Τα βασικά στοιχεία της Τεχνητής Νοημοσύνης και της ESG: Ευκαιρίες, κίνδυνοι και ιδέες διακυβέρνησης για θεσμικούς επενδυτές

Λήψη έκδοσης PDF

Για την πραγματική αξιοποίηση της AI, οι βιώσιμοι επενδυτές πρέπει να προσαρμόσουν τους συναγερμούς καπνού

Η τεχνητή νοημοσύνη φέρνει ήδη επανάσταση στον τρόπο με τον οποίο ζούμε, εργαζόμαστε και παίζουμε και πρόκειται να μεταμορφώσει ριζικά την παγκόσμια πρόοδο στον τομέα της βιωσιμότητας. Δεν αποτελεί επομένως έκπληξη το γεγονός ότι επιχειρηματικοί ηγέτες όπως ο διευθύνων σύμβουλος της Google Sundar Pichai προβλέπουν ότι ο αντίκτυπός της στην ανθρώπινη κοινωνία θα είναι τόσο βαθύς όσο η ανακάλυψη της φωτιάς.

Αλλά όπως η φωτιά, έτσι και η μετασχηματιστική δύναμη της τεχνητής νοημοσύνης ενέχει κινδύνους. Έτσι, το κεντρικό ερώτημα για τους επενδυτές αυτή τη στιγμή είναι πώς να αξιοποιήσουν τις δυνατότητες της ΤΝ, χωρίς να καούν.

Η δύναμη του μακροπρόθεσμου κεφαλαίου συναντά τη δύναμη της τεχνολογίας

Ο τρόπος με τον οποίο οι θεσμικοί επενδυτές θα ανταποκριθούν σε αυτή την πρόκληση θα μπορούσε να διαμορφώσει το μέλλον όλων μας.

Οι θεσμικοί επενδυτές είναι φορείς μεγάλης κλίμακας που διαχειρίζονται τεράστιες δεξαμενές κεφαλαίων, συμπεριλαμβανομένων των συνταξιοδοτικών και ασφαλιστικών συστημάτων. Σε αντίθεση με άλλους συμμετέχοντες στις παγκόσμιες αγορές, τείνουν να υιοθετούν μια μακροπρόθεσμη άποψη - επενδύοντας με τρόπο που στοχεύει στην παραγωγή βιώσιμων αποδόσεων σε 25 χρόνια ή και περισσότερο από τώρα. Το γεγονός αυτό καθιστά τη βιωσιμότητα βασικό μέλημα για τους θεσμικούς επενδυτές, όπως αποδεικνύεται από το γεγονός ότι πάνω από το ήμισυ των παγκόσμιων θεσμικών περιουσιακών στοιχείων διαχειρίζονται πλέον οι υπογράφοντες τις Αρχές των Ηνωμένων Εθνών για τις Υπεύθυνες^{Επενδύσεις1.}

Όλα αυτά καθιστούν τους θεσμικούς επενδυτές κρίσιμης σημασίας για τη διαμόρφωση του τρόπου με τον οποίο η τεχνητή νοημοσύνη θα ενσωματωθεί σε όλους τους κλάδους τα επόμενα χρόνια. Επί του παρόντος, εξετάζουν την τεχνητή νοημοσύνη για την προώθηση της βιωσιμότητας με δύο βασικούς τρόπους:

1) Επενδύοντας στην επανάσταση της τεχνητής νοημοσύνης για τη βιωσιμότητα: Βλέπουν πώς η άμεση ή έμμεση επένδυση σε εταιρείες που παρέχουν ή αναπτύσσουν τεχνητή νοημοσύνη μπορεί να συμβάλει καταλυτικά στη μετάβαση σε μια βιώσιμη οικονομία χαμηλών εκπομπών άνθρακα. Αυτό θα μπορούσε να τους βοηθήσει τόσο να διαχειριστούν τους μακροπρόθεσμους κινδύνους που συνδέονται με την κλιματική αλλαγή και την απώλεια της φύσης όσο και να αδράξουν νέες ευκαιρίες για να επενδύσουν στους νικητές της βιωσιμότητας του αύριο^.2

2) Ενδυνάμωση των επενδυτικών αποφάσεων με την ΤΝ: Οι επενδυτές εξετάζουν την ΤΝ ως εργαλείο για την ενίσχυση της ταχύτητας, της ποιότητας, του βάθους και του πεδίου εφαρμογής των διαδικασιών λήψης επενδυτικών αποφάσεων.

Επενδύοντας στην επανάσταση της τεχνητής νοημοσύνης για τη βιωσιμότητα

Η τεχνητή νοημοσύνη έχει τη δυνατότητα να φέρει επανάσταση σε τομείς τόσο διαφορετικούς όσο η ενέργεια, η γεωργία, η υγειονομική περίθαλψη και η διατήρηση των ωκεανών, βοηθώντας μας να παρακολουθούμε, να βελτιστοποιούμε και να προβλέπουμε (MOP) την πρόοδο προς την επίτευξη των παγκόσμιων στόχων βιωσιμότητας, όπως φαίνεται στο Σχήμα 1. Μου αρέσει να σκέφτομαι ότι οι επενδυτές χρησιμοποιούν την ΤΝ για να "MOP up" τις προκλήσεις της βιωσιμότητας.

Με τη διοχέτευση κεφαλαίων σε καινοτομίες με γνώμονα την τεχνητή νοημοσύνη, οι επενδυτές όχι μόνο επιταχύνουν την πρόοδο προς την επίτευξη βασικών παγκόσμιων στόχων, όπως η Συμφωνία του Παρισιού, οι ΣΒΑ και ο στόχος 30×30 του Παγκόσμιου Πλαισίου για τη Βιοποικιλότητα, αλλά και ξεκλειδώνουν πιθανές ευκαιρίες για καλύτερες αποδόσεις προσαρμοσμένες στον κίνδυνο. Με αυτόν τον διπλό ρόλο, υποστηρίζουν μια πιο βιώσιμη οικονομία χαμηλών εκπομπών άνθρακα, ενώ παράλληλα ενισχύουν τη δική τους ανθεκτικότητα σε μια ταχέως μεταβαλλόμενη αγορά.

Σχήμα 1: Πώς μπορεί να χρησιμοποιηθεί η τεχνητή νοημοσύνη για την αναβάθμιση της βιωσιμότητας

Ενίσχυση επενδυτικών αποφάσεων με AI: από τα δεδομένα στη δράση

Η δεύτερη προσέγγιση της βιωσιμότητας που ακολουθούν οι θεσμικοί επενδυτές με την ΤΝ είναι η ενίσχυση της ταχύτητας, της ποιότητας, του βάθους και του πεδίου εφαρμογής των διαδικασιών λήψης επενδυτικών αποφάσεων.

Οι θεσμικοί επενδυτές διαφοροποιούν τα χαρτοφυλάκιά τους σε χιλιάδες παγκόσμιες εταιρείες και τίτλους, δημιουργώντας ένα οικοσύστημα εκατομμυρίων σημείων δεδομένων. Αυτό συνεπάγεται συνεχείς προκλήσεις όσον αφορά την ποιότητα και την κάλυψη αυτών των δεδομένων και πληροφοριών και τον τρόπο μετατροπής τους σε πολύτιμη γνώση, σοφία και δράση. Εισάγεται η τεχνητή νοημοσύνη, με τη δυνατότητα να αναδιαμορφώσει ριζικά όλα τα μέρη της πυραμίδας της γνώσης που βρίσκεται πίσω από κάθε επενδυτική απόφαση (βλ. Σχήμα 2).

Για τη συλλογή δεδομένων, η τεχνητή νοημοσύνη και η μηχανική μάθηση είναι ανεκτίμητης αξίας για τη συλλογή πληροφοριών από διάφορες πηγές και μορφές (όπως κείμενο, πίνακες και γραφήματα) και τη βελτίωση της αξιοπιστίας των δεδομένων. Αυτός ο ποιοτικός έλεγχος δεν είναι ένα περιθωριακό ζήτημα. Η έρευνά μας διαπίστωσε ότι σε τρεις παρόχους δεδομένων που προσέφεραν στους πελάτες τα ίδια αναφερόμενα σημεία δεδομένων εκπομπής, τα δεδομένα ήταν διαφορετικά στο 13% των περιπτώσεων και παρουσίαζαν απόκλιση άνω του 20%.

Η τεχνητή νοημοσύνη μπορεί επίσης να βοηθήσει να καλυφθούν τα κενά δεδομένων, όταν δεν υπάρχουν διαθέσιμα στοιχεία που δηλώνουν οι εταιρείες, κάνοντας πιο ακριβείς εκτιμήσεις πέρα από τους μέσους όρους του κλάδου, χρησιμοποιώντας συγκρίσιμα και εναλλακτικά σύνολα πληροφοριών, όπως ειδήσεις ή γεωχωρικά δεδομένα. Για παράδειγμα, τα εργαλεία τεχνητής νοημοσύνης μπορούν πλέον να επικαλύπτουν τις εταιρικές αποκαλύψεις για τα ανθρώπινα δικαιώματα με πληροφορίες που αντλούνται από παγκόσμιες ειδήσεις και ανεξάρτητες πηγές για να δουν αν ταιριάζουν.

Για τη μετατροπή των δεδομένων σε αξιοποιήσιμες πληροφορίες, οι λύσεις βοηθών τεχνητής νοημοσύνης επιτρέπουν πλέον στους θεσμικούς επενδυτές να συνομιλούν έξυπνα με τα χαρτοφυλάκιά τους για θέματα βιωσιμότητας. Μπορούν να ρωτήσουν σχετικά με τις πηγές δεδομένων, τις μεθοδολογίες, τις επιδόσεις και τις συστάσεις για τη βελτίωση των αποτελεσμάτων. Επιπλέον, η τεχνητή νοημοσύνη χρησιμοποιείται για την παροχή μελλοντικών πληροφοριών. Για παράδειγμα, χρησιμοποιήσαμε την ΤΝ για να αναλύσουμε τα σχέδια απαλλαγής από τον άνθρακα των 400 μεγαλύτερων εκπομπών στον κόσμο, διαπιστώνοντας ότι μόνο το 40% έχει αξιόπιστα σχέδια μετάβασης.

Τέλος, η τεχνητή νοημοσύνη βοηθά ήδη τους επενδυτές να υποβάλλουν εκθέσεις στους πολλούς ενδιαφερόμενους φορείς τους σε διαφορετικές μορφές, στυλ και γλώσσες. Ίσως το πιο σημαντικό για τους επενδυτές σήμερα, η Τεχνητή Νοημοσύνη μπορεί να προσφέρει τρόπους βελτιστοποίησης της υποβολής εκθέσεων συμμόρφωσης, μειώνοντας το βάρος της υποβολής εκθέσεων και επιτρέποντας στους υπεύθυνους επενδυτές να επικεντρωθούν στη λήψη επενδυτικών αποφάσεων.

Σχήμα 2: Η πυραμίδα της γνώσης

Εγκατάσταση των συναγερμών καπνού E, S και G

Οι πιθανές απολαβές της τεχνητής νοημοσύνης είναι τεράστιες, αλλά δεν είναι ακίνδυνες.

Ακριβώς όπως οι συναγερμοί καπνού προστατεύουν τα σπίτια μας, η σύγχρονη οικονομία πρέπει να εγκαταστήσει συστήματα έγκαιρης προειδοποίησης και προστατευτικά κιγκλιδώματα που θα μας επιτρέψουν να προχωρήσουμε με ασφάλεια με τη χρήση της ΤΝ.

Αυτό σημαίνει ελαχιστοποίηση της πιθανής κατάχρησης της ΤΝ στους τρεις βασικούς τομείς του περιβαλλοντικού, κοινωνικού και διακυβερνητικού κινδύνου. Όπως συμβαίνει συχνά με τους επενδυτές, ας ξεκινήσουμε με τη διακυβέρνηση.

Διαχείριση των κινδύνων διακυβέρνησης της ΤΝ

Υπάρχουν πολλοί παράγοντες που πρέπει να καταγραφούν στη διακυβέρνηση της ΤΝ, αλλά ένας απλουστευτικός τρόπος για να τους καταγράψουμε είναι να χρησιμοποιήσουμε τα ακόλουθα κύρια σημεία:

• Λογοδοσία και εποπτεία: Ανάθεση σαφούς ευθύνης για την ιδιοκτησία και τη διαχείριση της ΤΝ στην οποία επενδύουν ή την οποία χρησιμοποιούν. Δεν πρέπει ποτέ να φτάσουμε στο σημείο "φταίνε οι ΤΝ"!
• Παραπληροφόρηση και ψευδαισθήσεις: Διασφάλιση ότι το μοντέλο τεχνητής νοημοσύνης διαθέτει τις κατάλληλες προστατευτικές μπάρες για την αποφυγή παραπλανητικών ή εντελώς κατασκευασμένων αποτελεσμάτων.
• Ιδιωτικότητα και ασφάλεια δεδομένων: Διασφάλιση ότι η τεχνητή νοημοσύνη ή ο χρήστης που αλληλεπιδρά με αυτήν δεν χρησιμοποιεί δεδομένα στα οποία δεν έχει εξουσιοδοτημένη πρόσβαση.
• Δικαιοσύνη και μη διάκριση: Διασφάλιση ότι το μοντέλο ΤΝ ή ο αλγόριθμος δεν εκπαιδεύεται σε μεροληπτικά δεδομένα που μπορεί να οδηγήσουν σε άδικη μεταχείριση ή αποκλεισμό ορισμένων ατόμων ή ομάδων.
• Διαφάνεια και επεξηγηματικότητα: Διασφάλιση ότι οι λειτουργίες του μοντέλου ΤΝ αποκαλύπτονται και εξηγούνται σε βαθμό που να το καθιστά αξιόπιστο και κατανοητό.

Ακόμα και στα αρχικά στάδια της ΤΝ, έχει εμφανιστεί κακή διακυβέρνηση, όπως φαίνεται στην περίπτωση της Clearview AI. Η εταιρεία αναγνώρισης προσώπου με έδρα τις ΗΠΑ αντιμετώπισε πρόστιμα από τις ρυθμιστικές αρχές στο Ηνωμένο Βασίλειο, τις Κάτω Χώρες και αλλού για την απόσπαση δισεκατομμυρίων εικόνων από τα μέσα κοινωνικής δικτύωσης χωρίς τη συγκατάθεση των χρηστών..

Για την αντιμετώπιση αυτών των κινδύνων, οι επενδυτές πρέπει να εφαρμόζουν αρχές διακυβέρνησης και κατευθυντήριες γραμμές για τη διαχείριση της ΤΝ. Οι βασικές αρχές που καθοδηγούν τον κλάδο είναι οι αρχές του ΟΟΣΑ για την ΤΝ. Επικαιροποιήθηκαν τον Μάιο του 2024 για να αποτυπώσουν τους αναδυόμενους κινδύνους που εισάγουν τα εργαλεία δημιουργικής τεχνητής νοημοσύνης όπως το ChatGPT και το Bard της Google και αποτελούν το κύριο σημείο αναφοράς για όποιον θέλει να αντιμετωπίσει υπεύθυνα την τεχνητή νοημοσύνη.

Επιπλέον, υπάρχει ένας αυξανόμενος αριθμός φορέων που προσφέρουν κατευθυντήριες γραμμές για τη διαχείριση κινδύνων, όπως το The Partnership on AI, το AI4People, το Future of Life Institute, το Green Digital Finance Alliance (GDFA) και το Responsible AI Institute (RAI).

Στις κατευθυντήριες γραμμές για τους επενδυτές περιλαμβάνονται το Responsible AI Playbook for Investors του WEF, το Ethics and Artificial Intelligence in Investment Management του CFA Institute και το Guiding Framework for Responsible AI Integration Into ESG Paradigms της RAI, το οποίο αφορά ειδικά τις βιώσιμες επενδύσεις.

Αυτές οι αρχές και η καθοδήγηση αποσκοπούν στο να αποτρέψουν την ΤΝ από το να ενισχύει ζητήματα όπως η προκατάληψη και η παραπληροφόρηση ή να επιτρέπει βλάβες όπως η μαζική επιτήρηση και η παραβίαση των ανθρωπίνων δικαιωμάτων. Δίνουν έμφαση στη λογοδοσία, απαιτώντας διαφάνεια σχετικά με το ποιος αναπτύσσει την ΤΝ και ποιος είναι υπεύθυνος για τα αποτελέσματά της.

Βλέπουμε επίσης να αναπτύσσονται συζητήσεις σχετικά με το ποιες είναι οι βέλτιστες πρακτικές για την πολιτική ΤΝ, ιδίως μετά την επικύρωση του νόμου της ΕΕ για την ΤΝ. Αναμένουμε ότι περισσότεροι κανονισμοί θα στοχεύουν στη ρύθμιση της ΤΝ και βλέπουμε να αναδύονται ισχυρές ιδέες πολιτικής που εστιάζουν στην εξισορρόπηση της καινοτομίας με τη διαχείριση των κινδύνων, στη δημιουργία "sandboxes" για δοκιμές, στην προσαρμογή των κανόνων ανά τομέα και στη διασφάλιση της διασυνοριακής διαλειτουργικότητας, ευθυγραμμισμένης με τις αρχές του ΟΟΣΑ για την ΤΝ.

Διαχείριση των περιβαλλοντικών κινδύνων της τεχνητής νοημοσύνης

Η τεχνητή νοημοσύνη έχει τη δυνατότητα να επιταχύνει την πρόοδο προς την επίτευξη των παγκόσμιων στόχων για το κλίμα και τη φύση. Ωστόσο, η ΤΝ δημιουργεί επίσης περιβαλλοντικές προκλήσεις που πρέπει να αντιμετωπιστούν.

Το πιο χαρακτηριστικό είναι η χρήση ηλεκτρικής ενέργειας και νερού.

Τα κέντρα δεδομένων, απαραίτητα για την υποδομή της ΤΝ, αντιπροσωπεύουν το 2-4% της κατανάλωσης ηλεκτρικής ενέργειας σε μεγάλες οικονομίες όπως οι ΗΠΑ, η Κίνα και η ΕΕ - ένα ποσοστό που αναμένεται να αυξηθεί με την αυξανόμενη ζήτηση για ΤΝ. Παρομοίως, τα συστήματα ΤΝ απαιτούν σημαντικό νερό, με εκτιμήσεις να προβλέπουν ότι μπορεί να απαιτήσει έως και 6,6 δισεκατομμύρια m³ απόληψης νερού παγκοσμίως έως το 2027, πάνω από το μισό της ετήσιας χρήσης νερού του Ηνωμένου Βασιλείου. Λόγω των επενδύσεών τους στην τεχνητή νοημοσύνη, τεχνολογικοί φορείς όπως η Microsoft και η Google είδαν τα αέρια του θερμοκηπίου τους να αυξάνονται κατά 30 έως 50%, παρά τις δεσμεύσεις τους για μηδενικό ισοζύγιο.

Οι επενδυτές διαδραματίζουν καθοριστικό ρόλο στη διαχείριση αυτών των κινδύνων. Η κατανάλωση ηλεκτρικής ενέργειας από την ΤΝ θα πρέπει να βασίζεται όλο και περισσότερο σε ανανεώσιμες πηγές ενέργειας, γι' αυτό και οι εταιρείες τεχνολογίας επενδύουν σημαντικά στην ενέργεια χωρίς άνθρακα. Παραδείγματα αποτελούν η συνεργασία της Microsoft με την Brookfield Renewable και οι πρόσφατες επενδύσεις της Amazon και της Google σε μικρούς πυρηνικούς αντιδραστήρες για καθαρή ενέργεια.

Η χρήση του νερού θα πρέπει επίσης να ελαχιστοποιείται μέσω συστημάτων κλειστού κυκλώματος και βιώσιμων πρακτικών, διασφαλίζοντας ότι δεν εκτρέπεται από βασικές ανθρώπινες ανάγκες και ότι τα λύματα διαχειρίζονται με ασφάλεια και επαναχρησιμοποιούνται, για παράδειγμα, σε τοπικά συστήματα θέρμανσης.

Για να μειωθούν οι περιβαλλοντικές επιπτώσεις, ο σχεδιασμός των μοντέλων ΤΝ θα πρέπει επίσης να είναι αποδοτικός ως προς τους πόρους και να ευθυγραμμίζεται με συγκεκριμένες περιπτώσεις χρήσης - τα γεννητικά μοντέλα ΤΝ δεν είναι πάντα απαραίτητα όταν αρκούν απλούστερα, λιγότερο απαιτητικά σε πόρους μοντέλα. Ειδικότερα, η ΤΝ συμβάλλει στον μετριασμό του δικού της περιβαλλοντικού αποτυπώματος. Το DeepMind AI της Google, για παράδειγμα, βελτιστοποιεί τη χρήση ενέργειας στα κέντρα δεδομένων της και έχει επιτύχει μείωση της χρήσης ενέργειας για ψύξη κατά^40%6.

Τέλος, η υπεύθυνη περιβαλλοντική διαχείριση της ΤΝ απαιτεί τη βιώσιμη προμήθεια υλικών για τα κέντρα δεδομένων και το υλικό. Τα μέταλλα σπάνιων γαιών, όπως το λίθιο και το κοβάλτιο, είναι ζωτικής σημασίας για την ΤΝ, αλλά ενέχουν περιβαλλοντικούς και ανθρώπινους κινδύνους εάν εξορύσσονται ανεύθυνα. Επιπλέον, το υλικό της ΤΝ χρησιμοποιεί συχνά τοξικές χημικές ουσίες και βαρέα μέταλλα, όπως μόλυβδο, κάδμιο, υδράργυρο. Χωρίς κατάλληλη διάθεση, αυτά μπορούν να διαρρεύσουν στο έδαφος και το νερό.

Διαχείριση των κοινωνικών κινδύνων της Τεχνητής Νοημοσύνης

Τα δυνητικά κοινωνικά οφέλη της ΤΝ - από νέες θεραπείες υγείας έως βελτιωμένη πρόσβαση στην εκπαίδευση - είναι σημαντικά, αν και συχνά συζητούνται λιγότερο από τις περιβαλλοντικές επιπτώσεις.

Μια μελέτη που δημοσιεύθηκε στο περιοδικό Nature Journal το 2020 διαπίστωσε ότι η ΤΝ θα μπορούσε να συμβάλει θετικά στην επίτευξη 134 από τους 169 (79%) στόχους βιώσιμης ανάπτυξης του ΟΗΕ (Σχήμα 3)^7.

Ωστόσο, προειδοποίησε επίσης ότι οι κοινωνικοί κίνδυνοι που συνοδεύουν την ΤΝ ενδέχεται να εμποδίσουν την πρόοδο σε 59 από τους 169 (35%) ΣΒΑ, εάν δεν γίνει συνετή διαχείρισή της^.8 Ορισμένα από αυτά τα ζητήματα επικαλύπτονται με τα ζητήματα διακυβέρνησης που περιγράφηκαν παραπάνω. Για παράδειγμα, υπάρχει ο κίνδυνος η ΤΝ να επιδεινώσει τις προκαταλήψεις ή την άδικη μεταχείριση στις διαδικασίες πρόσληψης.

Σχήμα 3: Θετικές και αρνητικές επιπτώσεις της ΤΝ στην επίτευξη ενός δείγματος των ΣΒΑ

Πηγή: Nature Journal
Σημειώστε: Δείγμα με βάση μόνο τους 9 "σχετικούς με την κοινωνία" SDGs.

Μια από τις πιο σημαντικές κοινωνικές ανησυχίες που συζητούνται σε σχέση με την τεχνητή νοημοσύνη είναι ο αντίκτυπός της στην αγορά εργασίας.

Ενώ η τεχνητή νοημοσύνη θα αυξήσει την παραγωγικότητα και θα δημιουργήσει νέους ρόλους, η McKinsey προβλέπει ότι έως το 2030, δραστηριότητες που αντιστοιχούν έως και στο 30% των ωρών εργασίας που απασχολούνται σήμερα στην οικονομία των ΗΠΑ θα μπορούσαν να αυτοματοποιηθούν λόγω της επιταχυνόμενης χρήσης της δημιουργικής τεχνητής νοημοσύνης.
Όπως ακριβώς και για την κλιματική αλλαγή, αυτή η αλλαγή θα απαιτήσει μια "δίκαιη μετάβαση", με τις κυβερνήσεις και τις εταιρείες να επενδύουν στην κατάρτιση για να βοηθήσουν τους εργαζόμενους να προσαρμοστούν.

Παρόλο που δεν είναι όλη η ιστορία, υπάρχει κάτι στην πολυδιαφημισμένη άποψη ότι "η Τεχνητή Νοημοσύνη δεν πρόκειται να πάρει τη δουλειά σας, αλλά κάποιος που ξέρει πώς να χρησιμοποιήσει την Τεχνητή Νοημοσύνη θα την πάρει".

Είναι ενθαρρυντικό ότι η ηθική και η διακυβέρνηση της ΤΝ έχουν ήδη ενσωματωθεί στα προγράμματα σπουδών των σχετικών πανεπιστημιακών και τεχνικών ινστιτούτων. Χρειάζεται να δούμε περισσότερα από αυτά και περισσότερες εκστρατείες ευαισθητοποίησης του κοινού από τις κυβερνήσεις, τις ΜΚΟ και τα εκπαιδευτικά ιδρύματα για να εξοπλίσουν τους πολίτες με τις γνώσεις που χρειάζονται για να αντιμετωπίσουν τους κινδύνους της ΤΝ.

Ένα ενημερωτικό δελτίο AI για επενδυτές

Οι θεσμικοί επενδυτές παρακολουθούν ήδη στενά τους κινδύνους ESG της Τεχνητής Νοημοσύνης. Πρόσφατη έρευνα της Capital Group σε περισσότερους από 1.000 θεσμικούς επενδυτές δείχνει ότι οι κίνδυνοι αυτοί θεωρούνται σημαντικοί σε διάφορες περιοχές και θέματα. Η προστασία των δεδομένων και της ιδιωτικής ζωής αναδεικνύονται ως οι κορυφαίες ανησυχίες, ενώ άλλα θέματα διακυβέρνησης, περιβαλλοντικά και κοινωνικά ζητήματα θεωρούνται ουσιώδη από τουλάχιστον τους μισούς ερωτηθέντες σε μία ή περισσότερες περιοχές παγκοσμίως^.9

Για να βοηθήσει τους επενδυτές να αντιμετωπίσουν αυτές τις προκλήσεις, το Σχήμα 4 περιγράφει τους βασικούς κινδύνους και τις δράσεις μετριασμού. Αυτοί μπορούν να εφαρμοστούν κατά την εφαρμογή της ΤΝ ή να χρησιμοποιηθούν ως κριτήρια κατά την αξιολόγηση επενδύσεων σε εταιρείες που αναπτύσσουν ή χρησιμοποιούν ΤΝ.

Σχήμα 4: Βασικοί κίνδυνοι ESG της ΤΝ για βιώσιμους επενδυτές και στρατηγικές διαχείρισης

Διακυβέρνηση

Κίνδυνοι

• Ασαφείς ρόλοι & ευθύνες
• Παραισθήσεις από μοντέλα GenAI
• Παραβιάσεις του απορρήτου και της ασφάλειας των δεδομένων
• Μεροληψία
• Έλλειψη διαφάνειας & επεξηγηματικότητας

Στρατηγικές μετριασμού

• Αναθέστε σαφή ευθύνη και εποπτεία (σε επιχειρησιακό επίπεδο και σε επίπεδο διοικητικού συμβουλίου).
• Εφαρμόστε συνετά μοντέλα τεχνητής νοημοσύνης, ανάλογα με την περίπτωση χρήσης, και με τις κατάλληλες προστατευτικές μπάρες (π.χ. οι άνθρωποι είναι στο βρόχο ανάλογα με την περίπτωση).
• Διασφάλιση του απορρήτου των δεδομένων, της ανωνυμοποίησης και της ασφάλειας, απόκτηση κατάλληλων και αναγνωρισμένων πιστοποιήσεων και εφαρμογή της υφιστάμενης και επερχόμενης νομοθεσίας (συμπεριλαμβανομένης της πράξης της ΕΕ για την τεχνητή νοημοσύνη).
• Να δοκιμάζετε συνεχώς τα μοντέλα ΤΝ για να διασφαλίζετε ότι παραμένουν ανθεκτικά στις απειλές στον κυβερνοχώρο και ότι λειτουργούν με ακρίβεια.
• Επιλέξτε τα σύνολα δεδομένων σας κατάλληλα και δίκαια, ώστε να αντιπροσωπεύουν πραγματικά τον πληθυσμό των χρηστών που εξυπηρετείτε.
• Εφαρμόστε δικλείδες ασφαλείας κατά των ψευδαισθήσεων, π.χ. παρέχοντας παραπομπές.
• Προσφέρει διαφάνεια όσον αφορά τις πηγές δεδομένων, το σχεδιασμό του μοντέλου, τους παράγοντες που χρησιμοποιούνται και την προσέγγιση μάθησης.
• Ελέγξτε την επεξηγηματικότητα, καθώς είναι βασικό στοιχείο και απαιτείται νομικά σε διάφορες δικαιοδοσίες.

Περιβαλλοντικό

Κίνδυνοι

• Η υψηλή χρήση ηλεκτρικής ενέργειας αυξάνει τις εκπομπές CO2
• Υψηλή χρήση νερού
• Χημικά απόβλητα από τη διάθεση παλαιού υλικού
• Επιπτώσεις από την εξόρυξη χαλκού και άλλων ειδικών προϊόντων που απαιτούνται για τα κέντρα δεδομένων

Στρατηγικές μετριασμού

• Επιλογή και προώθηση της περαιτέρω ανάπτυξης των ανανεώσιμων πηγών ενέργειας.
• Διαχείριση των υδάτινων πόρων ώστε να διασφαλίζεται η κυκλική χρήση (π.χ. θέρμανση κατοικιών), να περιορίζεται η επιβάρυνση άλλων καταναλώσεων νερού (ανθρώπινη ή γεωργική) και να περιορίζεται η ζημία στη βιοποικιλότητα (π.χ. αποφυγή διάθεσης ζεστού νερού σε οικοτόπους).
• Επιλέξτε μοντέλα που έχουν σχεδιαστεί για συγκεκριμένες περιπτώσεις χρήσης, περιορίζοντας τη σπατάλη και οδηγώντας στη βελτιστοποίηση της χρήσης ενέργειας.
• Επιλέξτε υλικό και τσιπ που οδηγούν σε ενεργειακή αποδοτικότητα.
• Διασφάλιση της κατάλληλης παρακολούθησης της αλυσίδας εφοδιασμού για να διασφαλιστεί ότι τα εμπορεύματα προέρχονται από υπεύθυνα ορυχεία.
• Επιβλέπετε την ορθή διάθεση των τοξικών αποβλήτων.

Κοινωνικό

Κίνδυνοι

• Εκτόπιση θέσεων εργασίας
• Κίνδυνος επιδείνωσης των προκαταλήψεων και των διακρίσεων
• Παραβιάσεις του απορρήτου και της ασφάλειας των δεδομένων

Στρατηγικές μετριασμού

• Συνεργασία με τις κυβερνήσεις και τους ρυθμιστικούς φορείς για να διασφαλίσουμε ότι σχεδιάζουμε πολιτικές για μια δίκαιη μετάβαση.
• Διασφαλίστε ότι τα μοντέλα ελέγχονται και αναθεωρούνται τακτικά για την αποφυγή μεροληψίας, ιδίως σε σχέση με την πρόσληψη και την υγεία.
• Προσφορά προγραμμάτων κατάρτισης και εκπαίδευσης για το προσωπικό, την αλυσίδα εφοδιασμού και τους τελικούς χρήστες.
• Επενδύστε σε προγράμματα επανεκπαίδευσης για να βοηθήσετε τους υπαλλήλους να μεταβούν σε ρόλους που συμπληρώνουν την ΤΝ, όπως η εποπτεία και η στρατηγική.
• Προώθηση της Συνεργασίας ανθρώπου-Αι με έμφαση στη χρήση της Τεχνητής Νοημοσύνης ως εργαλείου για την επαύξηση της ανθρώπινης λήψης αποφάσεων και όχι για την πλήρη αντικατάστασή της.
• Υιοθέτηση των δράσεων διακυβέρνησης που περιγράφονται ανωτέρω.

Η καθυστέρηση δεν είναι επιλογή

Τι σημαίνουν όλα αυτά για τους βιώσιμους επενδυτές;

Η τεχνητή νοημοσύνη μπορεί να βελτιώσει τις επενδυτικές αποφάσεις σε όλο τον κύκλο του χαρτοφυλακίου -από τη συλλογή δεδομένων έως την υποβολή εκθέσεων- και να μεταμορφώσει τα οικονομικά αποτελέσματα και τα αποτελέσματα βιωσιμότητας της επενδυτικής τους δραστηριότητας. Αλλά δεν είναι δωρεάν γεύμα. Οι επενδυτές πρέπει να διασφαλίσουν τη χρήση της ΤΝ και την επένδυσή τους σε αυτήν, σχεδιάζοντας τη δική τους προσέγγιση για τη διαχείριση των κινδύνων της.

Το σημείο εκκίνησης είναι η καθιέρωση λογοδοσίας και διακυβέρνησης για την εποπτεία της στρατηγικής και της εφαρμογής της ΤΝ, με τη χρήση αρχών όπως οι αρχές του ΟΟΣΑ για την ΤΝ, την ευθυγράμμιση με νέα πλαίσια και κανονισμούς και την εξισορρόπηση της διαχείρισης κινδύνων με την καινοτομία.

Πρέπει επίσης να αντιμετωπίσουν τους περιβαλλοντικούς και κοινωνικούς κινδύνους της ΤΝ, χρησιμοποιώντας, για παράδειγμα, ενεργειακά αποδοτικά μοντέλα και τσιπ, επιλέγοντας ΤΝ που βασίζονται σε κέντρα δεδομένων που λειτουργούν με ανανεώσιμες πηγές ενέργειας, και επενδύοντας στην κατάρτιση ΤΝ τόσο για το τεχνικό όσο και για το μη τεχνικό προσωπικό, υποστηρίζοντας παράλληλα μια "δίκαιη μετάβαση" της ΤΝ.

Η καθυστέρηση δεν αποτελεί επιλογή. Η τεχνολογία αναπτύσσεται με ταχύτητα και οι θεσμικοί επενδυτές που δεν κάνουν σύντομα τα πρώτα τους βήματα κινδυνεύουν να μείνουν πίσω.

Αναφορές

1. Atkin, David. "Meeting Investors Where They're At: PRI εγκαινιάζει νέα στρατηγική. Αρχές για Υπεύθυνες Επενδύσεις. Πρόσβαση στις 4 Νοεμβρίου 2024. https://www.unpri.org/pri-blog/meeting-investors-where-theyre-at-pri-launches-new-strategy/12636.article.
2. Κλιματική αλλαγή AI είναι μια καλή πηγή για να εξερευνήσετε τις δυνατότητες της τεχνητής νοημοσύνης, ιδίως της μηχανικής μάθησης, στην αντιμετώπιση της κλιματικής αλλαγής.
3. Ινστιτούτο Παγκόσμιων Πόρων. "Το Παγκόσμιο Παρατηρητήριο Δασών βοηθά τους αυτόχθονες λαούς να μειώσουν την αποψίλωση των δασών". Πρόσβαση στις 4 Νοεμβρίου 2024. https://www.wri.org/outcomes/global-forest-watch-helps-indigenous-peoples-reduce-deforestation?t.
4. BloombergNEF. "Η Siemens λέει ότι η τεχνητή νοημοσύνη μπορεί να αυξήσει τα κέρδη των εργοστασίων παραγωγής ενέργειας κατά 20%: Q&A." Πρόσβαση στις 4 Νοεμβρίου 2024. https://about.bnef.com/blog/siemens-says-ai-can-boost-power-plant-profit-20-qa/?t.
5. Newswire. "Η IBM επεκτείνει την πρωτοβουλία Green Horizons σε παγκόσμιο επίπεδο για την αντιμετώπιση των πιεστικών περιβαλλοντικών προκλήσεων και της ρύπανσης". 9 Δεκεμβρίου 2015. Πρόσβαση στις 4 Νοεμβρίου 2024. https://www.newswire.ca/news-releases/ibm-expands-green-horizons-initiative-globally-to-address-pressing-environmental-and-pollution-challenges-561197251.html?t.
6. DeepMind. "Η Τεχνητή Νοημοσύνη DeepMind μειώνει το λογαριασμό ψύξης του κέντρου δεδομένων της Google κατά 40%". 20 Ιουλίου 2016. Πρόσβαση στις 4 Νοεμβρίου 2024. https://deepmind.google/discover/blog/deepmind-ai-reduces-google-data-centre-cooling-bill-by-40/?t. 
7. Rolnick, David, Priya L. Donti, Lynn H. Kaack, Kelly Kochanski, Alexandre Lacoste, Kris Sankaran, Andrew Slavin Ross, et al. "Tackling Climate Change with Machine Learning". Nature Communications 11, no. 1 (2020): Nature Communications: Nature Nature Nature, 1. https://www.nature.com/articles/s41467-019-14108-y.
8. Ibid.
9. Jessica Ground. "Η άνοδος της τεχνητής νοημοσύνης και της ESG". Capital Group, πρόσβαση στις 8 Νοεμβρίου 2024. https://www.capitalgroup.com/institutions/fr/en/insights/articles/the-rise-of-ai-and-esg.html.