Clarity AI e a Glass Lewis unem forças
IA, Cobertura de dados, Conformidade regulamentar, TecnologiaArtigos

Como a aprendizagem mecânica pode expandir a cobertura de dados de sustentabilidade

Publicado: 8 de janeiro de 2022
Modificado: 13 de agosto de 2025

Utilização de modelos de estimativa para melhorar os relatórios de sustentabilidade

A falta de cobertura de dados é um grande obstáculo que pode ser ultrapassado através do uso da aprendizagem mecânica. Hoje em dia, 80% das empresas cotadas não reportam dados de sustentabilidade exigidos. Isto significa que, independentemente de questões de fiabilidade, apenas 20% das empresas cotadas em bolsa reportam dados abrangentes sobre sustentabilidade como base de referência. Muitos fornecedores podem então acumular informações parciais ou em falta, o que dificulta a criação de pontuações consistentes entre pares e a possível inclinação das pontuações para empresas que revelam selectivamente, deixando de fora dados sobre indicadores para os quais estão atrasadas. É por isso que Clarity AI aproveita a informação disponível das empresas e os algoritmos de aprendizagem por máquina para preencher as lacunas de informação, de modo a dar a imagem mais completa disponível.

Em termos geográficos, a Europa tem estado na vanguarda da regulamentação nacional relativa à divulgação de informações sobre as alterações climáticas para as empresas, o que se traduz na maior cobertura de divulgação de informações sobre GEE entre as principais regiões do mundo. Entretanto, a Comissão de Títulos e Câmbios dos EUA está a preparar um regulamento específico de comunicação de informações sobre o clima para 2022. A expetativa é que a divulgação de informações na América do Norte alcance a taxa da Europa nos próximos dois anos.

Cobertura dos relatórios de GHG, por região

Clarity AIModelos de Estimação

Uma aplicação da aprendizagem mecânica é o nosso modelo de estimação. O princípio subjacente aos modelos é descobrir como a métrica de desempenho de sustentabilidade pode ser derivada de outros atributos corporativos. Uma vasta gama de fontes de dados e características (informação sobre a organização) são utilizadas como input para os modelos de estimação, incluindo, por exemplo:

  • Em que indústria se encontra?
  • Que tipos de produtos e serviços vende?
  • É um fabricante?
  • Onde fazem os vossos produtos? - Onde é que vendem os vossos produtos?
  • Quais são os seus custos de mão-de-obra?
  • Quais são as outras características ambientais que podem estar correlacionadas com a métrica de interesse? (Isto depende do sistema métrico).
Fluxograma de Clarity AI's Estimation Model Process

Os principais diferenciadores da metodologia de Clarity AIsão a estimativa da intensidade da métrica, a utilização de dados de retenção para testar a precisão preditiva do modelo, e a contabilização dos efeitos não lineares e de interacção. Estes são cruciais para estimar certas métricas de sustentabilidade como as emissões de CO2.

Cobertura de dados pelo PAI

Aceda aqui ao relatório completo

Investigação e Perspicácia

Últimas notícias e artigos

Perspectivas do mercado

Como podem os investidores institucionais avaliar a exposição da sua carteira a zonas de conflito? 

Os investidores estão sob uma pressão crescente para compreender de que forma as suas carteiras estão ligadas a áreas afetadas por conflitos e de alto risco. No entanto, continua a ser difícil encontrar dados sobre a exposição das empresas que sejam suficientemente independentes e transparentes para inspirar confiança. Neste webinar, iremos apresentar a nossa solução CAHRAs, desenvolvida em colaboração com proprietários de ativos de toda a Europa. Esta solução foi concebida para proporcionar às instituições…

AI

O mesmo cérebro, um logótipo diferente: o risco oculto da IA nos mercados financeiros

Atualmente, a maioria das pessoas consegue identificar um e-mail redigido por uma IA inexperiente: o travessão longo usado em excesso ou a frase «eis uma versão mais humana» que alguém se esqueceu de apagar antes de clicar em «enviar». Em Wall Street, o problema mais grave é mais difícil de detetar, porque reside no raciocínio. E quando esse raciocínio decide para onde vai o capital, um…

IA, Análises de Mercado

Conciliar os riscos e as oportunidades da IA: uma avaliação global para os investidores

O formulário S-1 da Anthropic reúne os riscos e as oportunidades num único documento. A maioria dos comentários sobre IA aborda apenas um ou outro aspeto. Os investidores não se podem dar ao luxo de fazer o mesmo.

Ícone Anúncio importante