Un numero sempre maggiore di asset manager inserisce obiettivi a tema ESG (ambientali, sociali e di governance) nei processi di investimento. Questo in ragione della crescente e generalizzata consapevolezza delle responsabilità delle aziende nei confronti delle comunità e della necessità di equità sociale e attenzione per l’ambiente. I consumatori stanno premiando questo atteggiamento e gli investitori prestano sempre maggior attenzione alle aziende che impostano le loro attività in modo coerente con questo approccio.
L’adozione dei principi ESG può aiutare a guadagnare una posizione distintiva con gli investitori, creando allo stesso tempo valore a lungo termine. Tuttavia, la piena integrazione di ESG nella costruzione del portafoglio e nel processo decisionale è frenata da diverse sfide, molte delle quali relative ai dati, come incongruenze tra i fornitori di dati, dati rilevanti limitati a causa della divulgazione volontaria e una scarsità di standard a livello di settore sulle metriche.
Per affrontare queste sfide, gli asset manager adottano maggiormente approcci in relazione ai dati come ricerche approfondite, esplorazione periodica di fonti di dati emergenti e adozione di soluzioni da fornitori affermati. Ma questi approcci sono spesso incoerenti e applicati come soluzioni puntuali a silos, risultando in approfondimenti e rapporti sulle prestazioni che non sono né efficienti né tantomeno scalabili.
Data Lifecycle: una risorsa strategica per l’innovazione sostenibile
Una chiave per superare le sfide degli investimenti e dei rapporti ESG risiede nei nuovi dati e nelle capacità basate sull’intelligenza artificiale. Se utilizzati correttamente, potrebbero aprire la strada all’accelerazione, alla scalabilità e all’innovazione. Lo spiega dettagliatamente KERI SMITH, Managing Director – Applied Intelligence di Accenture in questo articolo.
Gli enormi volumi di dati non strutturati e incompatibili oggi disponibili rappresentano una grande sfida per gli asset manager che cercano investimenti ESG-friendly. Questo può rendere difficile sia integrare i dati ESG nel processo di investimento che riportare le performance ESG ai clienti. Le aziende devono stabilire la giusta base di dati e un’architettura scalabile di dati e tecnologia che copra ogni fase del ciclo di vita dei dati, dall’acquisizione alla cura, dal consumo all’azionabilità.
Affinché tutto ciò abbia successo, le aziende hanno bisogno di una guida alla selezione e applicazione dei giusti fattori ESG nella classificazione, estrazione e convalida dei dati, tutti in linea con i loro obiettivi di investimento complessivi. Chiarendo e codificando le loro prospettive interne sui fattori ESG, i manager possono supportare e migliorare il loro processo decisionale.
L’AI per potenziare e personalizzare gli investimenti
Fornendo una piattaforma su cui gli asset manager possono sperimentare e testare idee di investimento, l’AI sta rivoluzionando il modo in cui le aziende conducono la ricerca. I recenti investimenti in tecnologie come la blockchain possono essere integrati nella piattaforma di insight abilitata dall’intelligenza artificiale così che più fonti non strutturate di dati esterni possono essere combinate per supportare la scoperta del portafoglio e la generazione alfa (rendimento in eccesso di un investimento rispetto al rendimento di un indice di riferimento). Queste tecnologie di intelligenza artificiale possono elaborare enormi quantità di dati, comprese le informazioni relative ai fattori ESG, e fornire informazioni preziose per supportare gli investimenti ESG in modo veloce, preciso e scalabile.
L’intelligenza artificiale può aiutare a fornire consigli “sintonizzati” sulle preferenze e sugli obiettivi di ogni investitore, integrati da aggiornamenti dinamici e in tempo reale. Una recente ricerca di Morgan Stanley suggerisce che l’84% degli investitori desidera la possibilità di selezionare prodotti in linea con i propri interessi personali di sostenibilità. L’uso intelligente dell’AI può anche aiutare a sviluppare “cicli di apprendimento”, utilizzando decisioni precedenti e prestazioni del modello rispetto alle aspettative per produrre raccomandazioni per decisioni future.
Sposare investimenti ESG con Big Data e AI
Abbracciando gli investimenti ESG con nuovi dati e soluzioni basate sull’intelligenza artificiale, gli asset manager possono soddisfare gli obiettivi in evoluzione dei loro clienti in modo più efficace, costruire relazioni più profonde e durature e generare valore più elevato. Ma come e da dove cominciare?
Una strategia e una roadmap ESG possono aiutare le aziende a orientarsi negli aspetti pratici degli investimenti ESG includendo la creazione di politiche, cultura e mentalità ESG all’avanguardia, insieme alle capacità di ricerca, costruzione del portafoglio e reporting necessarie per facilitare nuove intuizioni ed esperienze personalizzate dei clienti gestendo regolamentazione e conformità.
Il risultato? In un settore che deve affrontare la compressione dei margini in corso e cambiamenti costanti nelle preferenze e nella regolamentazione degli investitori, l’AI potrebbe essere il nuovo elemento di differenziazione, aiutando le aziende a sviluppare nuovi prodotti e a rispondere con offerte tempestive che soddisfano e superano le aspettative ESG dei loro clienti.
Immagine fornita da Shutterstock.
