Una delle principali caratteristiche dell’ESG è rappresentata da un ulteriore forte spinta in termini di crescita della conoscenza aziendale. Le imprese che intendono seriamente affrontare le valutazioni di merito ESG sono imprese che generano dati e che li analizzano alla ricerca di chiavi di lettura che permettano di valutare, con la miglior precisione possibile, tutte le dimensioni del loro impatto, ambientale, sociale e di governo dell’impresa stessa. L’ESG è una “questione” di dati e di capacità di analisi e in questo senso cresce l’attenzione verso soluzioni di Intelligenza Artificiale che vanno esattamente in questa direzione: aumentare la conoscenza su tutti i fattori che determinano un impatto. E, solo per fissare questo concetto con un esempio, nel momento in cui si considerano i fattori che rientrano nello Scope 3 appare chiaro quanto sia importante estendere il raggio d’azione a livello di data collection e di data analysis per comprendere quelle forme di impatto che pur essendo esterne al perimetro aziendale (ma legate ai fornitori) rientrano in ogni caso sotto la responsabilità dell’azienda. In particolare poi una forte spinta all’utilizzo di soluzioni di Intelligenza Artificiale è motivato dalla ricerca dei cosiddetti rischi ESG, i fattori di rischio che presentano un impatto importante in termini di esposizione dell’azienda a pericoli legati ai cambiamenti climatici o a tematiche sociali che possono penalizzare in modo rilevante le performance aziendali.
Una prospettiva del tutto complementare è poi quella degli investitori. A questi attori l’Intelligenza Artificiale consente di intercettare le imprese con maggiori potenzialità legate ai parametri ESG o con minore esposizione a determinati rischi e sulla base di questi dati possono disporre di maggiori opportunità per la gestione del portfolio di investimenti.
Aziende e investitori: in entrambi i casi il focus è sulla qualità dei dati
Tanto per le imprese quanto per gli investitori la questione di base quando si affrontano i temi ESG è nella fiducia nei dati. L’Intelligenza Artificiale permette di disporre di elementi di conoscenza che un tempo erano impensabili, consente di disporre di una visione delle performance di sostenibilità di partner, fornitori, provider a diversi livelli per poter calcolare l’effettiva intensità di impatto di un prodotto, di un servizio e naturalmente dell’azienda nella sua globalità.
Il grande tema, per una fase come quella odierna nella quale la maggior parte delle aziende si trova a gestire le principali esigenze a livello di data collection, è quello della qualità e della completezza dei dati. La scarsa disponibilità di dati per rappresentare in modo effettivamente completo il valore di impatto di un prodotto rischia di fornire solo una visione parziale al mercato e agli investitori. Non solo, la qualità dei dati in ingresso, fermo restando naturalmente la buona fede, è un fattore chiave per determinare la qualità dell’analisi finale che può essere prodotta grazie all’Intelligenza Artificiale.
Ecco che uno degli ambiti sui quali si concentra maggiormente l’attenzione degli investitori è rappresentata dall’utilizzo dell’Intelligenza Artificiale per l’analisi della qualità dei dati stessi dell’ESG, per verificare la capacità di copertura dei temi necessari ad assegnare una valutazione di merito su prodotti o servizi o naturalmente su una azienda. L’Intelligenza Artificiale come leva, prima di tutto e dunque, per monitorare e controllare che la quantità e qualità dei dati sia adeguata ovvero permetta di raggiungere un determinato livello di affidabilità.
Individuazione dei rischi: l’importanza di dati affidabili e sicuri
La comprensione dei rischi ESG è uno degli ambiti sui quali maggiormente si concentra l’attenzione degli investitori. E il tema dei rischi va visto sotto tre diverse prospettive:
- Il monitoraggio dei rischi ESG, collegati ai temi ambientali, sociali e di governo
- L’attenzione ai rischi legati alla qualità e alla completezza dei dati disponibili e il conseguente livello di attenzione con cui “appoggiare” il processo decisionale alle evidenze che emergono
- I temi legati alla sicurezza dei dati e alla privacy dei dati stessi
I modelli di Intelligenza Artificiale funzionano nella misura in cui sono alimentati da un’ampia gamma di dati che per produrre risultati affidabili devono essere il più possibile rappresentativi del fenomeno che viene esaminato. Una eventuale maggiore rilevanza di dati relativi a una dimensione di quel fenomeno o una maggiore incidenza di dati legati a una interpretazione specifica di quel fenomeno (il fatto ad esempio che non siamo rappresentati in modo corretto tanto il genere femminile quanto quello maschile) possono portare a risultati che offrono u livello di conoscenza parziale e di scarsa o non sufficiente affidabilità. Questo si traduce in rischi legati collegati a una minore responsabilità delle informazioni generate dall’intelligenza artificiale per le quali è necessario esercitare nuove forme di controllo.
Il tema della provenienza dei dati è uno dei temi sui quali gli investitori sono orientati a prestare maggiore attenzione. In assenza di garanzie a livello di trasparenza e di responsabilità da parte di soggetti impegnati nella data collection, l’Intelligenza Artificiale potrebbe fornire analisi che non corrispondono alla realtà e che possono portare a una lettura distorta dei fenomeni. Ecco che appare necessario che la struttura organizzativa nella quale si collocano le soluzioni di Intelligenza Artificiale comprendano dei meccanismi di controllo che permettano di individuare le specifiche responsabilità per tutti i soggetti e consentano nello stesso tempo di intercettare i rischi di “distorsione” dei risultati che possono arrivare già nei modelli dell’AI. In questo scenario si collocano anche gli stessi pregiudizi che a loro volta possono falsare i risultati. Nel caso in cui, pur nel rispetto della buona fede legata ad esempio all’abitudine con cui si sono gestite determinate procedure, l’addestramento non risulta correttamente rappresentativo delle sensibilità e delle istanze di una popolazione, il risultato finale, in chiave ESG, non è più affidabile e perdono valore le decisioni che si basano su queste evidenze.
Nello stesso tempo tuttavia ci sono aspetti legati all’utilizzo dell’Intelligenza Artificiale per l’ESG che promettono di portare risultati di grande interesse, non solo per gli investitori, ma anche per tutti coloro che desiderano disporre di una maggior livello di conoscenza sul reale impatto delle imprese.
Stime sulle emissioni e stime sui fattori di rischio: il ruolo delle fonti dati indirette
Nella divulgazione dei dati relativi alla sostenibilità la modellazione predittiva ad esempio, pur basandosi su dati disponibili non necessariamente completi, permette di effettuare una stima delle emissioni di gas serra anche per le imprese che non sono nella condizione di rendicontare direttamente questi parametri. Grazie alla capacità di mettere in relazione tante e diverse fonti di dati la modellazione predittiva permette di ricostruire una stima delle emissioni grazie a dati come la tipologia di produzione, come le forniture utilizzate, come i processi di lavorazione adottati. L’Intelligenza Artificiale consente di recuperare – indirettamente – quel valore di conoscenza che in assenza di fonti dirette non sarebbe accessibile. Questo stesso approccio permette di esercitare una forma di controllo sulla qualità delle fonti di dati, quando questi non sono disponibili.
Ci sono poi fonti di dati a loro volta indirette che stanno crescendo di importanza e che contribuiscono, appunto in modo indiretto, a individuare i fattori di rischio di una impresa. La Space technology sta mettendo a disposizione fonti di dati che consentono di valutare l’esposizione delle aziende a rischi legati agli effetti di cambiamenti climatici. La lettura “dall’alto” di un territorio, la verifica dei dati relativi agli effetti dei cambiamenti climatici per quel territorio e la visione dei dati con le previsioni meteo sempre per quell’area geografica, sono elementi di indagine che contribuiscono a determinare i rischi ESG di un’azienda. Ovviamente più sono corredati da dati legati anche alle misure che l’azienda ha intrapreso per gestire questi rischi più il profilo di rischio sarà affidabile e completo.
C’è poi un ulteriore livello di monitoraggio che può essere esercitato sfruttando un altro ambito dell’Intelligenza Artificiale: si tratta delle potenzialità legate all’elaborazione del linguaggio naturale come strumento di analisi delle tante fonti indirette che possono “parlare” di un’azienda, dei suoi prodotti e del suo impatto. La capacità di rendere intelligibili articoli, servizi, analisi, e tante altre fonti di dati consente di mettere a fattor comune, per attività di analisi, tanti dati che non sarebbero diversamente accessibili e che offrono una ulteriore prospettiva rispetto ai fattori di rischio a cui sono esposte le aziende.
