Intelligenza Artificiale ed ESG: contraddizione o connubio perfetto?

Per quanto riguarda la governance:

• Gestione del rischio e conformità: i sistemi IA possono monitorare le modifiche normative in modo più efficace, segnalare i rischi di conformità, ridurre gli errori umani e automatizzare la rendicontazione per le divulgazioni ESG.
• Rilevamento delle frodi e trasparenza: i modelli di machine learning possono identificare anomalie nelle transazioni finanziarie e nei dati delle catene di fornitura, migliorando la trasparenza.
• Decisioni guidate dai dati: l'IA offre approfondimenti predittivi che supportano le decisioni in azienda da parte della dirigenza e del consiglio di amministrazione, garantendo l'allineamento con gli obiettivi ESG e la sostenibilità a lungo termine.

Perché potrebbe essere un controsenso

Sebbene l'IA sia spesso acclamata per la sua capacità di promuovere gli obiettivi ESG, la situazione è complessa e talvolta persino contraddittoria. La tecnologia comporta compromessi e rischi che spesso vengono sottovalutati.

Sul fronte ambientale:

• Consumo di risorse: i sistemi IA sono altamente intensivi a livello di risorse, richiedendo grandi quantità di energia e acqua per l'elaborazione dei dati, l'addestramento dei modelli e il raffreddamento dei data center. Ciò solleva serie preoccupazioni sulla sostenibilità ambientale, poiché l'impronta di carbonio delle operazioni IA su larga scala può essere comparabile a quella di interi settori industriali.
• Stime recenti suggeriscono che una singola query di ChatGPT consuma circa 10 volte più energia rispetto a una ricerca su Google. Inoltre, secondo PBS, l'espansione dei data center basati su IA negli Stati Uniti potrebbe da sola aggiungere tra 24 e 44 milioni di tonnellate metriche di emissioni di CO₂ all'anno entro il 2030, equivalenti a mettere da 5 a 10 milioni di auto in più sulle strade.

Sul fronte sociale:

• Perdita di posti di lavoro: l'IA potrebbe causare significative perdite di lavoro in diversi settori. In alcuni casi, l'IA progredisce più rapidamente di quanto i lavoratori possano riqualificarsi, rendendo difficoltoso il loro passaggio a nuove funzioni.
• Coinvolgimento cognitivo: studi, inclusi quelli condotti da istituzioni come il MIT, hanno evidenziato differenze rilevanti nell'attività cerebrale tra chi utilizza l'IA in maniera intensiva e chi non lo fa. Questi risultati suggeriscono che un forte affidamento sull'IA può ridurre il coinvolgimento cognitivo, con possibili ripercussioni su creatività, memoria, capacità di risoluzione dei problemi, pensiero critico e abilità decisionali.
• Coinvolgimento comunitario: con la crescente diffusione dell'IA, c'è il timore che le persone, specialmente quelle più vulnerabili, possano preferire interazioni con "amici" IA anziché relazioni nel mondo reale. In casi estremi, l'affidamento eccessivo all'IA è stato associato all'isolamento emotivo e all'autolesionismo. Una causa legale negli Stati Uniti afferma che un chatbot di Character.AI ha indotto un ragazzo di 14 anni a suicidarsi.
• Problemi di bias e equità: l'IA solleva dilemmi etici che contrastano con i principi ESG. Sfide come il bias algoritmico, violazioni della privacy e sorveglianza possono minare l'equità sociale e i diritti umani. Questi rischi si sono manifestati attraverso algoritmi di assunzione discriminatori e pratiche invasive sui dati.
• Deepfake e contenuti dannosi: l'IA può essere impiegata per creare deepfake estremamente convincenti, inclusi ritratti denigratori o diffamatori di specifici gruppi, ad esempio le donne. Ciò può rafforzare stereotipi dannosi, perpetuare discriminazioni e causare danni emotivi o reputazionali.

Per quanto riguarda la governance:

• Opacità dell'IA: la mancanza di trasparenza nei processi decisionali dell'IA (il problema della "scatola nera") solleva preoccupazioni etiche e di governance. I processi decisionali dell'IA non sono trasparenti, facilmente interpretabili né prontamente verificabili, rendendo la responsabilità una sfida significativa.

Conclusione

L'IA è ormai parte integrante della nostra realtà e non mostra segni di declino. Offre potenti strumenti per accelerare i progressi ESG, ma comporta anche costi ambientali, rischi sociali e lacune nella governance. L'ESG e l'IA devono coesistere; tuttavia, la loro integrazione rappresenta un paradosso. L'IA sta rimodellando le industrie a un ritmo senza precedenti, e i framework ESG devono adattarsi per garantire che questa trasformazione sia in linea con la sostenibilità, l'equità e la responsabilità.

Il modo in cui si evolveranno le cose dipenderà dalla direzione che prenderà l'IA e dalle decisioni che i dirigenti dell'IA prenderanno. Queste includono lo sviluppo di algoritmi e infrastrutture che riducano il consumo energetico e l'impronta di carbonio; l'integrazione di standard etici e controlli di diversità nei sistemi IA per prevenire la discriminazione e proteggere l'equità sociale; l'implementazione di quadri di controllo da parte di certificatori esterni e senso di responsabilità per affrontare il problema della "scatola nera"; e, infine, la preparazione dei dipendenti a un'economia guidata dall'IA per ridurre la perdita di posti di lavoro e il malcontento sociale.

Come investire in IA e ESG

Esplora il tema IA e ESG di BG SAXO per elenchi di aziende che integrano l'innovazione guidata dall'IA e dimostrano un impegno nelle pratiche di sostenibilità.

Prima di effettuare qualsiasi investimento, assicurati di esaminare le informazioni disponibili sul prodotto sulla piattaforma e considera i tuoi obiettivi di investimento, la tolleranza al rischio e l'orizzonte temporale.