Che la capacità di analizzare in tempi rapidi e con efficienza crescente una grande mole di dati sia uno degli elementi chiave dell’investment management è ormai un dato consolidato. E le potenzialità dell’intelligenza artificiale in questo ambito iniziano a emergere in modo evidente, tanto da mobilitare i principali player del mercato. Dietro a questo movimento più intenso, però, ci sono altri ambienti che potrebbero essere ugualmente impattati da questa rivoluzione tecnologica e che però hanno iniziato a esplorare il terreno soltanto in tempi più recenti: parliamo ad esempio dell’applicazione dell’intelligenza artificiale, e di tutte le sue evoluzioni più avanzate, come ChatGpt, nello screening ESG. A questo tema ha recentemente dedicato un approfondimento Daniele Cat Berro, managing director di MainStreet Partners, società specializzata in ESG Advisory e Portfolio Analytics fondata a Londra nel 2008.
Il ruolo di ChatGpt nello screening ESG
“Le autorità di regolamentazione e gli operatori del settore – spiega Daniele Cat Berro – concordano sul fatto che l’intelligenza artificiale 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”.
Di fronte a questo scenario, ovviamente, ChatGpt, rappresenta un ulteriore passo in avanti: “Essendo l’AI 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 – spiega – 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”.
Le nuove opportunità abilitate da ChatGpt
La premessa da fare quando si parla di intelligenza artificiale, sottolinea l’esperto, è che il machine learning è più o meno efficiente a seconda della qualità degli input che riceve. Detto questo, se la fase di training viene portata a termine con la giusta attenzione, “l’intelligenza artificiale potrebbe uniformare le condizioni di concorrenza per i gestori patrimoniali più piccoli – spiega Cat Berro – 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 – sottolinea – potrebbe trasformare la competitività dei provider di fondi Esg”.
Le prescrizioni di Emsa sulla trasparenza
Utilizzare l’intelligenza artificiale, soprattutto a supporto degli operatori più piccoli, può essere decisivo per adeguarsi alle prescrizioni dell’Autorità europea degli strumenti finanziari e dei mercati (ESMA), che si è già espresso a favore della necessità di rafforzare la trasparenza in termini di informazioni ESG e di qualità dei dati di mercato. “L’intelligenza artificiale – sottolinea Cat Berro – renderà inoltre possibile il rilevamento dei dati ESG e la verifica della loro qualità in modo più rapido ed economico”.
Come funziona la raccolta dei dati ESG
Ma analizziamo a grandi linee il percorso necessario per la valutazione Esg per cercare di capire come l’intelligenza artificiale sia in grado di semplificare e rendere più efficiente il processo.
Normalmente i passaggi necessari in un processo semplificato “tradizionale” sono quattro: si parte dall’acquisizione dei dati grezzi o da fonti come le Kpi da report o sondaggi, che possono essere in parte automatizzati. Queste informazioni andranno inserite in un modello proprietario, con una copertura qualitativa da parte degli analisti o con modelli quantitativi puri che cercano di limitare i preconcetti umani, prendendo in considerazione le controversie o i problemi reputazionali legati alle società.
L’utilità dell’AI nella raccolta di dati ESG
“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’ – spiega Cat Berro – , 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”.
Il recupero di dati “domain specific” e non strutturati
Grazie all’intelligenza artificiale, in sostanza, si possono ottenere vantaggi nel 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 – spiega Cat Berro – come richiesto dal regolamento UE sulla sostenibilità. 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’AI”. E poi ci sono i dati non strutturati, con le informazioni provenienti da fonti web e social media che 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 – sottolinea il managing director di MainStreet Partners – mentre quella dei dati “domain specific” è un po’ più complessa, anche se molti operatori stanno investendo su questo ramo”.
I rischi dell’utilizzo dell’intelligenza artificiale per i dati ESG
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, spiega l’esperto, “Tuttavia – avverte – un rischio intrinseco è che il processo decisionale basato sui dati dell’AI 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”.
Verso un’analisi ESG affidata all’AI
Le conclusioni a cui giunge l’analisi del managing director di MainStreet Partners è che non è ancora possibile esternalizzare l’analisi Esg all’intelligenza artificiale, anche se si tratta di una direzione ormai inevitabile. “Molti gestori patrimoniali sono ancora nelle fasi iniziali, di esplorazione e prototipazione di molte tecnologie emergenti, compresa l’AI – commenta Cat Berro – 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 – concude Cat Berro – 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’AI 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’Intelligenza artificiale a beneficio di tutti”.
