ESG体系下的AI研究：多维投资增效，防范伦理风险.pdf

ESG体系下的AI研究：多维投资增效，防范伦理风险。随着大模型加速迭代，AI 有望快速实现大规模应用。面对 ESG 投资生态中的监管追 踪难、企业合规成本高、投资端数据获取分析困难等痛点，AI 能在多个环节帮助不同 参与者降本增效，通过智能、高效、创造性输出等特点，助力 ESG 投资打通生态链 条。目前 AI 正面影响与负面争议作用于多个行业，并与多方面的 ESG 议题相关，但 对 AI 治理的直接评估并不直接体现在 ESG 框架中，我们整理了全球实践情况，发现 将负责任 AI 原则与 ESG 框架相融合，可以建立 AI 伦理风险分析体系，为管控相关 投资风险提供思路。

AI 有望大规模应用，帮助完善 ESG 投资基础设施。 近期，AI 大模型迭代速度加快，模型热度在周度统计中都发生了较大变化，同 时算法优化成本降低，有望进一步加速大规模应用。AI 有助于解决 ESG 生态中 的多方痛点。对监管与国际机构而言，过去 ESG 政策追踪困难、追踪成本高， AI 通过广泛整合信息的动态化监测，以及智能对比逻辑关系的交叉验证体系， 有望帮助监管端降低追踪成本，助力 ESG 政策与倡议的顺利施行；对企业而 言，面对多样的 ESG 政策，企业学习理解与合规保本的成本都较高，AI 提供了 知识图谱等工具，助力企业政策分析；同时生成式 AI 能够帮助企业进行合规报 备和 ESG 信息披露。合规成本的降低将使企业更有动力参与 ESG 实践。

AI 助力投资端优化策略与营销。 在投资层面，传统 ESG 数据存在来源多、收集处理困难、更新频率低、滞后性 强等问题。AI 首先可以智能化获取包含文本、图片在内的多模态海量数据，同 时能够智能化将数据整理成为“终端友好”的形式，为投资者分析 ESG 变化提 供支撑。同时，AI 可以实现争议事件的实时抓取和分析，帮助投资者及时调整 估值。在投资策略方面，机器学习算法能够在因子策略构造与因子筛选方面提供 帮助，同时语言分析、识别与预测模型也能够成为构建新型量化策略的核心，帮 助投资人优化风险-收益情况。在营销端，生成式 AI 通过生成营销方案、营销内 容，大大降低了营销成本。

负责任 AI 成为共识，整合 ESG 框架的 RAI 体系助力伦理风险管理。 当前 AI 立法尚不完善，而 AI 的争议性影响在环境、社会、治理层面广泛存在， 例如：在环境维度，AI 既能够通过智能化系统助力降低能效，但 AI 所需的算力 耗能巨大；社会维度，AI 既提高了生产效率，也造成了就业冲击、隐私泄露等 社会问题甚至伦理争议；公司治理维度，AI 赋能了公司治理也带来了监管挑 战。面对缺少法律框架参考但仍会受到监管督导、社会舆论压力等因素冲击的 AI 行业，整合 ESG 框架与负责任 AI 原则，能够帮助投资者识别有 AI 伦理风险 的企业。在投资实践中，主要有公司治理维度关注 AI 与 ESG 框架整体整合两种 方式。投资者也可以通过与企业的进一步沟通获得信息，为管理有关企业的投资 风险提供参考。