Επενδύσεις στην εποχή της Τεχνητής Νοημοσύνης
Τεχνητή νοημοσύνη, κάλυψη δεδομένων, κανονιστική συμμόρφωση, τεχνολογίαΆρθρα

Πώς μπορεί η Τεχνητή Νοημοσύνη να καλύψει τα κενά για την πλήρη συμμόρφωση με το SFDR ;

Δημοσιεύθηκε: 2022
Τροποποιήθηκε: Αύγουστος 13, 2025
Βασικά συμπεράσματα

Η έρευνα δείχνει ότι τα κενά κάλυψης των SFDR PAIs αποτελούν κύρια πρόκληση για τη συμμόρφωση με το SFDR .

Ο κανονισμός της Ευρωπαϊκής Ένωσης για τη γνωστοποίηση της βιώσιμης χρηματοδότησης (SFDR ) θα μπορούσε να φέρει επανάσταση στην υποβολή εκθέσεων βιωσιμότητας - και, με τη σειρά του, να επαναπροσδιορίσει τα δεδομένα που παρακολουθούν οι εταιρείες για τη μέτρηση των επιδόσεών τους στον τομέα της ESG. Ο σκοπός του SFDR είναι να βελτιώσει τη διαφάνεια των γνωστοποιήσεων ESG από τους παρόχους χρηματοοικονομικών προϊόντων και υπηρεσιών. Καθώς δεν είναι ακόμη διαθέσιμο κάθε κομμάτι των σχετικών δεδομένων σε κλίμακα, η συμμόρφωση με το SFDR απαιτεί επίσης από τους συμμετέχοντες στη χρηματοπιστωτική αγορά να τρέξουν με κάποιο τρόπο πριν περπατήσουν.

Στο ενδιάμεσο στάδιο, όταν οι πάροχοι δεδομένων βρίσκονται στη διαδικασία αύξησης της προσφοράς τους, αυτό θα μπορούσε να είναι αντιπαραγωγικό και να οδηγήσει σε κακή ή εσφαλμένη αναφορά. Η επιστήμη των δεδομένων μπορεί να βοηθήσει.

Η διάθεση των σωστών δεδομένων σε μεγάλη κλίμακα απαιτεί την υπέρβαση δύο βασικών εμποδίων:

  • Χαμηλή αξιοπιστία των αναφερόμενων δεδομένων. Αυτό μπορεί να συμβεί επειδή τα αναφερόμενα εταιρικά δεδομένα είναι κατακερματισμένα και μη τυποποιημένα και υπάρχουν αντικρουόμενες ή αναξιόπιστες τιμές σε διαφορετικές υπηρεσίες παροχής.
  • Ελλιπής κάλυψη δεδομένων των μετρήσεων και των τομέων της βιομηχανίας. Αυτό συμβαίνει λόγω μερικής ή ανύπαρκτης αναφοράς.

Το παρακάτω σχήμα απεικονίζει τα κενά κάλυψης των κύριων δυσμενών επιπτώσεων (PAI) του SFDR ανά γεωγραφική περιοχή, μέγεθος και επιλεγμένους δείκτες, με βάση μια ανάλυση 29.000 εταιρειών με βάση την επιστήμη των δεδομένων του Clarity AI . Σε παγκόσμιο επίπεδο, μόνο το 3% των εταιρειών που αναλύθηκαν ανέφεραν πάνω από το 70% των 14 υποχρεωτικών PAI. Η Ευρώπη προηγείται με το 10% των εταιρειών να πληροί αυτό το όριο κάλυψης, ενώ μόλις το 3% των εταιρειών των ΗΠΑ και το 1% των εταιρειών της APAC ανέφεραν το ίδιο. Μία στις πέντε εταιρείες μεγάλης κεφαλαιοποίησης πληρούσε το όριο, αλλά μόλις μία στις 50 εταιρείες μικρής κεφαλαιοποίησης. Η κάλυψη ποικίλλει επίσης σε μεγάλο βαθμό ανά δείκτη: το 20% των 29.000 επιχειρήσεων δημοσιοποιεί δεδομένα για τις εκπομπές διοξειδίου του άνθρακα, αλλά μόλις το 3% κάνει το ίδιο για τα δεδομένα σχετικά με το μισθολογικό χάσμα μεταξύ των φύλων.

CLARITY-SFDR Χαρτί-Κάλυψη κενών
Κενά κάλυψης ανά γεωγραφική περιοχή, μέγεθος και δείκτη

Εκτός από την εκπλήρωση των PAIs, το SFDR απαιτεί αποδείξεις για τη συμπερίληψη πρακτικών χρηστής διακυβέρνησης και ότι οι εταιρείες ανταποκρίνονται στο τεστ Do Not Significant Harm (DNSH) - το καθένα από τα οποία συνεπάγεται τις δικές του προκλήσεις όσον αφορά την κάλυψη των δεδομένων. Η εφαρμογή της οδηγίας της Ευρωπαϊκής Επιτροπής για την υποβολή εκθέσεων εταιρικής βιωσιμότητας (CSRD) θα συμβάλει στη γεφύρωση του χάσματος, υποχρεώνοντας τελικά σχεδόν 50.000 εταιρείες να υποβάλλουν εκθέσεις για τις επιδόσεις βιωσιμότητας σε ένα ολοκληρωμένο σύνολο μετρήσεων. Η CSRD θα εφαρμοστεί πλήρως έως το 2025, και οι μη ευρωπαϊκές δικαιοδοσίες είναι πιθανό να υστερήσουν ακόμη περισσότερο.

Οι απαιτήσεις υποβολής εκθέσεων SFDR προσθέτουν ένα ακόμη επίπεδο δεδομένων στις 200 μετρήσεις που παρέχει ήδη Clarity AI AI για την απόδειξη των επιδόσεων όσον αφορά τους κινδύνους ESG και τον αντίκτυπο στον κόσμο, καθώς και την ευθυγράμμιση με τους κλιματικούς στόχους (συμπεριλαμβανομένων εκείνων της Task Force on Climate-related Financial Disclosures) και την ευθυγράμμιση με τους Στόχους Βιώσιμης Ανάπτυξης (SDGs) του ΟΗΕ. Ως one-stop shop, η Clarity AI παρέχει επίσης στους πελάτες της ισχυρές και ολοκληρωμένες λύσεις για την κάλυψη των απαιτήσεων γνωστοποίησης SFDR και σχεδιασμού προϊόντων, αξιοποιώντας τις ικανότητές της στην επιστήμη των δεδομένων.

Δείτε την πλήρη έκθεση εδώ

Έρευνα και Πληροφορίες

Τελευταία νέα και άρθρα

.AI

Από τι αποτελούνται πραγματικά τα συστήματα τεχνητής νοημοσύνης: Επεξήγηση της αρχιτεκτονικής

Τα σύγχρονα συστήματα τεχνητής νοημοσύνης δεν είναι μονολιθικά. Η κατανόηση των τεσσάρων επιπέδων από τα οποία αποτελούνται και του ρόλου του καθενός είναι ο τρόπος με τον οποίο μπορείτε να αξιολογήσετε τα εργαλεία που αποδεικνύονται πραγματικά αξιόπιστα σε περιβάλλον παραγωγής.

Κλίμα

Η αλήθεια πίσω από τον προϋπολογισμό: Τι αποκαλύπτουν οι πράσινες επενδύσεις για την κλιματική μετάβαση

Η μετάβαση σε μια οικονομία χαμηλών εκπομπών άνθρακα συχνά διαμορφώνεται μέσω δεσμεύσεων: στόχοι μηδενικού ισοζυγίου εκπομπών, σχέδια μετάβασης και μακροπρόθεσμες στρατηγικές. Ωστόσο, ο ρυθμός και η αξιοπιστία αυτής της μετάβασης εξαρτώνται τελικά από τον τρόπο κατανομής του κεφαλαίου. Οι κεφαλαιουχικές δαπάνες (CapEx) αποτελούν έναν από τους πιο απτούς δείκτες της προόδου της εταιρικής μετάβασης. Σε αντίθεση με τους κλιματικούς στόχους ή τα σχέδια μετάβασης, οι κεφαλαιουχικές δαπάνες αντανακλούν…

.AI

Γιατί οι περισσότερες παρουσιάσεις για την τεχνητή νοημοσύνη χάνουν το νόημα

Δεν έχουν σχεδιαστεί όλα τα εργαλεία τεχνητής νοημοσύνης για ρυθμιζόμενα περιβάλλοντα. Μάθετε τι διακρίνει την υποδομή τεχνητής νοημοσύνης από τις λειτουργίες τεχνητής νοημοσύνης, καθώς και τις έξι ερωτήσεις που πρέπει να θέτετε σε κάθε προμηθευτή.