Clarity AI και η Glass Lewis ενώνουν τις δυνάμεις τους
Τεχνητή νοημοσύνη, κάλυψη δεδομένων, κανονιστική συμμόρφωση, τεχνολογίαΆρθρα

Πώς η μηχανική μάθηση μπορεί να επεκτείνει την κάλυψη δεδομένων βιωσιμότητας

Δημοσιεύθηκε: 2022
Τροποποιήθηκε: Αύγουστος 13, 2025

Χρήση μοντέλων εκτίμησης για τη βελτίωση της υποβολής εκθέσεων βιωσιμότητας

Η έλλειψη κάλυψης δεδομένων είναι ένα σημαντικό εμπόδιο που μπορεί να ξεπεραστεί με τη χρήση της μηχανικής μάθησης. Σήμερα, το 80% των εισηγμένων εταιρειών δεν αναφέρουν τα απαιτούμενα δεδομένα βιωσιμότητας. Αυτό σημαίνει ότι, ανεξάρτητα από τα ζητήματα αξιοπιστίας, μόνο το 20% των εισηγμένων στο χρηματιστήριο εταιρειών αναφέρουν ολοκληρωμένα δεδομένα σχετικά με τη βιωσιμότητα ως βάση. Πολλοί πάροχοι ενδέχεται στη συνέχεια να συσσωρεύουν μερική ή ελλιπή πληροφόρηση, καθιστώντας δύσκολη τη δημιουργία συνεπών βαθμολογιών μεταξύ των ομοτίμων και δυνητικά στρεβλώνοντας τις βαθμολογίες προς τις εταιρείες που δημοσιοποιούν επιλεκτικά, παραλείποντας δεδομένα για δείκτες για τους οποίους βρίσκονται πίσω. Γι' αυτό το λόγο το Clarity AI αξιοποιεί τις διαθέσιμες πληροφορίες για τις εταιρείες και τους αλγόριθμους μηχανικής μάθησης για να συμπληρώσει τα κενά πληροφοριών και να δώσει την πληρέστερη δυνατή εικόνα.

Από γεωγραφική άποψη, η Ευρώπη πρωτοστατεί με εθνικούς κανονισμούς για την υποβολή εκθέσεων σχετικά με την κλιματική αλλαγή για τις επιχειρήσεις, γεγονός που αποκρυσταλλώνεται στην υψηλότερη κάλυψη των εκθέσεων σχετικά με τα αέρια θερμοκηπίου μεταξύ των μεγάλων περιοχών του κόσμου. Εν τω μεταξύ, η Επιτροπή Κεφαλαιαγοράς των ΗΠΑ ετοιμάζει ειδικό κανονισμό για την υποβολή εκθέσεων σχετικά με το κλίμα για το 2022. Η προσδοκία είναι ότι η υποβολή εκθέσεων στη Βόρεια Αμερική θα φτάσει το ρυθμό στην Ευρώπη μέσα στα επόμενα δύο χρόνια.

Κάλυψη αναφορών αερίων του θερμοκηπίου, ανά περιοχή

Clarity AI's Μοντέλα εκτίμησης

Μια εφαρμογή της μηχανικής μάθησης είναι τα μοντέλα εκτίμησής μας. Η βασική αρχή των μοντέλων είναι να καταλάβουμε πώς οι μετρήσεις απόδοσης βιωσιμότητας μπορούν να προκύψουν από άλλα εταιρικά χαρακτηριστικά. Ένα ευρύ φάσμα πηγών δεδομένων και χαρακτηριστικών (πληροφορίες σχετικά με τον οργανισμό) χρησιμοποιούνται ως δεδομένα εισόδου για τα μοντέλα εκτίμησης, συμπεριλαμβανομένων, για παράδειγμα:

  • Σε ποιον κλάδο βρίσκεστε;
  • Τι είδους προϊόντα και υπηρεσίες πουλάτε;
  • Είστε κατασκευαστής;
  • Πού φτιάχνετε τα προϊόντα σας; • Πού πουλάτε τα προϊόντα σας;
  • Ποιο είναι το κόστος εργασίας σας;
  • Ποια είναι τα άλλα περιβαλλοντικά χαρακτηριστικά που μπορεί να συσχετίζονται με τη μέτρηση ενδιαφέροντος; (Αυτό εξαρτάται από τη μέτρηση.)
Διάγραμμα ροής της διαδικασίας του μοντέλου εκτίμησης Clarity AI

Βασικά στοιχεία που διαφοροποιούν τη μεθοδολογία του Clarity AIείναι η εκτίμηση της έντασης της μετρικής, η χρήση δεδομένων που δεν χρησιμοποιούνται για τον έλεγχο της προβλεπτικής ακρίβειας του μοντέλου και η συνεκτίμηση τόσο των μη γραμμικών επιδράσεων όσο και των επιδράσεων αλληλεπίδρασης. Αυτά είναι ζωτικής σημασίας για την εκτίμηση ορισμένων μετρικών βιωσιμότητας, όπως οι εκπομπές CO2.

Κάλυψη δεδομένων από την PAI

Δείτε την πλήρη έκθεση εδώ

Έρευνα και Πληροφορίες

Τελευταία νέα και άρθρα

Πληροφορίες αγοράς

Πώς μπορούν οι θεσμικοί επενδυτές να αξιολογήσουν την έκθεση του χαρτοφυλακίου τους σε ζώνες συγκρούσεων 

Οι επενδυτές δέχονται ολοένα και μεγαλύτερη πίεση να κατανοήσουν πώς τα χαρτοφυλάκιά τους συνδέονται με περιοχές που πλήττονται από συγκρούσεις και περιοχές υψηλού κινδύνου. Ωστόσο, εξακολουθεί να είναι δύσκολο να βρεθούν στοιχεία σχετικά με την έκθεση των επιχειρήσεων που να είναι τόσο ανεξάρτητα όσο και αρκετά διαφανή ώστε να είναι αξιόπιστα. Σε αυτό το διαδικτυακό σεμινάριο, θα παρουσιάσουμε τη λύση CAHRAs που αναπτύξαμε σε συνεργασία με ιδιοκτήτες περιουσιακών στοιχείων από όλη την Ευρώπη. Έχει σχεδιαστεί για να παρέχει στους θεσμικούς…

.AI

Ίδιο μυαλό, διαφορετικό λογότυπο: Ο κρυφός κίνδυνος της τεχνητής νοημοσύνης στις χρηματοπιστωτικές αγορές

Πλέον, οι περισσότεροι μπορούν να αναγνωρίσουν ένα email που έχει συνταχθεί από ένα πρόγραμμα τεχνητής νοημοσύνης: την υπερβολική χρήση της παύλας ή τη φράση «ορίστε μια πιο ανθρώπινη εκδοχή», που κάποιος ξέχασε να διαγράψει πριν πατήσει το κουμπί «αποστολή». Στη Wall Street, το πιο σοβαρό πρόβλημα είναι πιο δύσκολο να εντοπιστεί, επειδή βρίσκεται στον τρόπο συλλογισμού. Και όταν αυτός ο τρόπος συλλογισμού καθορίζει πού κατευθύνεται το κεφάλαιο, ένα…

Τεχνητή Νοημοσύνη, Αναλύσεις Αγοράς

Εξισορρόπηση κινδύνων και ευκαιριών της τεχνητής νοημοσύνης: Μια συνολική αξιολόγηση για τους επενδυτές

Το έντυπο S-1 της Anthropic συγκεντρώνει τους κινδύνους και τις ευκαιρίες σε ένα ενιαίο έγγραφο. Τα περισσότερα σχόλια σχετικά με την τεχνητή νοημοσύνη αναφέρονται είτε στο ένα είτε στο άλλο. Οι επενδυτές δεν μπορούν να το αγνοήσουν.

Εικονίδιο Σημαντική ανακοίνωση