From Digital Records to Verifiable Business Claims: Evidence Governance in Agri-Food Value Chains
本研究引入了证据可验证能力（EVC）这一关键组织机制，旨在将农产品价值链中丰富的数字记录转化为具有辩护性的业务主张，并通过对12家公司的多案例分析表明，尽管运营结果在广泛范围内是可观测的，但独立的声明重构仍需要特定的治理控制，以弥合数字数据与经验证结果之间的差距。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在现代农业和食品生产领域，公司正在产生大量的数字记录。每当传感器测量奶罐温度、计算机记录收获作物的重量，或者系统追踪货运移动时，都会创建一个数字条目。几十年来，人们一直假设这些数字记录等同于证据。如果计算机显示牛已经被喂食了，逻辑上就认为牛确实被喂食了。然而，一项新的研究挑战了这一简单的等式。它指出，拥有数字记录并不等于拥有可验证的声明。仅仅因为屏幕上存在一个数字，并不意味着独立观察者可以查看原始事件、遵循计算该数字所采取的步骤，并确认结果是真实的。这种区别对于任何依赖食品公司对其质量、可持续性或效率保持诚实的人来说都至关重要。如果一家公司声称其数字系统提高了牲畜健康或优化了流程，那么该声明需要由一条可以从头开始重建的证据链来支撑，而不仅仅是一个仪表盘上的最终数字。
研究人员奥克萨娜·马科沃兹（Oksana Makovoz）和谢尔希·利森科（Sergii Lysenko）致力于调查这种证据链在现实世界中究竟能保持多好的完整性。他们将重点放在了农业和食品行业，这是一个物理事件（如动物生长或作物产量）正越来越多地由复杂的数字系统管理的领域。研究团队检查了十二家不同的公司，其中五家位于乌克兰，七家为国际企业，调查了它们的公开报告、可持续发展披露和运营数据。他们的目标不是统计这些公司拥有多少台计算机，而是看这些公司在报告中所做的具体声明是否可以被独立重建。他们提出了一个简单但困难的问题：如果一个局外人想要证明某项特定的业务声明是真实的，他能否追溯到原始事件，识别出谁对此负责，并准确理解最终数字是如何计算出来的？
研究人员在收集到的证据中发现了一个清晰的模式。在他们研究的每一个案例中，公司都成功地报告了它们的最终结果。无论是牛奶的总产量、鸡蛋的处理数量，还是牲畜的日增重，这些运营成果始终是可见的。然而，当研究人员寻找实现这些结果所采取的步骤时，情况发生了变化。在四分之一的情况下，三家公司提供了关于其使用的数字机制或控制措施的一些细节。但当涉及到最关键的一块拼图——即关于谁对数据负责以及记录是否可以审计的明确证据时——情况变得模糊得多。在超过一半的案例中，公开报告并未包含足够的具体信息，无法将一个最终数字直接链接到一个负责的人或系统。虽然公司经常描述其通用的治理和监督流程，但它们很少提供重建单个声明所需的具体、逐步的痕迹。
该研究使用了一种称为“敏感性分析”的方法，来测试这种缺失的信息究竟是真正的缺口，还是仅仅是一个细节程度的问题。当研究人员允许使用部分信息（例如，使用通用的责任描述而非具体姓名）时，拥有充分证据的案例数量显著上升。这表明大多数公司确实建立了治理体系，但它们通常停留在较高的层面，无法直接连接到它们发布的特定数字。其中的区别微妙但至关重要：一份报告可能会说“我们有严格的控制”，这是一个广泛的意图陈述，但它并没有展示谁输入了数据以及数据是如何被修改以得出最终数字的具体日志。如果没有这种具体的联系，该声明仍然难以被独立验证。
为了理解这些发现的实际影响，研究人员查看了公司报告业绩变化的具体案例。一家大型乌克兰公司 Astarta 报告称，在 2020 年至 2025 年间，其牛奶产量增长了 35.5 个百分点。该公司还记录了在此期间实施了新的数字牲畜管理系统。虽然产量的增长是真实且可衡量的，但公开记录并未提供足够的细节来将数字系统的作用与其他因素（例如公司仅仅是增加了奶牛数量）区分开来。研究人员得出结论，虽然数字系统确实存在且产量确实增长了，但根据现有证据，无法证明数字系统是增长的原因。
另一个案例涉及一家名为 KSG Agro 的公司，该公司报告称其牲畜的日增重提高了 8.19%。这是一个积极的结果，可能暗示了成功的数字干预。然而，该公司自身的文档明确指出，这种改善归功于更好的遗传学，而非数字技术。在这种情况下，研究人员发现证据链足以否定数字系统是原因的说法，尽管结果是积极的。这突显了研究的一个关键发现：良好的结果并不自动证明是由数字系统引起的。如果证据链指向了不同的原因（如遗传或天气），那么无论公司的技术多么先进，都必须接受那个原因。
第三个例子来自一家名为 Ovostar 的公司，该公司在产品产量与处理量之间的关系上发生了显著变化。数据显示了产品流向的明显变化，但公开报告并未识别出解释这一变化的特定数字机制。研究人员发现，虽然运营层面的变化是真实的，但与数字原因的联系在文档中缺失了。在第四个案例中，一家名为 YASENSVIT 的公司拥有一套用于管理禽舍水分的完善数字控制系统。该系统设计明确且架构可见。然而，公开记录并未包括报警何时被确认的具体时间戳，或者系统响应速度如何。如果没有这些细节，即使系统本身是真实的，也无法验证该系统是否确实提高了响应的速度或质量。
这些例子说明了该研究所针对的核心问题。研究人员认为，组织往往将数字化转型视为一个技术采用问题，认为购买正确的软件会自动创造信任。相反，他们提出，信任取决于一种他们称之为“证据可验证性”的特定组织能力。这种能力不在于拥有最先进的技术，而在于设计能够保留“数字是如何产生的过程故事”的流程。它要求记录谁做了什么、数据是如何被更改的，以及为什么做出特定的决策。如果这个链条中的任何环节缺失，无论底层的技术看起来多么先进，最终的声明都无法被完全验证。
研究表明，为了让公司真正从数字化转型中受益，它们需要改变对待记录的方式。与其仅仅收集数据以生成最终报告，不如设计其系统以确保每一项声明都可以追溯到其来源。这意味着要保留修改的详细日志，识别每个步骤的具体负责人或系统，并确保用于计算结果的规则是清晰且可获取的。研究人员发现，当公司这样做时，会降低外部人员验证其声明的难度。如果不这样做，就会产生一个缺口，导致人们必须在没有证据的情况下给予信任。
这些发现对于我们如何看待食品供应链中的可持续性和质量具有重要意义。随着越来越多的公司对其环境影响或动物福利做出声明，验证这些声明的能力变得至关重要。研究表明，拥有数字系统并不足以证明一项声明是真实的。证据必须是完整的，从原始事件到最终陈述。如果一家公司无法展示完整的证据链，那么无论结果看起来多么积极，其声明都属于未经证实。这并不意味着公司在撒谎；它仅仅意味着公开记录中不包含足以证明数字背后故事的信息。
最终，这项研究指向了管理数字证据的一种新方法。它表明，数字记录的价值不在于其容量，而在于其讲述一个完整且可重建的故事的能力。对于食品行业的公司而言，这意味着数字化旅程的下一步不仅是收集更多的数据，而是要组织好数据，使任何人都能追踪从农场到最终报告的路径。通过这样做，它们可以将简单的数字记录转化为可以辩护的证据，从而与消费者、监管机构和合作伙伴建立真正的信任。研究结论指出，如果没有这种“设计即证据”的方法，数字化透明度的承诺将仅仅是一个承诺，而非现实。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。