie bezpieczeństwa. Wartość leży w wyjaśnieniu stojącym za sygnałem.

Dlatego monitoring EUDR nie powinien być budowany jako czysty produkt wizualizacyjny. Powinien być budowany jako łańcuch dowodowy.

Od myślenia dashboardem do myślenia dowodem

Wiele dashboardów jest projektowanych do szybkiej orientacji. To jest przydatne na początku. Ale EUDR wymaga więcej niż orientacji.

Proces, który można obronić, potrzebuje łańcucha dowodowego.

Taki łańcuch powinien obejmować:

• dane wejściowe,
• kroki przetwarzania,
• rozdzielczość przestrzenną,
• analizowane okno czasowe,
• maski lasu i nie-lasu,
• logikę wykrywania zmian,
• poziom pewności,
• finalną klasyfikację,
• oraz weryfikację manualną, gdy jest potrzebna.

Celem nie jest komplikowanie systemu. Celem jest umożliwienie wyjaśnienia decyzji wtedy, gdy naprawdę ma to znaczenie.

Bo gdy zakwestionowana zostanie dostawa, dostawca albo partia produkcyjna, nikt nie będzie pytał, jak elegancko wyglądał dashboard.

Będzie się liczyć to, czy decyzję można odtworzyć.

Praktyczne podejście: rozdzielić bazę i zmianę

Użytecznym podejściem jest konsekwentne rozdzielenie dwóch pytań.

Po pierwsze:

Czym był ten obszar w momencie bazowym?

Po drugie:

Czy później nastąpiła istotna zmiana?

Te pytania są powiązane, ale nie są tym samym pytaniem.

Pierwsze wymaga bazy lasu albo pokrycia terenu. Drugie wymaga analizy szeregów czasowych i wykrywania zmian. Jeżeli oba pytania zostaną wymieszane w jednej ocenie typu black-box, wynik staje się trudniejszy do obrony.

Lepsze jest podejście warstwowe.

Jedna warstwa opisuje stan bazowy. Jedna warstwa opisuje późniejsze zmiany. Jedna warstwa opisuje pewność. Jedna warstwa opisuje konflikty między źródłami. Jedna warstwa dokumentuje weryfikację manualną.

Finalna ocena ryzyka nie jest wtedy tylko kolorem. Jest wnioskiem opartym na odtwarzalnych krokach pośrednich.

To właśnie oznaczają piksele, które da się obronić.

Dlaczego to jest ważne dla firm

Dla firm ryzyko nie jest tylko techniczne. Jest operacyjne, prawne i reputacyjne.

Kupiec, osoba odpowiedzialna za compliance albo menedżer zrównoważonego rozwoju nie potrzebuje kolejnej abstrakcyjnej obietnicy AI. Potrzebuje systemu, który pomaga podejmować lepsze decyzje przy niepewności.

Trzeba wiedzieć, którzy dostawcy mają niskie ryzyko. Trzeba wiedzieć, gdzie potrzebna jest dodatkowa dokumentacja. Trzeba wiedzieć, które obszary powinny zostać sprawdzone ręcznie. Trzeba wiedzieć, kiedy sygnał ryzyka jest na tyle silny, aby zatrzymać, zbadać albo eskalować sprawę.

I trzeba wiedzieć to zanim problem stanie się publiczny.

Dlatego ścieżka audytowa jest tak ważna. Nie chroni firmy przez udawanie, że ryzyko nie istnieje. Chroni przez pokazanie, że ryzyko zostało ocenione w sposób uporządkowany, poważny i odtwarzalny.

Zła obietnica

Zła obietnica brzmi:

„Możemy automatycznie udowodnić zgodność z EUDR na podstawie danych satelitarnych.”

To brzmi atrakcyjnie, ale jest zbyt mocne.

Dane satelitarne mogą wspierać due diligence. Mogą wskazywać ryzyko. Mogą pokazywać wzorce zmian. Mogą działać jako wczesne ostrzeganie. Mogą ograniczać ślepe punkty.

Ale nie zastępują odpowiedzialności prawnej, dokumentacji dostawców ani poważnej pracy compliance.

Lepsza obietnica brzmi:

„Pomagamy zbudować odporną geoprzestrzenną warstwę dowodową dla oceny ryzyka EUDR.”

To jest mniej spektakularne. Ale bardziej uczciwe. I w praktyce znacznie bardziej wartościowe.

Rola AI

AI może pomóc w tym procesie. Ale AI nie jest tutaj magicznym słowem.

Najważniejsze nie jest to, że model generuje klasyfikację. Najważniejsze jest to, że klasyfikację można wyjaśnić, wersjonować i sprawdzić.

Model bez przejrzystości jest ryzykiem.

Model wewnątrz odtwarzalnego łańcucha dowodowego może być aktywem.

To rozróżnienie jest ważne. Zwłaszcza w środowiskach regulowanych pytanie nie brzmi tylko, czy model jest dokładny. Pytanie brzmi, czy cały proces można obronić.

Dokładność bez audytowalności nie wystarcza.

Wniosek

Zgodność z EUDR nie zostanie osiągnięta dzięki najładniejszej mapie satelitarnej.

Osiągną ją firmy, które potrafią pokazać, jak oceniły ryzyko, jakich danych użyły, gdzie pozostała niepewność i jak udokumentowano decyzje.

Przyszłość monitoringu EUDR to więc nie tylko analiza geoprzestrzenna. To audytowalność geoprzestrzenna.

Nie tylko dashboardy. Nie tylko kolorowe poligony. Nie tylko oceny AI.

Piksele, które da się obronić.

Tam zaczyna się prawdziwa praca.

Źródła

• Rozporządzenie (UE) 2023/1115 w sprawie produktów wolnych od wylesiania.
• Komisja Europejska, Regulation on deforestation-free products.
• Joint Research Centre, Global Forest Cover map for the year 2020 (GFC2020).
• Joint Research Centre, narzędzia geoprzestrzenne wspierające ocenę ryzyka EUDR.