Big Data, IA e ML podem contribuir para tornar os processos de sustentabilidade e impacto social das empresas mais transparentes e eficazes.
A máxima de que aquilo que não pode ser medido não pode ser melhorado é uma premissa amplamente. E essa visão também é relevante quando falamos dos desafios de ESG – Environmental, Social e Corporate Governance.
De forma ampla, podemos compreender ESG como fatores não financeiros usados para avaliar a sustentabilidade e o impacto social de um investimento. Representa uma mudança fundamental do século 20 para o século 21 em como a responsabilidade social é percebida para impactar o desempenho financeiro de uma empresa.
Atualmente, os benefícios de incorporar metas ESG são bem compreendidos por empresas, investidores e reguladores. Porém, é aqui que termina o consenso. Em outras palavras, o “porquê” do ESG é claro, mas o “como” e “o quê” não são. Como resultado, há pouco acordo sobre quais dados as empresas devem coletar e como devem analisá-los e divulgá-los.
Problemas de ESG
A falta de padronização sobre como divulgar e analisar as questões de ESG dificulta a comparação e também impacta na transparência das, complicando o entendimento do nível de sustentabilidade de uma empresa. Para que o ESG realmente decole e tenha um impacto global, o Big Data e a Inteligência Artificial podem desempenhar um papel central em termos de coleta, verificação e análise do desempenho das políticas de ESG.
Na ausência desses padrões, o peso recai sobre empresas e investidores para garantir divulgações do ESG que sejam fieis à realidade das organizações e também para verificar a sustentabilidade de fornecedores, clientes e demais stakeholders envolvidos nesses processos. Por exemplo, 7 em cada 10 investidores citam a falta de informações de alta qualidade como o maior desafio na adoção de princípios ESG. Em outras palavras, a principal limitação do ESG hoje são os dados e as ferramentas necessárias para analisá-los, não a falta de orientação regulatória.
Em análise da Harvard Business Review, os autores Michael O’Leary e Warren Valdmanis fizeram a seguinte avaliação crítica:
“Os investidores que aderiram aos Princípios das Nações Unidas não melhoraram o desempenho social e ambiental de seus investimentos. Os signatários usam desses princípios para atrair capital sem fazer mudanças notáveis no ESG. Da mesma forma, os signatários da declaração Business Roundtable, que representa CEOs das maiores empresas dos EUA, não tiveram um desempenho melhor do que outras empresas na proteção de empregos e segurança do trabalhador durante a pandemia”.
Os autores sugerem que divulgações públicas padronizadas e regulamentadas estabeleceriam a base para uma maior responsabilização. Atualmente, não se exigem relatórios padronizados de ESG para empresas. Como tal, as métricas de desempenho não são comparáveis.
ESG ‘Greenwashed’
Hoje, as empresas costumam emitir relatórios ESG uma vez por ano, que são compostos por uma mistura de métricas e marketing.
Por exemplo, o portal Business Insider exemplifica que um relatório de sustentabilidade de 70 páginas de um banco de investimento líder nos EUA tinha apenas 3 páginas dedicadas a métricas e dados propriamente ditos. As 67 páginas restantes continham demais informações que eram praticamente uma forma de marketing da sustentabilidade. Mas como um investidor ou cliente desse banco avalia o texto para quantificar objetivamente o desempenho ESG? Essas divulgações refletem a realidade do desempenho ESG ou são simplesmente os pontos de dados observáveis mais fáceis?
Sem a capacidade de quantificar e avaliar os dados de forma, o ESG tem se tornado cada vez mais um termo de marketing sem uma base sólida em análise objetiva.
Esse fenômeno está sendo até discutido dentro do que se denomina “greenwashing”, termo designado a instituições que enganam consumidores e investidores sobre o desempenho de suas metas ESG. Quando há pouca distinção entre as metas ESG declaradas e os fatos de apoio, o movimento ESG corre o risco de perder seu significado e impacto.
Por isso, para garantir que o ESG seja, de fato, um compromisso responsável e verdadeiro, as empresas e marcas devem primeiro abordar os problemas fundamentais de qualidade da informação, com 3 pontos principais: qualidade dos dados (os dados são precisos?); conformidade (as empresas irão aderir?); e verificação (é verdade?). Tudo isso começa com dados.
Qualidade de dados
Hoje, encontrar dados ESG, mesmo internamente, é um processo de coleta bastante manual. As empresas líderes divulgam uma gama de dados ESG relacionados ao consumo de água, emissões de carbono e dados demográficos da força de trabalho. Cada ponto de dados é provavelmente mantido em bancos de dados separados em formatos e esquemas diferentes, tornando difícil garantir que sejam de alta qualidade ou precisos. Centralizar os dados em um único data lake pode melhorar o acesso e garantir uma melhor qualidade.
Conformidade
Depois que as informações são centralizadas em uma arquitetura de armazenamento moderna baseada em nuvem, as empresas podem obter uma visão em tempo real e compreensão de seu próprio desempenho ESG. Isso permite a autocorreção e o benchmarking, melhorando assim o cumprimento de seus objetivos declarados. Além disso, ter os dados acessíveis significa que as métricas ESG podem ser divulgadas com mais frequência.
Verificação
Para a maioria das grandes empresas hoje, a verificação ESG significa simplesmente pedir aos parceiros que obedeçam ao código de conduta do fornecedor. Mas como você verifica isso? A inteligência artificial, por exemplo, pode desempenhar um papel central no processo de verificação usando técnicas de processamento de linguagem natural (PNL) para análise de gráficos e relatórios – aprendendo como diferentes entidades influenciam as ESG umas das outras.
Os dados como solução
Embora já haja uma quantidade significativa de informações (e dados) fornecidos pelas empresas, os investidores não têm as ferramentas e a capacidade de extrair percepções confiáveis e comparáveis de maneira eficiente para medir o desempenho de uma empresa no que se refere a ESG.
A NLP [Natural Language Processing] pode resolver esse problema tanto do ponto de vista do investidor quanto do regulador. Ela usa algoritmos para manipular, resumir, classificar e extrair informações de texto e fala com eficiência. Aplicar a NLP no contexto ESG pode oferecer insights para a tomada de decisões sobre a sustentabilidade de uma empresa, e pode fazer isso em um ritmo mais rápido do que um analista humano.
A avaliação de sustentabilidade de uma empresa é frequentemente publicada em seu site. Embora o relatório possa fornecer informações detalhadas relacionadas às ESG, ele também pode ser tendencioso porque é voluntário e não regulamentado. As empresas podem evitar relatar informações negativas.
No entanto, técnicas de NLP podem ser usadas para automatizar tarefas como resumo, extração de palavras-chave, modelagem de tópicos, classificação de documentos ou análise de sentimento. Esses tipos de técnicas são especialmente úteis quando se tem avaliações de sustentabilidade de várias empresas e se deseja processá-las em conjunto para revelar tendências e discrepâncias. Por exemplo, a modelagem de tópicos pode revelar que a maioria das empresas informa sobre itens relacionadas a Covid-19 e à saúde do funcionário, embora algumas empresas evitem mencionar esse assunto. O resumo de texto pode então ser aplicado para avaliar rapidamente a mensagem geral desses outliers.
Essa abordagem também pode ajudar no desenvolvimento de padrões de divulgação. Considerando um cenário em que os classificadores de texto são aproveitados em um processo para coletar artigos de notícias sobre as violações ambientais das empresas, as técnicas de NLP podem ser usadas para comparar os documentos dessas empresas com um grupo de documentos considerados modelo. Isso ajudaria a revelar características distintivas que podem informar novos regulamentos para evitar futuras burlas do sistema.
No fim das contas, sem resolver o problema de dados básicos, as empresas não terão um entendimento preciso de suas próprias métricas ESG. A tecnologia nesse meio é um aliado para tornar o ESG mas transparente e eficiente, indo além de política, marketing e do hype de dizer que uma organização é sustentável.
