隨著 ESG 議題日益重要，企業面臨越來越多的報告與合規需求，傳統方法已無法應付，而 AI 技術不僅能解決數據收集與分析的挑戰，更成為推動 ESG 變革的核心工具。
目前，企業永續人員正積極利用 AI 技術來應對新的法規與趨勢。Reuters Events 針對超過 3,000 位資深永續專業人士的研究結果表明，業界普遍計劃對於 ESG 資料管理平台、用於重要性評估的人工智慧，以及永續發展風險管理解決方案，進行更進一步的投資。
為什麼企業普遍傾向導入 AI 來處理 ESG 挑戰？AI 與 ESG 的關聯性還有哪些？若是使用 AI，需要注意哪些問題？一起來看。
AI 與 ESG 的關聯性：相互依存、互為解方
「AI 與淨零碳排互為因果」，資策會產業顧問兼副主任施柏榮說明：「由於 AI 需要大量耗能，因此企業必須推動永續；而永續方面也需要 AI 的協助，AI 甚至能夠成為執行淨零碳排的主要工具。」AI 與 ESG 並非僅僅是工具與目標的關係，而是呈現一種相互促進、彼此依存的因果循環。
具體而言，AI 會消耗大量能源，特別是在訓練大型語言模型的過程中，會產生大量碳排放。聯合國貿易和發展會議發現，2020 年資訊與通信科技（ICT）產業的排放量約佔全球的 1.5% 到 3.2%，比重已接近海運業。這促使科技公司必須更加重視永續發展，尋求降低 AI 能耗的方法，例如使用再生能源、開發更節能的演算法等。
另一方面，ESG 的推動也仰賴 AI 協助。AI 可以幫助企業更有效率地收集、分析和管理 ESG 數據，進而識別風險、優化流程並提升成效。例如，AI 可用於監測供應鏈中的環境和社會風險、追蹤產品碳足跡、優化能源使用，以及協助企業制定更完善的 ESG 策略等。
如何用 AI 解決 ESG 問題？
隨著新的 ESG 揭露要求和標準不斷湧現，ESG 和永續發展團隊越來越需要處理大量的行政和報告任務；國際數據公司（International Data Corporation）預測，ESG 商業服務支出將從 2023 年的 377 億美元增長到 2027 年的近 650 億美元。目前，企業傾向利用 AI 來管理碳排、自動化擷取淨零轉型數據，以及生成淨零、ESG轉型報告等，許多解決方案供應商也透過 AI 來開發相關服務。
舉例而言，Seneca ESG 的碳排放管理工具 AREA ，即是利用 AI 來處理資料收集與整合的挑戰，並且能自動識別潛在的排放熱點；同公司的永續資料管理平台 EPIC 平台，則是使用逾 2 萬 5 千本永續報告書訓練 AI，讓使用者能夠更輕鬆填答不同準則的問題，也能自動連接不同標準中的其他類似問題，同時調整內容以符合其他規範要求。
金融機構則是傾向利用 AI 來偵測和糾正 ESG 數據，利用數據進行投資風險控制，並建議新的投資組合。 許多金融機構，包括美國銀行（Bank of America）、花旗銀行（Citibank）和匯豐銀行（HSBC）等，都已經導入 AI 來處理 ESG 相關的業務。
實務執行：資料治理的重要性
實際使用 AI 來協助執行 ESG 時，應該注意哪些要點呢？資策會產業顧問兼副主任施柏榮表示：「資料治理是 ESG 與 AI 的關鍵」，當 ESG 必須依賴 AI 時，乾淨、可信任的資料來源就成為各家企業必須重視的方向。如果輸入 AI 模型的數據本身就存在偏差或錯誤，那麼 AI 所產生的結果也將不可靠。因此，企業需要建立完善的資料治理機制，確保 ESG 數據的準確性、完整性和一致性。
另外，AI 模型本身也可能存在偏差，需要透過適當的設計和訓練來避免。唯有藉由可信任、可解釋的 AI 演算法，才能夠協助企業生產出可信賴的 ESG 成果。
AI 作為推動 ESG 發展的強大工具，正逐步成為全球企業不可或缺的技術。然而，隨著AI應用的擴展，企業必須妥善處理數據治理與模型透明度的挑戰。未來，AI與ESG的深度融合將決定企業能否在永續發展的浪潮中脫穎而出。
資料來源：路透社1、路透社2、CSR@天下、salesforce、安永
（本文初稿為 AI 編撰，整理．編輯／王聖華）
