Dalla ricerca alla gestione responsabile: il prossimo passo per l’intelligenza artificiale nell’ambito degli investimenti responsabili

Abbiamo chiesto a una platea di investitori istituzionali, riuniti in occasione di uno dei più grandi eventi annuali al mondo dedicati all’investimento responsabile, il PRI in Person, dove vedessero il maggiore potenziale per l’intelligenza artificiale e i dati alternativi. La gestione responsabile e l’engagement hanno totalizzato il 71%, davanti all’analisi del rischio di portafoglio (55%) e allo screening (52%).

Non me lo aspettavo. La maggior parte del dibattito sull’intelligenza artificiale nell’ambito dell’investimento responsabile si è concentrata sulla ricerca, sulla selezione e sulla costruzione del portafoglio, ed è proprio in questi ambiti che gli strumenti sono più avanzati. L'azionariato attivo si è comunque classificato al primo posto, il che indica dove si trovano i margini di crescita. Questo rispecchia l'atmosfera che si respira questa settimana ad Amsterdam, dove l'edizione di quest'anno della conferenza annuale del PRI ha riunito quasi 2.000 partecipanti.

Gli investitori sono sottoposti a una pressione crescente affinché dimostrino i risultati ottenuti grazie al loro impegno, piuttosto che il numero di incontri tenuti, e questo è un problema di misurazione per il quale l’intelligenza artificiale si rivela particolarmente adatta.

Le funzionalità necessarie a tal fine esistono già. Le abbiamo sviluppate per analizzare i documenti informativi e monitorare la copertura mediatica, poiché era lì che si trovavano i dati e dove si concentrava la domanda iniziale. Ciò che gli investitori ci chiedono ora è di accompagnarli fino in fondo, in modo che il processo si svolga dall’inizio alla fine, anziché fermarsi alla fase di analisi.

Ciò che serve all’intelligenza artificiale per svolgere al meglio questo compito è proprio ciò che abbiamo approfondito durante la sessione a cui ho partecipato al PRI in Person: “La prossima generazione di intelligence sugli investimenti: mettere a frutto i dati alternativi e l’analisi basata sull’intelligenza artificiale”. Ho condiviso il panel con James Phare di Neural Alpha, il professor Peter Schwendner della ZHAW e di PanGeo Nature Risk, e Tim Verheyden di Goldman Sachs Asset Management.

Il valore aggiunto dei dati non strutturati nel processo di investimento

Mentre mi preparavo per la sessione, ho cercato di illustrare il potenziale contributo che i dati non strutturati possono apportare a un processo di investimento. Alla fine ho individuato sei vantaggi che, guarda caso, formano l’acronimo MOSAIC.

• La pluralità offre punti di vista che integrano o mettono in discussione la versione fornita dal management.
• L'originalità ti offre spunti che vanno oltre le prove già note a tutti.
• La specificità fornisce dettagli su risorse e attività che gli indicatori a livello aziendale non riescono a cogliere.
• La disponibilità colma le lacune laddove l’informativa è carente, aspetto che assume maggiore rilevanza ora che l’ambito di applicazione del CSRD si è ridotto.
• L'immediatezza consente di ottenere dati al di fuori del ciclo annuale, estraendoli dalle riunioni trimestrali o dai dati satellitari.
• Il contesto spiega perché un indicatore ha subito una variazione e se il problema si ripete.

Quale di queste opzioni sia necessaria dipende ovviamente dalla domanda di investimento da cui si è partiti e dal tipo di set di dati non strutturato o alternativo con cui si sta lavorando. Si tratta di potenziali vantaggi, piuttosto che di una lista di requisiti che ogni set di dati è in grado di soddisfare. Ad esempio, le immagini satellitari possono fornire dettagli immediati su un determinato asset, mentre la copertura giornalistica può aiutare a identificare controversie emergenti che differiscono dalla versione fornita dal management. Il criterio di valutazione è se la fonte contribuisca a rispondere alla domanda di investimento.

Cosa possono rivelare agli investitori i dati non strutturati

Due studi da noi condotti offrono un’idea di come ciò si traduca nella pratica.

Nella prima, abbiamo utilizzato l’intelligenza artificiale per estrarre dati testuali e quantitativi dalle informazioni divulgate da 900 aziende operanti in settori ad alte emissioni che riportano dati relativi agli investimenti in progetti sostenibili. Le aziende con obiettivi allineati a 2 °C o inferiori hanno destinato in media il 27% degli investimenti a progetti sostenibili, contro il 25% di quelle senza obiettivi dichiarati. L’ambizione degli obiettivi, di per sé, fornisce meno indicazioni di quanto si possa supporre riguardo alla destinazione del capitale.

Nella seconda fase, abbiamo utilizzato l’elaborazione del linguaggio naturale per individuare le controversie relative alla sostenibilità nella copertura giornalistica, per poi esaminare oltre 12.000 episodi. La sottoperformance stimata su un periodo di sei mesi rispetto alle società comparabili variava dal 2% circa, per gli episodi di minore gravità, al 5% per quelli di maggiore gravità.

Gli studi rispondono a diverse domande in materia di investimenti. L’analisi CapEx verifica se le ambizioni climatiche si riflettono nell’allocazione del capitale; lo studio sulle controversie esamina la relazione tra gli episodi legati alla sostenibilità e la successiva performance del prezzo delle azioni.

Entrambi dimostrano come i dati non strutturati possano aiutare gli investitori a verificare le ipotesi e a individuare le domande da porre alle società. Questi studi rientrano nell’ambito della ricerca e della selezione, poiché è proprio in quel contesto che è stato svolto il lavoro. Il passo successivo che gli investitori intendono compiere ora è quello di trasferire tale livello di evidenza nelle conversazioni che intrattengono con le società.

È proprio a questo che serve la nostra soluzione Climate Intelligence, sviluppata dai nostri nuovi colleghi di Glass Lewis. Essa combina informazioni divulgate, analisi supportate dall’intelligenza artificiale e metodologie specialistiche per valutare la strategia di transizione e la sua attuazione, trasformando i risultati in domande specifiche da porre al management.

Progettazione e governance dell'intelligenza artificiale nell'ambito dell'investimento responsabile: quali sono i requisiti necessari

Innanzitutto, occorre partire da un obiettivo di investimento chiaro: quale decisione si sta cercando di supportare, o quale risultato si vuole ottenere? È proprio quell’obiettivo che dovrebbe guidare la scelta dei dati e degli strumenti. Purtroppo, vedo ancora molti operatori entusiasmarsi per l’IA e partire direttamente dallo strumento. Non c’è da stupirsi che così tanti progetti di IA sembrino non riuscire a giustificare gli investimenti effettuati!

Altrettanto importante è il fatto che, per raggiungere tale obiettivo, siano necessarie tre capacità fondamentali che operino in sinergia:

• Set di dati di buona qualità, pertinenti alla questione, con una copertura sufficiente e fonti affidabili.
• Competenze specialistiche in materia di sostenibilità per individuare gli aspetti rilevanti e interpretare i dati nel loro contesto.
• Competenze in materia di intelligenza artificiale e tecnologia per sviluppare, testare e monitorare gli strumenti utilizzati per estrarre e analizzare tali prove.

Infine, il risultato è garantito fintantoché la governance mantiene lo stesso peso, e io lo raggrupperei in quattro pilastri:

1. L'integrità riguarda le modalità di raccolta e protezione dei dati, nonché il diritto d'autore, l'affidabilità e l'imparzialità.
2. L'accuratezza indica se il modello ha estratto gli elementi corretti e se questi corrispondono alle definizioni, agli ambiti e ai periodi di tempo con cui si sta lavorando.
3. Per trasparenza si intende che le fonti, i metodi e le ipotesi siano chiaramente indicati, anche nei casi in cui un dato sia una stima.
4. La responsabilità chiarisce chi è responsabile delle singole scelte analitiche, chi supervisiona il processo e chi è responsabile del sistema nel suo complesso. Tali responsabilità possono essere ripartite tra i team che si occupano di investimenti, sostenibilità e tecnologia, nonché tra fornitori esterni. Devono essere esplicite e indicare chi può contestare un risultato o modificare il sistema.

Tale ripartizione delle responsabilità si applica anche quando un fornitore mette a disposizione dati estratti, valutazioni analitiche o entrambi. Il fornitore è responsabile dei servizi che eroga, mentre l’investitore rimane responsabile dell’utilizzo di tali risultati e delle decisioni di investimento o di gestione che ne derivano. La decisione deve sempre spettare all’investitore.

Sviluppare o acquistare competenze nel campo dell’IA? Sempre più spesso entrambe le cose

La ricerca del Prof. Dr. Peter Schwendner mostra quale portata abbiano ormai i dati aperti. Il suo team ha analizzato le dighe di sterili di un intero portafoglio utilizzando set di dati pubblici globali relativi all’altitudine, al percorso dei corsi d’acqua e alla popolazione, senza alcuna divulgazione da parte delle aziende, e ha scoperto che le dimensioni di una diga sono un indicatore molto meno affidabile delle conseguenze di una rottura rispetto al numero di persone che vivono a valle.

Anche gli investitori stessi si stanno occupando internamente di questo tipo di questioni, comprese le implicazioni finanziarie dei rischi climatici fisici e dell’adattamento. L’estrazione e la modellizzazione dei dati hanno smesso di essere appannaggio esclusivo dei fornitori. Ciononostante, gli investitori presenti alla conferenza hanno condiviso i propri dati empirici secondo cui circa l’80-90% di queste informazioni continua a pervenire agli investitori tramite un fornitore, e i partner specializzati mantengono chiaramente un ruolo importante.

Il punto in cui un’organizzazione traccia tale linea di demarcazione può variare. Ciò che non dovrebbe variare è il processo di approvvigionamento che sta alla base, il quale deve verificare i dati, le competenze e la governance dell’IA di qualsiasi prodotto o servizio acquistato.

Il futuro dell’intelligenza artificiale nell’ambito dell’investimento responsabile

Il vantaggio in termini di velocità è quello più evidente: un lavoro familiare, svolto in modo più rapido ed economico. Mi interessa di più il secondo aspetto, ovvero individuare ciò che altrimenti ci sfuggirebbe grazie a una copertura più ampia e a collegamenti tra le diverse prove. L’elaborazione dei dati diventerà sempre più semplice, mentre le prove mancanti e l’incertezza rimarranno tali, per cui il giudizio e l’interpretazione acquisiranno sempre più valore.

Le capacità ci sono, in gran parte. Finora sono state impiegate soprattutto nelle fasi del processo più facili da automatizzare . Se le si applica alla gestione responsabile, le prove devono soddisfare lo stesso standard, ma in una forma diversa. Vengono discusse con l’azienda a cui si riferiscono, quindi devono essere sufficientemente specifiche da poter essere oggetto di domande, e devono rimanere documentate, in modo che l’impegno dell’anno scorso possa essere affiancato a quello di quest’anno.

Si tratta di un prodotto più complesso da realizzare e più difficile da valutare. A giudicare dal sondaggio condotto tra il pubblico ad Amsterdam, è proprio quello che gli investitori stanno cercando.