Bagaimana mempersiapkan perusahaan Anda untuk evaluasi kinerja LST yang digerakkan oleh AI

Gelombang pasang ESG yang menerobos komunitas investasi dan bisnis global dalam beberapa tahun terakhir mengarusutamakan keberlanjutan pada tingkat yang belum pernah terjadi sebelumnya. Munculnya kerangka pengungkapan global ESG (Lingkungan, Sosial, dan Tata Kelola), lembaga pemeringkat, serta penyedia layanan akumulasi dan analisis data semuanya memainkan peran penting dalam perubahan yang cepat ini.

Tidak lagi terbatas pada level tinggi belaka penyaringan negatif, Evaluasi kinerja LST telah berkembang menjadi kombinasi analisis kuantitatif dan kualitatif yang berdampak pada keputusan investasi besar.

Hal ini didorong oleh semakin banyaknya investor yang memahami bahwa isu-isu LST adalah material bagi bisnis dan yang berusaha memahami bagaimana isu-isu ini terkait dengan strategi perusahaan, manajemen risiko, dan keberhasilan operasional.

Acara yang akan datang: Pergeseran Edumine: Wanita Dalam Pertambangan – Menjelajahi Titik Perlawanan

Bahkan, pelantikan ‘Kapitalisme yang Bertanggung Jawab‘ survei pada akhir tahun 2021 menemukan bahwa 88% investor institusional sekarang melihat faktor LST lebih penting daripada metrik keuangan tradisional ketika membuat keputusan investasi jangka panjang. Dan bahkan jika pengembalian jangka pendek terlihat menarik, 79% percaya bahwa perusahaan dengan kegagalan LST harus dihindari.

Namun, penelitian juga menunjukkan bahwa sedikitnya 30% investor menganggap informasi LST saat ini disediakan oleh perusahaan sebagai keputusan yang berguna untuk menilai materialitas.

Pemandangan

Investor, analis, dan perusahaan sama-sama terus menggelepar, mengajukan dan menanggapi pertanyaan yang mereka harap bermakna, sementara entitas pemeringkat dan pemeringkat seperti Sustainalytics dan ISS kewalahan dengan banyaknya data yang masuk. Dalam kondisi saat ini, wawasan yang diberikan oleh ESG pasar tetap tidak dapat diandalkan bagi sebagian besar investor. Sebagian, ini karena perusahaan pemeringkat tampaknya tidak dapat menyetujui seperti apa kinerja ‘baik’ itu, dengan perbedaan substansial dalam metodologi kepemilikan mereka yang mengarah pada skor LST yang berkorelasi buruk dan bahwa perusahaan dapat ‘bermain’. Tetapi ada dua faktor penting lainnya yang berkontribusi pada tidak dapat diandalkannya wawasan ESG, yang dijanjikan akan diganggu oleh komersialisasi kecerdasan buatan, dan jauh lebih cepat dari yang Anda kira.

Yang pertama adalah ketergantungan pada pengungkapan perusahaan. Konten subjektif yang dilaporkan sendiri ini tidak hanya terbatas dan biasanya ketinggalan zaman, tetapi juga sering kali tidak akurat atau tidak lengkap, baik disengaja atau tidak, membuat analis bekerja dengan data yang tidak lengkap yang memberikan sedikit wawasan tentang risiko LST yang nyata dan saat ini.

Yang kedua adalah bahwa sebagian besar pekerjaan analisis masih dilakukan oleh analis manusia. Ini sangat intensif sumber daya dan berarti hanya sejumlah kecil data yang dapat dianalisis secara realistis. Penggunaan analis manusia individu dalam suatu organisasi yang mencoba menyisir volume data yang sangat besar juga disertai dengan risiko kesalahan manusia yang signifikan, penghilangan data kunci, dan bias pribadi.

Hasilnya adalah, meskipun pentingnya LST tumbuh secara eksponensial, sistem saat ini yang berupaya memberikan informasi yang berguna untuk keputusan yang akurat gagal. Mengingat semakin besarnya pengaruh data LST dalam keputusan investasi, akumulasi data dan penyedia analisis yang tak terhitung jumlahnya serta perusahaan rintisan teknologi berlomba-lomba untuk memanfaatkan peluang besar ini. Ketika gelombang teknologi yang mengganggu mengubah wajah kehidupan kita dan dunia kita seperti yang kita kenal, bidang ini juga tidak akan tetap tidak tersentuh.

Apa yang berubah?

Tabrakan inovasi digital dengan dunia data LST dengan cepat mulai melemahkan metode tradisional. Aplikasi perangkat lunak baru yang tak terhitung jumlahnya telah muncul yang berfokus pada penguatan sistem manajemen data internal untuk menghasilkan data siap laporan yang bersih. Ini merampingkan dan menyederhanakan proses mengumpulkan informasi yang dicari oleh agensi dan investor. Namun, tabrakan digital ini juga terjadi di belakang layar di antara mereka yang menggunakan data ESG untuk menginformasikan peringkat dan keputusan investasi mereka tentang perusahaan Anda. Dengan latar belakang standar LST global dan harmonisasi kerangkaTabrakan itu menjanjikan dampak besar di lapangan.

Meskipun belum dieksplorasi dan dipelajari secara mendalam di dunia ESG, pembelajaran mesin, pengikisan data, analitik satelit, pemrosesan bahasa alami (data besar, analisis sentimen) dan jenis teknologi kecerdasan buatan (AI) lainnya semakin banyak dimanfaatkan untuk meningkatkan analisis dan riset. Secara bersamaan, gangguan transparansi besar-besaran yang didorong oleh teknologi juga sedang berlangsung, paling jelas dalam peluncuran ambisius baru-baru ini Platform Buku LSTbarang publik gratis yang memungkinkan siapa saja mengakses dan membandingkan informasi yang diungkapkan perusahaan.

Berita perusahaan yang lebih beragam dan tepat waktu, pengumuman, presentasi investor, dokumen yang diterbitkan (seperti kebijakan) dan pengajuan sedang dibedah dan diintegrasikan, memadukan sumber data keuangan dan non-keuangan untuk memantau perubahan dalam profil risiko LST perusahaan. Parabola.AI, RSMetrik‘ ESGSsignals, sampai, PACTA (Penilaian Transisi Modal Perjanjian Paris), RepRisk, Dampak Cubed, SenseFolio, IklimBert dan lebih banyak lagi yang telah memfasilitasi penilaian portofolio dan perusahaan yang disempurnakan dengan teknologi yang mengukur hasil, dampak, dan kinerja terkait LST – dan melakukannya dengan lebih akurat dan dengan cara yang lebih disesuaikan daripada yang telah kita lihat sebelumnya, memberikan para pencari data dengan semakin konkret dan objektif informasi.

Dan itu bukan hanya sumber perusahaan. Di dunia online kita, ada banyak sekali data tidak terstruktur yang merupakan sumber sinyal yang luar biasa dari segala jenis. Program perangkat lunak mulai mengekstrak apa yang disebut “data alternatif” dalam berbagai bahasa di seluruh dunia, termasuk dari situs web, peta, citra satelit, media berita tradisional, media sosial, LSM dan pengawas industri, publikasi perdagangan dan industri, dan banyak sumber lainnya, untuk memberikan wawasan 360 yang belum pernah ada sebelumnya.

Misalnya, data polusi udara, saluran air atau pembukaan lahan dari citra satelit dapat dibandingkan secara nyata dengan pengungkapan GRK, penggunaan air, atau gangguan lahan/reklamasi Anda. Atau analisis sentimen dari komentar media sosial yang dibatasi wilayahnya tentang perusahaan Anda dapat dibandingkan dengan klaim lisensi sosial Anda.

Ini memperkenalkan kemungkinan baru untuk melengkapi pandangan ‘dalam-keluar’ tentang kinerja perusahaan dengan pandangan ‘luar-dalam’ dari sumber eksternal yang tak terhitung jumlahnya, untuk perspektif yang lebih holistik dan multi-pemangku kepentingan daripada sebelumnya. Ketika penyedia peringkat tradisional mulai bergerak ke arah ini, beberapa entitas, seperti Lab nilai-nilai, bahkan bereksperimen dengan sepenuhnya mengecualikan pelaporan diri perusahaan untuk melihat bagaimana hasil penilaian dibandingkan.

Apa yang diharapkan?

Harapkan proses pengumpulan data yang lebih demokratis dan holistik. Harapkan analisis untuk mengintegrasikan volume data yang lebih tinggi dan kumpulan data yang lebih luas. Dan berharap ini mencakup banyak data yang tidak bersumber dari perusahaan Anda. Ini akan menghasilkan analisis kinerja LST yang lebih menyeluruh dan kuat, tetapi mau tidak mau menghilangkan elemen kontrol atau pengaruh tertentu dari tangan perusahaan.

Karena data eksternal yang tidak dilaporkan perusahaan semakin banyak dimasukkan ke dalam analisis kinerja, akan segera menjadi hal biasa untuk mengidentifikasi informasi yang meragukan atau salah secara langsung dalam sekejap mata, yang memungkinkan penilaian hampir seketika atas keakuratan atau kebenaran klaim ESG perusahaan. Perangkat lunak tersebut dapat diterapkan ke seluruh dana dan portofolio LST, serta perusahaan tertentu.

Tuduhan pencucian hijau atau penipuan yang dihasilkan dapat menghancurkan kredibilitas dan reputasi perusahaan dalam iklim ketidakpercayaan global kita saat ini dan ekspektasi kinerja yang meningkat. Ini dapat menyebabkan hukuman dan litigasi. Dan itu dapat berdampak negatif pada hubungan pemangku kepentingan utama, termasuk tidak hanya lembaga pemeringkat dan investor, tetapi juga regulator, komunitas, dan pemerintah tuan rumah yang memegang lisensi Anda saat ini dan di masa depan untuk beroperasi di tangan mereka.

Dalam konteks ini, sentimen publik dari lokal hingga global, mengenai perusahaan mana pun, menjadi lebih kuat dari sebelumnya. Dan ketika harapan masyarakat luas untuk transparansi dan keaslian tumbuh, putaran PR tidak akan cukup. Melakukan upaya strategis dengan sumber daya yang baik untuk mengembangkan (dan mewujudkan) tujuan keberlanjutan yang berarti dan merangkul peran pengelolaan lingkungan yang sejati akan menjadi kunci keunggulan kompetitif perusahaan.

Bagaimana mempersiapkan?

Elizabeth Freele adalah salah satu pendiri dan mitra pengelola lembaga pemikir keberlanjutan yang berfokus pada industri dan konsultan ESG Sympact. Dia bekerja dengan perusahaan untuk membantu mereka memastikan kinerja sosial mereka memenuhi harapan yang berkembang.

Tinggalkan komentar