ESG 관찰丨ESG 등급에서 AI의 역할에 대한 합리적인 관점

현재 인공지능(AI)은 다양한 분야에서 널리 활용되며 기술 커뮤니티와 자본시장에서 화제가 되고 있습니다. 많은 ESG 평가 기관은 평가 방법 소개에서 AI 사용을 언급합니다. 예를 들어, Miaoying Technology는 AI 알고리즘을 사용하여 온실가스 배출 및 에너지 소비와 같은 핵심 데이터를 다차원적으로 추정하여 기업 공개의 공백을 메우고, Weizhong Lanyue는 AI를 사용하여 고주파 및 저주파 데이터의 융합, 자동화된 데이터 처리를 달성합니다. 실시간, 독립적이고 효과적인 ESG 점수 및 지수를 제공하여 업데이트를 평가합니다.

이 말은 AI의 도움으로 ESG 등급의 문제점과 어려움이 하나씩 해결되고, 관련 업무가 AI로 완전히 대체된다는 뜻인가요?

AI 기술을 전체 ESG 평가 프로세스에 통합하면 평가의 효율성과 정확성을 높일 수 있는 것은 사실이며, 주로 다음 측면에서 반영됩니다.

두 번째는 지능형 채점입니다. 전문가 채점 규칙을 기반으로 의미 분석 및 이해를 위한 AI 기술을 적용하면 ESG 등급의 질적 지표 채점에 대한 객관적인 기준이 부족하다는 문제점을 어느 정도 해결할 수 있습니다. 예를 들어 ESG 평가 시스템에서는 상장기업의 환경경영을 평가하기 위해 전문가 규칙을 먼저 설정한 뒤 AI 기술을 활용해 기업의 정기 보고서와 ESG 관련 보고서를 분석해 기업의 질적 수준을 판단할 수 있다. 환경경영이나 조치와 관련된 목표를 기술하고 규칙에 따라 점수를 매긴다. AI 지능형 채점은 수동 채점보다 빠르며 채점의 정확성과 객관성을 높일 수 있습니다.

세 번째는 지능적인 분석입니다. AI는 기계 학습 및 자연어 처리 기술을 사용하여 평가 모델링 단계의 대규모 데이터(텍스트 정보 포함)에서 ESG 성과에 잠재적으로 가치가 있는 관계, 패턴 및 추세를 마이닝하는 등 ESG 전문가의 분석 작업을 지원할 수 있습니다. 보조 최적화 작업을 수행하기 위해 모델을 평가할 수 있습니다.

넷째는 지능형 시각적 디스플레이입니다. ESG 결과 적용 단계에서는 대화형 시각화 기술을 사용하여 ESG 데이터를 대화형이고 간결하며 이해하기 쉬운 차트, 이미지 및 기타 프레젠테이션 형식으로 시각화하여 데이터 정보를 보다 명확하고 이해하고 전달하기 쉽게 만듭니다.

그러나 ESG 전문가의 업무를 AI가 완전히 대체하기는 여전히 어렵다는 점도 깨달아야 하며, 이는 구체적으로 다음과 같은 측면에서 반영됩니다.

첫 번째는 데이터 수집입니다. 고도로 표준화되고 국제화된 금융 데이터와 달리 ESG 데이터에는 정의와 측정 기준이 모호한 정성적 정보가 포함되어 있으며, 현재 이러한 정보를 수동으로 수집하는 것을 완전히 대체할 수 있는 AI 도구는 없습니다. 예를 들어, 직원 이슈 차원에서 회사에 대한 직원 만족도와 문화적 정체성을 평가할 때, 심층적이고 상세한 조사와 조사를 통해 직원들과 심층적인 소통을 하고 효과적인 데이터를 확보하는 것이 필요합니다.

두 번째는 데이터 품질입니다. AI의 정성적 데이터 추출 정확도는 100%에 도달할 수 없습니다. 현재 기업의 환경 관리 목표와 같은 일부 복잡하지 않은 정보의 경우 기계 학습을 사용하여 기업의 환경 관리 목표라고 생각되는 구절을 추출할 수 있으며 90%의 정확도를 달성할 수 있습니다. 기후변화 대응을 위한 기업지배구조, 전략, 리스크 관리, 목표 등의 정보를 추출하는 TCFD(Climate-관련 재무공개워킹그룹) 프레임워크는 현재 정확도가 60%에 불과합니다.

세 번째는 데이터 예측입니다. ESG 등급은 100개가 넘는 주요 지표를 통해 환경, 사회 및 거버넌스에 관한 수십 가지 문제를 다룹니다. 많은 지표가 비선형적 특성을 나타내며 미래의 변화는 기계가 학습한 데이터 세트를 초과할 수 있습니다. AI 기술을 활용한 누락 지표 예측의 정확도도 시간이 지남에 따라 감소합니다.

넷째는 무게를 결정하는 것입니다. 효과적인 ESG 등급은 다양한 산업 간의 유사점과 차이점을 분석하는 것에서 시작되어야 하며, 서로 다른 산업에 상응하는 실질적인 이슈를 설정해야 하며, 가중치는 이 이슈와 기타 이슈의 상대적 중요성에 따라 결정됩니다. 그러나 AI 알고리즘은 과거 데이터만 고려하여 변수 간의 관계와 가중치를 추정할 뿐 산업별 이슈의 중요도 순위를 완전히 이해할 수는 없습니다.

다섯번째는 도덕성과 윤리성입니다. 인권, 성평등, 차별금지 등 ESG 문제는 도덕적 윤리와 관련이 있습니다. 이러한 문제의 질을 판단하는 것은 주관적이며, AI는 알고리즘에 내장된 도덕적, 윤리적 원칙을 바탕으로만 의사결정을 내릴 수 있습니다. 가치판단 자체가 좋다 나쁘다를 판단하는 능력을 갖고 있는 것은 아니다.

여섯 번째는 개인 정보 보호 및 보안입니다. ESG는 민감한 환경적, 사회적 문제를 수반합니다. AI는 데이터를 처리할 때 사용자를 익명화할 수 있지만 본질적으로 보안 및 개인 정보 보호 기술과 규정이 아직 성숙되지 않은 경우 AI 시스템을 사용하여 이러한 민감한 데이터를 분석하고 처리하는 도구입니다. 일부 민감한 정보가 노출되며 개인정보 보호 문제는 완전히 해결될 수 없습니다.

인공지능이 계속 발전함에 따라 미래의 신기술은 ESG 등급이 직면한 문제를 어느 정도 완화하거나 완화할 수도 있습니다. 그러나 ESG 등급은 포괄적인 평가 방법으로서 매우 복잡합니다. ESG 전문가는 여전히 ESG 문제에 대한 윤리적 판단과 산업별 주제 설정을 충분히 고려해야 하며, 질적 정보의 고품질 추출에도 의존해야 합니다. ESG 전문가가 많습니다. 따라서 가까운 미래에 AI가 ESG 전문가의 작업을 완전히 대체할 수는 없습니다.

편집자: Wan Jianyi

교정: 양리린

종합등록시스템을 활용하여 증권타임스 홈페이지가 전면 개편되었습니다

"Xinpi+" 채널을 대대적으로 런칭했습니다↓↓↓

저작권 고지

어떤 단위나 개인도 서면 승인 없이 Securities Times 플랫폼의 모든 원본 콘텐츠를 복제할 수 없습니다. 당사는 관련 행위자에 대해 법적 책임을 추궁할 권리를 보유합니다.

위 내용은 ESG 관찰丨ESG 등급에서 AI의 역할에 대한 합리적인 관점의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!