【ESG觀察】
在對ESG議題進行倫理判斷等方面仍有待ESG專家考量。在可以預見的未來，AI并不能完全代替ESG專家的工作。
(資料圖片僅供參考)
匡繼雄
人工智能（AI）是當前科技界和資本市場的熱門話題，已廣泛應用于各領域。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，彌補企業披露空缺；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，提供實時、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？
誠然，AI技術融合在ESG評價全流程中，可以提升評價的效率和準確度，主要體現在以下幾個方面：
一是智能挖掘。ESG數據是進行ESG評級的基礎，涵蓋ESG相關報告、定期報告、招股說明書、影像、訪談錄音等大量非結構化數據源，借助OCR（文字識別）、ASR（自動語音識別）、NLP（自然語言處理）中的實體識別、信息抽取、情感分析等AI技術，能夠高效挖掘有價值的ESG信息，豐富ESG評級的維度。
二是智能打分。基于專家評分規則基礎上，應用AI技術進行語義分析理解，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評價體系中，對上市公司的環境管理進行評價，可先設定好專家規則，然后運用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，并按規則打分。相比人工打分，AI智能打分不僅具有速度優勢，還可以提高打分的準確性、客觀性。
三是智能分析。AI可以協助ESG專家進行分析工作，如使用機器學習和自然語言處理技術從海量數據(603138)（含文本信息）中挖掘出對ESG績效有潛在價值的關系、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。
四是智能可視化展示。在ESG結果應用階段，使用交互式可視化技術，將ESG數據可視化成可交互、簡潔易懂的圖表、圖像等展現形式，使得數據信息更清晰、更易于理解和溝通。
不過，我們也要認識到，目前AI還很難完全替代ESG專家的工作，具體體現在以下幾個方面：
一是數據搜集。不同于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搜集這些信息。如在員工議題層面，評估員工對企業的滿意度和文化認同度時，需要與員工深度交流，通過深入細致的調查研究后才能獲得有效數據。
二是數據質量。AI對定性數據的提取精度無法達到100%。目前對于一些不復雜的信息，如企業的環境管理目標，采用機器學習，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；但對于一些復雜的信息，如針對TCFD（氣候相關財務披露工作組）框架，將企業應對氣候變化的治理、戰略、風險管理和目標等信息提取出來，目前只能做到60%的精度。
三是數據預測。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征，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，采用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評級需要從對各類行業的異同分析出發，對不同行業設置對應的實質性議題，權重由該議題與其他議題的相對重要性大小決定。但AI算法，只考慮歷史數據來估算變量間的關系和權重，并不能充分理解行業特色議題在不同行業內的重要性排序。
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，需要復雜的情感認知和經驗，AI只能根據其設計者內置在算法中的道德倫理準則來進行價值判斷，本身并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在處理數據時能夠對用戶進行匿名化處理，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，隱私安全問題無法得到全面解決。
未來，隨著AI的持續發展，新的技術可能在一定程度上緩解甚至破解當前ESG評級面臨的一些痛點。然而，作為一種綜合性評估方法，ESG評級非常復雜，在對ESG議題進行倫理判斷、行業特色議題設置等方面還有待ESG專家的全面考量，定性信息的高質量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并不能完全代替ESG專家的工作。
（作者系中國資本市場研究院研究員）
本報專欄文章僅代表作者個人觀點。
（責任編輯：冀文超 ）關鍵詞：
