Development of Agentic AI Models for Organizational Carbon Footprint Assessment and Governance

Abstract

Climate change driven by greenhouse gas emissions is a major global challenge, requiring organizations to measure, report, and manage their carbon footprint despite the complexity of handling large datasets, defining Scope 1-3 emissions, and complying with diverse standards. This study proposes a Hybrid Agentic AI model that integrates language models, agent-based planning, knowledge retrieval, and deterministic calculation to support the Measurement, Reporting, and Verification (MRV) process, including data interpretation, emission factor selection, calculation, and standard-aligned recommendations. Results show that the model achieves accuracy comparable to experts, reduces data management burden, enhances transparency and traceability, and has strong potential for broader industrial application and future predictive carbon reduction planning.

ปัญหาการเปลี่ยนแปลงสภาพภูมิอากาศจากก๊าซเรือนกระจกเป็นความท้าทายสำคัญระดับโลก ทำให้องค์กรต้องวัด รายงาน และบริหารจัดการก๊าซเรือนกระจก เพื่อความยั่งยืนและการปฏิบัติตามข้อกำหนด อย่างไรก็ตาม การประเมินยังมีความซับซ้อนจากการจัดการข้อมูลจำนวนมาก การกำหนด Scope 1-3 และการใช้มาตรฐานที่หลากหลาย งานวิจัยนี้พัฒนาโมเดเอเจนติกเอไอ แบบ Hybrid เพื่อสนับสนุนการประเมินก๊าซเรือนกระจก โดยผสานโมเดลภาษา การวางแผนเชิงตัวแทน การค้นคืนความรู้ และการคำนวณเชิงกำหนด รองรับกระบวนการ MRV อย่างเป็นระบบ ตั้งแต่การตีความข้อมูล เลือกปัจจัยการปล่อย คำนวณ ไปจนถึงให้คำแนะนำตามมาตรฐานสากล ผลการประเมินพบว่าโมเดลมีความแม่นยำและน่าเชื่อถือใกล้เคียงผู้เชี่ยวชาญ ช่วยลดภาระการจัดการข้อมูล และเสริมศักยภาพองค์กรในการตอบสนองต่อข้อกำหนดด้านคาร์บอนในยุคดิจิทัล อีกทั้งยังช่วยเพิ่มความโปร่งใสของกระบวนการคำนวณและการตัดสินใจ ทำให้องค์กรสามารถตรวจสอบย้อนกลับและปรับปรุงการดำเนินงานด้านสิ่งแวดล้อมได้อย่างมีประสิทธิภาพ และยังมีศักยภาพในการประยุกต์ใช้กับอุตสาหกรรมที่หลากหลาย รวมถึงการต่อยอดสู่การวิเคราะห์เชิงคาดการณ์และการวางแผนลดการปล่อยก๊าซเรือนกระจกในระยะยาว