AI和ESG正在数据维度上相遇。

2023年11月，旨在通过AI技术收集组织ESG数据的数据基础设施平台——ESG Flo宣布已获得525万美元的种子资本；同月，新加坡金融管理局（MAS）推出ESG数据平台Gprnt（读法是Greenprint），该平台通过信息技术，帮助金融机构和企业收集、分析和处理ESG数据。

而在早些时候，专注于通过AI技术为资管机构提供ESG数据的SESAMm也宣布获得3500万欧元B2轮融资。 

为什么越来越多机构开始关注AI技术，为企业和金融机构搜集ESG信息？与羲融善道ESG总监姚嘉骏进行了深度对话。

在姚嘉骏看来，投资人对企业ESG信息需求的持续上升和信息本身的质量困境所形成的矛盾是主因。根据普华永道（PwC）发布的《2022年普华永道资产和财富演变进程》报告显示，全球资产管理公司的ESG相关管理资产规模(AuM)将从2021年的18.4万亿美元增至2026年33.9万亿美元，复合年增长率(CAGR)为12.9%，并预计在5年的时间内，ESG相关资产规模将占全球资产管理规模的21.5%。

“然而，由于部分国家和地区的监管机构并未实施ESG报告强制披露的要求，而且中小企业由于资源限制无法提供ESG报告，因此投资人无法获得企业一致、可比的ESG信息。”姚嘉骏如是说。

另一方面，他认为，由于部分国家和地区发布越来越严格的ESG信息披露要求，为了降低编制成本，企业也开始寻求第三方机构提供ESG信息及数据，创造了真实的需求市场。

举例而言，2023年10月，美国加州州长签署SB 253以及SB 261两项法案，其中，SB 253法案要求达到一定营业收入的企业披露碳排放量（预计有5000家企业需要披露该数据），而SB 261法案要求企业描述其应对气候相关风险所采取的措施等内容（大约有10000家企业披露该信息）。2023年1月正式生效的欧盟《企业可持续发展报告指令》（CSRD）要求达到在欧盟运作，且达到一定规模公司披露更为可靠、相关且可比的ESG信息，预计有49000家企业需要披露ESG报告。

那AI在ESG数据收集以及处理方面，扮演了什么的角色？

AI是一个构建能够推理、学习和行动的计算机和机器的科学领域。在实际操作方面，AI基于机器学习和深度学习的技术，用于数据分析、预测、对象分类、自然语言处理、推荐、智能数据检索等等。

“AI技术能在几个不同方面帮助信息使用方更好地开展ESG信息搜集以及处理工作，”姚嘉骏对分析称，首先是精准地测算ESG数据，“如果遇到一家企业并未披露碳排放指标，投资人或第三方机构会参考同行业企业披露的碳排放数据，估算该企业造成的碳排放数据，但是使用该方式估算的碳排放量数据精准度较为一般，如果使用AI中的预测模型技术，信息使用方不仅可以基于行业因素，还能考虑企业所在的地理位置、收入细分、产品和服务类型等因素与碳排放量之间的关键，从而更准确地估算碳排放量。”

第二个作用点在于更全面地搜集ESG舆情数据。

“一般而言，企业在ESG报告中会尽量避免披露高管受贿、职场性骚扰、产品质量不过关等ESG负面信息，而AI中的自然语言处理技术可以帮助使用方分析该企业在新闻网站、社交媒体等公开渠道中的正负面评价，帮助信息使用方搜集该企业在客户心目中的形象、职场员工对公司的评价、企业生产设计的产品质量是否过硬等正负面信息，助力投资者以及评级方全面地了解企业的ESG实践情况。”姚嘉骏解释道。

此外，更有效地识别环境污染风险也是AI可以为ESG提供数据解决方案的切入点。他的观点认为，在使用高光谱卫星、雷达卫星等卫星影像的基础上，结合AI中的计算机视觉技术，可以帮助信息使用方搜集企业温室气体排放、废气及废水排放等数据，分析企业的环境保护表现。信息使用方也可用该数据与企业在ESG报告中罗列的污染物排放数据进行对比，识别企业是否存在“漂绿”行为。

AI技术目前在ESG投资的应用场景是什么？

目前已经有部分投资机构以及ESG评级机构通过使用AI技术搜集企业的ESG信息。例如标普全球（S&P Global）正在将AI应用在道琼斯可持续发展(Dow Jones Sustainability Indexes, DJSI)全球指数的研究分析。

而奥地利奥合国际银行集团（Raiffeisen Bank International）与前文提到的ESG数据提供方SESAMm合作，后者为前者提供ESG数据搜集以及AI技术服务，从而帮助奥合国际银行集团对1000多名客户进行监控，并通过建立早期预警信号机制，减少银行面临的ESG风险。

然而，在ESG投资中使用AI技术也存在风险。“我们在关注AI技术赋能ESG投资过程中也需要关注其ESG影响，第一就是能源消耗问题，这是因为AI技术需要大量的计算能力来执行诸如自然语言处理、图像识别和数据分析等复杂任务。”姚嘉骏如是说。

根据马萨诸塞大学（University of Massachusetts）的一项研究报告显示,训练一次大型人工智能模型可造成超过626000磅的二氧化碳当量排放，这一数字等同于一辆美国汽车全生命周期碳排放量的五倍。

在他看来，第二个风险点在于数据合规的问题。其中，涉及数据合规的问题包括：搜集方在公开渠道收集ESG数据的过程中是否获得信息主体或者用户的合法授权、获取用户数据的手段是否合法合规、数据收集过程中是否发生侵犯用户权益的情况、数据收集、传输、保存以及应用方面是否相关法律法规要求等。若无法妥善处理数据合规的议题，那这会对ESG信息搜集方的业务产生较大的负面影响。

目前AI技术在助力ESG投资发展的阶段仍处于早期阶段，仍有大量的ESG信息收集以及处理工作仍需要人工的参与。

“但总体而言，AI技术可以帮助投资人在开展ESG投资过程中收集更加全面、精准的ESG数据，更好地分析项目的ESG表现，而对于企业而言，在AI技术的加持下，他们能更有效率地收集ESG信息，满足不同利益相关方ESG信息披露的要求。虽然AI技术对推动ESG投资发展发挥着重要的影响力，但是我们也需关注AI技术对环境和社会造成的影响。”姚嘉骏对强调，“只要我们用负责任的态度对待AI，AI才会用负责任的方式回应我们。”