Marsal Gavaldà, CTO de Clarity AI, concede una entrevista a Corresponsables en el marco de la colaboración con AWS para impulsar la inversión sostenible a gran escala
¿Cómo ha impactado la colaboración con AWS en la capacidad de Clarity AI para proporcionar análisis y datos precisos sobre sostenibilidad a sus clientes?
AWS nos permite desarrollar e implementar una variedad de casos de uso de inteligencia artificial (IA), como la recopilación, calidad o cobertura de datos, así como la aplicación de la IA para metodologías y análisis.
Utilizamos diversas funcionalidades de AWS, incluyendo SageMaker para entrenar e implementar modelos de aprendizaje automático, instancias GPU de Elastic Compute Cloud (EC2) para ejecutar modelos de lenguaje de gran tamaño, QuickSight para generar paneles, GuardDuty para monitorizar la actividad maliciosa y WAF para brindar protección adicional.
¿Podría explicar cómo se utilizan las tecnologías de IA generativa y aprendizaje automático en Clarity AI para evaluar el impacto social y medioambiental de las empresas y fondos?
Concretamente, en Clarity AI ejecutamos nuestras plataformas de misión crítica en AWS y empleamos la IA generativa, el aprendizaje automático y las capacidades analíticas de AWS para proporcionar herramientas de análisis de sostenibilidad para inversiones, investigación corporativa, evaluación comparativa, adquisiciones de compra online e información regulatoria.
Para ello, entrenamos grandes modelos de lenguaje (LLMs) y modelos de procesamiento de lenguaje natural (NLP) de hasta 7.000 millones de parámetros para detectar, gestionar y clasificar millones de datos desestructurados procedentes de informes de sostenibilidad, informes económicos, conferencias de resultados financieros y documentos de investigación.
A continuación, empleamos estos datos para determinar qué compañías podrían verse afectadas por eventos específicos y establecer su nivel de severidad medioambiental, de forma imparcial.
Después, esta información se comparte con inversores, investigadores y consumidores para ayudarles a tomar decisiones sobre inversiones y adquisiciones sostenibles.
¿Cuáles son los principales desafíos al medir la sostenibilidad y el impacto social de las empresas y cómo los aborda Clarity AI con sus herramientas y metodologías?
Los principales desafíos a la hora de medir la sostenibilidad son la incoherencia de las métricas comunicadas por las empresas y la multiplicidad de metodologías y marcos con los que se analizan.
En Clarity AI seguimos una filosofía de transparencia y flexibilidad con la ayuda de la inteligencia artificial (IA).
La base de la oferta de Clarity AI es un conjunto de datos líder en el sector que recopila métricas clave de sostenibilidad, impacto, ESG y otras métricas clave de miles de empresas de interés.
Para construir un almacén de activos tan cuidadosamente seleccionado, utilizamos modelos de IA para mejorar la eficiencia y precisión en la recopilación de datos, ampliamos la cobertura y validamos cada dato, como se detalla a continuación.
- IA para la recopilación de datos: La inteligencia artificial agiliza significativamente el proceso de extracción de datos de los informes corporativos y otros documentos, siendo mucho más rápido y preciso en comparación con los procesos manuales. En concreto, empleamos técnicas avanzadas de procesamiento del lenguaje natural (PLN), las cuales permiten extraer métricas cuantitativas (por ejemplo, valores y unidades) y cualitativas (por ejemplo, cumplimiento de políticas) de los informes corporativos. Además, utilizamos detectores y clasificadores que procesan cientos de miles de noticias al día, identificando controversias y otros temas de interés para miles de empresas.
- IA para la calidad de los datos: La inteligencia artificial también puede contribuir a garantizar la precisión de los datos en bruto. En Clarity AI, hemos desarrollado un proceso de validación propio mediante el entrenamiento de modelos de aprendizaje automático (ML) que incorporan la experiencia en el dominio, incluyendo los rangos típicos para cada métrica y sector, así como los atributos individuales de las empresas. Estos modelos señalan los puntos de datos sospechosos y seleccionan la mejor fuente cuando hay varios proveedores disponibles. De hecho, hemos extendido esta funcionalidad de validación para identificar anomalías en los datos de series temporales procedentes de una única fuente.
- IA para la cobertura de datos: Muchas métricas clave de sostenibilidad no son comunicadas por las empresas, pero aquí la inteligencia artificial puede ser de gran ayuda. En Clarity AI, hemos desarrollado modelos sofisticados que incorporan experiencia en el sector y realizan estimaciones fundamentadas para completar estas lagunas de datos. Estos modelos de IA no solo utilizan valores por defecto del sector industrial para imputar un valor, sino que también consideran atributos específicos de la empresa, como los ingresos o el número de empleados, para obtener estimaciones más precisas. Este enfoque nos ha permitido duplicar nuestra cobertura, pasando de 19.000 empresas a 40.000.
Además de este almacén de activos cuidadosamente seleccionados, proporcionamos formas flexibles para incorporar los datos en bruto en métricas significativas y ofrecemos herramientas analíticas sofisticadas que permiten a los usuarios aplicar una variedad de marcos, incluyendo Riesgo ESG, Taxonomía de la UE, SFDR PAIs, ODS de la ONU, TCFD, Clima, Biodiversidad, etc. Esto facilita la visualización y clasificación de empresas, así como la evaluación de carteras completas.
¿Cómo contribuye Clarity AI a aumentar la transparencia y evitar el ‘greenwashing’ en el ámbito de las inversiones sostenibles?
En Clarity AI, creemos que el uso de tecnología en lugar de depender exclusivamente de analistas humanos puede contribuir a evitar sesgos y proporcionar un análisis más exhaustivo y conocimientos más profundos.
Un área destacada es la relacionada con el volumen de datos: las herramientas de inteligencia artificial permiten a los inversores procesar decenas de miles de noticias al día e identificar empresas involucradas en controversias y otros temas de interés, como los PAIs de los SFDR, algo que claramente un analista humano no tendría la capacidad de hacer.
Otro aspecto crucial es el sesgo: es esencial que los creadores de herramientas de inteligencia artificial, especialmente aquellas que aprovechan el aprendizaje automático, implementen medidas contra los sesgos.
Por ejemplo, en Clarity AI, enmascaramos los nombres de las empresas durante el entrenamiento de nuestros modelos de aprendizaje automático para evitar que desarrollen nociones preconcebidas sobre alguna empresa (algo que sería muy difícil para un analista humano).
Además, para prevenir el greenwashing, hemos desarrollado modelos de aprendizaje automático sofisticados que codifican la experiencia en el dominio y analizan minuciosamente el cumplimiento de las empresas con respecto a una amplia gama de políticas, incluidas las emisiones de gases de efecto invernadero o la protección de los denunciantes.
Un ejemplo concreto es la política del etiquetado de madera, donde nuestros modelos son capaces de evitar intentos de greenwashing al realizar distinciones claras entre, por ejemplo, “de conformidad con” frente a “certificado por”, o al darse cuenta de que afirmaciones como “abastecemos de forma sostenible todos nuestros envases de papel y cartón para garantizar una deforestación neta cero” —aunque suene muy positivo— no se refiere realmente a los productos fabricados por la empresa, sino a cómo están envasados.
¿Cuál cree que es el futuro de la inversión sostenible y cómo planea Clarity AI seguir siendo un actor clave en este campo?
Actualmente, los inversores y consumidores basan sus decisiones de inversión y compras en marcos de información, como los informes de acción medioambiental, social y de gobierno corporativo (ESG) que proporcionan información acerca del impacto de cada organización. Los inversores emplean los datos de estos informes para monitorizar el impacto medioambiental y social de cada negocio.
Sin embargo, validar los datos de rendimiento ESG puede resultar complejo debido a la falta de estándares unificados, los marcos regulatorios locales, la evolución continua de la normativa sobre ESG y la fragmentación de los datos.
A través de las capacidades de la nube de AWS, que incluyen la Inteligencia Artificial (IA) generativa y el aprendizaje automático (ML), las empresas son capaces de almacenar y analizar millones de datos, con total seguridad y flexibilidad.
Para ello, Clarity AI ha desarrollado modelos de IA generativa en AWS para analizar toda la información existente y revelar nuevos puntos de datos que ayuden a los clientes a evitar participar de compañías con prácticas fraudulentas o perjudiciales para el medioambiente.
Consulta más información responsable en las publicaciones Corresponsables.
