Fundadores e Inversores
ESG impulsado por la IA
La inversión ASG aúna los mundos de los mercados financieros y la sostenibilidad medioambiental. Según Deloitte, se prevé que los activos con criterios ASG representen la mitad de todos los activos gestionados profesionalmente a nivel mundial en 2024.
Algunas de las aplicaciones más comunes de los ASG en la inversión son los fondos de inversión y los fondos cotizados (ETF). En todo el mundo, hay ya más de 1.200 ETFs ESG, según los recuentos de Trackinsight.
Pero el estado actual de ESG es defectuoso. Los datos y las calificaciones ESG tendrán que evolucionar con los avances tecnológicos para tener un impacto tangible en los próximos años.
¿QUÉ ES LA ESG EN LA INVERSIÓN?
ESG son las siglas en inglés de «environmental, social, and governance» (medio ambiente, sociedad y gobernanza) y abarca el enfoque general de invertir en empresas, fondos y proyectos que adoptan principios medioambientales, sociales y de gobernanza. El espacio también incluye los datos, la información y las calificaciones de las empresas en función de su impacto ASG.
Aunque la ASG es a menudo una parte instrumental de la inversión socialmente responsable y de impacto, no son lo mismo. La ASG es más bien un marco para identificar oportunidades y mitigar el riesgo financiero de las empresas e inversiones. No tiene por qué ser un vehículo para hacer el bien en el mundo. Los inversores y los gestores de fondos utilizan las calificaciones ASG para seleccionar las empresas que están mejor posicionadas frente a los riesgos climáticos y sociales, con el objetivo final de generar mayores rendimientos.
Para que las calificaciones ASG tengan un impacto real en el futuro de la inversión, deben superar dos defectos fundamentales. Los datos y las calificaciones ASG son:
- Inconsistentes (es decir, no estandarizados).
- Incompleta (es decir, que carece de datos completos).
Ambos factores tienen efectos en cascada sobre la legitimidad del espacio. El «greenwashing» corporativo – exagerar las afirmaciones de la sostenibilidad medioambiental a través del marketing y la publicidad- está muy presente hoy en día. Y los estudios que miden el impacto de la ASG en el rendimiento financiero de las inversiones y las empresas han obtenido resultados dispares.
El primer defecto de tener calificaciones e informes incoherentes se resolverá finalmente con la regulación. La SEC de EE.UU. ha presentado numerosas propuestas de información sobre ASG, y en Europa ya existen leyes concretas (por ejemplo, el Reglamento de Divulgación de Finanzas Sostenibles de la UE). Puede llevar tiempo, pero una mayor regulación conducirá a la estandarización de la información y las calificaciones ASG, proporcionando en última instancia una información más transparente y fiable para los inversores.
El segundo problema, el de los datos, las calificaciones y la información incompletos, se abordará con los avances de la inteligencia artificial.
Las empresas de datos e inteligencia financiera establecidas, así como las empresas de tecnología financiera dedicadas a la calificación y el análisis de los factores ASG, están aprovechando el aprendizaje automático y el procesamiento del lenguaje natural (PLN) para recopilar, estructurar y analizar los datos ASG a escala. Las soluciones de IA serán fundamentales para la precisión de las calificaciones ASG en el futuro y para los fondos que las utilizan.
PRIMEROS MOVIMIENTOS
La IA mejora el volumen, la velocidad y la precisión de las calificaciones ESG en dos pasos clave del proceso de calificación: 1) la recogida de datos; y 2) el análisis y la puntuación de los datos.
Durante la recopilación de datos, los algoritmos de aprendizaje automático entrenan a los ordenadores para que identifiquen y extraigan los datos y la información relacionados con los ASG de miles de fuentes, como las declaraciones de las empresas, las noticias y los medios de comunicación, los cuestionarios, los estudios académicos, las fuentes gubernamentales y las ONG, entre otros. El procesamiento del lenguaje natural se utiliza para extraer la información de la empresa del texto de fuentes no estructuradas, como las transcripciones y las redes sociales.
El aprendizaje automático y el procesamiento del lenguaje natural también se utilizan para impulsar los modelos de análisis y puntuación de ESG. Los modelos se entrenan utilizando años de datos históricos.
MSCI, S&P y Bloomberg están utilizando la IA para abordar el problema de los datos y calificaciones ESG incompletos. Cada proveedor cubre miles de empresas y cientos de miles de valores:
- MSCI utiliza el aprendizaje automático y la PNL para la recopilación y validación de datos, lo que permite que sus calificaciones, índices e investigaciones aprovechen datos alternativos fuera de la información voluntaria de las empresas.
- Del mismo modo, S&P utiliza Databricks Lakehouse para procesar miles de millones de datos ESG y ejecutar modelos de aprendizaje automático para obtener información para los clientes.
- En octubre de 2022, Bloomberg anunció que está utilizando modelos inteligentes de aprendizaje automático y estimaciones para aumentar su conjunto de datos de emisiones de carbono hasta cubrir 100.000 empresas.
Las fintech especializadas en evaluaciones ESG y de sostenibilidad están desafiando a los proveedores de datos heredados con su enfoque en la IA y la escalabilidad. Por ejemplo, Clarity AI utiliza el aprendizaje automático para analizar más de 2 millones de puntos de datos para las calificaciones ASG, las evaluaciones de riesgo, las huellas de carbono, el análisis neto cero y el cumplimiento normativo. La plataforma cubre más de 30.000 empresas y 300.000 fondos, lo que, según afirma, es más del triple que la mayoría de los
competidores.
EcoVadis, un proveedor de calificaciones de sostenibilidad empresarial, planteó un Serie D de 500 millones de dólares en junio de 2022 con una
valoración de 1.000 millones de dólares, con planes de utilizar la financiación para profundizar en sus capacidades de IA y aprendizaje automático.
EcoVadis sirve a las empresas que quieren sus propias evaluaciones de sostenibilidad, así como a las empresas de la cadena de suministro, las empresas de capital privado, los bancos y otras instituciones financieras que necesitan evaluaciones ASG de empresas y carteras. La plataforma cubre más de 100.000 empresas de 200 sectores diferentes.
Para adelantarse a la disrupción, algunos titulares se han apresurado a adquirir fintechs centradas en ESG impulsadas por la IA. La Bolsa de Londres adquirió Refinitiv en 2019 por 27.000 millones de dólares, y Morningstar adquirió Sustainalytics en 2020. Tanto Refinitiv como Sustainalytics utilizan motores NLP para extraer información ESG de más de 1 millón de artículos de noticias cada día para el análisis de sentimientos.
IMPLICACIONES
- Los proveedores de calificaciones de ESG que aprovechan la inteligencia artificial resolverán el problema de los datos incompletos de ESG. El aprendizaje automático y la PNL pueden extraer y estructurar la información ESG a partir de miles de fuentes de datos aisladas a escala.
- Mientras que la regulación hará que los informes sobre ASG sean más transparentes y estandarizados, el aprendizaje automático y la PNL harán que las calificaciones ASG sean más precisas. El impacto de la IA tanto en el volumen como en la variedad de datos dará lugar a indicadores más fiables y, por tanto, aceptados para valorar las empresas y evaluar el riesgo.
- Una vez que los datos y las calificaciones ASG sean coherentes y completos, será más fácil comprobar con mayor precisión el impacto de los ASG en los rendimientos de las inversiones y los resultados de las empresas.
