Как генеративный ИИ улучшает ESG-показатели компаний: данные из Китая

Новое исследование на данных китайских компаний показало, что внедрение генеративного ИИ заметно улучшает экологические, социальные и управленческие показатели (ESG). Эффект особенно силён для фирм с высокой цифровой зрелостью и в отраслях с сильным государственным регулированием.

Генеративный искусственный интеллект всё чаще рассматривается не просто как инструмент автоматизации, а как стратегический актив, способный влиять на устойчивое развитие бизнеса. Исследование, опубликованное в журнале Nature (серия Humanities and Social Sciences Communications), на основе данных китайских компаний показало, что внедрение генеративного ИИ статистически значимо повышает корпоративные ESG-показатели. Это одна из первых крупных эмпирических работ, которая связывает технологии генеративного ИИ с нефинансовой отчётностью и устойчивым развитием на уровне целой страны.

Генеративный ИИ и ESG: что показало исследование

Учёные проанализировали данные по значительному числу китайских публичных компаний за несколько лет, сопоставляя уровень внедрения генеративного ИИ с их ESG-рейтингами. В выборку вошли фирмы из разных секторов — от обрабатывающей промышленности до финансовых услуг. Основной вывод: компании, которые активно используют генеративные модели (например, для анализа данных, отчётности, управления рисками), демонстрируют более высокие баллы по всем трём компонентам ESG — экологическому, социальному и управленческому.

Эффект оказался неодинаковым для всех. Наибольший прирост ESG-показателей наблюдается у компаний с уже высоким уровнем цифровизации бизнес-процессов, а также у фирм, работающих в отраслях с жёстким государственным регулированием. Авторы связывают это с тем, что генеративный ИИ позволяет автоматизировать сбор и обработку больших объёмов неструктурированных данных — от отчётов о выбросах до обратной связи от сотрудников, — что делает ESG-менеджмент более точным и прозрачным.

Предыстория и контекст: почему это важно сейчас

Интерес к ESG-показателям растёт во всём мире, но особенно быстро — в Китае, где правительство активно продвигает повестку устойчивого развития и «двойного углеродного» целеполагания. Китайские регуляторы всё чаще требуют от публичных компаний раскрывать нефинансовую информацию, а инвесторы включают ESG-рейтинги в свои инвестиционные решения. Одновременно Китай стал одним из мировых лидеров по внедрению генеративного ИИ: местные компании активно разрабатывают и используют модели, аналогичные ChatGPT, для самых разных задач — от маркетинга до управления цепочками поставок.

До сих пор большинство исследований фокусировались на том, как ИИ влияет на финансовые показатели или производительность труда. Вопрос о связи генеративного ИИ с устойчивым развитием оставался малоизученным, особенно на уровне эмпирических данных по целой стране. Данная работа заполняет этот пробел и даёт аргументы как сторонникам, так и скептикам: технология сама по себе не решает проблемы экологии или корпоративного управления, но она может стать мощным катализатором улучшений, если встроена в правильные процессы.

Как генеративный ИИ улучшает ESG-показатели?

Механизм влияния, по мнению авторов, многоступенчатый. Во-первых, генеративные модели позволяют компаниям автоматически анализировать огромные массивы текстов — от нормативных документов до отчётов аудиторов, — что снижает стоимость и повышает качество ESG-отчётности. Во-вторых, ИИ помогает выявлять риски и возможности, связанные с устойчивым развитием, на ранних стадиях, например, прогнозируя изменения в регулировании или общественном мнении. В-третьих, генеративный ИИ улучшает внутренние коммуникации и обучение сотрудников, что напрямую влияет на социальный компонент ESG.

Технические и экономические детали исследования

Эмпирическая база исследования включает данные о внедрении генеративного ИИ, полученные из публичных отчётов, патентных заявок и опросов, а также ESG-рейтинги от ведущих агентств, таких как MSCI и SynTao Green Finance. Авторы использовали эконометрические модели с фиксированными эффектами, чтобы исключить влияние ненаблюдаемых факторов, а также провели серию тестов на устойчивость результатов. В частности, они проверили, не является ли связь обратной — то есть не улучшают ли компании с высокими ESG-показателями чаще внедряют ИИ. Оказалось, что причинно-следственная связь направлена именно от ИИ к ESG, хотя авторы признают, что полная экзогенность инструментальной переменной не гарантирована.

Экономический эффект тоже поддаётся оценке: в среднем компании, активно использующие генеративный ИИ, улучшают свои ESG-рейтинги на величину, сопоставимую с переходом из нижнего квартиля в средний по выборке. Это существенно, учитывая, что улучшение на один пункт рейтинга может влиять на стоимость капитала и привлекательность для институциональных инвесторов.

Кого затронет: компании, инвесторы и регуляторы

Для бизнеса, особенно в Китае и других азиатских странах, результаты означают, что инвестиции в генеративный ИИ могут окупаться не только за счёт операционной эффективности, но и через улучшение ESG-позиционирования. Это особенно актуально для экспортёров, работающих с европейскими и американскими партнёрами, которые требуют строгой нефинансовой отчётности. Для инвесторов исследование даёт новый критерий оценки: уровень цифровизации и использования ИИ может служить косвенным индикатором будущих ESG-успехов компании.

Регуляторы, в свою очередь, могут использовать эти данные для обоснования политики стимулирования внедрения ИИ в целях устойчивого развития. В России и странах СНГ, где ESG-повестка также набирает обороты, результаты исследования могут быть полезны компаниям, которые ищут способы улучшить свою нефинансовую отчётность без масштабных капитальных затрат.

Что будет дальше

Авторы исследования планируют расширить выборку на другие страны и отрасли, чтобы проверить универсальность выводов. Кроме того, открытым остаётся вопрос о долгосрочных эффектах: не приведёт ли чрезмерная автоматизация ESG-отчётности к «зелёному камуфляжу», когда компании улучшают формальные показатели, а не реальную устойчивость. Также предстоит изучить, как генеративный ИИ влияет на качество самих ESG-данных, а не только на их обработку.

Ожидается, что в ближайшие годы крупные корпорации начнут массово внедрять генеративные модели в свои ESG-процессы, а регуляторы — разрабатывать стандарты использования ИИ в нефинансовой отчётности. Это может привести к появлению нового класса специалистов и консалтинговых услуг на стыке ИИ и устойчивого развития.

Итог

Генеративный ИИ доказал свою ценность не только как инструмент автоматизации, но и как катализатор улучшения корпоративной устойчивости. Исследование на данных китайских компаний даёт первое масштабное эмпирическое подтверждение этой связи, открывая новые возможности для бизнеса, инвесторов и регуляторов. Следить за развитием этой темы стоит всем, кто работает с ESG-отчётностью или планирует инвестировать в устойчивое развитие, — здесь формируется новый тренд, который будет определять корпоративные стратегии на годы вперёд.