di Daniele Cat Berro (MainStreet Partners)

Intelligenza artificiale, come trasformerà la raccolta dei dati ESG?

Questa notizia è stata scritta più di un anno fa old news

L’elaborazione di enormi quantità di dati costituisce la pietra miliare dell’investment management, ed è ad oggi un mix di arte e scienza. Sebbene l’intelligenza artificiale (IA) abbia il potenziale per innovare radicalmente alcune di queste operazioni di data-crunching, la sua applicazione nello screening ESG sta emergendo con forza solo recentemente.

Chat GPT come catalizzatore

Le autorità di regolamentazione e gli operatori del settore concordano sul fatto che l’IA ha il potenziale per modernizzare campi come la gestione del portafoglio, la gestione del rischio e il trading, consentendo ai gestori patrimoniali di analizzare in modo più approfondito serie di dati più ampie.

Chat GPT, un’intelligenza artificiale aperta al pubblico, è balzata agli onori della cronaca a gennaio per aver ottenuto un investimento di 10 miliardi di dollari da Microsoft, cambiando il modo di competere con gli altri giganti della tecnologia. Essendo l’IA più avanzata in grado di rispondere efficacemente a domande, scrivere articoli, riassumere informazioni e altro ancora, il tutto a portata di mano di chiunque abbia una connessione internet, gli investitori hanno già ampiamente testato le capacità di ChatGPT come strumento di stock picking e di analisi dei dati.

Per i consulenti indipendenti ESG e i provider di analisi di portafoglio come MainStreet Partners, questa ondata tecnologica potrebbe aiutare a far progredire le tipologie di dati ESG raccolti e analizzati, oltre a democratizzare potenzialmente il settore della gestione patrimoniale.

Come tutti gli strumenti di IA, il machine-learning è tanto solido quanto gli input di apprendimento che gli vengono forniti. Detto questo, con un’attenta formazione, l’IA potrebbe uniformare le condizioni di concorrenza per i gestori patrimoniali più piccoli, le cui risorse per la raccolta e l’analisi dei dati ESG sarebbero altrimenti inferiori a quelle delle società di investimento più grandi. Questo livellamento potrebbe trasformare la competitività dei provider di fondi ESG.

L’Autorità europea degli strumenti finanziari e dei mercati (ESMA) ha indicato la necessità di rafforzare la trasparenza in termini di informazioni ESG e di qualità dei dati di mercato. Ciò è possibile solo con un sufficiente supporto tecnologico, in particolare con l’intelligenza artificiale a supporto degli operatori emergenti.

L’intelligenza artificiale renderà inoltre possibile il rilevamento dei dati ESG e la verifica della loro qualità in modo più rapido ed economico. Attualmente, un processo semplificato per la valutazione ESG funziona principalmente così:

(i) Fonte di dati grezzi/KPI da report e/o sondaggi delle aziende, in parte automatizzati;

(ii a) Inserire questi dati in un modello proprietario;

(ii b) Copertura qualitativa da parte degli analisti (questo non avviene sempre, esistono molti modelli quantitativi puri che cercano di limitare i preconcetti umani);

(iii) Le controversie e i problemi reputazionali legati alle società sono presi in considerazione.

In termini di raccolta di dati dalle aziende, l’IA offre un grande potenziale specialmente nella prima parte del processo, attingendo a dati “domain specific”, mentre la sua capacità di organizzare e dare priorità alle informazioni provenienti da dati non strutturati può essere applicata all’elemento reputazionale alla fine del processo.

Quali sono quindi i due tipi principali di recupero dei dati dell’IA?

  • Recupero di dati ESG “domain specific ovvero dati raccolti dai report prodotti dalle aziende. I dati al loro interno sono parte integrante della valutazione ESG di un’azienda, come richiesto dal regolamento UE sulla sostenibilità (ad esempio i PAI). Attualmente, la maggior parte delle informazioni ESG essenziali all’interno delle aziende è conservata in modo frammentario e decentralizzato che non è adatto, in questo momento, a essere raccolto e riportato dall’IA.
  • Recupero di dati ESG non strutturati, in cui le informazioni provenienti da fonti web e social media possono segnalare il comportamento etico, ambientale e di governance delle aziende. Esistono già alcuni provider che forniscono valutazioni ESG basate su dati provenienti da fonti non strutturate.

La parte dei dati non strutturati è già abbastanza sviluppata, mentre quella dei dati “domain specific” è un po’ più complessa, anche se molti operatori stanno investendo su questo ramo.

L’intelligenza artificiale può dare un grande contributo nel recupero dei dati e nel controllo della loro qualità, rafforzando la credibilità del settore e aiutando a identificare le aziende che stanno davvero andando nella giusta direzione. Tuttavia, un rischio intrinseco è che il processo decisionale basato sui dati dell’IA possa spingere i gestori ESG a investire nelle stesse società, creando un monopolio o un oligopolio.

In ultima analisi, ciò porterebbe a un ambiente ESG altamente concentrato, rafforzando la volatilità e penalizzando lo Sharpe ratio. Se il settore non riuscisse a sfruttare questa tecnologia nel modo auspicato dall’ESMA e da altri, le critiche allo screening ESG potrebbero essere rilanciate.

Conclusioni

Il settore ad oggi non è ancora in grado di esternalizzare l’analisi ESG a un’IA, ma questa è una direzione inevitabile. Molti gestori patrimoniali sono ancora nelle fasi iniziali – esplorazione e prototipazione – di molte tecnologie emergenti, compresa l’IA. Uno studio di Accenture ha rilevato che il 95% degli intervistati ha dichiarato che la tecnologia, i dati e le capacità digitali di un asset manager saranno elementi di differenziazione nel 2025, mentre il 72% degli asset manager non si considera un’azienda leader per quanto riguarda la propria maturità digitale.

Il settore ha una chiara esigenza di raccogliere dati ESG di alta qualità e ad alta velocità, così come le autorità di regolamentazione (nazionali e internazionali) si aspettano di ottenere vantaggi operativi, di costo e di trasparenza. I dati di vari studi dimostrano che l’IA è uno strumento molto utile nella gestione del portafoglio, ma che richiede una stretta supervisione umana. Trovare il giusto equilibrio e garantire la standardizzazione in tutto il settore della gestione degli investimenti sarà fondamentale per sfruttare l’IA a beneficio di tutti.