生成式人工智能的ESG機遇與挑戰
GenAI在可持續發展領域的應用案例
案例一：促進可持續投資的數據與洞察力
GenAI在可持續發展領域最具潛力的應用場景之一，是其對大數據的處理能力，尤其是那些富含 ESG 資訊但格式與品質各異的非結構化資料。GenAI可分處理企業披露、監管報告、巨量數據集及社交媒體內容，從中分析隱藏的趨勢、模式與矛盾，幫助分析師及早識別風險，例如供應鏈弱點或潛在的管治問題。
除了文本資料外，GenAI 亦可結合衛星影像和物聯網（IoT）訊號，提供即時洞察。例如衛星數據可用於監測森林砍伐、甲烷洩漏或沿岸水浸；而IoT感應器則可收集工廠或門市的實際用電及用水情況。這些數據若經妥善結構化後，可應用於預測分析、情景模擬及投資組合優化，讓投資管理人調整風險配置，以及進行壓力測試。
CFA 協會於2024年發表的《非結構化數據與人工智能》報告指出，AI 模型能夠被訓練以識別與ESG相關的重要X貼文，並將這些資訊納入投資組合建構。回測結果顯示，這些由AI模型驅動的ESG投資組合整體表現優於基準指數，當中以小型股的表現尤為突出，顯示GenAI有能力將零散的ESG數據轉化為具體可行的投資洞察。
案例二：推動減碳與能源優化
GenAI 另一個重要應用場景是提升能源系統的效率。根據國際能源署（IEA）資料，數據中心於2024年耗電量約為415太瓦時（TWh）。報告同時指出，GenAI可協助電網營運商更精準預測用電需求，並更有效整合可再生能源。遠端故障偵測系統更可減少不必要的限電情況，釋放高達175吉瓦電網傳輸容量，無須興建新的基建設施。
鋼鐵、水泥等碳密集行業合共佔全球二氧化碳排放近13%。這些行業正在運用GenAI工具來提升能源效率，包括預測性維修、程序控制及爐溫優化等，從而減少能源浪費及降低碳排放。世界經濟論壇於2024年發表的《Net Zero Industry Tracker》報告指出，應用GenAI可提升資本效率5至7%，並減少1.5至2萬億美元的資本需求。
亞太區亦有不少令人鼓舞的數據。例如，研究顯示，在系統層面，中國內地城市在部署 AI 技術後，整體能源效率有所提升，當中技術部署主要為推動綠色科技創新及促進工業結構升級。此研究亦指出，監管較嚴格及環保政策執行力較強的城市，效果尤其顯著。
這些案例反映GenAI若應用得宜，可於實體經濟中實現節能減排。對投資者而言，企業如何部署AI技術，將成為衡量其減碳潛力及長遠競爭力的重要指標。
案例三：提升安全性、韌性與循環經濟
職場安全與營運韌性雖屬重要的ESG議題，但往往不是焦點所在。在能源、水務與廢物管理等行業，AI驅動的「數碼雙生」（Digital Twin）技術可模擬實體設施（如處理廠或輸配網絡）的運作情景，協助預測設備故障、優化維修時間表、從而減少停運與資源浪費。例如，全球公用事業公司Veolia已在污水處理設施中應用此技術，提早偵測滲漏，並更有效分配維修資源，改善環境及財務表現。
在前線操作方面，企業亦採用自主檢測機器人以保障員工安全。美國Boston Dynamics的機械狗「Spot」配備鏡頭、感測器及AI視覺系統，可於高壓電站、化工廠或狹窄空間等高危環境進行巡查，避免人員涉險。英國電網公司National Grid正利用「Spot」採集數據，並將結果輸入數碼雙生模型，用作預測維修及安全監控。
對投資者而言，這些例子除了顯示GenAI可直接改善社會層面的ESG表現，特別是在提升職場安全方面，也突顯循環效率的重要性：減少廢物、降低意外、延長設備壽命，這些都有助提升企業韌性及創造可持續價值。
GenAI帶來的ESG風險
隨著GenAI日益普及、效能提升及成本下降，其ESG風險亦備受關注。在今年九月的 ReThink Hong Kong 論壇上，CFA 協會主持了一場 AI 與永續發展交集的圓桌會議。協會訪問了近40位來自可持續發展、科技及金融界的專業人士，結果顯示高達七成受訪者對GenAI在環境、社會及管治三方面風險均感憂慮，當中又以管治風險最受關注。那麼這些風險是什麼？又該如何緩解？
環境風險
- 能源消耗：美國科技巨頭預計將於2025年投資逾3,000億美元於AI基建，此舉預期將對環境構成重大壓力。以 Google 為例，其於2024年的溫室氣體排放量較2019年上升51%，其範圍三（Scope 3）排放按年增長24%，主要來自數據中心的用電需求。此外，訓練AI模型的不但用電驚人，而且增長急劇：訓練GPT-3所需的碳排放達588，GPT-4需5,184噸，Llama 3.1 405B更高達8,930噸。
不少科技企業正積極回應這些挑戰。以阿里雲為例，其自建數據中心的能源使用效益（PUE）由2022年的1.247降至2025年的1.190，清潔能源使用比例亦升至64%。
- 水資源壓力：AI數據中心需大量用水降溫。美國2023年數據中心的直接用水量達662億公升，其中一個數據中心表示六成水為消耗性使用，無法回收。隨着AI需求上升，預計至2027年，全球數據中心將總共抽取4.2至6.6兆公升的水。以澳洲為例，位於新南威爾士州的數據中心迅速擴張，預計每年耗用多達96億公升清水，相當於悉尼最大供水量的近2%，引起居民與農民的憂慮。
社會風險
- 職位流失：隨着AI自動化監控、決策等工序，一些傳統職位或將被取代。即使AI有潛力創造新職位，轉型過程對數以百萬計工人而言仍屬艱難，涉及失業、技能轉型與不平等問題。
- 偏見強化：偏見可能透過訓練資料與演算法進入 GenAI，反映社會偏見與不平等。這些偏見可能以性別、種族或文化等多種形式呈現。
管治風險
- 數據質素與完整性：ESG數據質素參差，或導致誤判，而AI模型亦可能繼承偏見，影響輸出結果與決策。CFA協會調查顯示，77%受訪者認為數據質素是AI應用的最大障礙。
- 透明度、可解釋性與問責性：不少AI模型屬「黑箱操作」，訓練資料來源不明，亦難以辨識潛在偏見，決策過程更難以追蹤。CFA 協會最新的《金融領域的可解釋人工智能》報告指出，人機協作及即時解釋功能是建立信任與保障用戶權益的關鍵。
總結
如同其他工具一樣，GenAI的影響取決於其使用方法與背後的動力。若掌握得宜，它可協助投資者與企業提升數據分析能力、優化能源運作、改善職場安全；反之，則可能加劇電力負荷、耗盡水資源，並衍生管治、偏見與道德等爭議。正如CFA協會研究所示，能否有效使用AI關鍵在於其可解釋性與良好管治，唯有具備紀律與責任感者才能有遠見地使用GenAI，發揮其潛力，實現可持續價值。
CFA協會亞太區資本市場政策資深顧問梁家恩
