Pemerhatian ESG丨Pandangan rasional tentang peranan AI dalam penarafan ESG

Pada masa ini, kecerdasan buatan (AI) telah digunakan secara meluas dalam pelbagai bidang dan menjadi topik hangat dalam komuniti teknologi dan pasaran modal. Banyak agensi penarafan ESG juga menyebut penggunaan AI dalam pengenalan mereka kepada kaedah penarafan. Sebagai contoh, Teknologi Miaoying menggunakan algoritma AI untuk menganggarkan data teras seperti pelepasan gas rumah hijau dan penggunaan tenaga daripada pelbagai dimensi untuk mengisi jurang dalam pendedahan korporat Weizhong Lanyue menggunakan AI untuk mencapai gabungan data frekuensi tinggi dan rendah, pemprosesan data automatik; dan kemas kini rating, menyediakan skor dan indeks ESG masa nyata, bebas dan berkesan.

Adakah ini bermakna dengan bantuan AI, titik kesakitan dan kesukaran penarafan ESG boleh diselesaikan satu demi satu, dan adakah kerja berkaitan akan digantikan sepenuhnya oleh AI?

Memang benar bahawa penyepaduan teknologi AI ke dalam keseluruhan proses penilaian ESG boleh meningkatkan kecekapan dan ketepatan penilaian, yang terutamanya ditunjukkan dalam aspek berikut:

Yang kedua ialah pemarkahan pintar. Berdasarkan peraturan pemarkahan pakar, aplikasi teknologi AI untuk analisis dan pemahaman semantik boleh, pada tahap tertentu, menyelesaikan masalah kekurangan standard objektif untuk pemarkahan penunjuk kualitatif dalam penarafan ESG. Sebagai contoh, dalam sistem penilaian ESG, untuk menilai pengurusan alam sekitar syarikat tersenarai, peraturan pakar boleh ditetapkan dahulu, dan kemudian teknologi AI boleh digunakan untuk menganalisis laporan biasa syarikat dan laporan berkaitan ESG untuk menentukan sama ada syarikat itu mempunyai kualitatif. matlamat penerangan berkaitan pengurusan atau ukuran alam sekitar dan skor mengikut peraturan. Pemarkahan pintar AI adalah lebih pantas daripada pemarkahan manual dan boleh meningkatkan ketepatan dan objektiviti pemarkahan.

Yang ketiga ialah analisis pintar. AI boleh membantu pakar ESG dalam kerja analisis mereka, seperti menggunakan pembelajaran mesin dan teknologi pemprosesan bahasa semula jadi untuk melombong perhubungan, corak dan trend yang berpotensi bernilai kepada prestasi ESG daripada data besar-besaran (termasuk maklumat teks dalam peringkat pemodelan penilaian); boleh Menilai model untuk melaksanakan kerja pengoptimuman tambahan.

Yang keempat ialah paparan visual pintar. Dalam peringkat aplikasi keputusan ESG, teknologi visualisasi interaktif digunakan untuk memvisualisasikan data ESG ke dalam carta interaktif, ringkas dan mudah difahami, imej dan bentuk persembahan lain, menjadikan maklumat data lebih jelas dan lebih mudah untuk difahami dan berkomunikasi.

Walau bagaimanapun, kita juga harus sedar bahawa masih sukar bagi AI untuk menggantikan sepenuhnya kerja pakar ESG, yang secara khusus dicerminkan dalam aspek berikut:

Yang pertama ialah pengumpulan data. Tidak seperti data kewangan, yang sangat standard dan antarabangsa, data ESG mengandungi maklumat kualitatif yang definisi dan piawaian pengukurannya tidak jelas Pada masa ini, tiada alat AI yang boleh menggantikan pengumpulan maklumat secara manual sepenuhnya. Sebagai contoh, pada tahap isu pekerja, apabila menilai kepuasan pekerja dan identiti budaya dengan syarikat, komunikasi yang mendalam dengan pekerja diperlukan, dan hanya data yang berkesan boleh diperoleh melalui tinjauan dan penyelidikan yang mendalam dan terperinci.

Yang kedua ialah kualiti data. Ketepatan pengekstrakan data kualitatif AI tidak boleh mencapai 100%. Pada masa ini, untuk beberapa maklumat yang tidak rumit, seperti matlamat pengurusan alam sekitar perusahaan, pembelajaran mesin boleh digunakan untuk mengekstrak petikan yang difikirkannya mungkin matlamat pengurusan alam sekitar perusahaan, dan boleh mencapai ketepatan 90% tetapi untuk beberapa maklumat yang kompleks, seperti sebagai rangka kerja TCFD (Kumpulan Kerja Pendedahan Kewangan berkaitan Iklim), yang mengekstrak maklumat tentang tadbir urus korporat, strategi, pengurusan risiko dan matlamat sebagai tindak balas kepada perubahan iklim, pada masa ini hanya boleh mencapai ketepatan 60%.

Yang ketiga ialah ramalan data. Penarafan ESG merangkumi berpuluh-puluh isu dalam persekitaran, masyarakat dan tadbir urus, dengan lebih seratus petunjuk utama menunjukkan ciri-ciri tidak linear dan sangat tidak pasti Perubahan pada masa hadapan mungkin melebihi set data yang telah dipelajari ketepatan ramalan penunjuk yang hilang menggunakan teknologi AI juga akan menurun dari semasa ke semasa.

Keempat ialah menentukan berat. Penarafan ESG yang berkesan perlu bermula daripada analisis persamaan dan perbezaan antara pelbagai industri, dan menetapkan isu substantif yang sepadan untuk industri yang berbeza Beratnya ditentukan oleh kepentingan relatif isu ini dan isu lain. Walau bagaimanapun, algoritma AI hanya mempertimbangkan data sejarah untuk menganggarkan perhubungan dan pemberat antara pembolehubah, dan tidak dapat memahami sepenuhnya kedudukan kepentingan isu khusus industri dalam industri yang berbeza.

Kelima ialah akhlak dan etika. Isu ESG seperti hak asasi manusia, kesaksamaan jantina dan anti-diskriminasi melibatkan etika moral Menilai kualiti isu ini adalah subjektif dan memerlukan kognisi emosi dan pengalaman yang kompleks hanya boleh membuat keputusan berdasarkan prinsip moral dan etika yang terbina dalam algoritma oleh perekanya. Membuat pertimbangan nilai tidak dengan sendirinya mempunyai keupayaan untuk menilai baik atau buruk.

Keenam ialah privasi dan keselamatan. ESG melibatkan isu alam sekitar dan sosial yang sensitif Walaupun AI boleh menamakan pengguna semasa memproses data, ia pada dasarnya adalah alat yang menggunakan sistem AI untuk mengumpul data apabila teknologi dan peraturan keselamatan dan perlindungan privasi belum matang , menganalisis dan memproses data sensitif ini mendedahkan beberapa maklumat sensitif dan isu keselamatan privasi tidak dapat diselesaikan sepenuhnya.

Memandangkan kecerdasan buatan terus berkembang, teknologi baharu pada masa hadapan mungkin mengurangkan atau bahkan mengurangkan masalah yang dihadapi oleh penarafan ESG pada tahap tertentu. Walau bagaimanapun, sebagai kaedah penilaian yang komprehensif, penarafan ESG adalah sangat kompleks, pakar ESG masih perlu mempertimbangkan sepenuhnya pertimbangan etika isu ESG dan penetapan topik khusus industri Pengekstrakan maklumat kualitatif yang berkualiti tinggi juga perlu bergantung pada a sejumlah besar bakat Profesional ESG. Oleh itu, pada masa hadapan yang boleh dijangka, AI tidak dapat menggantikan sepenuhnya kerja pakar ESG.

Editor: Wan Jianyi

Membaca pruf: Yang Lilin

Mengambil kesempatan daripada sistem pendaftaran yang komprehensif, laman web rasmi Securities Times telah dinaik taraf

Melancarkan saluran "Xinpi+" ↓↓↓

Penyata Hak Cipta

Tiada unit atau individu boleh mengeluarkan semula semua kandungan asal pada platform Securities Times tanpa kebenaran bertulis. Syarikat kami berhak untuk meneruskan liabiliti undang-undang pelakon yang berkaitan.

Atas ialah kandungan terperinci Pemerhatian ESG丨Pandangan rasional tentang peranan AI dalam penarafan ESG. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!