Le tecniche di intelligenza artificiale possono fornire più di un beneficio per migliorare ulteriormente criteri e investimenti ESG e per garantire anche ai mercati emergenti potenzialità di sviluppo in linea con la sostenibilità ambientale, economica e sociale.

TAKEAWAY

• Il ruolo che già oggi hanno le tecniche di intelligenza artificiale per definire criteri e investimenti ESG è essenziale, grazie alla possibilità di gestire al meglio i dati.
• Un impiego dell’AI è quello finalizzato a migliorare l’asimmetria informativa esistente nella valutazione dei criteri ESG, ma anche a superare alcuni dei limiti dei rating di sostenibilità delle imprese.
• L’utilità di una più puntuale valutazione degli ESG sarebbe utile anche nei Paesi in via di Sviluppo, per centrare gli obiettivi di sviluppo sostenibile.

---

L’impiego delle tecniche che fanno capo all’ambito di studi dell’intelligenza artificiale per gli ESG (Environmental, Social and Governance) già oggi è essenziale per cercare di dare forma, senso e precisione a quello che spesso è complesso cercare di focalizzare.

Una sfida che le organizzazioni finanziarie devono affrontare è determinare quali criteri usare per misurare il valore dell’ESG. Proprio l’AI consente agli investitori di raccogliere e analizzare una notevole mole di dati nel momento in cui si cerca di contabilizzare i rischi e le opportunità ambientali, sociali e di governance. L’Artificial Intelligence può aiutare gli investitori sostenibili a elaborare questi dati che contengono informazioni essenziali per gli investimenti ESG. Sotto che forma? Molteplice: AI, machine learning e Natural Language Processing possono essere impiegati in vari modi.

Intelligenza artificiale per gli ESG: la posizione della Consob e l’utilità per le aziende

L’utilizzo dell’intelligenza artificiale per gli ESG è la direzione verso cui va la Consob, l’Autorità italiana per la vigilanza dei mercati finanziari. Nel Piano Triennale 2022-2024 di Consob, da poco pubblicato, è stata messa in rilievo l’evoluzione e la direttrice verso cui si muove l’Istituto.

«Il presupposto della nuova strategia triennale della Consob è quello di considerarsi parte integrante della nuova Strategia per l’IA» si legge. Il legame tra intelligenza artificiale e sostenibilità, in particolare tra Artificial Intelligence ed ESG, lo evidenzia lo stesso Istituto quando scrive che “il piano di avanzamento dell’ecosistema AI” prevederà:

«un’evoluzione del quadro giuridico esistente in materia bancaria e finanziaria, sulla base dei valori e principi etici previsti dalla nostra Costituzione e della strategia europea in materia di sostenibilità ESG fatta propria dall’Italia»

Il legame tra innovazione tecnologica e sostenibilità lo conferma anche l’indagine Infosys Digital Radar 2022, rilevando anche i benefici per le aziende nel combinare gli sforzi sia in termini di digital transformation che di iniziative ESG. Le aziende possono raggiungere guadagni potenziali pari a 357 miliardi di dollari in profitti annuali a livello globale attraverso sforzi di trasformazione incentrati sulle persone e un impegno per le iniziative ESG. 

Non sono solo i minori costi derivanti a interessare, ma anche i minori rischi: molti gestori interpretano – correttamente e pragmaticamente – l’adesione a parametri ESG come una sorta di tutela sui mercati di domani.

La stessa indagine rileva un altro aspetto nodale. Quando le aziende hanno elevati livelli di adozione della tecnologia e un forte impegno in tema di Environmental, Social and Governance, quattro volte su cinque (81%) usano anche la tecnologia in modo più efficace. «ESG ed efficacia della tecnologia sono collegati», perché la prima migliora la cultura aziendale, modella la mentalità e fornisce uno scopo che guida il processo decisionale su e giù per la linea. «Migliorare gli ESG porta a una maggiore efficacia rispetto alla semplice adozione di più tecnologie. Mentre l’adozione è necessaria e positiva, l’attenzione ESG ha ulteriormente raddoppiato l’efficacia tecnologica, indicando che l’impegno ESG ora guida il valore di per sé» si legge.

Più intervistati hanno riferito di avere implementato intelligenza artificiale e blockchain (73% e 71%, rispettivamente), suggerendo che sono sempre più aziende a essersi avvicinate alla maturità digitale. Tuttavia, il sondaggio ha rilevato che le aziende si mostrano più efficaci quando usano il digitale per avere un impatto positivo sugli stakeholder, anche attraverso ESG e iniziative come percorsi di carriera per donne e minoranze, privacy dei dati e intelligenza artificiale ed etica.

L’apporto delle tecniche di intelligenza artificiale agli ESG

L’utilità dell’intelligenza artificiale per gli ESG si rivela sotto molti aspetti. Uno di questi è il suo ruolo nel migliorare l’asimmetria informativa. Ottenere ed elaborare le informazioni è un’impresa assai complessa. Per cominciare, i produttori di rating e gli indici utilizzano proprie metodologie e dati proprietari per analizzare le aziende. Il risultato dell’utilizzo di diverse definizioni ESG, misurazioni e ponderazioni per diversi indicatori porta a conclusioni spesso nettamente differenti da un indice all’altro. Un documento della MIT School of Management ha messo in luce che in un set di dati di cinque valutatori ESG, le correlazioni tra i punteggi su 823 aziende erano in media 0,61: tenendo conto che una correlazione di 1,0 equivarrebbe al 100%, si comprende quanto sia divergente il valore.

Senza una standardizzazione tra i rating, è difficile per gli investitori confrontare gli indici creati da diversi fornitori. Un altro problema serio per gli investitori è che si devono affidare esclusivamente ai produttori di rating e di indici per catturare le ultime informazioni e notizie e incorporarle nei loro rating. I problemi che questo comporta è una mancanza di chiarezza, coerenza e trasparenza dei rating ESG. Qui può essere preziosa l’AI, perché è in grado di fornire dati specifici più accurati e tempestivi, che possono a loro volta contribuire a migliorare i vari indici ESG e consentire agli investitori di prendere decisioni di investimento più informate in aziende che sono veramente corrette in ottica Environmental, Social and Governance.

Inoltre, la capacità di sintesi di un processo intelligente e automatizzato potrebbe aiutare la comunicazione di parametri semplici e confrontabili al risparmiatore finale.

Diversi hanno studiato l’impiego dell’intelligenza artificiale per migliorare le lacune legate ai criteri ESG. Uno di questi è stato realizzato da tre autori della Banca d’Italia e della Kellogg School of Management della Northwestern University. Lo studio è partito dalla volontà di superare alcuni dei limiti dei rating di sostenibilità delle imprese, utilizzando l’AI per identificare meglio le componenti di queste metriche che contribuiscono maggiormente a identificare portafogli efficienti. Così ha proposto un nuovo approccio per superare le attuali incoerenze nei punteggi ESG utilizzando tecniche di machine learning per identificare gli indicatori che meglio contribuiscono alla costruzione di efficienti portafogli, ovvero l’insieme di strumenti finanziari detenuti da un singolo investitore o da un intermediario finanziario. Il ML può raggiungere questo risultato senza bisogno di una metodologia basata su modelli.

Quando la data science aiuta a gestire i rischi ESG

Utilizzare tecniche di intelligenza artificiale per ESG è quanto ha fatto fin dall’inizio RepRisk, la più importante società di data science ESG al mondo. Essa fornisce consulenza sul rischio ESG al settore finance e non solo. Tra i suoi clienti c’è il Fondo Pensione Norvegese, il più grande Fondo Sovrano al mondo e il secondo in assoluto, più di 80 delle principali banche (tra queste Credit Suisse e Deutsche Bank). Ha costituito una banca dati che comprende più di 110mila società e 27mila progetti e che analizza i rischi ESG con riferimento a settori e paesi, comprendendo dati su temi e questioni ESG per più di 18mila ONG e 13mila agenzie governative.

Il metodo e il punto di forza di RepRisk si basa sul coniugare tecniche di intelligenza artificiale, machine learning e intelligenza umana per identificare e valutare i rischi ESG che hanno implicazioni finanziarie, di conformità e di reputazione per più di 190mila aziende pubbliche e private in tutto il mondo. L’intelligenza artificiale completa uno screening quotidiano di più di 100.000 fonti pubbliche in 23 lingue. I risultati dello screening quotidiano vengono poi passati al team di analisti per la cura e l’analisi.

Il processo di ricerca di RepRisk è guidato da 28 questioni ESG fondamentali come il cambiamento climatico, i diritti umani, la discriminazione sociale, la comunicazione ingannevole, la frode e tanti altri. Oltre a questi, RepRisk analizza oltre 70 temi forti che rientrano in questa sfera, spaziando dalle pandemie al razzismo, dalle armi nucleari agli oppioidi.

Ora si sta preparando a lanciare, nel corso di quest’anno, una nuova soluzione di analisi spaziale che impiega immagini satellitari e coordinate GPS per identificare le aree ad alto rischio ambientale e di biodiversità.

Natural Language Processing per investimenti nei mercati emergenti

Gli esempi dell’utilità dell’intelligenza artificiale per gli ESG non si fermano certo qui. Una delle prospettive applicative va in direzione del Natural Language Processing (NLP), ramo dell’AI dedicato a fornire alle macchine la capacità di comprendere testo e parole nello stesso modo in cui lo fanno gli esseri umani.

A rilevare l’importanza del NLP è un paper di International Finance Corporation e della società di asset management Amundi. In questo si afferma che l’AI e, in particolare, l’elaborazione del linguaggio naturale possono consentire agli investitori di accedere a nuove fonti di dati in modo efficiente. Più nel dettaglio, permettono di cogliere segnali provenienti da dati non strutturati e, quindi, aumentare drasticamente la portata dell’analisi.

I dati non strutturati permettono di accedere a nuovi tipi di informazioni, ma forniscono anche “colore e prospettiva” ai dati già in possesso. Potrebbe anche aiutare le emittenti ad assicurarsi che i dati disponibili siano comunicati e utilizzati in modo più efficiente e, dunque, potrebbe aiutare a combattere la fatica del reporting ESG. È inoltre un modo per limitare i pregiudizi dovuti alle discrepanze nei mezzi dedicati alla comunicazione della responsabilità sociale delle imprese. NLP è quindi particolarmente utile nello spazio dei mercati emergenti.

Le prospettive dell’intelligenza artificiale per gli ESG 

L’importanza di applicare NLP, e in generale, l’intelligenza artificiale per gli ESG, sarebbe davvero grande se si considera che i requisiti di finanziamento per soddisfare gli Obiettivi di Sviluppo sostenibile (SDG) sono molto più grandi delle risorse allocate a questi mercati. Per esempio, tra il 2017 e il 2018, solo il 3,3% dei 580 miliardi di dollari di flussi finanziari globali per il clima è stato investito nell’Africa subsahariana, una regione dove il cambiamento climatico sta avendo un impatto significativo.

In uno studio pubblicato nel 2019, il Fondo monetario internazionale ha stimato che sono necessari 500 miliardi di dollari in investimenti necessari nei Paesi in via di sviluppo a basso reddito e altri 2100 miliardi per i mercati emergenti per soddisfare gli SDG entro il 2030. «Questo è un punto chiave. Ad oggi, il mercato ESG “serio/riconosciuto attendibile” è in UE, Nord America e Giappone. Il resto non è considerato tale perché poco affidabile. Ciò a causa di governi deboli e corrotti, autorità nazionali blande e tolleranti, mercato locale poco strutturato, interlocutori internazionali pronti ad approfittarne. L’AI potrebbe superare questi problemi, in modo asettico e trasparente, aiutando a scegliere» evidenzia Marco Ghiberti, esperto di finanza sostenibile ed ESG.

Gli investitori stanno facendo uso dell’AI e di altre tecnologie di ultima generazione per supportare la raccolta e l’analisi dei dati ESG sia per i mercati sviluppati che per quelli emergenti. La ricerca mostra che i dati ESG non strutturati, come gli articoli di giornale, le informazioni sui progetti delle banche multilaterali di sviluppo, i rapporti annuali, integrati e di sostenibilità e i prospetti delle obbligazioni sono generalmente sottoutilizzati nelle analisi delle performance ESG degli emittenti.

L’uso di applicazioni di intelligenza artificiale per ESG, potenziato da una nuova generazione di algoritmi di machine learning e dal cloud computing, ha portato di recente a innovazioni nell’analisi di dati di testo non strutturati su vasta scala attraverso l’uso di tecniche NLP. Per questo si guarda con particolare interesse a quest’ambito e agli altri che, in prospettiva, si possono aprire grazie all’evoluzione tecnologica.