Jean-Baptiste

Vaujour Professor of practice in consulting and green finance,emlyon business school

大型语言模型在ESG报告中的作用

大型语言模型正在彻底改变ESG报告的格局。它们通过自动化数据收集、处理海量非结构化数据、并提炼出过去需要人工分析数天才能获得的洞察，极大提高了效率。这些由人工智能驱动的解决方案，可将可持续性指标整合到供应链、财务记录和利益相关者披露等多个维度中，从而减轻企业的报告负担。经过精心训练，这些模型可基于企业内部数据自动生成定性分析报告和评论，大幅节省人力时间成本。

诸如Greenomy和Dydon AI等企业正积极利用大型语言模型加强ESG合规管理。Greenomy的解决方案能够简化可持续数据的收集过程，使之符合CSRD要求；而Dydon AI的Taxo Tool工具则能自动执行欧盟分类法报告任务，提取并结构化相关数据。不仅仅是创业公司，一些大型企业也在这一领域迅速布局。例如Capgemini凭借其技术优势，推出多种AI驱动的ESG解决方案，帮助企业管理碳会计、风险评估和可持续性披露等数据。通过实现数据验证自动化并确保报告一致性，这些工具不仅增强了合规能力，也推动了企业可持续发展战略的提升。

挑战1 —— 道德与实践挑战

尽管技术发展迅速，依赖机器生成ESG报告仍面临诸多挑战。尽管这些问题在专业工具中逐渐被解决，但在通用AI解决方案中，数据隐私、透明度和问责制等议题仍引发广泛讨论。AI生成的报告是否完全可信？若报告出现错误，谁应承担责任？AI是否能够创建可用于认证审查的可审计数据记录？企业又该如何防范训练数据中潜在的偏见对ESG评估结果的影响？在多数情况下，仍需人类对AI提供的洞察进行解读与情境化处理。

另一个新兴问题是：AI生成的内容被其他AI模型读取与分析后，可能导致信息失真、细节丢失甚至错误信息的传播。当机器彼此交互、生成内容时，若缺乏人类介入与监督，可能形成偏见或错误结论的“回音室效应”，最终损害ESG评估的公正性与准确性。

此外，过度依赖技术做出可持续性决策也是一个关键隐忧。虽然AI在处理数据方面效率极高，但在制定符合企业整体可持续战略的伦理和战略性决策方面，人类判断仍不可或缺。

挑战2 —— 自动化背后的监管

随着监管要求不断演进，支持ESG报告的技术也在同步升级。未来或将实现AI平台间更强的互操作性、提高机器生成报告的透明度，并在自动化报告方面加强监管。欧洲人工智能办公室等监管机构可能会越来越多地关注如何建立AI问责框架，确保机器生成报告符合标准化标准并接受验证。这或将包括要求企业保留AI生成数据的可审计记录、引入独立第三方审查机制，以及制定政策减少AI驱动结论中偏差与误导的风险。企业在借助AI提高效率的同时，必须维持强有力的治理机制，才能保障ESG报告的可信度与可靠性。

挑战3 —— 能源消耗与环境影响

在AI驱动ESG报告的过程中，AI本身的环境足迹常常被忽视。训练一个大型语言模型 (LLM) 所需的计算资源极为庞大。有研究估算，训练一个LLM所产生的碳排放约为270吨二氧化碳，相当于五辆普通汽车的生命周期排放量。而模型部署后仍需持续运行，例如GPT-3每年在云端运行产生的碳排放量估计为8.4吨。考虑到ESG框架本身强调环境责任，企业在引入AI参与可持续发展报告时，也必须权衡其能耗与碳排放代价。

为支持AI模型运行所建的数据中心正不断推高全球电力需求。在美国，预计到2028年，数据中心将占全国电力消耗总量的12%。此外，AI基础设施还需大量冷却用水，一些大型数据中心每年消耗水量高达数百万升。因此，尽管AI有助于自动化ESG报告、减轻合规负担并提高透明度，但企业必须确保其对AI的依赖不背离可持续发展原则。这要求企业投资于更节能的AI模型、使用低碳云计算，并承诺以可再生能源为AI运行提供支持，从而减少数字化自动化带来的环境负面影响。

不过，近年来的研究成果正迅速提高LLM的能效。例如，加州大学圣克鲁兹分校的研究人员开发出创新技术，消除了LLM中最消耗计算资源的矩阵运算环节，使十亿级参数模型仅需13瓦电力即可运行，大致相当于一盏普通灯泡的能耗。此外，DeepSeek等公司推出的新一代高效LLM，其所需算力不到Meta LLaMA模型的十分之一。这种能耗的大幅下降不仅降低了运营成本，也显著减少了与AI相关的环境影响。

* Meta LLaMA——Large Language Model Meta AI，是由Meta开发的大型语言模型系列。它属于当前主流的开源或准开源大模型之一，用于自然语言处理任务，比如文本生成、摘要、翻译、问答等。

这些进展对于ESG报告而言尤为关键。企业若能采用更高效的AI模型，并结合可再生能源，不仅有助于其可持续性信息披露，也确保其测量工具本身不会成为环境负担。

机器对机器通信与人工智能正重塑企业可持续发展的格局，让合规与技术创新不再矛盾，而是实现融合。AI驱动的系统简化了ESG报告流程，减轻合规压力的同时，也提升了报告透明度与问责机制。其处理海量环境数据的能力，帮助投资者洞察以往难以获取的重要信息。然而，长期成功的关键在于实现战略平衡——在追求AI带来的效率的同时，确保保有人类的监督，以维持伦理性与审慎性。

更远期的愿景，是构建一个完全自动化的ESG报告与评估系统，该系统可基于来自智能仪表及其他互联设备的数据，生成报告、开展分析，甚至自主决策。这一愿景正是M2M通信与AI代理系统日益融合背后潜藏的目标。

当前，人工智能与可持续发展已不再是平行发展的两大主题，而是在企业运营与战略决策中深度交织。从自动化ESG报告到碳足迹管理，再到伦理治理框架的构建，AI正以前所未有的方式重塑企业履行社会责任的路径。

技术的快速演进也带来了新的挑战，企业迫切需要能够驾驭前沿科技、理解可持续转型本质，并具备系统性思维的人才。在这样的背景下，具备跨学科视野、能够将技术能力与责任意识相结合的复合型专业人才，正成为全球企业招聘的重点方向之一。