ИСПОЛЬЗОВАНИЕ АНАЛИТИКИ ДАННЫХ И ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ ПУБЛИЧНОГО РАСКРЫТИЯ ИНФОРМАЦИИ

Искусственный интеллект — это технология, с помощью которой можно автоматизировать различные вычислительные и аналитические задачи. Система искусственного интеллекта — это машинная система, которая способна влиять на окружающую среду путем выработки входных данных (прогнозов, рекомендаций или решений) для заданного набора целей. ИТ-отдел использует машинные и/или человеческие данные и входные данные для восприятия реальной и/или виртуальной среды; обобщения этих восприятий в модели посредством анализа автоматическим способом (например, с помощью машинного обучения) или вручную; и использует вывод из модели для формулирования вариантов результатов. Системы искусственного интеллекта предназначены для работы с различным уровнем автономии [1]. Например, системы искусственного интеллекта можно использовать для автоматизации любого из четырех типов анализа данных. Системы искусственного интеллекта могут быть разработаны для автоматического анализа данных, выявления проблем, предложения решений и прогнозирования того, как решение будет работать. Имея в своем распоряжении эту информацию, люди, принимающие решения, могут решить, применять предложенный курс действий или нет. Системы искусственного интеллекта также могут быть спроектированы так, чтобы быть полностью автоматизированными. То есть, как только система искусственного интеллекта выявила проблему и предложила, и протестировала решение, она может решить, следует ли внедрять решение без вмешательства человека.

Недавним примером инструментов анализа данных, не основанных на искусственном интеллекте, которые влияют на публичные компании, является инициатива Комиссии по ценным бумагам и биржам (SEC) по прибыли на акцию, которая использует «анализ данных на основе риска для выявления потенциальных нарушений бухгалтерского учета и раскрытия информации, вызванных, среди прочего, методами управления прибылью» [2]. В отличие от других инициатив, которые сосредоточены на повторном запуске финансовых данных, инициатива EPS использует анализ данных и другие инструменты для выявления доказательств манипуляций в отчетности.[3] Несмотря на относительную простоту по сравнению с генеративным искусственным интеллектом (GAI), эти подходы, основанные на данных, могут выявить крупномасштабные манипуляции из-за человеческой ошибки (например, следователи просматривают данные, чтобы убедиться, что в данных присутствует правильное соотношение цифры «4», поскольку при манипулировании человеком число 4, как правило, не учитывается из-за тенденции к округлению в большую или меньшую сторону) [4]. Академические исследования мошенничества с управлением доходами и бухгалтерским учетом применили такие методы или концепции для выявления мошенничества, например, путем установления корреляции между послужным списком генерального директора за рулем и склонностью к показному образу жизни. Регулирующие органы и аналитики используют методы, разработанные в этих документах, для раннего выявления мошенничества с бухгалтерией, и, согласно последнему бюджетному запросу SEC, она планирует приложить еще больше усилий для развития своих возможностей искусственного интеллекта [5].

Несмотря на относительно низкий уровень внедрения технологий анализа данных крупными компаниями, небольшие компании и организации уже создают такие инструменты, особенно для продвижения дополнительных мер по охране окружающей среды и устойчивому развитию. Эти инструменты - не просто новинки. Они представляют потенциальный риск для компаний, поскольку правительства по всему миру требуют раскрытия все больших объемов данных об окружающей среде и устойчивом развитии. Активисты-экологи и крупные, особенно европейские, инвесторы также требуют раскрытия данных об устойчивом развитии, включая информацию о правах человека, цепочке поставок и человеческом капитале. Такое раскрытие все больших объемов данных в сочетании со все более мощными вычислительными технологиями создает более рискованную среду раскрытия информации для публичных компаний [6].

Некоторые примеры общеизвестных инструментов включают Climate TRACE, который отслеживает выбросы компаний и составляет их кадастр в режиме реального времени [7]; GreenWatch, который сравнивает требования компаний к экологичности с показателями выбросов [8]; Datamaran, который рассматривает и анализирует данные корпоративного управления для оценки эффективности ESG компании и определения областей для улучшения [9]; Manifest Climate, который сравнивает данные компаний со структурами отчетности, нормативными актами и аналогами[10]; и JUST Capital, который использует ИИ для ранжирования компаний на основе «справедливой стоимости» [11]. BreezoMeter предоставляет данные о качестве воздуха в режиме реального времени, способствуя прозрачности и осведомленности об окружающей среде [12]. ClarityAI предоставляет данные об устойчивом развитии, позволяющие пользователям инвестировать, совершать покупки и проводить бенчмарки на основе этих данных.[13] Эти инструменты создают риски, но также открывают возможности.

Конечно, компании могли бы рассмотреть возможность использования некоторых из этих инструментов, таких как Datamaran или Manifest Climate, в своих интересах, особенно для оценки своего соответствия сложным нормативным актам и правилам ESG, а также для сравнения своих раскрытий и показателей с аналогичными. Кроме того, компании могли бы рассмотреть возможность использования таких инструментов, как SustainLab, который предоставляет комплексную платформу для управления данными и отчетности в области устойчивого развития [14]; Ecogain, которая использует искусственный интеллект для оказания помощи компаниям в постановке и достижении целей в области устойчивого развития [15]; и Turntide Technologies, которая использует искусственный интеллект для оптимизации энергопотребления в зданиях [16]. Такие инструменты могли бы, например, помочь компаниям обеспечить соблюдение требований и уровня отчетности.

Существующие требования к раскрытию информации представляют достаточные комплаенс-риски, поскольку, как отмечалось выше, SEC уже начала активно использовать технологию анализа данных для выявления нарушений. Соблюдение требований становится еще более сложной задачей, когда регулирующие органы принимают новые требования к раскрытию информации, что происходит быстрыми темпами. Без четкого толкования, опыта правоприменения или указаний судов новые правила раскрытия информации могут создать значительную неопределенность в регулировании, повышая риск для компаний, которые должны подавать документы в соответствии с новыми правилами. Например, новые правила SEC по раскрытию информации о кибербезопасности для публичных компаний существенно изменили статус-кво, возложив существенное бремя и усложнив реагирование на инциденты для всех публичных компаний [17].

Существует несколько способов, с помощью которых компании могут использовать технологию анализа данных для оценки и снижения рисков, связанных с текущими и предстоящими требованиями к раскрытию информации. На начальном этапе компании могли бы использовать некоторые из инструментов сторонних производителей, описанных выше, для проверки своих данных и раскрытия информации. Компании могли бы использовать существующие наборы данных писем с комментариями SEC и правоприменительных действий для составления собственных списков актуальных тем и тенденций SEC. Компании могли бы использовать технологию анализа данных для сравнения раскрытий аналогичных компаний и сравнения этих раскрытий со своими собственными. Этот тип анализа может помочь компаниям определить, по-разному ли коллеги обрабатывают свои раскрытия информации, и сообщить об изменениях в своих раскрытиях, если анализ выявит пробелы. Особенно в условиях неопределенности или новых нормативных условий, таких как новые правила отчетности SEC по кибербезопасности и предлагаемые ею правила отчетности о выбросах, оценка и извлечение уроков из раскрытия информации компаниями-партнерами является важным способом снижения рисков. Технология анализа данных может сделать этот процесс более эффективным и динамичным.

Компании также могли бы использовать технологию анализа данных, чтобы учиться на ошибках, допущенных компаниями-партнерами при раскрытии информации. Например, компании могли бы проанализировать действия SEC или Агентства по охране окружающей среды (EPA) и выявить проблемы, которые вызвали проверку со стороны регулирующих органов. Технология анализа данных может позволить анализировать огромное количество соответствующих правоприменительных действий, чтобы выявить ключевые ошибки в соблюдении требований или схемы правоприменения. Компании также могут сопоставлять раскрытия компаний-аналогов с действиями SEC или EPA по обеспечению соблюдения, чтобы определить, какие раскрытия послужили поводом для расследования и правоприменения.

Компании также могут использовать технологию анализа данных для снижения рисков активизма и судебных разбирательств. Активисты и другие организации все чаще используют технологию анализа данных для оценки рекламы компаний, пресс-релизов и документов, раскрывающих информацию, и сравнения их с фактическими показателями, нормативной базой и желаемыми политическими целями. Такой анализ часто может привести к активизации акционеров, судебным разбирательствам или проверке со стороны регулирующих органов, а также нанести ущерб репутации компании.

Организации, борющиеся за изменение климата, проявляют особый интерес к этому подходу, используя растущее число технологических инструментов анализа данных для оценки деятельности компаний в области изменения климата и охраны окружающей среды и составления отчетов о ней. Например, Datamaran рассматривает и анализирует данные о корпоративном управлении, включая риски и возможности ESG, для оценки эффективности ESG компании и определения областей для улучшения. Climate TRACE независимо отслеживает выбросы компаний в режиме реального времени и была описана как «первый в мире глобальный реестр выбросов». GreenWatch противопоставляет заявления компаний о экологичности или устойчивом развитии их фактическим показателям выбросов и рекламируется как искусственный интеллект для обнаружения «зеленой промывки».

Также можно использовать технологию анализа данных, чтобы помочь выявить дезинформацию о Компании и ее бизнесе и бороться с ней в новостях и освещении в СМИ.

Сообщения средств массовой информации о существенном бизнесе компании и усилиях по соблюдению нормативных требований могут представлять значительные потенциальные риски. Новостные сообщения могут послужить толчком для правительственных расследований, нормативных действий и судебных исков, а регулирующие органы и адвокаты истцов, как известно, используют информацию, содержащуюся в таких отчетах. Они также могут существенно повлиять на корпоративную репутацию и цены акций. Технология анализа данных предлагает эффективный и автоматизированный метод поиска в Интернете соответствующих отчетов, статей или заявлений, выявления любых искажений или неточностей и выявления проблем для принятия решения. Такая информация может позволить компании быстро исправлять записи о неточных новостях, публиковать ответы или устранять вводящие в заблуждение заявления посредством публичного раскрытия информации.

Заключение

Технология анализа данных в настоящее время достигла такого уровня, что компаниям следует подумать о том, как использовать ее для повышения соответствия требованиям в отношении раскрытия корпоративной финансовой информации и информации об устойчивом развитии. Впереди гораздо больший рост, но есть возможности для оценки нормативных документов и публичного раскрытия информации; понимания активизма и судебных разбирательств и реагирования на них; борьбы с мошенничеством и несоблюдением корпоративных политик и процедур, а также выявления дезинформации о компании и ее бизнесе в новостях и в средствах массовой информации и борьбы с ней.