El papel emergente del procesamiento del lenguaje natural en los análisis ESG

análisis ESG

La inteligencia artificial y, en particular, el procesamiento del lenguaje natural (Natural Language Processing, NLP) podrían permitir a los inversores acceder y analizar datos de manera eficiente y «aumentar drásticamente» el alcance de los análisis para evaluar aspectos ambientales, sociales y de gobernanza (Environment, Social and Governance; ESG). Esto es lo que se afirma en un documento conjunto de la International Finance Corporation (IFC) y Amundi, una empresa de gestión de activos, publicado a principios de este año.

¿Por qué es importante el análisis ESG?

En vista de los acontecimientos mundiales recientes, que se repiten con una frecuencia cada vez mayor, los aspectos ambientales, sociales y de gobernanza, o ESG, adquieren una creciente importancia. Existe una tendencia mundial hacia la inversión responsable a medida que los consumidores, en particular los de las generaciones más jóvenes, están creando una demanda en este sentido.

Esta tendencia se puso de relieve a principios de este año, cuando Cardano (promocionada como una de las criptomonedas más respetuosas con el medioambiente) resistió una gran caída en el sector después de que Elon Musk tuiteara preocupaciones sobre el impacto ambiental de los procesos de criptominería.

Además de proteger tu inversión para el futuro, los análisis ESG también son el camino socialmente responsable. El fraude, la corrupción y el cambio climático representan un riesgo sistémico para la sociedad.

Los desafíos de los análisis ESG

Los inversores están frustrados por la falta de datos ESG estandarizados. Según los expertos, el crecimiento del mercado ha llevado a un aumento en los proveedores de calificación y de datos ESG, pero eso solo ha incrementado la confusión en el mercado.

El fondo de datos ESG global se ha triplicado a más de un billón de dólares desde 2015. Este crecimiento ha provocado la rápida aparición de proveedores de calificación ESG, cada uno con diferentes métricas y parámetros. Los emisores son abrumados con formularios que conducen a lo que el informe de IFC/Amundi denomina «fatiga de informes ESG» .

El rápido crecimiento y el consiguiente aumento de la conciencia sobre la importancia de los datos ESG se han producido casi en su totalidad en el mundo desarrollado. Esto hace que sea un gran desafío para los inversores evaluar aspectos ESG e invertir en emisores en mercados emergentes.

Otro reto es la complejidad de un campo tan multidimensional. ¿Cómo comparas las políticas anticorrupción de una empresa con su compromiso con la sostenibilidad? ¿Cómo se hace una evaluación similar de las estrategias de prevención del fraude de una región a otra? Los datos estructurados por sí solos, que están sujetos a discrepancias, no te darán una imagen tridimensional en un campo tan complejo.

La calidad y la trazabilidad también plantean desafíos para los datos ESG. Los analistas necesitan acceso a datos sin procesar para lograr una comprensión clara y honesta de la actuación y el compromiso de una empresa con las mejores prácticas y con la solución de problemas clave.

En resumen, la falta de regulación junto con la complejidad de los aspectos ESG hacen que la comparación entre regiones sea casi imposible. Pero, afortunadamente, las capacidades emergentes en la tecnología de IA y NLP tienen el potencial de proporcionar nuevos puntos de datos, y nuevas perspectivas para los datos existentes, que ayudarán a cerrar la brecha de información en materia de ESG.

Uso de datos no estructurados y NLP

Los inversores están utilizando tecnologías de inteligencia artificial para recopilar y analizar datos no estructurados con el fin de dar amplitud y profundidad a la evaluación en materia de ESG

Los artículos de noticias, la información sobre proyectos facilitada a los bancos multilaterales de desarrollo (MDB), los informes de sostenibilidad y los prospectos de bonos son fuentes de datos no estructurados muy poco utilizadas. Las redes sociales y los datos de valoraciones también pueden respaldar métricas como la satisfacción de los empleados y los derechos de los trabajadores.

Históricamente, la evaluación de textos largos ha sido un proceso intensivo en tiempo y recursos. Sin embargo, las innovaciones en NLP han revolucionado la forma en que se pueden recopilar, analizar e interpretar textos no estructurados.

Las herramientas de NLP, como las desarrolladas por Symanto, pueden analizar datos no estructurados rápidamente y a gran escala. Los textos no estructurados se pueden tomar de fuentes públicas. Esto elimina el requisito absoluto de elaborar informes ESG y permite un análisis más completo de la actuación en materia de ESG dentro de los mercados emergentes.

 

Al analizar textos de los medios de comunicación y otros tipos de documentos que no se elaboraron específicamente para informes ESG, es muy posible que se reduzcan las discrepancias y haya menos probabilidades de que los datos hayan sido manipulados o distorsionados para dar una visión favorable del emisor.

 

Aplicaciones del NLP en informes ESG

 

Acelerar el análisis manual

El NLP puede reducir el tiempo que se tarda en encontrar información ESG relevante en informes y otros documentos internos o externos. Por ejemplo, el minorista de moda y alimentación del Reino Unido, Marks and Spencer, publicó esto en su plan de sostenibilidad:

“Durante los últimos doce meses, hemos mejorado significativamente nuestro enfoque respecto a los derechos humanos, lo que culminó con la reciente valoración de la iniciativa Corporate Human Rights Benchmark clasificándonos como la mejor empresa de moda y alimentación”

Extracto de Plan A 2025 commitments de Marks and Spencer

 

En lugar de leer y analizar manualmente el informe, el modelo Symanto NLP realizaría una clasificación del texto y un análisis de los sentimientos recogidos en el informe para extraer solo los segmentos más pertinentes. En este caso, el modelo de Symanto clasificaría el pasaje anterior como relacionado con los «derechos humanos» con sentimiento «positivo».

A continuación, el NLP se puede usar en otras fuentes, como informes de noticias, redes sociales y blogs, para corroborar o refutar las promesas hechas en los informes corporativos.

Medir el sentimiento en el lugar de trabajo y la satisfacción de los empleados

La satisfacción de los empleados es una métrica clave para el análisis ESG. La forma en que las empresas tratan a su plantilla refleja, entre otros factores, su compromiso con las prácticas éticas. También hay evidenciasque sugieren que las empresas con empleados más satisfechos también tienen un mejor rendimiento en el mercado de valores.

Comienza a utilizar Insights de Symanto

Creamos soluciones para satisfacer tus necesidades exactas. Para obtener más información sobre las herramientas de NLP de Symanto, ponte en contacto con nosotros o reserva tu demostración personalizada gratuita hoy mismo.