Guia 2026 | IA nos serviços financeiros
IA, Cobertura de dados, Conformidade regulamentar, TecnologiaArtigos

Processamento de Linguagem Natural (PNL) para melhorar SFDR Relatórios

Publicado: 25 de janeiro de 2022
Modificado: 14 de agosto de 2025
Principais conclusões

SFDR Solução de denúncia: Clarity AI's controversy scoring system provides consistent incident assessment

A maior parte das soluções disponíveis no mercado para a análise do comportamento das empresas depende fortemente da avaliação manual das notícias ou da análise dos sentimentos, levando a fraquezas como a avaliação subjectiva, a limitação do volume e a capacidade limitada de interpretar métricas. Estas limitações reduzem a capacidade de fornecer informação atempada e significativa de uma forma consistente e transparente.

Sistema de pontuação de controvérsia

Clarity AI aborda estas fraquezas e limitações com um sistema de pontuação controverso. Construiu pontuações utilizando um serviço global de monitorização de notícias como principal fonte de dados, o que dá acesso a um universo de mais de 8.500 editores de meios de comunicação que cobrem 200 países, com 100.000 novos artigos adicionados por dia a partir de mais de 33.000 fontes. Isto totaliza aproximadamente 70 milhões de artigos relacionados com o universo de empresas Clarity AI nos últimos três anos.

Clarity AIO sistema de pontuação de controvérsia do sistema divide-se em 4 grandes passos:

1- Detecção de incidentes

2- Classificação de incidentes

3- Pontuação da gravidade do incidente

4- Pontuação da gravidade do evento

Este sistema identifica a evolução de incidentes controversos ao longo de uma linha de tempo - assim como a sua separação - para uma dada empresa numa categoria específica, de entre as 39 categorias que avalia. Por exemplo, uma empresa como Tesla tem milhares de artigos escritos sobre o mesmo (23.189 desde o Verão 2017 até ao Inverno 2020). Destes, 3.767 artigos são relevantes para a categoria de ética empresarial, mas variam substancialmente no seu grau de severidade. O modelo AI considera todos os artigos relevantes para cada categoria, utilizando depois a severidade como um indicador chave da violação PAI.

Um "evento" é considerado a série completa de três anos de incidentes que se referem a uma empresa específica numa categoria de controvérsia do ESG. A pontuação do evento é então calculada através da combinação das severidades máximas resultantes para os incidentes mais relevantes dentro do evento. Como resultado, obtemos uma pontuação global ao nível da categoria da empresa.

Cada uma das etapas baseia-se nos modelos de inteligência artificial de propriedade da Clarity AI, que são propositadamente concebidos para detectar, classificar e atribuir a correspondente severidade. Estes algoritmos são o factor chave para a nossa análise objectiva, tendo sido treinados em inteligência de especialistas da matéria através de um processo "human-in-the-loop", com uma selecção de mais de 30.000 artigos abrangendo todas as categorias e níveis de controvérsia, permitindo ao modelo aprender os critérios relevantes a serem considerados em cada etapa.

A combinação desta metodologia controversa com SFDR regras é ilustrada na figura seguinte:

Clarity AImodelo de controvérsia da SFDR para a conformidade

Aceda aqui ao relatório completo

Investigação e Perspicácia

Últimas notícias e artigos

Clima

A lacuna em matéria de riscos físicos: o que falta nos conjuntos de dados atuais

O acesso a dados sobre riscos físicos já não é o problema. A maioria dos gestores de ativos que precisam desses dados já os possui. No entanto, são muito poucos os que dispõem de dados que se revelam fiáveis quando é realmente importante: sob escrutínio regulatório, nos relatórios aos clientes ou quando se tenta agir com base neles. A decorrer no auge da época das semanas do clima, após Zurique e Londres,…

Cumprimento da Regulamentação

Quando as regras são claras, mas as expectativas não: orientar-se na análise das normas globais num panorama de supervisão fragmentado

Em toda a UE, os participantes nos mercados financeiros (PMF) enfrentam um desafio de conformidade cada vez mais premente, que não reside na complexidade das próprias regras, mas sim na falta de consenso sobre a forma de as aplicar. Os textos regulamentares que exigem uma análise das normas globais (os indicadores de impacto adverso principalSFDR, as regras de designação da ESMA, as normas alinhadas com o Acordo de Paris e as normas climáticas…)

AI

IA nos serviços financeiros: as decisões que distinguem os vencedores dos demais

Descubra como a IA está a transformar a tomada de decisões no setor dos serviços financeiros e o que distingue as empresas que sabem tirar partido dela.