На региональном уровне не только ИИ – сама ESG-повестка постоянно отодвигается на второй план
Компании Северо-Запада не спешат внедрять в свою работу сложные аспекты ESG-повестки (Environmental, Social, Governance – экология, социальная ответственность и корпоративное управление). Центр исследований рыночной эффективности и прикладных финансов Высшей школы менеджмента СПбГУ разработал ESG-рейтинг на базе искусственного интеллекта, который проанализировал деятельность более чем 200 компаний СЗФО. Предварительные результаты показали, что компании в первую очередь реагируют на самые очевидные и регулируемые ESG-показатели: экологические меры (энергоэффективность, отходы) и базовые социальные гарантии. Более сложные аспекты, такие как цепочки поставок или управленческие инициативы, а также прогнозирование экологических и социальных рисков, которое сегодня может делать ИИ, отражаются слабее.
Есть несколько основных причин, по которым компании не стремятся внедрять принципы устойчивого развития, а также не используют для этого доступные на сегодняшний день возможности искусственного интеллекта. Ключевой барьер – отсутствие стимулов со стороны регуляторов, государства. Задачи повышения эффективности, особенно в текущей ситуации кадрового голода очевидны, но они редко связаны с пониманием того, как именно фокус на ESG может помочь компаниям. Поэтому разрабатываемые рейтинги, модели оценивания, в идеале, должны служить средством для того, чтобы регуляторы и рынок вознаграждали «хороших» и наказывали «отстающих». Пока такой системы нет и не предвидится, хотя на федеральном уровне и Банк России, и Московская биржа, и Минтруд, и Минпромэнерго отдельные инициативы разрабатывают. На региональном же уровне системной работы не ведется. Поэтому не только ИИ – сама ESG-повестка постоянно отодвигается на второй план.
Есть и другие причины. Например, качество и доступность данных. Для выстраивания тех же рейтингов, для понимания своего места в системе координат ESG в компаниях должны быть люди, которые этим систематически занимаются, да еще и умеют объяснить свои задачи искусственному интеллекту (или разработчику, что тоже может существенно снизить качество данных). Но их практически нигде нет.
На краткосрочном горизонте внедрение ESG-ориентированных инициатив на основе ИИ требует, как правило, существенных затрат и перестройки бизнес-процессов, а отдача от них, возможно, будет получена в более отдаленной перспективе. Это заставляет менеджмент откладывать внедрение таких инициатив, особенно в условиях бюджетных ограничений и необходимости оптимизации инвестиционного портфеля. Хотя исследователи практически единогласны в том, что ориентированность компании на ESG положительно связана с ее финансовой и операционной эффективностью в долгосрочной перспективе, инвесторы, регуляторы и менеджмент компаний зачастую вынуждены мыслить краткосрочными категориями и этих перспектив будущего роста эффективности просто не видят.
Ну и нельзя сбрасывать со счетов «энергетический парадокс»: больше ИИ внедряем – больше энергии тратим. Никто пока не решил задачу, как сделать энергоэффективным сам искусственный интеллект, ведь обучение требует большого количества «скармливаемых» ему данных, то есть существенных энергозатрат.
Но при этом существует множество факторов «за» внедрение в работу компании ESG-принципов при помощи ИИ. В частности, искусственный интеллект становится мощным инструментом для прогнозирования экологических и социальных рисков. В реальном секторе экономики наиболее активны крупные компании, для которых наступления таких рисковых ситуаций – реальная ситуация. Нефтегазовые компании и сами разрабатывают, и активно внедряют ИИ для предиктивного обслуживания оборудования, оптимизации логистики (это приводит к снижению выбросов углеродов в атмосферу), мониторинга ситуации на участках (снижение травматизма), моделирования последствий экологических рисков в Арктике и т.д. Используют ИИ и предприятия металлургии, крупные транспортные компании.
Внедрение ИИ повышает энергоэффективность, позволяет снижать операционные затраты, связанные с оптимизацией цепочек поставок, предотвращением экологических и трудовых инцидентов, увеличением скорости обработки информации, повышением эффективности управления.
Но для малых и средних предприятий внедрение ИИ все еще носит точечный характер и в меньшей степени ориентировано на ESG, скорее, ИИ пока помогает решать другие задачи. Если же говорить об ESG, приоритет здесь отдается экологической составляющей.
ESG-направление среди компаний Петербурга и Северо-Запада в целом продолжит развиваться, так как это источник роста и прибыли, и репутации компаний. Но это развитие будет неравномерным. Крупные экспортно-ориентированные компании (сырьевые, металлургические, химические) будут вынуждены углублять ESG-практики под давлением международных контрагентов и растущих требований со стороны регуляторов. Малый и средний бизнес, работающий с крупными компаниями, будет вовлекаться в ESG через цепочки поставок. Если же предприятие не ориентировано на крупных контрагентов, либо не имеет прямых выгод от государственной поддержки или премии от потребителей за инициативы в области устойчивого развития, – это развитие будет гораздо более медленным.
Еще одним фактором, способствующим развитию ESG в регионах, является то, что он уже обладает существенными компетенциями в области альтернативной энергетики (ВИЭ в Ленинградской области), переработки отходов, экологического туризма, формирования моделей осознанного потребления. При соответствующем стимулировании со стороны рынка многие малые и средние предприятия будут гораздо активнее в этой области, если почувствуют реальные выгоды не через гипотетические десять лет, а в ближайшей перспективе.
Наконец, внедрение ИИ перестанет быть прерогативой только лидеров и станет стандартом во всех сферах деятельности, в том числе и в области ESG.
Мнение автора может не совпадать с позицией редакции.