【ESG观察】

在对ESG议题进行伦理判断等方面仍有待ESG专家考量。在可以预见的未来，AI并不能完全代替ESG专家的工作。

(资料图片仅供参考)

匡继雄

人工智能（AI）是当前科技界和资本市场的热门话题，已广泛应用于各领域。不少ESG评级机构在其评级方法介绍中，也均提及使用了AI。如妙盈科技运用AI算法多维度估算诸如温室气体排放、能源消耗等核心数据，弥补企业披露空缺；微众揽月利用AI实现了高低频数据的融合、自动化的数据处理和评级更新，提供实时、独立、有效的ESG评分与指数。

这是否意味着借助AI，ESG评级的痛点难点就能被一一解决，相关工作被AI完全取代？

诚然，AI技术融合在ESG评价全流程中，可以提升评价的效率和准确度，主要体现在以下几个方面：

一是智能挖掘。ESG数据是进行ESG评级的基础，涵盖ESG相关报告、定期报告、招股说明书、影像、访谈录音等大量非结构化数据源，借助OCR（文字识别）、ASR（自动语音识别）、NLP（自然语言处理）中的实体识别、信息抽取、情感分析等AI技术，能够高效挖掘有价值的ESG信息，丰富ESG评级的维度。

二是智能打分。基于专家评分规则基础上，应用AI技术进行语义分析理解，可在一定程度上解决ESG评级中定性指标评分缺乏客观标准的痛点。如在ESG评价体系中，对上市公司的环境管理进行评价，可先设定好专家规则，然后运用AI技术对企业定期报告和ESG相关报告进行解析，判断企业是否有环境管理相关定性描述目标或措施，并按规则打分。相比人工打分，AI智能打分不仅具有速度优势，还可以提高打分的准确性、客观性。

三是智能分析。AI可以协助ESG专家进行分析工作，如使用机器学习和自然语言处理技术从海量数据(603138)（含文本信息）中挖掘出对ESG绩效有潜在价值的关系、模式和趋势；在评估建模阶段，可以对评估模型进行辅助优化工作。

四是智能可视化展示。在ESG结果应用阶段，使用交互式可视化技术，将ESG数据可视化成可交互、简洁易懂的图表、图像等展现形式，使得数据信息更清晰、更易于理解和沟通。

不过，我们也要认识到，目前AI还很难完全替代ESG专家的工作，具体体现在以下几个方面：

一是数据搜集。不同于财务数据的高度标准化和国际化，ESG数据包含定性信息，其界定与度量标准较为模糊，目前还没有一款AI工具能够完全代替人工搜集这些信息。如在员工议题层面，评估员工对企业的满意度和文化认同度时，需要与员工深度交流，通过深入细致的调查研究后才能获得有效数据。

二是数据质量。AI对定性数据的提取精度无法达到100%。目前对于一些不复杂的信息，如企业的环境管理目标，采用机器学习，将其认为可能是企业环境管理目标的段落提取出来，能够达到90%的精度；但对于一些复杂的信息，如针对TCFD（气候相关财务披露工作组）框架，将企业应对气候变化的治理、战略、风险管理和目标等信息提取出来，目前只能做到60%的精度。

三是数据预测。ESG评级涵盖环境、社会、治理方面的数十个议题，关键指标超百个，不少指标呈现非线性特征，不确定性较高，未来发生的变化可能会超出机器曾经学习过的数据集，采用AI技术对缺失指标预测的准确性也会随着时间的推移而下降。

四是权重确定。有效的ESG评级需要从对各类行业的异同分析出发，对不同行业设置对应的实质性议题，权重由该议题与其他议题的相对重要性大小决定。但AI算法，只考虑历史数据来估算变量间的关系和权重，并不能充分理解行业特色议题在不同行业内的重要性排序。

五是道德伦理。人权、性别平等、反歧视等ESG议题涉及道德伦理，对这些议题进行好坏判断是主观的，需要复杂的情感认知和经验，AI只能根据其设计者内置在算法中的道德伦理准则来进行价值判断，本身并不具备好坏判断的能力。

六是隐私安全。ESG涉及敏感的环境和社会问题，虽然AI在处理数据时能够对用户进行匿名化处理，但其本质上是一种工具，在安全与隐私保护技术和法规尚未成熟的情况下，使用AI系统收集、分析和处理这些敏感数据可能会暴露一些敏感信息，隐私安全问题无法得到全面解决。

未来，随着AI的持续发展，新的技术可能在一定程度上缓解甚至破解当前ESG评级面临的一些痛点。然而，作为一种综合性评估方法，ESG评级非常复杂，在对ESG议题进行伦理判断、行业特色议题设置等方面还有待ESG专家的全面考量，定性信息的高质量提取也还需依靠大量ESG专业人才。由此，在可以预见的未来，AI并不能完全代替ESG专家的工作。

（作者系中国资本市场研究院研究员）

本报专栏文章仅代表作者个人观点。