Изкуственият интелект се появява във всяка част от пейзажа на устойчивостта, тъй като все по-голям брой компании използват решения, задвижвани от AI, за отчитане, управление на риска и вземане на становища. Въпросът е дали тези нови инструменти укрепват информацията за устойчивостта или просто добавят нови нива на сложност, пише Ройтерс.
Дори с корекциите към новите правила за устойчивост на Европа, компаниите са изправени пред нарастващ натиск. Директивата за отчитане на корпоративната устойчивост (CSRD) и Директивата за надлежна проверка на корпоративната устойчивост (CSDDD) изискват фирмите да работят с по-големи обеми данни от повече източници, често в кратки срокове.
Способността на изкуствения интелект да интерпретира неструктурирани данни, да сравнява оповестявания в голям мащаб и да идентифицира модели означава, че той може да помогне на организациите да управляват тези напрежения, но използването му изисква и предпазливост.
Компаниите често съхраняват релевантна информация в множество системи, което затруднява постигането на последователност. Инструменти като платформата за управление на въглеродните емисии на Sweep използват модели за машинно обучение, за да идентифицират несъответствия в данните за доставчиците и да ги маркират за преглед, помагайки на бизнеса да подобри точността си. Това е особено полезно за оценки на двойна същественост, където пропуските в данните за доставчиците и непоследователните формати за отчитане остават норма.
Запълването на тези празнини остава една от най-трудните части на отчитането. Фирми като Watershed са разработили подходи с прокси данни за емисии от Обхват 3, които се основават на широки набори от данни, за да оценят факторите на емисиите, където липсва информация за доставчиците.
Тези оценки не заместват преките данни и използването им носи предизвикателства – различните модели могат да доведат до съществено различни резултати, а подходите, базирани на прокси данни, остават чувствителни към неправилни предположения. Въпреки това, когато се използват правилно, те помагат на компаниите да преминат от широки средни стойности към по-конкретни, релевантни за вземане на решения оценки.
По-голяма достъпност до вътрешна информация
Изкуственият интелект може също така да направи вътрешните данни по-достъпни. Големите организации често се затрудняват да извлекат информация, необходима за оповестяване на устойчивост, особено за управление, процеси на риск и надлежна проверка на веригата за доставки. Инструментите за търсене и маркиране, задвижвани от изкуствен интелект, могат да помогнат за намирането на доказателства и съпоставянето им с изискванията за оповестяване.
Но тези системи могат също така да въведат нови рискове, ако разкрият остаряла или невярна информация. Осигуряването на това, че вътрешните данни са контролирани от версии и могат да бъдат одитирани, остава критична човешка задача, дори когато е замесен изкуствен интелект.
Полезността на данните за устойчивост зависи и от това дали те информират финансовите решения, надзора и стратегията. Неправителствената организация Ceres, например, използва изкуствен интелект, за да анализира оповестяванията за климата от стотици застрахователи. Чрез прилагане на последователни етикети в стълбовете на TCFD, тя идентифицира модели и пропуски, които биха отнели на анализаторите месеци. Подходът подобрява сравнимостта и предоставя яснота за това къде фирмите са в съответствие с очакванията за отчитане.
Тези възможности са ценни и за надзорниците. Банката за международни разплащания проучи как изкуственият интелект може да помогне на пруденциалните органи да надхвърлят анализа по фирми, за да разберат рисковете в цялата система. Изкуственият интелект може да сравнява оповестяванията, да откроява липсващи показатели и да идентифицира модели в отчетите. Това дава на надзорниците по-ясна представа за системните рискове и практики.
Предизвикателства
Инвеститорите са изправени пред подобни предизвикателства. Първият цикъл на отчитане на CSRD предостави много по-богата информация, но много инвеститори се затрудниха да прегледат и сравнят тези отчети.
Инструменти като тези, разработени от Climate Aligned, използват анализ на разбираем език, за да сравнят плановете за преход на компаниите и отчитането на климата. Те позволяват на инвеститорите и други финансови участници да разберат дали ангажиментите са свързани с капиталови разходи и дали дейностите са в съответствие с таксономиите.
Изкуственият интелект се прилага и за управление на риска в глобализираните вериги за доставки, които са сложни и уязвими към смущения.
В ранните етапи на пандемията от COVID-19, сателитни данни показват намалено замърсяване в части от Китай, което е дало ранен сигнал за затваряне на фабрики. Подобна динамика може да се наблюдава при недостиг на микрочипове или намаляване на производството на ядрена енергия по време на периоди на нисък речен отток.
Количеството данни от наблюдение на Земята също нарасна бързо благодарение на сателитните изображения, климатичните модели и сензорните мрежи, генерирайки терабайти данни и трилиони наблюдения.
Неправителствената организация ClimateTRACE използва близо един милиард точки от данни, за да проследява емисиите на метан и други парникови газове по света. Този вид анализ би бил далеч отвъд капацитета на отделните анализатори без изкуствен интелект. Това не само повишава прозрачността, но и разкрива рискове, които иначе биха могли да останат незабелязани.
Deepmind на Google току-що пусна WeatherNext 2, който използва изкуствен интелект, за да повиши значително точността на прогнозите за бури. Това може да осигури допълнителни дни предупреждение, което позволява по-ранни евакуации и намаляване на вредите. По-добрите прогнози за суша или неуспех на реколтата могат да помогнат за идентифициране на рисковете от глад, преди да се появят пазарни сигнали. С повече време за подготовка правителствата и хуманитарните организации могат да действат за намаляване на въздействията.
Важно е да се отбележи, че генерираните от изкуствен интелект сигнали изискват човешка преценка, за да се оценят правилно техните последици и да се интегрират в процесите на вземане на решения.
Това важи за всички приложения на изкуствен интелект в областта на устойчивостта. Едно от опасенията е нарастването на евтините отчети, генерирани от изкуствен интелект. Тези инструменти могат да създават бързо изготвени документи, но с ограничен контрол на качеството. Резултатите може да не отразяват стратегията или специфичните предизвикателства на компанията и без експертен надзор отчетите представляват значителни репутационни или регулаторни рискове.
Друго предизвикателство е информационното претоварване. Отчитането с изкуствен интелект и синтетичните набори от данни създават огромни количества нови данни, но голяма част от тях може да не са полезни за вземане на решения. Това само създава шум, който анализаторите, инвеститорите и надзорниците трябва да преглеждат.
Сигурността на данните е допълнителен риск. Лошо управляваните инструменти с изкуствен интелект могат да създадат уязвимости, които разкриват чувствителна клиентска или лична информация. Заплахата за сигурността на данните идва както от кибератаки, активирани от изкуствен интелект, така и от организации, които не успяват правилно да управляват собствените си данни, когато използват изкуствен интелект.
Последният проблем е потенциалът за системни корелации. Ако много участници на пазара разчитат на подобни модели с изкуствен интелект, разнообразието в преценките може да намалее. Това увеличава нестабилността на пазарните балони и сривове, според проучване на Лондонската фондова борса (LSE). Пазарите зависят от диференцирани гледни точки и прекомерното разчитане на подобни подходи може да подкопае тази стабилност.
В крайна сметка, изкуственият интелект има важна роля в управлението на рисковете за устойчивост в един все по-нестабилен свят, но само ако се използва разумно и в добре управлявана среда. Най-важното е, че хората трябва да останат на шофьорското място.
