AI w audycie ESG i raportowaniu zrównoważonego rozwoju
Wstęp
Nowe przepisy wymagają od firm precyzyjnego raportowania emisji CO₂, śladu węglowego w całym łańcuchu dostaw, ryzyka środowiskowych i społecznych, a także wykazania, że przedstawione dane są kompletne, udokumentowane oraz możliwe do zweryfikowania. W praktyce oznacza to konieczność integracji informacji pochodzących z systemów ERP, IoT, dokumentacji technicznej, umów z dostawcami czy raportów operacyjnych – często w formatach nienadających się do ręcznej analizy. Tradycyjne narzędzia szybko przestają wystarczać.
Właśnie tutaj AI staje się narzędziem przełomowym. Umożliwia automatyczną analizę ogromnych wolumenów danych, wykrywanie luk i niespójności, ocenę ryzyk ESG, a nawet prognozowanie emisji na podstawie zmiennych produkcyjnych czy energetycznych.
Jednocześnie rodzi to nowe wyzwania:
- jak zweryfikować modele AI wykorzystywane do monitorowania śladu węglowego?
- jak zapewnić zgodność z GHG Protocol, ESRS oraz wymogami audytu, który obejmuje również sam algorytm?
- jak zapobiec zjawisku automated greenwashing, w którym system generuje wyniki atrakcyjne narracyjnie, lecz niepoparte rzetelnymi danymi?
Automated greenwashing to zjawisko, w którym systemy sztucznej inteligencji – często nieintencjonalnie – tworzą, wzmacniają lub usprawniają wprowadzające w błąd komunikaty środowiskowe, sprawiając, że firma wygląda na bardziej „zieloną”, niż jest w rzeczywistości.
Celem niniejszego opracowania jest pokazanie, jak rozsądnie i bezpiecznie wykorzystać AI w raportowaniu zrównoważonego rozwoju oraz jak audytor – wewnętrzny czy zewnętrzny – powinien podchodzić do weryfikacji systemów analizujących dane ESG. Omówimy kluczowe zastosowania AI: od obliczania emisji CO₂, przez due diligence w łańcuchu dostaw, po automatyzację raportowania w standardzie ESRS/XBRL. Wskażemy także modele kontroli i metody oceny algorytmów używanych w obszarze sustainability – tak, aby raportowanie pozostało nie tylko szybkie i efektywne, ale przede wszystkim wiarygodne, audytowalne i zgodne z prawem.
Rola AI w analizie danych niefinansowych i raportowaniu śladu węglowego
Wymogi raportowe
Wymogi raportowe wynikające z CSRD oraz standardów ESRS sprawiły, że dane niefinansowe stały się równie istotne jak dane finansowe – a często nawet bardziej złożone. Organizacje zobowiązane są dziś do wykazania nie tylko ogólnej strategii klimatycznej, lecz także szczegółowych informacji dotyczących emisji CO₂, ich intensywności, wpływu łańcucha dostaw, konsumpcji zasobów oraz szeregu czynników społecznych i środowiskowych. Tymczasem ogromna część tych danych jest rozproszona, niespójna i pochodzi z systemów, które nigdy nie były projektowane z myślą o raportowaniu ESG. To właśnie w tym miejscu sztuczna inteligencja zaczyna odgrywać kluczową rolę.
Integracja danych i automatyzacja interpretacji
AI pozwala zintegrować dane z systemów ERP, magazynów energii, czujników IoT, systemów produkcyjnych, arkuszy kalkulacyjnych czy dokumentów PDF, a następnie zautomatyzować ich interpretację. Modele uczenia maszynowego klasyfikują informacje w wymagane kategorie ESRS, identyfikują braki i niespójności, a narzędzia NLP analizują treści nienumeryczne – od polityk środowiskowych po deklaracje dostawców. Dzięki temu organizacja zaczyna dysponować znacznie bardziej uporządkowanym i wiarygodnym zbiorem danych, który może być wykorzystany do raportowania, audytu i podejmowania decyzji.
Raportowanie śladu węglowego
Szczególnie duże znaczenie ma zastosowanie AI w raportowaniu śladu węglowego. Emisje w ramach Scope 1 i 2 oparte są na relatywnie stabilnych danych operacyjnych, ale już Scope 3 – obejmujący cały łańcuch wartości – to obszar, w którym luki w informacjach są częste, a koszty ręcznej weryfikacji gigantyczne. AI pomaga automatycznie mapować dane aktywności na współczynniki emisyjności, przewidywać emisje na podstawie danych produkcyjnych oraz wypełniać braki w informacji poprzez imputację bazującą na wzorcach branżowych lub danych porównawczych. Z punktu widzenia ESRS E1 oraz ISO 14064-1 kluczowe jest jednak to, że modele te można audytować – pod warunkiem właściwego ich wdrożenia, dokumentacji i nadzoru.
Wykrywanie anomalii i ryzyk ESG
Jednocześnie AI umożliwia wykrywanie anomalii i ryzyk ESG, które w tradycyjnym procesie raportowania mogłyby pozostać niezauważone. Zestawienia dostawców, ich deklaracje środowiskowe, wyniki audytów, certyfikaty czy otwarte źródła danych (takie jak rejestry naruszeń środowiskowych lub wzmianki medialne) poddawane są analizie automatycznej, która pozwala zidentyfikować potencjalne zagrożenia w łańcuchu dostaw. Na tej podstawie łatwiej ocenić, czy dostawca rzeczywiście spełnia wymagania due diligence, czy jedynie deklaruje zgodność.
Obowiązek weryfikacji raportów zrównoważonego rozwoju
To przejście od ręcznego przetwarzania danych do inteligentnej analizy przekłada się nie tylko na poprawę jakości raportów, lecz także na realną możliwość ich późniejszej atestacji. CSRD wprowadza obowiązek weryfikacji raportów zrównoważonego rozwoju, co oznacza, że dane i procesy obliczeniowe muszą być odtwarzalne, ścieżka audytu zachowana, a wszystkie modele i reguły – dobrze udokumentowane. Wymagania te są spójne z najlepszymi praktykami MLOps oraz normami takimi jak ISO/IEC 27001 czy ISO/IEC 42001, które wprost wskazują potrzebę zapewnienia integralności danych, logowania działań modeli oraz kontroli zmian.
Różnice między tradycyjnym raportowaniem ESG a podejściem opartym o AI
Aby zobrazować praktyczne różnice między tradycyjnym raportowaniem ESG a podejściem opartym o AI, zestawienie prezentuje poniższa tabela:
Tabela 1. Tradycyjne raportowanie ESG vs. raportowanie z wsparciem AI
Choć potencjał AI w ESG jest ogromny, należy pamiętać, że technologia ta działa w obszarze regulowanym i wrażliwym. Błędne dane wejściowe, niewłaściwie dobrane algorytmy czy brak nadzoru człowieka mogą prowadzić do zjawiska automated greenwashing, czyli generowania atrakcyjnych, lecz nieprawdziwych narracji. Dlatego nieodłącznym elementem wdrażania AI w ESG powinny być procedury walidacji, testowania, dokumentowania modeli oraz kontrole zgodności – tak, aby organizacja była w stanie wykazać, na podstawie jakich danych i algorytmów powstał raport środowiskowy.
Niepodważalna rola człowieka
Sztuczna inteligencja nie eliminuje odpowiedzialności człowieka, lecz zmienia jej charakter. ESG staje się procesem opartym na danych, a AI umożliwia nadanie temu procesowi powtarzalności, przejrzystości i audytowalności. To jednak organizacja – nie algorytm – odpowiada za ostateczną jakość raportowania i jego zgodność z prawem. Właściwie wdrożona AI pozwala tę odpowiedzialność realizować efektywniej, szybciej i przy niższym ryzyku błędu.
Audyt i weryfikacja wskaźników ESG przy użyciu AI
Audyt jako proces wielowarstwowy
Włączenie sztucznej inteligencji do procesów raportowania ESG sprawia, że audyt zrównoważonego rozwoju przestaje być działaniem wyłącznie skupionym na weryfikacji danych źródłowych. Staje się procesem wielowarstwowym, obejmującym zarówno ocenę poprawności wskaźników, jak i kontrolę modeli, które dane te przetwarzają. AI, stosowana do automatycznej integracji danych, klasyfikacji dokumentów i obliczania emisji CO₂, znacząco zwiększa efektywność pracy, lecz równocześnie wprowadza dodatkową odpowiedzialność po stronie audytora. Wymaga on bowiem nie tylko zrozumienia wyników analitycznych, lecz także zdolności do oceny ich genezy, ograniczeń i ryzyk związanych z samym algorytmem.
Rola audytora w nadzorze nad algorytmami
Nowoczesne narzędzia ESG oparte na uczeniu maszynowym pozwalają analizować pełne populacje danych – wszystkie faktury, zapisy pomiarowe, pliki źródłowe czy dokumenty dostawców. To fundamentalna zmiana w porównaniu z tradycyjnym podejściem opartym na próbkowaniu. Audytor staje przed możliwością znacznie dokładniejszej oceny zgodności danych z wymogami ESRS, ale w zamian musi ocenić, czy modele AI działają w sposób stabilny, nie wprowadzają systematycznych błędów oraz posiadają odpowiednią jakość danych uczących i wejściowych. Zgodnie z podejściem prezentowanym w zestawieniach dotyczących integracji AI w raportowaniu ESG, stosowane algorytmy muszą wykazywać transparentność, umożliwiać prześledzenie pełnej ścieżki obliczeń oraz funkcjonować w środowisku kontrolowanym, zgodnym z dobrymi praktykami MLOps.
Weryfikacja modeli w obszarze raportowania śladu węglowego
W obszarze raportowania śladu węglowego AI pełni szczególnie istotną rolę. Jej zastosowanie obejmuje zarówno automatyczne przetwarzanie danych aktywności (activity data), jak i mapowanie ich na współczynniki emisyjności oraz wypełnianie luk informacyjnych wynikających z niekompletności danych dostawców. To właśnie tutaj pojawia się konieczność bardzo ostrożnej weryfikacji. Audytor musi potwierdzić, że zastosowany model działa w sposób spójny z GHG Protocol oraz ESRS E1, a jego decyzje są odtwarzalne i poprawnie udokumentowane. W literaturze branżowej zwraca się uwagę na potrzebę analizy takich elementów jak jakość danych wejściowych, stabilność parametrów, zakres danych treningowych czy wpływ algorytmu na końcową wartość emisji. Wraz z rosnącą liczbą narzędzi obliczających emisje CO₂ pojawia się również konieczność oceny ich wpływu środowiskowego, co jest zgodne z zaleceniami dotyczącymi oceny śladu ekologicznego modeli AI, przedstawianymi w opracowaniach dotyczących CodeCarbon i Green AI.
Ocena nadzoru człowieka nad procesami obliczeniowymi
Kluczowym elementem pracy audytora staje się także ocena nadzoru człowieka nad procesami obliczeniowymi.
W dokumentach dotyczących raportowania ESG i automatyzacji procesów akcentuje się, że modele używane do zadań regulowanych muszą być objęte nadzorem human-in-the-loop. Oznacza to, że organizacja powinna posiadać klarowne procedury przeglądu wyników, ich zatwierdzania oraz korygowania sytuacji, w których AI generuje wartości budzące wątpliwości.
To podejście wynika nie tylko z wymogów jakościowych, lecz także z ogólnych zasad odpowiedzialnego stosowania sztucznej inteligencji, opisanych w publikacjach dotyczących audytu AI oraz zgodności z AI Act. Szczególnie ważne jest, aby algorytmy wykorzystywane w kluczowych procesach ESG nie funkcjonowały w sposób w pełni autonomiczny, lecz pozostawały pod stałym monitoringiem operacyjnym.
Procesy due diligence dotyczące łańcucha dostaw
Integralną częścią audytu ESG stają się również procesy due diligence dotyczące łańcucha dostaw. Zgodnie z analizami przedstawianymi w źródłach dotyczących raportowania ESG i nadchodzących zmian, organizacje są zobowiązane do wykazywania informacji nie tylko o własnych emisjach, lecz także o śladzie węglowym dostawców. Wykorzystanie AI w tym obszarze oznacza automatyczną analizę deklaracji, polityk środowiskowych, certyfikatów i informacji publicznych. Audytor musi więc ocenić, czy model, który klasyfikuje ryzyka dostawców lub przypisuje im określone parametry emisyjne, działa w sposób zgodny z dokumentacją, posiada odpowiedni zakres danych oraz nie pomija istotnych źródeł ryzyka.
Zgodność z zasadą traceability
Wreszcie, audyt wskaźników ESG wykorzystujących sztuczną inteligencję musi uwzględniać pełną audytowalność procesów – obowiązek szczególnie podkreślany w publikacjach poświęconych automatyzacji raportowania ESG oraz MLOps w kontekście CSRD. Modele muszą mieć pełną dokumentację techniczną, zawierającą opis danych, parametrów, ograniczeń i wersji. Wszystkie operacje powinny być logowane, a system musi pozwalać na odtworzenie dokładnego przebiegu obliczeń. Właśnie ta możliwość odtworzenia wyników – a więc zgodność z zasadą traceability – przesądza o tym, czy raport ESG może zostać pozytywnie zweryfikowany podczas zewnętrznej atestacji.
Podniesienie standardów audytu
AI w audycie ESG nie jest więc narzędziem, które upraszcza pracę poprzez automatyzację obliczeń. Przeciwnie – wymusza podniesienie standardów audytu, uzupełniając tradycyjne czynności o analizę algorytmów, danych, metadanych, reguł walidacji i mechanizmów kontroli. Audytor musi rozumieć nie tylko rezultat, lecz także sposób jego uzyskania. Tylko wtedy można stwierdzić, że raport ESG jest zgodny z wymogami CSRD, rzetelny oraz oparty na danych, które przeszły odpowiednią weryfikację merytoryczną i techniczną.
Weryfikacja modeli AI wykorzystywanych w monitorowaniu śladu węglowego i raportowaniu CSRD
Spójny system kontroli jakości
Zgodnie z wymogami CSRD, ESRS oraz GHG Protocol, dane niefinansowe, w tym dotyczące emisji gazów cieplarnianych, muszą być weryfikowalne, oparte na wiarygodnych źródłach oraz możliwe do odtworzenia. Jeżeli organizacja korzysta z algorytmów uczenia maszynowego do obliczania emisji, klasyfikacji danych aktywności czy szacowania brakujących wartości – to właśnie te modele stają się przedmiotem audytu. Wymaga to połączenia kompetencji technicznych i regulacyjnych oraz wdrożenia spójnego systemu kontroli jakości podobnego do tego, który opisano w standardach bezpieczeństwa informacji i audytu AI.
Kompletne, rzetelne i reprezentatywne dane
Modele stosowane w ESG muszą spełniać kilka fundamentalnych kryteriów. Przede wszystkim powinny działać w oparciu o kompletne, rzetelne i reprezentatywne dane. Kwestia jakości danych była wielokrotnie akcentowana zarówno w literaturze dotyczącej ESG, jak i w analizach związanych z AI Act, gdzie precyzyjnie wskazuje się, że algorytmy bazują na jakości informacji, na których zostały wytrenowane. W kontekście raportowania emisji CO₂ oznacza to konieczność zapewnienia, że dane wejściowe – od zużycia energii po dane zakupowe – nie zawierają luk, błędów ani elementów mogących zafałszować wynik. Audytor powinien więc ocenić proces pozyskiwania danych, ich walidacji oraz kontrolę nad źródłami danych dostawców.
Pełna dokumentacja techniczna
Drugim filarem weryfikacji modelu jest analiza jego mechaniki działania – sposobu, w jaki przetwarza dane i wytwarza wyniki. W tym obszarze szczególne znaczenie mają zasady dokumentacji i przejrzystości, które wprost wynikają z dobrych praktyk zarządzania systemami AI. Model musi posiadać pełną dokumentację techniczną, opisującą dane treningowe, parametry, zakres zastosowania, potencjalne ograniczenia oraz sposób walidacji. Dokumentacja ta – podobnie jak w systemach wysokiego ryzyka – służy nie tylko celom technicznym, lecz przede wszystkim zapewnia rozliczalność i możliwość przeprowadzenia kontroli zgodności. Audytor powinien mieć możliwość prześledzenia ścieżki obliczeniowej oraz odtworzenia wyników dla dowolnego wskaźnika ESG.
Wdrożenie procedur kontrolnych
Nie mniej istotnym elementem jest ocena stabilności i odporności modelu na zmienność danych. Modele wykorzystywane w ESG działają w środowisku dynamicznym – parametry produkcyjne zmieniają się, struktura dostawców ewoluuje, a regulacje dotyczące emisji podlegają aktualizacjom. Dlatego modele muszą być regularnie testowane, kalibrowane i monitorowane. W praktyce oznacza to wdrożenie procedur kontrolnych typowych dla środowisk MLOps: wersjonowanie modeli, monitorowanie driftu danych, okresową walidację wyników oraz utrzymywanie pełnej historii zmian. W literaturze regulacyjnej i technicznej dotyczącej AI podkreśla się, że to właśnie stabilność modelu i jego odporność na „poślizg” danych decydują o wiarygodności wyników – w szczególności wyników, które podlegają późniejszej atestacji.
Uzasadnienie oraz wskazanie źródeł wszystkich ujawnień
Kolejnym aspektem jest ocena wpływu modelu na treści raportu ESG. Wykorzystanie AI nie może prowadzić do sytuacji, w której organizacja nie jest w stanie wyjaśnić, skąd wynikają wartości dotyczące emisji, konsumpcji zasobów czy danych o łańcuchu dostaw. Wymogi ESRS i CSRD wyraźnie nakazują uzasadnienie oraz wskazanie źródeł wszystkich ujawnień. Oznacza to, że nawet jeżeli model stosuje zaawansowane techniki imputacji braków w danych, to organizacja musi jasno wykazać, jakie algorytmy zostały użyte, jakie założenia przyjęto oraz jakie są granice niepewności wyników. Audytor ocenia więc również to, czy organizacja potrafi zarządzać niepewnością modelu i czy dokumentuje ją w sposób przejrzysty.
Nadzór człowieka w procesach decyzyjnych o wysokiej wadze
W procesie weryfikacji modeli AI stosowanych w ESG kluczową rolę odgrywa także ocena nadzoru człowieka. Modele generujące wartości wykorzystywane do raportowania regulowanego nie mogą działać w pełni autonomicznie – muszą być objęte stałym monitoringiem, przeglądem oraz zatwierdzaniem przez kompetentne osoby. Wymóg ten znajduje odzwierciedlenie zarówno w zasadach odpowiedzialnego stosowania AI, jak i w standardach bezpieczeństwa informacji, które jednoznacznie wskazują na konieczność zapewnienia human-in-the-loop w procesach decyzyjnych o wysokiej wadze. W obszarze ESG jest to szczególnie istotne, ponieważ błędna decyzja algorytmu może wpłynąć na raport podlegający atestacji, a w konsekwencji – na odpowiedzialność organizacji wobec regulatorów.
Analiza zgodności z przepisami, standardami i dobrymi praktykami
Ostatnią warstwą weryfikacji jest analiza zgodności z przepisami, standardami i dobrymi praktykami. Modele stosowane do liczenia śladu węglowego muszą być zgodne z GHG Protocol, ESRS E1, ISO 14064-1:2018, a ich działanie powinno uwzględniać obowiązki dokumentacyjne i audytowe, które pojawiają się w regulacjach dotyczących AI. W tym kontekście należy zwrócić uwagę na wymogi dotyczące logowania, rejestrowania zmian i prowadzenia dokumentacji technicznej – podejście to było szczegółowo analizowane w publikacjach dotyczących IR-AI oraz ISO 27001 i stanowi fundament audytowalności każdego systemu opartego na AI. Modele AI używane w ESG powinny więc być traktowane w sposób analogiczny: jako systemy podlegające kontroli, dokumentacji i cyklicznemu przeglądowi.
Elementy pełnej walidacji modelu AI w ESG
Weryfikacja modeli AI w ESG nie polega zatem wyłącznie na sprawdzeniu poprawności matematycznej. Jest to proces, który obejmuje analizę jakości danych, logiki algorytmicznej, stabilności modelu, nadzoru człowieka oraz zgodności regulacyjnej. Dopiero równoczesne uwzględnienie tych elementów pozwala uznać, że wynik modelu – wartość emisji, wskaźnik środowiskowy czy klasyfikacja dostawcy – może być wykorzystany w raporcie zrównoważonego rozwoju, a następnie poddany atestacji bez ryzyka zakwestionowania przez audytora lub regulatora.
Cyberbezpieczeństwo i rozliczalność AI w raportowaniu ESG
Zarządzanie bezpieczeństwem modeli AI
Rosnąca rola sztucznej inteligencji w obszarze ESG oznacza, że modele i automatyczne procesy liczące emisje czy konsolidujące dane niefinansowe stają się częścią infrastruktury krytycznej dla raportowania regulowanego. CSRD, ESRS i GHG Protocol nakładają wysokie wymogi dotyczące wiarygodności i audytowalności danych, a to z kolei przekłada się na potrzebę zarządzania bezpieczeństwem modeli AI w sposób zbliżony do praktyk stosowanych w systemach wysokiego ryzyka czy procesach bezpieczeństwa informacji.
Dlatego organizacje muszą traktować cyberbezpieczeństwo i rozliczalność modeli ESG-AI jako element strategiczny.
Zapewnienie integralności danych wejściowych oraz pełnej kontroli źródeł
Podstawowym wyzwaniem pozostaje bezpieczeństwo danych. Modele ESG przetwarzają informacje pochodzące z bardzo wielu źródeł – od systemów ERP i chmurowych modułów produkcyjnych, przez sensory IoT i inteligentne liczniki, aż po dokumenty dostawców i rejestry publiczne. Tak zróżnicowany ekosystem zwiększa ryzyko błędów, manipulacji lub ataków prowadzących do zafałszowania wyników. Aby temu zapobiec, konieczne jest zapewnienie integralności danych wejściowych oraz pełnej kontroli źródeł. Organizacje muszą posiadać mechanizmy potwierdzające autentyczność i niezmienność danych oraz procesy weryfikacji informacji pochodzących od dostawców. Tylko wtedy modele AI będą miały szansę generować wyniki, które można uznać za wiarygodne.
Konieczność wdrażania środków ochrony modeli
Drugim kluczowym aspektem jest bezpieczeństwo samych modeli. W literaturze dotyczącej bezpieczeństwa AI podkreśla się, że systemy trenowane na dużych, heterogenicznych zbiorach danych są podatne na specyficzne wektory ataków: zatruwanie danych (data poisoning), manipulacje na wejściu (adversarial input), próby odtworzenia danych treningowych (model inversion) czy ingerencję w pipeline’y MLOps odpowiedzialne za wdrażanie i aktualizację modeli. W kontekście ESG skutki takich ataków mogą być wyjątkowo poważne – mogą prowadzić do zaniżenia emisji, zaburzenia informacji o łańcuchu dostaw lub generowania błędnych wskaźników środowiskowych. Dlatego organizacje muszą wdrażać środki ochrony modeli, w tym kontrolę dostępu, monitorowanie integralności wag, wersjonowanie modeli, automatyczne testy regresji i procedury zatwierdzania modeli przed ich użyciem produkcyjnym.
Wymogi rozliczalności i dokumentowalności systemów AI
Kolejna warstwa to rozliczalność, czyli możliwość odtworzenia sposobu działania modelu i wyjaśnienia, na jakiej podstawie wygenerował określone wyniki. W środowisku ESG rozliczalność nie jest jedynie dobrą praktyką – to wymóg regulacyjny. CSRD i ESRS kładą nacisk na pełną dokumentację źródeł danych i metodologii obliczeń. GHG Protocol wymaga zachowania ścieżek dowodowych wskazujących, skąd pochodzą współczynniki i jakie dane aktywności zostały zastosowane. Jeśli organizacja wykorzystuje AI, to właśnie model – jego parametry, dane wejściowe, wersja i sposób działania – staje się częścią dokumentacji raportowej. Oznacza to obowiązek prowadzenia szczegółowych logów obejmujących źródła danych, transformacje, przeliczenia oraz interakcje człowieka z modelem. Takie logowanie, zgodnie z zasadami bezpieczeństwa opisanymi w analizach dotyczących systemów IR-AI i ISO/IEC 27001, jest kluczowym elementem umożliwiającym audyt i rekonstrukcję zdarzeń.
Nadzór człowieka jako warunek rozliczalności AI
Wymóg rozliczalności prowadzi bezpośrednio do potrzeby wdrożenia nadzoru człowieka. Modele wykorzystywane w ESG nie mogą funkcjonować w sposób w pełni autonomiczny. Ich zadaniem jest wspieranie procesu, ale nie zastępowanie oceny eksperckiej. Organizacja musi więc zapewnić mechanizmy human-in-the-loop, umożliwiające walidację i zatwierdzanie wyników generowanych przez model, a w razie potrzeby – ich korektę. Nadzór człowieka nie tylko redukuje ryzyko błędów technicznych, ale także wzmacnia zgodność regulacyjną, ponieważ umożliwia wykazanie, że dane zostały świadomie ocenione, a nie bezrefleksyjnie przejęte z systemu AI.
Cykliczna walidacja i rekalibracja modeli AI
Warstwa cyberbezpieczeństwa w ESG obejmuje także kontrolę zmian i ciągły monitoring modeli. Dane środowiskowe mają charakter dynamiczny – zmieniają się profile produkcji, zużycie surowców, wartości współczynników emisyjnych, a także wymagania regulacyjne. Modele muszą więc podlegać cyklicznej walidacji i rekalibracji. W tym kontekście szczególne znaczenie ma integracja praktyk MLOps, takich jak kontrola wersji datasetów, automatyczne testy regresji, monitorowanie driftu danych i modeli czy procedury wycofywania modeli w przypadku wykrycia nieprawidłowości. Jest to podejście zgodne z logiką systemów zarządzania bezpieczeństwem informacji i analogiczne do modeli stosowanych w sektorach finansowych lub bezpieczeństwa – co potwierdzają normy ISO/IEC 27001 i ISO/IEC 42001.
Zgodność regulacyjna systemów AI w raportowaniu ESG
Całość tych działań musi być powiązana z wymogami regulacyjnymi dotyczącymi raportowania ESG. Systemy AI stosowane do liczenia emisji muszą działać zgodnie z GHG Protocol, ESRS E1 oraz ISO 14064-1:2018, a ich działanie musi umożliwiać późniejszą atestację raportu. Oznacza to, że wszystko – od danych wejściowych, przez logikę algorytmu, po sposób prezentacji wyników – musi być przejrzyste, udokumentowane i możliwe do audytu. Tylko wtedy raport można uznać za zgodny, a organizacja może wykazać należytą staranność w korzystaniu z systemów AI.
Cyberbezpieczeństwo i rozliczalność jako fundament raportowania ESG
W rezultacie cyberbezpieczeństwo i rozliczalność modeli AI w ESG nie są dodatkowymi elementami „dookoła technologii”, lecz fundamentem całego procesu raportowania zrównoważonego rozwoju. Obejmują ochronę danych, odporność modeli, logowanie i audytowość procesów, nadzór człowieka oraz pełną dokumentację zgodności. Dopiero połączenie tych aspektów pozwala uznać, że modele wykorzystywane w ESG spełniają wymogi rzetelności, wiarygodności i zgodności z regulacjami.
Zakończenie
Nowe możliwości dzięki AI
Wykorzystanie sztucznej inteligencji w raportowaniu zrównoważonego rozwoju otwiera przed organizacjami możliwości, które jeszcze niedawno były poza zasięgiem tradycyjnych metod analitycznych. Modele AI pozwalają porządkować rozproszone dane niefinansowe, uszczelniać procesy obliczania emisji oraz automatyzować zadania, które dotąd wymagały znacznych nakładów pracy eksperckiej. Jednocześnie rosnący zakres regulacji – od CSRD i ESRS po wymogi weryfikacyjne dotyczące jakości danych – powoduje, że to właśnie precyzja, transparentność i audytowalność rozwiązań technicznych stają się kluczowymi czynnikami ich odpowiedzialnego wdrożenia.
Nieustający i szeroki nadzór audytora
AI nie jest jednak narzędziem neutralnym. Jej zastosowanie w obszarze ESG może wzmacniać jakość raportowania i zwiększać zaufanie odbiorców, ale przy braku kontroli – prowadzić do błędów, zafałszowań lub tzw. automated greenwashing, w którym atrakcyjne narracje zastępują rzetelną analizę danych. Dlatego rola audytora, zarówno wewnętrznego, jak i zewnętrznego, nie ogranicza się już wyłącznie do oceny poprawności wskaźników. Musi obejmować również ocenę algorytmów, źródeł danych, sposobu trenowania modeli oraz ich odporności na błędy i manipulacje.
Integracja systemów i budowanie kompetencji
Przyszłość raportowania zrównoważonego rozwoju będzie w coraz większym stopniu zależeć od tego, w jaki sposób organizacje zintegrują systemy AI z istniejącymi procesami ładu korporacyjnego. Modele sztucznej inteligencji mogą znacząco podnieść jakość raportów ESG, ale tylko wtedy, gdy wdrażane są w sposób świadomy, odpowiedzialny i zgodny z ramami regulacyjnymi. Kluczowe jest zatem konsekwentne budowanie kompetencji, rozwijanie kultury danych oraz tworzenie mechanizmów audytu, które obejmują nie tylko wyniki, lecz także procesy obliczeniowe stojące za każdym wskaźnikiem.
Ostatecznie AI nie zastąpi odpowiedzialności przedsiębiorstwa – może ją jednak wzmocnić. Warunkiem jest działanie w oparciu o przejrzystość, dokumentację oraz systemowe podejście do ryzyk. Dzięki temu technologia stanie się nie zagrożeniem, lecz sojusznikiem w realizacji ambitnych celów środowiskowych i społecznych.
Opodatkowanie ryczałtem ewidencjonowanym a wspólne rozliczenie małżonków
W przypadku, gdy jedno z małżonków korzysta z opodatkowania ryczałtem od przychodów ewidencjonowanych, nie jest możliwe dokonanie wspólnego rozliczenia małżonków nawet w sytuacji, gdy dodatkowo małżonek ten osiąga dochody opodatkowane według zasad ogólnych. W konsekwencji każdy z małżonków składa zeznania podatkowe właściwe dla jego formy opodatkowania, w zależności od źródła przychodów.
Przepis art. 6 ustawy o PIT przewiduje, że małżonkowie pozostający w związku małżeńskim i we wspólności majątkowej przez cały rok podatkowy albo od dnia zawarcia związku małżeńskiego do ostatniego dnia roku podatkowego (w przypadku, gdy związek małżeński został zawarty w trakcie roku podatkowego) mogą być – na wspólny wniosek wyrażony w zeznaniu podatkowym – opodatkowani łącznie od sumy swoich dochodów.
Jednakże w dalszych regulacjach wskazano, że powyższy sposób opodatkowania (tj. wspólne opodatkowanie małżonków) nie ma zastosowania w przypadku, gdy chociażby jeden z małżonków stosuje m.in. przepisy ustawy o zryczałtowanym podatku dochodowym od niektórych przychodów osiąganych przez osoby fizyczne w zakresie osiągniętych w roku podatkowym przychodów, poniesionych kosztów uzyskania przychodów, zobowiązania lub uprawnienia do zwiększania lub pomniejszania podstawy opodatkowania albo przychodów, zobowiązania lub uprawnienia do dokonywania innych doliczeń lub odliczeń.
Z powyższego wynika, że w sytuacji, gdy do jednego z małżonków mają zastosowanie przepisy o zryczałtowanym podatku dochodowym, wówczas wyłączona jest możliwość wspólnego opodatkowania małżonków, nawet w sytuacji, gdy małżonek ten dodatkowo osiąga dochody (przychody) z innych źródeł, opodatkowane na zasadach ogólnych.
W opisanej sytuacji małżonkowie powinni zatem złożyć trzy odrębne zeznania:
1) żona – PIT–36 (działalność gospodarcza),
2) mąż – PIT–28 (działalność gospodarcza),
3) mąż – PIT–37 (umowa o pracę).
Zwolnienie z kasy fiskalnej dla usług budowlanych
Tak, podatnika obowiązuje limit zwolnienia podmiotowego w wysokości 20 000 zł. Do progu tego wlicza się również płatności bezgotówkowe otrzymane od osób fizycznych nieprowadzących działalności gospodarczej. Przekroczenie tego limitu skutkuje bezpowrotną utratą prawa do stosowania zwolnienia podmiotowego z kasy fiskalnej.
Jednocześnie, jeżeli podatnik będzie otrzymywał płatności wyłącznie przelewem, może on skorzystać ze zwolnienia przedmiotowego z kasy (ze względu na formę zapłaty), wskazanego w poz. 42 załącznika do rozporządzenia Ministra Finansów w sprawie zwolnień z obowiązku prowadzenia ewidencji sprzedaży przy zastosowaniu kas rejestrujących (dalej: KasRejR). W takim przypadku, po spełnieniu dodatkowych warunków dokumentacyjnych, podatnik nie musi posiadać i używać kasy fiskalnej, nawet po przekroczeniu wspomnianego limitu 20 000 zł.
Na podstawie § 3 ust. 1 pkt 2 KasRejR, zwolnieniu z obowiązku posiadania kasy fiskalnej podlegają podatnicy, u których wartość sprzedaży na rzecz osób fizycznych nieprowadzących działalności gospodarczej nie przekroczyła kwoty 20 000 zł w roku podatkowym. W limicie tym uwzględnia się cały obrót konsumencki, niezależnie od tego, czy płatność została przyjęta w formie gotówkowej, czy bezgotówkowej.
Przekroczenie kwoty 20 000 zł powoduje utratę prawa do zwolnienia podmiotowego po upływie dwóch miesięcy następujących po miesiącu, w którym limit został przekroczony (§ 5 ust. 1 pkt 2 KasRejR). Niemniej jednak, podatnik ma możliwość stosowania zwolnienia przedmiotowego, o którym mowa w § 2 w zw. z poz. 42 załącznika do KasRejR. Stosowanie tego zwolnienia jest dopuszczalne bez względu na wysokość obrotu, o ile zostaną łącznie spełnione następujące warunki:
- zapłata za usługę musi być dokonana w całości za pośrednictwem poczty, banku lub spółdzielczej kasy oszczędnościowo-kredytowej na rachunek bankowy podatnika;
- z ewidencji i dowodów dokumentujących zapłatę musi jednoznacznie wynikać, jakiej konkretnie czynności zapłata dotyczyła;
- przedmiotem świadczenia nie są usługi wymienione w § 4 KasRejR, które podlegają bezwzględnemu obowiązkowi fiskalizacji (usługi budowlane nie są wymienione w tym katalogu).
Podsumowując, samo otrzymywanie płatności przelewem nie sprawia, że limit 20 000 zł przestaje istnieć, ale pozwala na uniknięcie obowiązku posiadania i używania kasy fiskalnej po jego przekroczeniu, pod warunkiem rzetelnego prowadzenia ewidencji i dokumentacji, pozwalającej na powiązanie płatności z wykonaną usługą.
Prawo pracownika do odłączenia
W przypadku opisanym przez Państwa w pytaniu, komunikacja z pracownikami po zakończeniu czasu pracy za pośrednictwem komunikatora jest niedozwolona i narusza prawo tych pracowników do nieprzerwanego odpoczynku.
Państwa pytanie dotyczy kwestii tzw. prawa pracownika do odłączenia/prawa pracownika do bycia offline. Najogólniej rzecz ujmując jest to prawo pracownika do wyłączenia narzędzi cyfrowych do celów zawodowych. Dla przykładu Parlament Europejski proponuje następującą definicję: nieangażowanie się poza czasem pracy w zadania związane z pracą i nieuczestniczenie w komunikacji za pomocą narzędzi cyfrowych, bezpośrednio lub pośrednio. Celem istnienia tego prawa jest powstrzymanie kultury pracownika „stale osiągalnego”, które to zjawisko wiąże z negatywnym wpływem na prawa podstawowe pracowników i sprawiedliwe warunki pracy. Istnieje już nawet projekt nowej dyrektywy w sprawie prawa do bycia offline. Punkt 10 preambuły tego projektu stanowi, że prawo do bycia offline to prawo pracowników do nieangażowania się poza czasem pracy w zadania związane z pracą i do nieuczestniczenia w komunikacji za pomocą narzędzi cyfrowych, takich jak rozmowy telefoniczne, e-maile lub inne wiadomości.
Powyższe oznacza, że pracodawcy nie powinni wymagać od pracowników, których zatrudniają, aby po zakończeniu czasu pracy pozostali nadal dostępni. To samo dotyczy wskazanych przez pracodawcę urządzeń telefonicznych albo innych środków komunikacji elektronicznej oraz innych narzędzi cyfrowych. Chodzi zatem m.in. o wyeliminowanie kontaktu ze strony przełożonych, który nie byłby obiektywnie uzasadniony szczególnymi potrzebami zakładu pracy. Sytuację taką należałoby uznać za wyjątek od zasady nieprzerwanego wypoczynku.
Obecnie brak w polskim prawie pracy przepisów, które regulowałyby kwestię kontaktu między stronami stosunku pracy poza ustalonym czasem pracy. Niemniej niektóre przepisy mogą być odczytywane jako nawiązujące pośrednio do koncepcji prawa pracownika do bycia offline. Przykładami takich przepisów są art. 132 i art. 133 Kodeksu pracy, które odnoszą się do nieprzerwanego odpoczynku w wymiarze dobowym i tygodniowym. Z perspektywy prawa do odłączenia „nieprzerwany odpoczynek” można rozumieć nie tylko jako brak wezwania pracownika do podjęcia pracy, ale również wyeliminowanie kontaktu ze strony przełożonych, który nie byłby niezbędny. Dlatego też uważam, że w przypadku opisanym przez Państwa w pytaniu, komunikacja z pracownikami po zakończeniu czasu pracy za pośrednictwem komunikatora jest niedozwolona i narusza prawo tych pracowników do nieprzerwanego odpoczynku.
Data rozwiązania umowy na zastępstwo
Umowa o pracę na zastępstwo rozwiąże się z dniem ustania stosunku pracy osoby zastępowanej.
Umowa o pracę na czas zastępstwa jest umową o pracę na czas określony, której czas trwania określono zdarzeniem. Zdarzeniem tym jest zakończenie zastępowania nieobecnego pracownika. Z tego względu czas trwania umowy na zastępstwo określa się: na czas zastępstwa nieobecnego pracownika, na zastępstwo nieobecnego pracownika. Określenie zdarzenia: „do czasu powrotu zastępowanego pracownika” często funkcjonuje w praktyce. Jednak nie jest ono prawidłowe, gdyż może zdarzyć się, że zastępowany nie wróci do pracy. Umowa zastępowanego może rozwiązać się np. w wyniku zawarcia porozumienia o rozwiązaniu umowy, w wyniku wypowiedzenia umowy o pracę albo wygasnąć, np. z powodu śmierci zastępowanego.
Dzień rozwiązania umowy o pracę na czas zastępstwa ustala się przez analizę zdarzenia wskazanego w umowie. Jeżeli czas trwania umowy na zastępstwo określono: na czas zastępstwa nieobecnego pracownika, na zastępstwo nieobecnego pracownika, wówczas dzień ustania stosunku pracy osoby zastępowanej będzie także dniem ustania stosunku pracy zastępcy. Natomiast, w sytuacji gdy czas trwania umowy na zastępstwo określono: „do czasu powrotu zastępowanego pracownika”, a pracownik zastępowany rozwiązuje umowę o pracę, a więc nie wraca do pracy, bezpiecznie jest rozwiązać umowę z zastępcą na mocy porozumienia stron albo za wypowiedzeniem.
Prywatny najem budynku a KSeF
Świadczenie usług najmu nie obliguje wynajmującego do rejestracji do podatku w charakterze podatnika VAT czynnego, jeśli spełnia on warunki dla stosowania zwolnienia podmiotowego w podatku od towarów i usług.
Podatnicy zwolnieni od podatku, świadczący najem, nie są zobowiązani do wystawiania faktur dokumentujących należny czynsz. Taką fakturę muszą wystawić wyłączenie w sytuacji, gdy zażąda jej najemca będący przedsiębiorcą.
Osoby wynajmujące nieruchomości, docelowo będą wystawić faktury w KSeF.
Definicja działalności gospodarczej na gruncie VAT jest bardzo pojemnym pojęciem. Zgodnie z treścią art. 15 ust. 2 ustawy o podatku od towarów i usług (dalej: VATU) obejmuje swoim zakresem m.in. czynności polegające na wykorzystywaniu towarów lub wartości niematerialnych i prawnych w sposób ciągły dla celów zarobkowych. W rezultacie najem rzeczy posiadanych przez podatnika – nawet jeśli na gruncie podatku dochodowego zaliczony został do źródła przychodów najem prywatny – na płaszczyźnie VAT jest przejawem działalności gospodarczej, a wynajmujący – podatnikiem VAT z tego tytułu.
Czynności najmu nie zostały wykluczone ze zwolnienia podmiotowego od podatku. Świadcząc najem, wynajmujący może stosować zwolnienie podmiotowe od podatku do limitu sprzedaży w roku podatkowym w wysokości 240 000 zł. na podstawie art. 113 ust. 1 i 9 VATU. Co istotne, podatnicy zwolnieni z VAT, nie muszą potwierdzać każdej sprzedaży na rzecz innego przedsiębiorcy lub osoby prywatnej dokumentem sprzedaży. Obowiązani są oni wystawić fakturę tylko wtedy, gdy klient wystąpi z żądaniem jej wystawienia w terminie 3 miesięcy (art. 106b ust. 3 pkt 2 VATU).
W rezultacie podatnik wynajmujący prywatnie własny budynek innemu przedsiębiorcy może – co do zasady – korzystać ze zwolnienia od podatku od towarów i usług, nie jest tym samym obowiązany do rejestracji jako podatnik VAT czynny. Korzystając ze zwolnienia, nie musi dokumentować czynszu najmu za pomocą faktury. Jednakże – zważywszy, że jego kontrahentem jest przedsiębiorca, który niewątpliwie zażąda faktury – wynajmujący będzie obowiązany taką fakturę wystawić.
System KSeF docelowo ma być obowiązkowy dla wszystkich podatników, w tym również dla tych, którzy korzystają ze zwolnienia od podatku VAT. Podkreślić trzeba, że korzystanie z KSeF przez wynajmującego wiąże się z koniecznością uzyskania i posługiwania się numerem NIP, także wówczas, gdy faktura dokumentuje przychody z najmu prywatnego. Numer NIP jest polem wymaganym w elemencie Podmiot1 struktury logicznej FA(3).
Można również dodać, że do końca 2026 r. podatnicy, u których sprzedaż dokumentowana fakturami nie przekracza w danym miesiącu 10 000 zł, mogą nadal wystawiać faktury papierowe lub elektroniczne (np. w PDF) poza KSeF. Przekroczenie ww. limitu skutkować będzie utratą prawa do fakturowania sprzedaży poza systemem, począwszy od faktury, którą przekroczono kwotę 10 000 zł.
Sztuczne oświetlenie w skierowaniu na badania profilaktyczne – czynnik fizyczny czy uciążliwy?
Oświetlenie sztuczne należy rozpatrywać w kategorii czynników uciążliwych, a nie szkodliwych dla zdrowia czy niebezpiecznych.
Pracownicze badania profilaktyczne
Aktem prawnym regulującym zagadnienie pracowniczych badań profilaktycznych jest rozporządzenie Ministra Zdrowia i Opieki Społecznej z 30.5.1996 r. w sprawie przeprowadzania badań lekarskich pracowników, zakresu profilaktycznej opieki zdrowotnej nad pracownikami oraz orzeczeń lekarskich wydawanych do celów przewidzianych w Kodeksie pracy (t.j. Dz.U. z 2023 r. poz. 607 ze zm.; dalej: BadLekR).
Jednym z najważniejszych obowiązków pracodawcy związanych z badaniami profilaktycznymi jest wydanie skierowania, którego wzór określa załącznik nr 3a do BadLekR, a które, zgodnie z § 4 ust. 2 BadLekR, powinno zawierać następujące informacje:
- określenie rodzaju badania profilaktycznego, jakie ma być wykonane,
- określenie stanowiska pracy, na jakim osoba ta ma być zatrudniona (w przypadku osób przyjmowanych do pracy lub pracowników przenoszonych na inne stanowiska pracy),
- określenie stanowiska pracy, na jakim pracownik jest zatrudniony (w przypadku badań okresowych lub kontrolnych),
- opis warunków pracy uwzględniający informacje o występowaniu na stanowisku lub stanowiskach pracy, o których mowa w pkt. 2 i 3, czynników niebezpiecznych, szkodliwych dla zdrowia lub czynników uciążliwych i innych wynikających ze sposobu wykonywania pracy, z podaniem wielkości narażenia oraz aktualnych wyników badań i pomiarów czynników szkodliwych dla zdrowia, wykonanych na tych stanowiskach.
Skierowanie na badania profilaktyczne
Sporządzając skierowanie na badania profilaktyczne, pracodawca powinien w nim m.in. określić rodzaj pracy, podstawowe czynności oraz sposób i czas ich wykonywania. Nie oznacza to jednak, że w skierowaniu należy wymieniać wszelkie możliwe czynności, jakie pracownik jest obowiązany wykonywać zgodnie z ustalonym zakresem obowiązków, ale jedynie te, które mogą mieć znaczenie dla lekarza przeprowadzającego badania profilaktyczne i mogą wpłynąć na wynik.
Czynniki występujące w środowisku
Rodzaje poszczególnych czynników występujących w środowisku pracy zostały zdefiniowane jako:
- czynnik niebezpieczny – czynnik, którego oddziaływanie może prowadzić do urazu lub innego istotnego natychmiastowego pogorszenia stanu zdrowia człowieka bądź zejścia śmiertelnego;
- czynnik szkodliwy – czynnik, którego oddziaływanie może prowadzić do pogorszenia stanu zdrowia człowieka;
- czynnik uciążliwy – czynnik nie stanowiący zagrożenia dla życia lub zdrowia człowieka, lecz utrudniający pracę lub przyczyniający się w inny istotny sposób do obniżenia jego zdolności do wykonywania pracy lub innej działalności bądź wpływający na zmniejszenie wydajności.
W zależności od poziomu oddziaływania lub innych warunków, czynnik uciążliwy może stać się szkodliwym, a czynnik szkodliwy niebezpiecznym.
Oświetlenie jest fizycznym czynnikiem środowiska pracy i jest zaliczane jest do czynników uciążliwych. Wynika to faktu, że niewłaściwe oświetlenie stanowisk pracy prowadzi do nadmiernego zmęczenia narządu wzroku, dolegliwości wzroku, spadku wydajności pracy oraz może powodować pogłębienie wad wzroku.
Mając na uwadze powyższe, oświetlenie sztuczne należy rozpatrywać w kategorii czynników uciążliwych, a nie szkodliwych dla zdrowia czy niebezpiecznych.
Korekta VAT naliczonego od środków trwałych w budowie
Nie, podatek naliczony od środków trwałych w budowie nie podlega korekcie przed oddaniem środka trwałego do użytkowania.
Przepisy ustawy o podatku od towarów i usług przewidują odrębne zasady korekty podatku naliczonego od środków trwałych i wartości niematerialnych i prawnych. Przepis art. 91 ust. 2 ustawy o VAT stanowi, że w przypadku towarów i usług, które na podstawie przepisów o podatku dochodowym są zaliczane przez podatnika do środków trwałych oraz wartości niematerialnych i prawnych podlegających amortyzacji, a także gruntów i praw wieczystego użytkowania gruntów, jeżeli zostały zaliczone do środków trwałych lub wartości niematerialnych i prawnych nabywcy, z wyłączeniem tych, których wartość początkowa nie przekracza 15 000 zł, korekty podatku naliczonego podatnik dokonuje w ciągu 5 kolejnych lat, a w przypadku nieruchomości i praw wieczystego użytkowania gruntów przypisywana jest hipotezie normy prawnej – w ciągu 10 lat, licząc od roku, w którym zostały oddane do użytkowania. W przypadku środków trwałych oraz wartości niematerialnych i prawnych, których wartość początkowa nie przekracza 15 000 zł, korekta ma charakter jednorazowy, z tym że korekty dokonuje się po zakończeniu roku, w którym środki trwałe zostały oddane do użytkowania.
W odniesieniu do wszystkich środków trwałych korekta następuje dopiero od momentu oddania środka trwałego do używania. Wynika stąd wniosek, że w przypadku wytwarzania środków trwałych we własnym zakresie, korekty podatku nie dokonuje się w czasie budowy środka trwałego.
Opłata wstępna w leasingu a ukryte zyski
W analizowanym stanie faktycznym nie jest zasadne jednorazowe uznanie całej opłaty wstępnej leasingu (260 000 zł) za podstawę opodatkowania ryczałtem w maju 2025 r.
Co do zasady:
1) opłata wstępna leasingu powinna być rozliczana w czasie zgodnie z zasadami rachunkowości, tj. proporcjonalnie do okresu trwania umowy leasingu (np. 260 000 zł/60 miesięcy × liczba miesięcy przypadających na 2025 r.),
2) podstawą opodatkowania w estońskim CIT są kategorie dochodu określone w przepisach ustawy o podatku dochodowym od osób prawnych.
Wskazać należy, że z art. 28m ust. 3 ustawy o podatku dochodowym od osób prawnych (dalej: PDOPrU) jednoznacznie wynika, że ukryte zyski to świadczenia, których beneficjentem, bezpośrednio lub pośrednio, jest udziałowiec, akcjonariusz albo wspólnik lub podmiot powiązany bezpośrednio lub pośrednio z podatnikiem lub z tym udziałowcem, akcjonariuszem albo wspólnikiem. Zatem wspólnicy spełniają wyżej cytowaną definicję.
Ukryte zyski stanowić będą dla podatnika wszelkie świadczenia spółki:
1) wykonane w związku z prawem do udziału w zysku,
2) inne niż podzielony zysk o charakterze pieniężnym, niepieniężnym, odpłatnym, nieodpłatnym lub częściowo odpłatnym (wartość nieodpłatnych i częściowo odpłatnych świadczeń określa się zgodnie z art. 12 ust. 5–6a PDOPrU), o czym stanowi art. 28m ust. 8 PDOPrU,
3) wykonane bezpośrednio lub pośrednio na rzecz udziałowca/akcjonariusza lub podmiotu powiązanego,
4) wykonane bezpośrednio lub pośrednio z podatnikiem lub z tym udziałowcem/akcjonariuszem.
Mając na uwadze powyższe wyjaśnienia, w przypadku wykorzystywania samochodu lub innego składnika majątku również do celów innych, niż związanych z działalnością gospodarczą (np. do celów prywatnych):
1) przez wspólnika, podmiot powiązany bezpośrednio lub pośrednio z podatnikiem lub z tym wspólnikiem – w takim przypadku powstanie ukryty zysk,
2) przez podmiot niebędący wspólnikiem, podmiotem powiązanym bezpośrednio lub pośrednio z podatnikiem lub z tym wspólnikiem – w takim przypadku powstaje wydatek niezwiązany z działalnością gospodarczą.
Jak wynika z art. 28m ust. 4 pkt 2 lit. b PDOPrU 50% wydatków i odpisów amortyzacyjnych oraz odpisów z tytułu trwałej utraty wartości, związanych z tzw. użytkiem mieszanym składników majątku podatnika, należy zaliczyć do dochodów z tytułu ukrytych zysków, jeśli beneficjentem takiego świadczenia (tj. prawa do korzystania ze składnika majątku podatnika również do celów prywatnych) jest bezpośrednio lub pośrednio wspólnik lub podmiot powiązany bezpośrednio lub pośrednio z tym podatnikiem lub wspólnikiem.
W ujęciu bilansowym opłata wstępna leasingu operacyjnego:
1) dotyczy całego okresu korzystania z przedmiotu leasingu,
2) powinna być rozliczana w czasie jako rozliczenia międzyokresowe kosztów, zgodnie z zasadą współmierności przychodów i kosztów.
W konsekwencji – ujęcie w kosztach 2025 r. jedynie części proporcjonalnej do okresu korzystania w tym roku, jest prawidłowe bilansowo.
W art. 28m ust. 1 pkt 2 PDOPrU pośród dochodów stanowiących przedmiot opodatkowania estońskim CIT ustawodawca wymienił dochód z ukrytych zysków. Definiując w art. 28m ust. 3 PDOPrU ukryte zyski prawodawca wskazał, że rozumie się przez nie świadczenia pieniężne, niepieniężne, odpłatne, nieodpłatne lub częściowo odpłatne, wykonane w związku z prawem do udziału w zysku, inne niż podzielony zysk, których beneficjentem, bezpośrednio lub pośrednio, jest udziałowiec, akcjonariusz albo wspólnik lub podmiot powiązany bezpośrednio lub pośrednio z podatnikiem lub z tym udziałowcem, akcjonariuszem albo wspólnikiem (dalej jest przykładowy katalog).
Takie stanowisko potwierdza przykładowo interpretacja indywidualna Dyrektora KIS z 12.12.2024 r. (0111-KDIB2-1.4010.500.2024.2.BJ).
Sposób udzielania pełnomocnictwa i zasady sporządzania informacji rocznych dla ubezpieczonych
W przypadku opisanym w zapytaniu należy złożyć w ZUS odpowiedni formularz pełnomocnictwa, najczęściej w tym celu wykorzystywany jest druk ZUS PEL. Dokument taki można wypełnić ręcznie i przedłożyć w ZUS. Osobie upoważnionej można nadać uprawnienia w charakterze ubezpieczonego, świadczeniobiorcy lub płatnika składek.
Pełnomocnictwo można również udzielić elektronicznie za pośrednictwem PUE ZUS, zaznaczając odpowiednie pola, wskazując dane osoby upoważnionej oraz zakres upoważnienia, np. do załatwiania spraw przez PUE ZUS. W takim przypadku pełnomocnik może podpisywać dokumenty elektronicznie w imieniu płatnika.
Informacja roczna zawiera wszystkie dane wykazane przez płatnika w przekazanych do ZUS imiennych raportach miesięcznych sporządzonych za ubezpieczonego w okresie od stycznia do grudnia danego roku (z uwzględnieniem korekt). Ubezpieczony otrzymuje tę informację od płatnika w celu weryfikacji danych i sprawdzenia, czy składki ZUS zostały prawidłowo naliczone.
Roczne informacje płatnicy składek przekazują ubezpieczonym na piśmie lub, za zgodą ubezpieczonego, w formie dokumentu elektronicznego, który powinien być opatrzony podpisem elektronicznym.
Jeżeli płatnik przekazywał ubezpieczonemu dane zawarte w imiennych raportach miesięcznych na bieżąco, raz w miesiącu, nie jest obowiązany dodatkowo sporządzać rocznej informacji. Jednak jeśli ubezpieczony zwróci się z wnioskiem o jej wydanie, płatnik powinien ją udostępnić.
W przypadku, gdy płatnik składał w ciągu roku korygujące raporty miesięczne, a ubezpieczony otrzymał wcześniejsze informacje miesięczne przed sporządzeniem korekt, miesięczne informacje dla ubezpieczonego powinny zostać sporządzone ponownie z uwzględnieniem prawidłowych danych. Te dane powinny również znaleźć się w rocznej informacji przekazanej ubezpieczonemu za dany rok.
Płatnik składek może sporządzić informację roczną w dowolnej formie:
1) za pomocą programu kadrowo-płacowego,
2) na aktywnym druku z możliwością zapisu,
3) lub w formie pisemnej na właściwym druku.
Zawsze jednak informacja roczna powinna zawierać dane wykazane w przekazanych do ZUS imiennych raportach miesięcznych.
Informacja roczna o naliczonych składkach powinna zostać sporządzona i przekazana każdemu ubezpieczonemu, za którego płatnik był zobowiązany naliczyć składki ZUS. Ubezpieczonym jest osoba fizyczna podlegająca przynajmniej jednemu z ubezpieczeń społecznych, tj.: emerytalnemu, rentowemu, chorobowemu lub wypadkowemu.
