ESG-Beobachtung丨Eine rationale Sicht auf die Rolle von KI bei ESG-Ratings

Derzeit wird künstliche Intelligenz (KI) in verschiedenen Bereichen weit verbreitet eingesetzt und ist zu einem heißen Thema in der Technologie-Community und auf dem Kapitalmarkt geworden. Viele ESG-Ratingagenturen erwähnen in ihren Einführungen zu Ratingmethoden auch den Einsatz von KI. Miaoying Technology nutzt beispielsweise KI-Algorithmen, um Kerndaten wie Treibhausgasemissionen und Energieverbrauch aus mehreren Dimensionen abzuschätzen, um Lücken in der Offenlegung von Unternehmen zu schließen. Weizhong Lanyue nutzt KI, um die Fusion von Hoch- und Niederfrequenzdaten und eine automatisierte Datenverarbeitung zu erreichen und Ratingaktualisierungen, die unabhängige und effektive ESG-Scores und -Indizes in Echtzeit bereitstellen.

Bedeutet dies, dass mit Hilfe von KI die Schwachstellen und Schwierigkeiten der ESG-Bewertung nach und nach gelöst werden können und die damit verbundene Arbeit vollständig durch KI ersetzt wird?

Es stimmt, dass die Integration der KI-Technologie in den gesamten ESG-Bewertungsprozess die Effizienz und Genauigkeit der Bewertung verbessern kann, was sich vor allem in den folgenden Aspekten widerspiegelt:

Die zweite Möglichkeit ist die intelligente Wertung. Basierend auf Expertenbewertungsregeln kann der Einsatz von KI-Technologie zur semantischen Analyse und zum Verständnis bis zu einem gewissen Grad das Problem des Mangels an objektiven Standards für die Bewertung qualitativer Indikatoren in ESG-Ratings lösen. Beispielsweise können im ESG-Bewertungssystem zur Bewertung des Umweltmanagements börsennotierter Unternehmen zunächst Expertenregeln festgelegt und anschließend mithilfe der KI-Technologie die regelmäßigen Berichte des Unternehmens und ESG-bezogene Berichte analysiert werden, um festzustellen, ob das Unternehmen über qualitative Ergebnisse verfügt Beschreibung von Zielen oder Vorgaben im Zusammenhang mit Umweltmanagementmaßnahmen und Bewertung gemäß den Regeln. Die intelligente KI-Bewertung ist schneller als die manuelle Bewertung und kann die Genauigkeit und Objektivität der Bewertung verbessern.

Das dritte ist die intelligente Analyse. KI kann ESG-Experten bei ihrer Analysearbeit unterstützen, indem sie beispielsweise maschinelles Lernen und Technologien zur Verarbeitung natürlicher Sprache nutzt, um aus umfangreichen Daten (einschließlich Textinformationen) Beziehungen, Muster und Trends zu ermitteln, die für die ESG-Leistung potenziell wertvoll sind kann das Modell bewerten, um zusätzliche Optimierungsarbeiten durchzuführen.

Viertens ist die intelligente visuelle Anzeige. In der Anwendungsphase der ESG-Ergebnisse wird interaktive Visualisierungstechnologie verwendet, um ESG-Daten in interaktiven, prägnanten und leicht verständlichen Diagrammen, Bildern und anderen Präsentationsformen zu visualisieren, wodurch die Dateninformationen klarer und leichter verständlich und kommuniziert werden.

Allerdings müssen wir uns auch darüber im Klaren sein, dass es für KI immer noch schwierig ist, die Arbeit von ESG-Experten vollständig zu ersetzen, was sich insbesondere in folgenden Aspekten widerspiegelt:

Das erste ist die Datenerfassung. Im Gegensatz zu Finanzdaten, die stark standardisiert und internationalisiert sind, enthalten ESG-Daten qualitative Informationen, deren Definition und Messstandards vage sind. Derzeit gibt es kein KI-Tool, das die manuelle Erfassung dieser Informationen vollständig ersetzen kann. Auf der Ebene der Mitarbeiterthemen ist beispielsweise bei der Beurteilung der Mitarbeiterzufriedenheit und der kulturellen Identität mit dem Unternehmen eine intensive Kommunikation mit den Mitarbeitern erforderlich, und nur durch eingehende und detaillierte Umfragen und Recherchen können wirksame Daten gewonnen werden.

Das zweite ist die Datenqualität. Die Genauigkeit der KI-Extraktion qualitativer Daten kann nicht 100 % erreichen. Derzeit kann maschinelles Lernen für einige unkomplizierte Informationen, wie z. B. die Umweltmanagementziele eines Unternehmens, verwendet werden, um Passagen zu extrahieren, von denen es annimmt, dass sie die Umweltmanagementziele des Unternehmens darstellen, und kann eine Genauigkeit von 90 % erreichen, aber für einige komplexe Informationen, wie z Da das TCFD-Framework (Climate-lated Financial Disclosure Working Group), das Informationen über Unternehmensführung, Strategie, Risikomanagement und Ziele als Reaktion auf den Klimawandel extrahiert, derzeit nur eine Genauigkeit von 60 % erreichen kann.

Der dritte Punkt ist die Datenvorhersage. ESG-Ratings decken Dutzende von Themen in den Bereichen Umwelt, Gesellschaft und Governance ab, wobei viele Indikatoren nichtlineare Eigenschaften aufweisen und sehr unsicher sind. Änderungen in der Zukunft können die von der Maschine gelernten Datensätze übersteigen Auch die Genauigkeit der Vorhersagen fehlender Indikatoren mithilfe der KI-Technologie wird mit der Zeit abnehmen.

Die vierte besteht darin, das Gewicht zu bestimmen. Effektive ESG-Ratings müssen mit der Analyse von Gemeinsamkeiten und Unterschieden zwischen verschiedenen Branchen beginnen und entsprechende inhaltliche Themen für verschiedene Branchen festlegen. Die Gewichtung wird durch die relative Bedeutung dieses Themas und anderer Themen bestimmt. Allerdings berücksichtigen KI-Algorithmen nur historische Daten, um die Beziehungen und Gewichte zwischen Variablen abzuschätzen, und können die Wichtigkeit branchenspezifischer Probleme in verschiedenen Branchen nicht vollständig verstehen.

Der fünfte ist Moral und Ethik. ESG-Themen wie Menschenrechte, Geschlechtergleichheit und Antidiskriminierung beinhalten moralische Ethik. Die Beurteilung der Qualität dieser Themen ist subjektiv und erfordert komplexe emotionale Erkenntnisse und Erfahrung. KI kann Entscheidungen nur auf der Grundlage der in den Algorithmus integrierten moralischen und ethischen Prinzipien treffen Werturteile zu fällen, besitzt an sich noch nicht die Fähigkeit, gut oder schlecht zu beurteilen.

Sechstens ist Privatsphäre und Sicherheit. ESG betrifft sensible Umwelt- und Sozialthemen. Obwohl KI Benutzer bei der Verarbeitung von Daten anonymisieren kann, handelt es sich im Wesentlichen um ein Tool, das KI-Systeme verwendet, um Daten zu sammeln, wenn Sicherheits- und Datenschutztechnologien und -vorschriften noch nicht ausgereift sind, um diese sensiblen Daten zu analysieren und zu verarbeiten Einige sensible Informationen werden offengelegt, und Datenschutzprobleme können nicht vollständig gelöst werden.

Da sich die künstliche Intelligenz weiterentwickelt, könnten neue Technologien in Zukunft die Probleme bei ESG-Ratings bis zu einem gewissen Grad lindern oder sogar mildern. Als umfassende Bewertungsmethode ist das ESG-Rating jedoch immer noch sehr komplex und muss sich auch auf die ethische Beurteilung von ESG-Themen und die Festlegung branchenspezifischer Themen verlassen große Menge an ESG-Professional-Talenten. Daher kann KI in absehbarer Zeit die Arbeit von ESG-Experten nicht vollständig ersetzen.

Herausgeber: Wan Jianyi

Korrekturlesen: Yang Lilin

Unter Nutzung des umfassenden Registrierungssystems wurde die offizielle Website der Securities Times komplett aktualisiert

Grandly hat den Kanal „Xinpi+“ gestartet↓↓↓

Urheberrechtserklärung

Keine Einheit oder Einzelperson darf ohne schriftliche Genehmigung alle Originalinhalte auf Securities Times-Plattformen reproduzieren. Unser Unternehmen behält sich das Recht vor, die rechtliche Haftung relevanter Akteure geltend zu machen.

Das obige ist der detaillierte Inhalt vonESG-Beobachtung丨Eine rationale Sicht auf die Rolle von KI bei ESG-Ratings. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!