Amerikaans expert: “Niet alle Ai is betrouwbaar genoeg voor ESG-analyse”

Hoe Ai gebruiken voor een betrouwbare ESG analyse

Financiële leiders en CFO’s worden gewaarschuwd voor de beperkingen van kunstmatige intelligentie (AI) bij duurzaamheidsanalyse. Dat schrijft de Amerikaanse Ai adviseur voor de financiële sector, Chandini Jain in een artikel (‘The Ai inovation transforming ESG‘) op de website Environmental finance.

  • Financiële leiders en CFO’s worden gewaarschuwd voor de beperkingen van kunstmatige intelligentie (AI) bij duurzaamheidsanalyse …
  • … aangezien traditionele methoden zoals ESG-scores uit de gratie raken.
  • Generatieve AI heeft drie kritieke gebreken, waaronder gebrek aan alomvattendheid, tijdigheid en transparantie …
  • … oplossing voor effectievere duurzaamheidsanalyse heet Retrieval Augmented Generation (RAG AI)

Amerikaanse Ai adviseur Chandini Jain: “CFO’s worden aangemoedigd deze innovatie te overwegen om duurzaamheidsanalyse naar een hoger niveau te tillen”

Hoewel generatieve AI belooft het zware werk van duurzaamheidsonderzoek te kunnen automatiseren, wijst Jain op drie fatale gebreken.

  1. Allereerst ontbreekt het aan alomvattendheid en tijdigheid, omdat de gebruikte taalmodellen geen toegang hebben tot specifieke niche-datasets en geen realtime gegevens kunnen verwerken.
  2. Ten tweede bieden deze modellen geen transparantie over de bronnen van gegenereerde informatie, wat leidt tot vertrouwenskwesties.
  3. Tot slot waarschuwt Jain voor het risico op misleidende of verzonnen antwoorden, wat cruciaal is bij regelgevende indieningen.

Vermoed u dat dit artikel interessant is voor anderen binnen uw organisatie of netwerk, wijs anderen hier dan op door dit bericht te delen via uw whatsapp, email, Linkedin of Twitter (bovenaan dit artikel).

Innovatie in AI biedt een oplossing met Retrieval Augmented Generation (RAG AI). Meta heeft deze nieuwe techniek specifiek ontwikkeld voor kennisintensieve toepassingen, waaronder duurzaamheidsonderzoek. RAG AI combineert opvraagbare modellen met generatieve modellen, waardoor realtime informatie en sectorspecifieke datasets toegankelijk worden. Hierdoor kunnen financiële teams efficiënter, uitgebreider en nauwkeuriger onderzoek doen, met de mogelijkheid om hun analyses te onderbouwen en het risico op greenwashing te verminderen. CFO’s worden aangemoedigd deze innovatie te overwegen om duurzaamheidsanalyse naar een hoger niveau te tillen.

Augmented Generation betekent het ophalen van up-to-date of contextspecifieke gegevens uit een externe database en deze beschikbaar stellen aan een LLM zoals Chat GTP (wanneer wordt gevraagd om een antwoord te genereren). U kunt bijvoorbeeld bedrijfsgegevens of juist informatie van buiten uw bedrijf opslaan om LLM deze gegevens tijdens de generatie te laten ophalen en als bron te gebruiken, waardoor de kans op een verkeerd antwoord, wordt verkleind. Het resultaat door AG en LLM te combineren is een merkbare boost in de prestaties en nauwkeurigheid van uw Ai-toepassing.