可持續專欄|負責任AI的ESG邏輯
AI和ESG正在數據維度上相遇。
2023年11月,旨在通過AI技術收集組織ESG數據的數據基礎設施平臺——ESG Flo宣布已獲得525萬美元的種子資本;同月,新加坡金融管理局(MAS)推出ESG數據平臺Gprnt(讀法是Greenprint),該平臺通過信息技術,幫助金融機構和企業收集、分析和處理ESG數據。
而在早些時候,專注于通過AI技術為資管機構提供ESG數據的SESAMm也宣布獲得3500萬歐元B2輪融資。
為什么越來越多機構開始關注AI技術,為企業和金融機構搜集ESG信息?與羲融善道ESG總監姚嘉駿進行了深度對話。
數據原罪在姚嘉駿看來,投資人對企業ESG信息需求的持續上升和信息本身的質量困境所形成的矛盾是主因。根據普華永道(PwC)發布的《2022年普華永道資產和財富演變進程》報告顯示,全球資產管理公司的ESG相關管理資產規模(AuM)將從2021年的18.4萬億美元增至2026年33.9萬億美元,復合年增長率(CAGR)為12.9%,并預計在5年的時間內,ESG相關資產規模將占全球資產管理規模的21.5%。
“然而,由于部分國家和地區的監管機構并未實施ESG報告強制披露的要求,而且中小企業由于資源限制無法提供ESG報告,因此投資人無法獲得企業一致、可比的ESG信息。”姚嘉駿如是說。
另一方面,他認為,由于部分國家和地區發布越來越嚴格的ESG信息披露要求,為了降低編制成本,企業也開始尋求第三方機構提供ESG信息及數據,創造了真實的需求市場。
舉例而言,2023年10月,美國加州州長簽署SB 253以及SB 261兩項法案,其中,SB 253法案要求達到一定營業收入的企業披露碳排放量(預計有5000家企業需要披露該數據),而SB 261法案要求企業描述其應對氣候相關風險所采取的措施等內容(大約有10000家企業披露該信息)。2023年1月正式生效的歐盟《企業可持續發展報告指令》(CSRD)要求達到在歐盟運作,且達到一定規模公司披露更為可靠、相關且可比的ESG信息,預計有49000家企業需要披露ESG報告。
AI的角色那AI在ESG數據收集以及處理方面,扮演了什么的角色?
AI是一個構建能夠推理、學習和行動的計算機和機器的科學領域。在實際操作方面,AI基于機器學習和深度學習的技術,用于數據分析、預測、對象分類、自然語言處理、推薦、智能數據檢索等等。
“AI技術能在幾個不同方面幫助信息使用方更好地開展ESG信息搜集以及處理工作,”姚嘉駿對分析稱,首先是精準地測算ESG數據,“如果遇到一家企業并未披露碳排放指標,投資人或第三方機構會參考同行業企業披露的碳排放數據,估算該企業造成的碳排放數據,但是使用該方式估算的碳排放量數據精準度較為一般,如果使用AI中的預測模型技術,信息使用方不僅可以基于行業因素,還能考慮企業所在的地理位置、收入細分、產品和服務類型等因素與碳排放量之間的關鍵,從而更準確地估算碳排放量。”
第二個作用點在于更全面地搜集ESG輿情數據。
“一般而言,企業在ESG報告中會盡量避免披露高管受賄、職場性騷擾、產品質量不過關等ESG負面信息,而AI中的自然語言處理技術可以幫助使用方分析該企業在新聞網站、社交媒體等公開渠道中的正負面評價,幫助信息使用方搜集該企業在客戶心目中的形象、職場員工對公司的評價、企業生產設計的產品質量是否過硬等正負面信息,助力投資者以及評級方全面地了解企業的ESG實踐情況。”姚嘉駿解釋道。
此外,更有效地識別環境污染風險也是AI可以為ESG提供數據解決方案的切入點。他的觀點認為,在使用高光譜衛星、雷達衛星等衛星影像的基礎上,結合AI中的計算機視覺技術,可以幫助信息使用方搜集企業溫室氣體排放、廢氣及廢水排放等數據,分析企業的環境保護表現。信息使用方也可用該數據與企業在ESG報告中羅列的污染物排放數據進行對比,識別企業是否存在“漂綠”行為。
應用風險AI技術目前在ESG投資的應用場景是什么?
目前已經有部分投資機構以及ESG評級機構通過使用AI技術搜集企業的ESG信息。例如標普全球(S&P Global)正在將AI應用在道瓊斯可持續發展(Dow Jones Sustainability Indexes, DJSI)全球指數的研究分析。
而奧地利奧合國際銀行集團(Raiffeisen Bank International)與前文提到的ESG數據提供方SESAMm合作,后者為前者提供ESG數據搜集以及AI技術服務,從而幫助奧合國際銀行集團對1000多名客戶進行監控,并通過建立早期預警信號機制,減少銀行面臨的ESG風險。
然而,在ESG投資中使用AI技術也存在風險。“我們在關注AI技術賦能ESG投資過程中也需要關注其ESG影響,第一就是能源消耗問題,這是因為AI技術需要大量的計算能力來執行諸如自然語言處理、圖像識別和數據分析等復雜任務。”姚嘉駿如是說。
根據馬薩諸塞大學(University of Massachusetts)的一項研究報告顯示,訓練一次大型人工智能模型可造成超過626000磅的二氧化碳當量排放,這一數字等同于一輛美國汽車全生命周期碳排放量的五倍。
在他看來,第二個風險點在于數據合規的問題。其中,涉及數據合規的問題包括:搜集方在公開渠道收集ESG數據的過程中是否獲得信息主體或者用戶的合法授權、獲取用戶數據的手段是否合法合規、數據收集過程中是否發生侵犯用戶權益的情況、數據收集、傳輸、保存以及應用方面是否相關法律法規要求等。若無法妥善處理數據合規的議題,那這會對ESG信息搜集方的業務產生較大的負面影響。
目前AI技術在助力ESG投資發展的階段仍處于早期階段,仍有大量的ESG信息收集以及處理工作仍需要人工的參與。
“但總體而言,AI技術可以幫助投資人在開展ESG投資過程中收集更加全面、精準的ESG數據,更好地分析項目的ESG表現,而對于企業而言,在AI技術的加持下,他們能更有效率地收集ESG信息,滿足不同利益相關方ESG信息披露的要求。雖然AI技術對推動ESG投資發展發揮著重要的影響力,但是我們也需關注AI技術對環境和社會造成的影響。”姚嘉駿對強調,“只要我們用負責任的態度對待AI,AI才會用負責任的方式回應我們。”
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法,不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險,讀者在采取與本文內容相關的任何行動之前,請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。