引言

在當今的投融資領域中，ESG（環境、社會、治理）因素的重要性正在逐漸提升，人工智能（Artificial Intelligence，AI）技術的應用也在此領域中嶄露頭角。AI不僅可以處理大量的數據，還可以通過深度學習和機器學習等先進技術，幫助投資者更好地理解和評估ESG風險和機會。根據PwC的一份報告《Global Artificial Intelligence Study: Sizing the prize》，AI可以改變全球經濟的生產力和GDP潛力，要實現這一目標，需要對不同類型的人工智能技術進行戰略投資。雖然這份報告並未專門討論ESG，但它反映了公司對AI的廣泛興趣，這可能包括其在ESG管理和策略中的應用。

AI與ESG

ESG投資是一種投資方式，投資者在考慮到公司的經濟收益時，同時也會考慮公司在環境（Environment）、社會（Social）和治理（Governance）方面的表現^[1]。傳統的ESG投資通常會通過公開可用的公司報告和其他資訊源來評估和比較公司的ESG表現。然後，投資者可以根據這些信息來選擇投資那些在ESG表現上表現良好的公司，或者避開那些在ESG表現上表現較差的公司。圖1展示了ESG投資指標所涵蓋的領域，如風險管理、自然資源、社會多樣性等等。

人工智能在環境、社會和公司治理（ESG）投融資中的應用，將深刻地改變企業的經營方式和投資決策。如圖2所示，AI可以在ESG投資和管理中的多個環節中發揮作用。

AI技術可以幫助企業自動化收集和處理大量的ESG相關數據，提高決策效率，減少人為誤差，提高企業的ESG評估的精準度和一致性。例如，一家名為RepRisk的公司使用AI技術和機器學習技術，從數百萬個公開數據來源中實時獲取ESG信息，為投資者提供了一個動態的、實時的ESG評分系統。這種系統可以幫助投資者及時了解企業的ESG風險，作出更加明智的投資決策。

AI可以使用自然語言處理（NLP）和機器學習（ML）技術，從公司報告、新聞文章、社交媒體帖子等各種來源自動收集和處理大量的ESG相關數據。這種自動化的數據收集和處理，不僅可以大大提高數據收集的效率，而且可以減少人為的偏見和誤差，使得ESG評估更加準確和一致。例如一家名為Arabesque S-Ray的公司，他們使用自然語言處理技術，分析全球超過7,000家上市公司的ESG表現。他們的系統可以自動處理大量的數據，提供了一個全面、準確、實時的ESG評分。

AI還可以通過分析歷史數據和趨勢，預測未來的ESG風險。這對於企業的風險管理和戰略規劃具有重要的意義。通過預測未來的ESG風險，企業可以提前做好風險防範，避免或減少因ESG風險帶來的潛在損失。此外，AI還可以幫助企業自動化ESG評分和評估的過程。傳統的ESG評分和評估過程通常需要投入大量的人力和時間，而且結果可能會受到人為因素的影響。AI可以通過自動化處理大量的數據，提高ESG評分和評估的效率，同時通過演算法減少人為因素的影響，提高評估的準確性和一致性。接下來我們將通過三個例子繼續詳細分析AI在ESG中的應用。

AI在ESG中的應用

在了解了AI與ESG的基礎知識之後，我們可以更深入地探究AI在ESG投資中的具體應用。AI的強大計算和分析能力，使其在ESG數據處理、風險預測以及報告生成等領域發揮了重要作用。

1. ESG數據分析：Truvalue Labs作為首家使用人工智能挖掘實時、客觀的ESG數據的公司，使用人工智能實時分析大量非結構化數據。它利用NLP來理解各種文件和討論中ESG問題的情緒、頻率和重要性。這包括新聞文章、博客文章、公司報告等。通過大規模處理這些數據，人工智能系統可以深入了解公司的ESG績效。這種形式的人工智能應用可以讓投資者根據全面的ESG數據分析做出更明智的決策。圖3展示了Truvalue Labs公司開發的人工智能引擎對非結構化ESG信息進行量化以提供第三方廠商對公司ESG績效的看法。

2. 預測ESG風險：Data Appeal Company是義大利數據和人工智能企業Almawave Group旗下的一家專門從事旅遊業的數據情報和意向公司，該公司利用機器學習演算法來評估和預測環境風險。它包含了廣泛的數據，例如歷史環境數據、衛星圖像和社會經濟數據。該演算法識別模式和相關性來預測公司的潛在環境風險。對於希望避開環境風險較高的公司的投資者或尋求減輕未來潛在風險的企業來說，這種預測模型特別有用。

3. 自動 ESG 報告：Datamaran是一家致力於利用AI技術來提高ESG數據分析能力的創新公司。它收集和分析ESG數據，並提供符合GRI、SASB、TCFD等國際標準的標準化報告。人工智能平台可以識別關鍵的ESG問題以監控、跟蹤相關法規和標準，並將公司的績效與同行進行比較。這種自動化不僅節省了時間和資源，還提高了報告的一致性、可比性和準確性。圖4展示了Datamaran使用人工智能技術捕獲的在年度財務報告中提及冠狀病毒的公司百分比。

總的來說，這些例子說明了人工智能如何通過增強數據分析能力、實現預測建模和自動化報告流程來改變ESG管理和投資。隨著人工智能技術的不斷發展，未來它可能在ESG中發揮更加重要的作用。

未來挑戰與展望

在ESG投融資領域，人工智能的應用確實面臨著一些挑戰，包括數據質量和準確性、模型解釋性和透明度以及監管壓力等。這些挑戰需要我們通過不斷的技術創新和規範管理來解決。

首先，數據質量和準確性是AI應用的基礎。目前，ESG數據的來源多樣，包括公司報告、新聞文章、社交媒體帖子等，但數據的質量和準確性卻存在一定的問題。如何從這些雜亂的數據中提取出有價值的信息，是AI在ESG投融資領域應用的一大挑戰。對此，Tariq Fancy，前黑石集團首席可持續投資官曾表示：「數據是我們的食物，但現在的問題是我們需要更好的食物。我們需要更準確、更一致、更可靠的ESG數據。」

其次，模型解釋性和透明度是AI應用的重要環節。AI模型的工作方式往往相當複雜，很難給出清晰的解釋。這就給AI的透明度和可信度帶來了挑戰。對此，Cathy O’Neil，一位知名的數據科學家和演算法審計專家曾指出：「透明度和可解釋性是AI的生命線，沒有它們，我們就無法建立信任，也無法有效地利用AI。」

最後，監管壓力也是AI在ESG投融資領域面臨的一大挑戰。隨著AI的應用越來越廣泛，如何在保護消費者權益的同時，充分發揮AI的優勢，是監管機構需要考慮的重要問題。

儘管存在這些挑戰，但未來的展望仍然充滿希望。我們可以期待更多的數據來源和更高的數據質量，更先進的AI模型以及AI在ESG投融資領域的更廣泛應用。這將幫助投資者和公司更好地理解和管理ESG風險和機會^[4]。

參考文獻：

[1] HVIDKJÆR, Søren. ESG investing: a literature review. Report prepared for Dansif, 2017.

[2] WINSTON, Patrick Henry. Artificial intelligence. Addison-Wesley Longman Publishing Co., Inc., 1992.

[3] SÆTRA, Henrik Skaug. A Framework for Evaluating and Disclosing the ESG Related Impacts of AI with the SDGs. Sustainability, 2021, 13.15: 8503.

[4] BURNAEV, Evgeny, et al. Practical AI Cases for Solving ESG Challenges. Sustainability, 2023, 15.17: 12731.

在此感謝InnoHK、香港特別行政區政府及人工智能金融科技實驗室（AIFT）對本文的支持。
（AIFT竭力但不能保證內容之準確和可靠，亦不會承擔因任何不準確或遺漏而引起的任何損失或損害。 )