Vai al contenuto

L’intelligenza artificiale può essere un alleato nella lotta al greenwashing. Vi spieghiamo i motivi.

Capgemini
Mag 23, 2024

Per combattere il greenwashing, le aziende devono attingere a informazioni più approfondite e affidabili sulle prestazioni ESG. Questo è possibile grazie alla combinazione di modelli di elaborazione del linguaggio naturale (NLP), modelli linguistici di grandi dimensioni (LLM) e intelligenza artificiale generativa.

Le informazioni ESG non sempre sono affidabili: centinaia di dati vengono elaborati e raggruppati in categorie ponderate ambientali, sociali e di governance per arrivare a una valutazione. Tutti questi dati possono essere suddivisi in una miriade di dimensioni, che rendono difficile distinguere i fatti dalla finzione. Questo dipende anche dal fatto che esistono decine di fornitori terzi di dati e rating ESG, tra cui CDP, ISS-ESG, Sustainalytics, MSCI, EcoVadis e Bloomberg.

In che modo entra in gioco l’intelligenza artificiale?

Le ambiguità sui rating ESG dipendono da varie ragioni: dati isolati e sovrapposti, auto-reporting incomplete ed esagerate, mancanza di standard di misurazione e greenwashing in buona fede.

I punteggi ESG sono aggregati sia dal punto di vista temporale che su altre dimensioni di analisi. I decisori necessitano di dati più granulari e trasparenza per contestualizzare e determinare l’affidabilità e la validità delle loro decisioni aziendali, soprattutto quando ci sono valori anomali.

Quando esaminano i dati ESG, gli analisti di ricerca, i CSR leader, i sottoscrittori e i gestori patrimoniali dovrebbero essere in grado di arrivare alla fonte per valutarli e fare confronti con altri rating e ricerche comparabili. E qui emerge un altro problema: i punteggi ESG si basano in parte su informazioni disponibili al pubblico, quindi dipendono dall’impegno di un’azienda in termini di divulgazione e trasparenza.

L’intelligenza artificiale non si fa guidare dai sentimenti

Mentre i rating ESG sono composti da dati strutturati o quantitativi, le chiacchiere e i sentiment online sono dati non strutturati o qualitativi. A differenza degli esseri umani, le macchine possono leggere ogni singolo articolo e quindi analizzare testo, audio, video e immagini. Consideriamo ora la natura dinamica delle piattaforme di social media, dove le reazioni istantanee possono diventare virali e influenzare il modo in cui gli stakeholder percepiscono le pratiche ESG di un’azienda.

L’elaborazione del linguaggio naturale (NLP) può “comprendere” il linguaggio umano e l’apprendimento automatico (Machine Learning) può analizzare e misurare il valore emotivo o il “sentiment” delle comunicazioni come positivo, neutro o negativo. L’analisi di questi dati non strutturati può aiutare a convalidare e aumentare la capacità informativa delle dichiarazioni ESG istituzionali, individuare discrepanze e fornire informazioni in tempo reale per supportare decisioni di investimento e sottoscrizione su larga scala.

Come sfruttare il “rumore” dei dati: scopri ESG Lens

I dati non strutturati prodotti da eventi legati ai fattori ESG possono spesso essere “rumorosi”. Aumentare l’output di un motore di sentiment analysis basato su NLP attraverso l’intelligenza artificiale generativa può introdurre sfumature e precisione sia nei sentiment positivi che in quelli negativi. Questo approccio aiuta inoltre a mitigare eventuali distorsioni nelle notizie e, parallelamente, accelera e semplifica l’estrazione automatica di informazioni.

Soprattutto l’estrazione dei dati dalle basi dati non strutturate consente alle organizzazioni di calcolare un ESG rating delle controparti personalizzato e controllabile, senza dover ricorrere all’acquisto di dati esterni.

La nostra soluzione ESG Lens offre alle organizzazioni una soluzione, basata sull’intelligenza artificiale, che incorpora l’elaborazione del linguaggio naturale (NLP), modelli linguistici di grandi dimensioni (LLM) e l’intelligenza artificiale generativa che va oltre le fonti di dati convenzionali per fornire insight ESG affidabili da dati non strutturati con completa trasparenza.

Se vuoi saperne di più su questo tema e approfondire le nostre soluzioni per valutare i parametri ESG basati sull’intelligenza artificiale, scrivi alle nostre esperte: