نحن الآن في عام 2025، وقد وصلنا إلى ذروة الضجيج حول الذكاء الاصطناعي الجيني. تقوم المنصات المالية الآن بتسويق روبوتات الدردشة المستدامة والروبوتات الآلية التي تعد "بإضفاء الطابع الديمقراطي على الرؤى" أو "تبسيط الامتثال". الإمكانات غير عادية. ولكن هناك حقيقة غير مريحة: بغض النظر عن مدى ذكاء مساعد الذكاء الاصطناعي الجيني، فإنه لا يمكنه إصلاح أكبر مشكلة في التمويل المستدام: البيانات السيئة.
هذا ليس اعتراضًا فلسفيًا. إنه اعتراض تقني واستراتيجي. إن نماذج اللغات الكبيرة (LLMs) مثل GPT بارعة في توليد نصوص متماسكة ومقنعة، ويمكن أن تكون مفيدة بشكل استثنائي في تلخيص مجموعات البيانات الكبيرة، وإنشاء التقارير، وأتمتة المهام الروتينية، حيث تقوم في دقائق بما قد يستغرق أيامًا من المحلل البشري. ومع ذلك، فهي تعتمد بشكل كبير على جودة وهيكلية المعلومات التي يتم تغذيتها بها. في عالم بيانات الاستدامة الفوضوي وعالي المخاطر، فإن الاعتماد على الذكاء الاصطناعي الجيني وحده دون معالجة مشكلة البيانات يشبه أن تطلب من مهندس معماري عالمي المستوى بناء ناطحة سحاب بمواد معيبة: قد تكون الواجهة رائعة، ولكن الهيكل سيكون غير سليم، وبالتأكيد لن يصمد أمام اختبار الزمن أو يلبي احتياجات الصناعة.
التمويل المستدام يحتاج إلى أكثر من مجرد كلمات مصقولة
لا يمكن إنكار الحاجة الملحة لبيانات الاستدامة القوية. يحتاج المستثمرون إلى الوضوح بشأن انبعاثات الكربون والأثر الاجتماعي ومخاطر الحوكمة. وتواجه الشركات مطالب تنظيمية متزايدة، في حين أن أصحاب المصلحة أصبحوا أكثر وضوحًا بشأن الحاجة إلى الشفافية والمساءلة.
ومع ذلك، لا يزال مشهد البيانات معيبًا للغاية. في مجال التمويل المستدام، يتم الإبلاغ عن الكثير من المعلومات ذاتيًا أو غير مكتملة أو غير موحدة أو مدفونة في ملفات PDF والحواشي. يُظهر بحثنا حول الإبلاغ عن الكربون أن 60% فقط من الشركات تفصح عن أي انبعاثات من النطاق 3. وحتى عندما يتم الإفصاح عنها، تختلف التعريفات بشكل كبير: فما تسميه إحدى الشركات "استخدام الطاقة المتجددة"، قد تصنفه شركة أخرى بشكل مختلف. هذا النقص في التوحيد القياسي يجعل المقارنات صعبة ويجعل الثقة بعيدة المنال.
وبالإضافة إلى كونها محبطة للمحللين، تؤثر هذه المشاكل بشكل مباشر على قرارات الاستثمار، والإبلاغ عن الامتثال، ومصداقية النظام البيئي للتمويل المستدام بأكمله. تخيل أن تطلب من نموذج GenAI التوفيق بين المنهجيات الكامنة وراء انبعاثات النطاق 3 لشركتين متعددتي الجنسيات. قد يعطيك النموذج إجابة جيدة الصياغة، ولكن مع استمرار انخفاض جودة الإفصاح عن النطاق 3 في جميع أنحاء العالم إلى أقل بكثير من المعايير المقبولة - وتسجيل بعض المناطق درجات منخفضة تصل إلى 2.2 من 5 - لا توجد طريقة موثوقة لتتبع الاستجابة أو التحقق من صحتها.
لن يُحدث الذكاء الاصطناعي الجيني تغييراً حقيقياً بهذه الطريقة.
لماذا يحتاج حتى أفضل الذكاء الاصطناعي إلى أساس متين من البيانات؟
من السهل أن تنخدع بفكرة أن بوسع الآلات القابلة للبرمجة أن تلخص أو تحلل أو تفسر البيانات عند الطلب وعلى نطاق غير مسبوق. ويمكنهم ذلك، ولكن فقط بمجرد أن تكون المدخلات الخام جاهزة. في مجال التمويل المستدام، يعد إعداد هذه المدخلات عملاً تقنيًا معقدًا: استخراج المعلومات من ملفات PDF متعددة الأعمدة والتقارير الممسوحة ضوئيًا والإيداعات التنظيمية متعددة اللغات؛ والتحقق من المصداقية والتوقيت المناسب؛ وتوحيد المقاييس بحيث تعني نفس الشيء عبر الشركات والقطاعات.
يتعلق الأمر أيضًا بالتقاط الفروق الدقيقة. فغالباً ما تختبئ بيانات الاستدامة في التفاصيل: خطة تعويضات الرئيس التنفيذي المرتبطة بأهداف الانبعاثات، أو خطورة الجدل حول حقوق الإنسان المدفون في مصدر إخباري إقليمي. وبدون هذا السياق المنظم، يمكن أن تنتج GenAI ملخصات واسعة النطاق وحتى أنيقة في صياغتها، ولكنها منفصلة عن الحقائق على أرض الواقع.
خذ الالتزامات المناخية، على سبيل المثال. ظاهرياً، قد تدعي شركتان ظاهرياً أنهما "تربطان أجور المديرين التنفيذيين بالأداء البيئي". ولكن من الناحية العملية، قد تربط إحداهما 20٪ من تعويضات المديرين التنفيذيين بإزالة الكربون وخفض الانبعاثات من الموردين، بينما تقدم الأخرى وعودًا غامضة وغير محددة الكمية فقط. إذا لم يتم تدوين البيانات الأساسية والتحقق منها، فإن تحليل الذكاء الاصطناعي يتعامل مع كليهما على أنهما متساويان - مما يضلل صانعي القرار بتكافؤ أنيق في الصياغة.
من فوضى البيانات إلى الوضوح
ولهذا السبب، حسب تجربتنا، فإن 80% من القيمة التي يقدمها الذكاء الاصطناعي في مجال التمويل المستدام تحدث قبل أن يتم استدعاء أول مطالبة من إدارة القانون. خذ على سبيل المثال تتبع الجدل. تفحص نماذج الذكاء الاصطناعي باستمرار المحتوى غير المهيكل من مصادر الأخبار والتنبيهات التنظيمية والتقارير (غالبًا بلغات متعددة) لاكتشاف الكوارث البيئية المحتملة أو انتهاكات حقوق العمال أو فضائح الحوكمة. وبمجرد تحديدها، يجب ربط الحوادث بالشركات الصحيحة، وتصنيفها تحت مقاييس الاستدامة الصحيحة، وتعيين درجات خطورة دقيقة.
ويوجد نفس التحدي لاستخراج المقاييس من إفصاحات الشركات. فالتقارير عبارة عن مستندات مترامية الأطراف ومليئة بالحواشي والجداول المعقدة، ونادراً ما يتم التعبير عنها بمصطلحات موحدة. وهنا، تقوم أنظمة الذكاء الاصطناعي المتخصصة (من التعرف الضوئي على الحروف المتقدمة (OCR) وتحليل التخطيط إلى النماذج الدقيقة المدربة على مجموعات بيانات كبيرة ومُعلَّمة) بالتقاط التفاصيل الأولية وهيكلتها، واكتشاف مؤشرات الأداء الرئيسية الخاصة بالاستدامة التي قد تضيع لولا ذلك.
في إحدى الحالات، أشارت إحدى الشركات إلى مزايا رعاية الأطفال لموظفيها بشكل غير مباشر، واصفةً "رياض أطفال الموظفين" و"الرعاية الاحتياطية" و"قسائم الحضانة". نظرًا لأن التقرير لم يستخدم أبدًا الصياغة الدقيقة "خدمات الرعاية النهارية"، فقد تخطى الشارحون البشريون هذه المقاطع. ومع ذلك، فقد تعرفت أدوات الاستخراج الخاصة بنا على التكافؤ الدلالي وقاموا بتعيينها بشكل صحيح إلى المقياس الاجتماعي ذي الصلة. وقد أعادت هذه الخطوة الواحدة تشكيل الملف الشخصي للشركة، وكشفت عن برنامج دعم موظفين أقوى مما كان يُفترض سابقاً. تفاصيل صغيرة بما يكفي لتخطيها، ولكنها مهمة بما يكفي للتأثير على قرارات الاستثمار.
ولهذا السبب يجب وضع علامة على كل نقطة بيانات مع مصدرها - مصدرها وطابعها الزمني وطريقة استخراجها ودرجة الثقة - حتى يمكن تتبعها والتحقق منها. ومع وجود ذلك، يصبح أساس الذكاء الاصطناعي موثوقاً. وعندها فقط يمكن للذكاء الاصطناعي الجيني أن يكون تحويليًا حقًا: تقديم رؤى ليست دقيقة وقابلة للتدقيق فحسب، بل أيضًا أسرع في توليدها وأكثر ذكاءً من حيث السياق. وبدون هذا الأساس، يعمل الذكاء الاصطناعي الجيني في الظلام.
ضجيج الذكاء الاصطناعي الجيني يصرف انتباهنا عن الابتكار الحقيقي
لن تأتي الثورة الحقيقية في مجال التمويل المستدام من توصيل ChatGPT بلوحة تحكم. بل ستأتي من حل المشكلة القذرة وغير المثيرة للبنية التحتية للبيانات المتمثلة في بناء خطوط أنابيب يمكنها أن تأخذ مدخلات خام وغير منظمة ومتعددة اللغات ومتناقضة في كثير من الأحيان، وتحويلها إلى مخرجات موثوقة وقابلة للاستخدام وقابلة للتنفيذ.
وبمجرد أن يتم ذلك، يمكن لأنظمة الذكاء الاصطناعي توليد المدخلات التي تم التحقق منها، ويمكن للذكاء الاصطناعي GenAI بعد ذلك تضخيمها، وإنشاء تقارير ورؤى وتحليلات بسرعة وعلى نطاق واسع، مما يحسن الكفاءة بشكل كبير للمستثمرين والمنظمين والشركات على حد سواء. إن الطريق إلى الأمام هو الذكاء الاصطناعي الحكيم: ليس فقط النماذج الكبيرة، ولكن النماذج الذكية، المصممة خصيصًا لتحقيق الاستدامة، والموازنة بين الدقة والكفاءة والفعالية من حيث التكلفة.
في مجال التمويل المستدام، لن تُحرِّك التكنولوجيا المبهرجة المؤشر. فالبيانات الجديرة بالثقة هي التي ستفعل ذلك.
معلومات المؤلف
