Per rendere realmente operativa una trasformazione sostenibile in chiave ESG occorre farsi carico di un cambiamento che coinvolge in misura diversa tanti stakeholder. Affinché le imprese possano generare un impatto realmente positivo occorre gestire fonti e dati diversi e occorre individuare connessioni e relazioni con strumenti e competenze che permettano di unire una grande efficacia con un altrettanto grande senso di responsabilità. Il ruolo dell’Intelligenza Artificiale e sempre più strategico e cambia le prospettive del reporting anche nel segno di una trasformazione che sia nello stesso tempo sostenibile efficace e responsabile.
ESG360 ha volute confrontarsi su questo tema con Marjella Lecourt-Alma, CEO and Co-founder at Datamaran.
Qual è il ruolo dell’Intelligenza Artificiale nello sviluppo e nell’implementazione di una strategia ESG?
I leader aziendali oggi affrontano sfide molto reali nello sviluppo e nel rendere operativa una strategia ESG. La velocità di cambiamento dell’ESG caratterizzata da un panorama sempre più dinamico nelle richieste di consumatori e investitori, da un cambiamento anche repentino del sentiment degli stakeholder, e da un ritmo di introduzione di nuove normative sempre più pressante rischia di mettere in difficoltà imprese. Questo si combina con una maggiore attenzione da parte dei regolatori, degli investitori e di altre parti nei confronti dei rischi di greenwashing e per disporre di strumenti che permettano di rendere le aziende sempre più responsabili di questa trasformazione. In ogni azienda e in tutta l’economia, esiste poi un divario di competenze ESG a diversi livelli, che rende sempre più difficile dare una risposta univoca a queste sfide.
Molte realtà chiedono di evolvere il loro approccio all’ESG, che dovrebbe essere basato sulla governance abilitata dalla tecnologia, inclusa l’Intelligenza Artificiale. Peraltro oggi è diventato un imperativo aziendale per le aziende affrontare il volume, la scala e l’importanza strategica delle questioni ESG in modo intelligente con processi basati sui dati e soprattutto replicabile. L’Intelligenza Artificiale consente ai leader aziendali di navigare nel panorama ESG in rapida evoluzione trasformando grandi quantità di dati in informazioni che possono essere direttamente e concretamente operative. Le aziende che adottano questo modo più intelligente di affrontare l’ESG ottengono un vantaggio competitivo e trasformano l’ESG da centro di costo a generatore di valore.
In che modo l’AI può supportare la rendicontazione ESG?
La rendicontazione è l’ultimo passaggio dell’intero processo ESG che le aziende devono mettere in atto per dimostrare – agli azionisti, ai regolatori, ai dipendenti e ad altri stakeholder – che hanno un buon controllo sui rischi, sulle opportunità e sugli impatti legati all’ESG.
Il processo ESG nella sua complessità prevede una serie di passaggi fondamentali:
1) la decisione sulle questioni chiave, ovvero l’analisi di materialità e la matrice di materialità
2) la determinazione degli obiettivi
3) la data collection dei dati effettivamente necessari
4) in ultimo, la rendicontazione
Tutto questo per ricordare che la rendicontazione non dovrebbe essere considerata isolatamente, poiché è il risultato di questo processo. Entrando nel merito va detto poi che esistono diverse tecnologie per supportare questi passaggi del processo poiché non esiste un approccio unico. La combinazione di software e soluzioni che abilita questo processo può essere definita come “ESG Tech Stack“, ed è una dimensione nella quale l’Intelligenza Artificiale viene spesso utilizzata per rafforzare, ottimizzare o accelerare ogni singolo passaggio.
Che ruolo può avere la Generative AI per l’ESG?
Per la rendicontazione ESG in particolare, l’Intelligenza Artificiale generativa può essere utilizzata per accelerare e migliorare la scrittura dei report. Altre forme di AI possono essere utilizzate per automatizzare il rilevamento di errori e anomalie per garantire una rendicontazione accurata. Ci aspettiamo che avrà un ruolo sempre maggiore nel modo in cui gli auditor affrontano gli incarichi di assicurazione esterna per portare efficienza e scalabilità nei processi.
Quali sono le specifiche più importanti di una piattaforma per la rendicontazione ESG?
La rendicontazione ESG non è un esercizio autonomo, quindi è importante essere in grado di correlare le informazioni da altri software all’interno dell’ESG Tech Stack di un’azienda per semplificare l’intero processo. Ad esempio, le aziende devono sapere su quali questioni rendicontare, cioè cosa è effettivamente materiale per la loro realtà, prima di redigere il contenuto. Quindi, devono aver raccolto e analizzato i dati pertinenti per rendicontare i KPI che supportano quelle specifiche questioni materiali. Strumenti diversi vengono spesso utilizzati per questi passaggi del processo ma devono essere correlabili.
L’argomento probabilmente più importante della piattaforma di rendicontazione stessa è il sistema di governance istituito per supervisionare il processo di reporting. Un solido processo di rendicontazione ESG è focalizzato e collegato ad altre parti dell’azienda, compresa la finanza con un owner esterno di livello senior. Questo riduce il rischio di greenwashing garantendo l’allineamento in tutta l’azienda e ponendo la responsabilità al livello più alto.
Quanto è importante la raccolta dei dati nell’ESG e come può essere gestita?
Le aziende leader partono dalla consapevolezza che prima di tutto devono conoscere cosa è strategicamente importante e solo dopo si parte con la raccolta di dati per evitare sprechi di tempo e risorse. Ancora spesso, la rendicontazione viene affrontata da una prospettiva che tende a privilegiare la compliance normativa e che porta a una raccolta di dati superflua e a divulgazioni poco focalizzate. Per queste ragioni, la raccolta di dati deve essere vista nel contesto di KPI e obiettivi che aiutano a misurare l’efficacia della strategia di un’azienda.
L’Intelligenza Artificiale anche a questo livello può aiutare grazie a forme di automazione e ottimizzazione che permettono di analizzare e validare la raccolta di dati nelle operazioni delle aziende e lungo tutta la loro catena del valore.
Quali competenze sono più importanti per l’AI nell’ESG?
Poiché l’ESG rappresenta un ampio spettro di attività, come abbiamo visto si va dalla valutazione della materialità alla definizione degli obiettivi, dalla raccolta dei dati e alla rendicontazione, le competenze necessarie dipendono dai risultati nelle diverse fasi del processo e si può parlare di una necessità diffusa di green skills.
La raccolta di dati alla fonte richiede competenze molto diverse rispetto al tentativo di costruire un modello per prevedere le emissioni di GHG a livello di sito aziendale o per individuare i rischi di greenwashing nelle divulgazioni aziendali.
Quando si tratta di progettare soluzioni di Intelligenza Artificiale per l’ESG, più che specifiche competenze, è necessario un team interfunzionale che possa portare diverse prospettive. Gli esperti di ESG sono necessari tanto quanto gli tecnici dell’AI, gli specialisti di sustainability management, gli esperti di User Experience, i professionisti del diritto e i rappresentanti della finanza, che insieme partecipano all’esplorazione del problema e alla progettazione della soluzione.
