Tehisintellekti arengud leiavad maailmas hämmastavalt kiiret rakendust. Generatiivse AI kasutusjuhud on võtmas rohe- ja digipöördes võtmerolli. Vaatame, kuidas aitab see tehnoloogia mõlemas pöördes maha jäänud kinnisvarasektori ettevõtetel ESG eesmärke realiseerida.
Hüppeks on õige aeg
Nõudlus ESG investeeringute järele on kasvanud. Sellega paralleelselt on turule tulnud ka tehnoloogiad, mis suudavad kiiresti töödelda, analüüsida ja tõlgendada andmeid ettevõtete kliimamõjude ja sotsiaalse vastutuse kohta.
Ehk siis tehnoloogia on nüüd järele jõudnud kinnisvarasektori probleemidele.
→ AI ja GenAI toovad sektoris ilmselt väga kiire tootlikkuse tõusu.
Võrdluseks: Veel hiljuti ei olnud ka paari klikiga finantsanalüüs võimalik
Praegu ESG aruandluses toimuv meenutab aastatuhande vahetuse aegset finantsaruandlust: andmevood korjati kokku käsitsi ning andmete haldamiseks ja analüüsimiseks puudusid keerukad tööriistad.
Täna on AI erinevates Business Intelligence’i (BI) tarkvarades finantsanalüüsi üks olulisemaid tööriistu, kuna aitab töödelda ja analüüsida suuri andmekogumeid, mis ületavad inimese võimeid.
Nüüd on samasugust arengut oodata ka ESG aruandluses.
→ ESG jõuab kohe peavoolu.
→ Ettevõtted hakkavad mõistma, kuivõrd on kõik omavahel seotud: Hea tulemuslikkus, jätkusuutlikkus ja tippjuhtimine.
→ Tehnoloogiad on juba valmis.
ESG aruandlus ei ole lihtsalt dokument
ESG aruandlust on sageli mõistetud valesti kui iga-aastast aruannnet. Tegelikkuses on asi keerulisem. ESG-aruandlus on pidev protsess, mis hõlmab suure hulga andmete kogumist, haldamist ja analüüsi organisatsiooni erinevatest allikatest.
ESG aruandlus hõlmab laia valikut mõõdikuid alates CO2 heitkogustest ja energiatarbimisest kuni töötajate tervise- ja ohutusstatistika- ning mitmekesisuse mõõdikuteni. Ettevõtted peavad tagama, et andmed, mida nad esitavad, on täpsed, usaldusväärsed ja aja jooksul järjepidevad. Nende andmete hankimise, valideerimise ja täpse aruandluse protsess on spetsiifiline ülesanne.
ESG maastik muutub järk-järgult keerukamaks ja kihilisemaks. Keskkonna-, sotsiaal- ja juhtimisalane aruandlus (ESG) on enamat kui lihtsalt vastavuskohustus või iga-aastane harjutus. See nõuab andmestrateegiat ja pühendumust organisatsiooni igal tasandil.
ESG andmete väljakutse
Suurim probleem on seni olnud nii andmete kogumine kui kasutatavus.
Hinnanguliselt on kuni 90% kogu maailmas iga päev genereeritavatest andmetest struktureerimata – näiteks dokumendid, pildid, videod, heli ja sotsiaalmeedia.
Ka ESG andmed on mitmekesised, struktureerimata ja massiivsed. Osad on kvantitatiivsed (CO2 heitmed), osad kvalitatiivsed (hinnangud töötavade ja ettevõtte juhtimisstruktuuride kohta). Sellise andmete mitmekesisuse puhul võtab inimanalüüs tohutult aega.
Tehisintellektil on suured eelised struktureerimata andmete läbikammimiseks.
Aruandlusstandardid on ebajärjekindlad
Teine probleem on ESG-aruandluse ühtse raamistiku puudumine, mis teeb ettevõtete ja sektorite võrdluse keeruliseks.
Ettevõtted on avalikustanud oma ESG asju läbi erinevate raamistike ja standardite. Nendes mõõdikutes navigeerimine on nagu ekslemine labürindis. Kuna kategooriad ja mõõdikud ei ühti, on keeruline hinnata, millised ettevõtted on oma ESG-kohustuste osas tõeliselt silmapaistvad.
Mis on Gen AI?
Gen AI ei asenda analüütilist tehisintellekti – on kasutusjuhtumeid, mille puhul sobib suurepäraselt traditsioonilisem masinõpe. Pigem avardab GenAI kasutusjuhtumeid ja hõlmab terviklikke kinnisvara väärtusahelaid, mida tehnoloogia varem ei võimaldanud.
Kui traditsioonilist tehisintellekti kasutatakse andmete analüüsimiseks ja prognooside tegemiseks, siis generatiivne AI loob uusi andmeid olemasolevate andmete mustrite põhjal.
Forbes kirjeldab erinevust järgmiselt: “traditsiooniline tehisintellekt paistab silma mustrite tuvastamises, generatiivne AI aga mustrite loomises.”
GenAI aitab ületada lõhe algandmete ja teadmiste vahel
Täna võib öelda, et GenAI aitab ületada lõhe algandmete ja kasutatavate teadmiste vahel. Ning aitab ESG teemat demüstifitseerida.
Et tegu ei ole lihtsalt paberitäitmisega, vaid ettevõtetel tekib ka tõeline arusaam, millel pühendumine läbipaistvusele, vastutusele ja jätkusuutlikkusele tegelikult põhineb.
Kuidas aitab AI lahendada ESG aruandluse andmeprobleeme?
Kuigi kasutusjuhte on kindlasti rohkem, toome ära mõned peamised ESG tegevustes:
Suurem ESG-andmete täpsus ja usaldusväärsus
Täiustatud andmekogumismeetodid ja standardiseeritud mõõdikud võimaldavad paremat võrreldavust. GenAI õpib struktureerima ja välja valima tõendeid jätkusuutlikkuse väidete toetamiseks.
Ajakohased andmed
Ka andmete õigeaegsust saab parandada tehisintellekti abil. Sageli luuakse ettevõtete ESG aruandeid viivitusega. Kui ettevõtte sees õnnestub ka andmed kokku koguda, ei pruugi need enam praegust olukorda kajastada. AI abil loodud süsteemi abil saab kontrollida pidevalt erinevatest allikatest reaalajas andmeid.
Kiirem aruandlus
AI muudab andmekogumise sujuvamaks ja täpsemaks, vähendab selle kulusid ja aitab aruandlust standardiseerida. Täpset teavet saab kiiremini kui kunagi varem, kogudes ja standardides tehisintellektiga ESG-andmeid automaatselt.
Sisukad võrdlused
Masinõppe mudelid suudavad analüüsida konkreetsete ESG-tegurite olulisust konkreetse valdkonna jaoks. Samuti saab AI-programme saab õpetada tuvastama ja paigutama andmeid ESG raamistikega ühtivatesse kategooriatesse. Kui kõik andmed on õigesti rühmitatud, on võimalik sisukas võrdlus erinevate sektorite ja ettevõtete lõikes.
Sisuline õppimine, mis aitab ESG vallas edasi
Samuti aitab GenAI tuvastada andmetest mustreid, ebakõlasid ja potentsiaalseid probleeme.
Ning mõõdikuid võrrelda ajalooliste sündmustega, mis aitab mõista, kuidas erinevad tegevused võivad ESG-mõõdikuid mõjutada.
Keelemudelid aitavad hõlmata kvalitatiivseid andmeid
GenAI, eriti kui see on kombineeritud tipptasemel mudelitega, nagu GPT või suurte keelemudelitega (LLM), aitab selgitada inimkeeles arvude taga olevat narratiivi ja tausta.
Ka Natural Language Processing (NLP) mõistab inimkeelt nii, nagu seda räägitakse või kirjutatakse. Kvalitatiivsete ESG-andmeid (nt ettevõtte jätkusuutlikkuse aruanded, uudisteartiklid ja sotsiaalmeedia postitused) analüüsides annab NLP võimaluse hankida olulisi teadmisi ilma kõiki sisendeid käsitsi üle vaatamata.
GenAI aitab ka klienti ja investorit
Nüansirikkad tõlgendused annavad sidusrühmadele päris arusaama, et hinnata ettevõtte või sektori pühendumust jätkusuutlikkusele ja vastutusele. Ka investeerimis- ja ostuotsused ei põhine edaspidi ainult andmetel, vaid ikka tõelisel arusaamisel neist.
Sidusrühmade kaasamine
Tehisintellekti algoritmid saavad hinnata kinnisvara ja arendusprojektide sotsiaalset ja kogukonna mõju, analüüsides andmeallikaid ning pakkudes ülevaadet kogukonna vajadustest, ootustest ja muredest. Neid teadmisi saab kasutada võimalike negatiivsete mõjude leevendamiseks, sotsiaalselt vastutustundlike algatuste väljatöötamiseks ja positiivse sotsiaalse mõju edendamiseks. Lisaks saab AI-algoritmidega hõlbustatud suhtlusstrateegiate abil tõhusamalt kaasata kogukonna liikmeid otsuste tegemisse.
→ → → → →
Kõik need ja muud kasutusviisid võivad vähendada regulatiivsete nõuete täitmise praegusi suuri kulusid. Kuid mitte ainult. AI ja GenAI abil saavad kinnisvara ettevõtted mitte üksnes vastata ESG kriteeriumidele, vaid avastada ka uudseid teid jätkusuutlikkuse edendamiseks.
Rohkem selle kohta vaata meie Roheinnovatsiooni artiklitest.
Kinnisvarasektor AI juurutamise liidriks?
Kuid kas tehnoloogilise mahajäämuse poolest tuntud sektor suudab ületada struktuursed väljakutsed, investeerida tehnoloogiasse, protsessid ümber teha ja tõusta tehisintellekti liidriks?
Et kinnisvara on digitaliseerimises mahajäänud, võib tegelikult olla eeliseks, sest tööstus ei investeerinud üle varem kättesaadavasse, kuid nüüdseks aegunud tehnoloogiasse nagu mõned teised sektorid.
Kuidas olla varaste juurutajate seas?
Uute standardite täitmiseks tuleb küll olla valmis investeerima andmehalduse infrastruktuuri, tööriistadesse ja personali, kuid AI toob kõikide investeeringute kulud siiski kõvasti alla.
Viljakad tegevused hõlmavad erinevate süsteemide läbimõeldud sidumist ja andmepunktide ühendamist kinnisvarahaldussüsteemides, kliendisuhete halduses, hooldusportaalides jne.
