Intelligenza Artificiale per misurare la sostenibilità
La poca standardizzazione, la difficoltà di ottenere dati ed analizzarli e le divergenze di valutazione generano problemi di fiducia nelle società e negli investitori. L’Intelligenza Artificiale (IA) può diventare uno strumento efficace per misurare la sostenibilità delle aziende e valutare il loro impatto ambientale, sociale e di governance.
La divergenza dei Rating ESG
Uno dei problemi in questo momento é rappresentato dalla divergenza dei Rating ESG (ambientale, sociale e di governance), si assiste ad una discrepanza tra i valori assegnati alle società dalle diverse agenzie di rating ESG.
Ciò accade perché ci sono diverse metodologie utilizzate per valutare le società, una soggettività di opinione sulla valutazione delle prestazioni e sul peso assegnato agli elementi nella valutazione generale del rating assegnato.
Queste piccole differenze di valutazione possono generare divergenze importanti nell’assegnazione del rating che risultano ancora più evidenti nei risultati delle valutazioni tra provider verticali sul tema (Sustainalytics, Vigeo-Eiris, RobecoSam) che tendono ad avere una valutazione più severa rispetto alle valutazione ESG dei provider finanziari (Moody’s e S&P) .
Una ricerca pubblicata dal MIT dal titolo Aggregate Confusion: The Divergence of ESG Ratings analizza in modo strutturato le metodologie adottate evidenziando che la differenza più impattante in termini di valutazione é nella nella misurazione dei criteri oltre che nella selezione e nel peso dei criteri di rating generando distanze evidenti nei risultati delle valutazioni.
L’Intelligenza Artificiale aiuta?
Utilizzando tecniche di apprendimento automatico e analisi dei dati, l’IA può aiutare a raccogliere e analizzare i dati ESG, non necessariamente forniti dalle aziende, e fornire un supporto alla misurazione per valutare correttamente la performance.
Un paper pubblicato dal CEPS dal titolo Artificial Intelligence for Sustainable Finance ipotizza alcuni scenari di utilizzo dell’AI a questo scopo.
Analisi testuale per raccogliere notizie e misurare la credibilità
Attraverso le tecniche e strumenti avanzati come Grafi e Natural Language Processing (NLP) é possibile intercettare le notizie su vari temi analizzando il materiale raccolto, classificando le informazioni destrutturate in nuovi elementi utili alle analisi e alle valutazioni. Il tutto naturalmente con una velocita superiore rispetto alla pubblicazione ufficiale ottenendo anche le narrazioni di mercato cioè il sentiment near-realtime degli eventi da parte dei Mass-Media e del Mercato.
Diverse realtà commercializzano prodotti sviluppati per questo scopo
Dati satellitari e IoT per analizzare l’impatto ambientale
Un ulteriore ambito é quello di utilizzare i dati satellitari e sensoristica ambientale per raccogliere le informazioni sullo stato dei territori in modo da analizzare e monitorare l’ambiente in tempo reale. Queste informazioni possono essere utilizzate per verificare le emissioni delle imprese o per analizzare l’impatto della loro attività sulla società, sugli ecosistemi, inoltre, questo tipo di dati, tendenzialmente, non possono essere manomessi.
L’uso dell’IA può aiutare a comprendere meglio l’impatto delle attività attraverso ad esempio:
- Riconoscimento automatico delle immagini: analizzare le immagini satellitari per riconoscere e classificare le caratteristiche del paesaggio, come la vegetazione, le costruzioni e le infrastrutture. Questo può essere utilizzato per monitorare la deforestazione (environment) e l’urbanizzazione (social).
- Analisi delle serie temporali: analizzare le serie temporali dei dati ambientali raccolti dai sensori IoT, come la qualità dell’aria e dell’acqua, la temperatura, l’umidità e la quantità di pioggia per valutare l’impatto sul clima e l’ecosistema.
Machine learning per i dati mancanti
Sulla base del Protocollo GHG del World Business Council for Sustainable Development (WBCSD) le aziende sono obbligate alla rendicontazione degli Scope 1 e 2 mentre non lo sono sullo Scope 3 (emissioni indirette che si verificano nella catena del valore dell’azienda) ma in alcuni settori questo elemento é la principale fonte di emissione.
Il machine learning può utilizzare diversi metodi per ottenere i dati mancanti in termini di impatto ambientale e sociale di un’azienda. Uno dei metodi più comuni è quello di utilizzare algoritmi di apprendimento automatico per analizzare i dati disponibili, come i dati di produzione o di consumo energetico, e utilizzare queste informazioni per stimare l’impatto non dichiarato anche attraverso l’integrazione di altre fonti (come le notizie o le immagini/sensoristica) per ottenere cosí una visione completa sull’azienda indipendentemente da quando raccolto o dichiarato dall’azienda stessa.
L’integrazione di queste informazioni negli indicatori di performance ambientale renderebbe la valutazione piú realistica e di conseguenza maggiore fiducia per il rating ESG da parte degli stakeholders.
L’Intelligenza Artificiale risolve tutto?
NO.
L’argomento ha una certa complessità e necessita di un’azione su diversi livelli ed elementi: Migliorare e standardizzare i criteri di valutazione, migliorare i dati prodotti attraverso un ulteriore sforzo di trasparenza da parte delle aziende, migliorare le analisi con l’inserimento di maggiore complessità di valutazione e correlazione, maggiore consapevolezza da parte degli stakeholders sugli elementi di valutazione che effettivamente “contano” e, infine, incrementare l’utilizzo di tecnologie innovative per supportare le valutazioni al fine di renderle puntuali, meno soggettive e probabilmente meno divergenti.