#目前，人工智慧（AI）已被廣泛應用於各個領域，成為科技界和資本市場的熱門話題。不少ESG評級機構在其評級方法介紹中，也均提及使用了AI。如妙盈科技運用AI演算法多維度估算諸如溫室氣體排放、能源消耗等核心數據，彌補企業揭露空缺；微眾攬月利用AI實現了高低頻數據的融合、自動化的數據處理和評級更新，提供即時、獨立、有效的ESG評分與指數。
這是否意味著借助AI，ESG評級的痛點難點就能被一一解決，相關工作被AI完全取代嗎？
誠然，AI技術融合在ESG評估全流程中，可以提升評價的效率與準確度，主要體現在以下幾個面向：
二是智能打分。基於專家評分規則基礎上，應用AI技術進行語意分析理解，可在一定程度上解決ESG評級中定性指標評分缺乏客觀標準的痛點。如在ESG評估體系中，對上市公司的環境管理進行評價，可先設定好專家規則，然後運用AI技術對企業定期報告和ESG相關報告進行解析，判斷企業是否有環境管理相關定性描述目標或措施，並按規則評分。 AI智慧評分比人工評分具有更快的速度，並且可以提高評分的準確性和客觀性。
三是智能分析。 AI可以協助ESG專家進行分析工作，例如使用機器學習和自然語言處理技術從海量資料（含文字資訊）中挖掘出對ESG績效有潛在價值的關係、模式和趨勢；在評估建模階段，可以對評估模型進行輔助優化工作。
四是智慧視覺化展示。在ESG結果應用階段，使用互動式視覺化技術，將ESG資料視覺化成可互動、簡潔易懂的圖表、影像等展現形式，使得資料資訊更清晰、更易於理解和溝通。
不過，我們也要體認到，目前AI還很難完全取代ESG專家的工作，具體體現在以下幾個方面：
一是資料蒐集。有別於財務數據的高度標準化和國際化，ESG數據包含定性信息，其界定與度量標準較為模糊，目前還沒有一款AI工具能夠完全代替人工蒐集這些信息。如在員工議題層面，評估員工對企業的滿意度和文化認同時，需要與員工深度交流，透過深入細緻的調查研究後才能獲得有效數據。
二是資料品質。 AI對定性資料的擷取精度無法達到100%。目前對於一些不複雜的信息，如企業的環境管理目標，採用機器學習，將其認為可能是企業環境管理目標的段落提取出來，能夠達到90%的精度；但對於一些複雜的信息，如針對TCFD （氣候相關財務揭露工作小組）框架，將企業應對氣候變遷的治理、策略、風險管理和目標等資訊提取出來，目前只能做到60%的精確度。
三是資料預測。 ESG評級涵蓋環境、社會、治理方面的數十個議題，關鍵指標超百個，不少指標呈現非線性特徵，不確定性較高，未來發生的變化可能會超出機器曾經學習過的數據集，採用AI技術對缺失指標預測的準確性也會隨著時間的推移而下降。
四是權重確定。有效的ESG評級需要從對各類產業的異同分析出發，對不同產業設定對應的實質議題，權重由該議題與其他議題的相對重要性大小決定。但AI演算法，只考慮歷史資料來估算變數間的關係和權重，並不能充分理解產業特色議題在不同產業內的重要性排序。
五是道德倫理。人權、性別平等、反歧視等ESG議題涉及道德倫理，對這些議題進行好壞判斷是主觀的，需要複雜的情感認知和經驗，AI只能根據其設計者內建在演算法中的道德倫理準則來進行價值判斷，本身並不具備好壞判斷的能力。
六是隱私安全。 ESG涉及敏感的環境和社會問題，雖然AI在處理資料時能夠對使用者進行匿名化處理，但其本質上是一種工具，在安全與隱私保護技術和法規尚未成熟的情況下，使用AI系統收集、分析和處理這些敏感數據可能會暴露一些敏感信息，隱私安全問題無法全面解決。
隨著人工智慧持續發展，未來新的技術有可能在某種程度上減輕，甚至緩解ESG評級所面臨的問題。然而，作為一種綜合性評估方法，ESG評級非常複雜，在對ESG議題進行道理倫理判斷、行業特色議題設定等方面還有待ESG專家的全面考量，定性資訊的高品質提取也還需依靠大量ESG專業人才。由此，在可以預見的未來，AI並不能完全取代ESG專家的工作。
編輯：萬健禕
校對：楊立林
搭乘全面註冊制東風，證券時報官網全新升級
#隆重上線「信披 」頻道↓↓↓
#版權聲明
#未經書面授權，任何單位和個人不得轉載證券時報各平台的所有原創內容。本社保留追究相關行為主體法律責任的權利。
以上是ESG觀察丨理性看待AI在ESG評級中的作用的詳細內容。更多資訊請關注PHP中文網其他相關文章！
