专访RepRisk首席执行官Philipp Aeby：企业应重视ESG风险指标披露，AI、大模型技术可辅助识别风险

南方财经全媒体记者卢陶然 北京报道

“无论从投资者的角度，还是从标准制定监管部门的角度来讲，相较于在ESG报告中堆积商业机会的描述，他们显然更多地看重企业对风险管理的披露。”RepRisk首席执行官Philipp Aeby在接受21世纪经济报道记者专访时指出。

企业的ESG 信息披露能够减缓投资人与企业的信息不对称，长期来看有利于企业提升自身风险管理水平。

今年7月，国际可持续准则理事会（ISSB）发布了两份国际两套可持续信息披露准则，“风险管理”这一章节是IFRS S1、S2准则的核心内容之一，其披露要求为主体需识别、评估、优先考虑和监控有关所有可持续相关风险和机遇的信息。

Philipp Aeby表示，作为一家研究ESG相关数据领域的企业，RepRisk的工作就是帮助用户、投资者、银行等，评估目标企业在ESG方面存在哪些潜在的风险，进行尽职调查。

据悉，RepRisk成立于1998年，总部位于瑞士，利用人工智能和机器学习来分析公共信息并识别ESG风险，该公司的旗舰产品RepRisk ESG风险平台涵盖全球各个市场以及各种规模的24万多家上市及非上市公司以及七万余个基础设施项目，主要的客户有银行、金融机构以及资产管理公司等投资机构。

Philipp Aeby曾在2019年两次来到中国，据他在过去几年的观察，ESG可持续发展在中国乃至整个全球范围内都发生了许多变化。适逢COP28大会，Philipp Aeby向记者表示，加强全球合作对于中国企业来说，可以进一步在下一轮的气候变化，减排、低碳，还有ESG目标实施方面，发掘出很多新的商业机会。 

（RepRisk首席执行官及联合创始人Philipp Aeby）

企业应尽早为ESG数据采集做准备

21世纪：今年是全球气候治理承前启后的重要节点，COP28将完成《巴黎协定》首次全球盘点。以应对气候变化盘点为契机，加强全球合作能带来哪些机遇?

Philipp  Aeby：无论COP28会议最终取得哪些成果，对于中国企业来说未来都存在着大量的机会。各国政府和监管机构也会根据COP28的成果来制定相应的法律法规，这是一个底线。我们基本能判断会议结束后一些领域肯定会面临新一轮的机会，可能会有一系列新的低碳机制出台，会有一些新的法规要求出台。

这些对于新能源、电动车等中国目前有天然优势的、弯道超车的行业，会创造更大的机会。这些行业已经积累了多年实力，怎样通过在可再生能源方面技术的突破为世界气候变化减缓做出更多的贡献，很显然中国相关赛道的企业有非常大的机会。

不在这些赛道里的企业也会有新的机会，比如房地产行业的绿色建筑，在中国显然还是有很大的缺口，怎么样利用最新的技术去提高房屋建筑的节能减排效率，由此可以带出一大批制造业企业。中国在过去这些年已经积累了很多优势，对于中国企业来说还可以进一步在下一轮的气候变化，减排、低碳，还有ESG目标实施方面，发掘出很多新的商业机会。

21世纪：ISSB在今年7月发布了两份国际两套可持续信息披露准则，IFRS S1、S2要求主体披露有关所有可持续相关风险和机遇的信息。您对ISSB的中国本土化有怎样的见解？

 Philipp Aeby：其实有国际标准是一个好事情。从COP26会议开始，在上两届的大会，各国领导人达成共识，要有一套国际的通用标准，对企业、投资者或者监管部门都是更高效的一种做法。现在我们终于看到有一系列的国际标准出现，来统一以前五花八门的标准。从这个角度来讲，我对中国企业、投资者的建议是尽早开始熟悉和准备采纳这些标准，因为数据采集有一个过程。比如从2025年开始报告，至少从2024年提前一年采集自己内部相关的数据来符合相关的报告要求。

作为中国的企业，其实不用去等本土化政策标准，已经可以根据现有的国际标准做相应的准备工作了，因为外部的投资者明年开始就会根据这些标准来做投资决定，来判断投资最终是否能够通过。

对于中国的监管机构来说，可能在这些规则的制定方面需要考虑中国很多本地因素，但是尽可能和国际标准接轨，对于企业或者商业效率、降低交易成本来说都是好消息，因为欧洲现在的企业都是要按两套标准来报，相对来说交易成本和负担就会比较高。

AI、大模型技术辅助识别ESG风险

21世纪：RepRisk利用人工智能和机器学习与人类智能相结合，系统性分析公共信息并识别实质性ESG风险。在识别ESG风险上，AI能够发挥什么样的优势呢？为什么要选择AI技术？该技术被用在哪些环节？

Philipp Aeby：在整个ESG的话题当中，两大类的信息是我们需要去看的，第一类信息是负责说公司优势的，这个工作由公司自己去完成；第二类信息比较客观的，从第三方的角度，甚至相对偏负面的信息来源是由我们收集，我们的技术主要去收集外部的公共渠道可获得的信息，现在的信息数量显然靠人力是无法完成的，所以需要去机器做两件事情，一是把所有相关的数据采集到一起，二是去把杂质撇除掉、过滤掉，最终拿到纯度比较高，相对来说准确度比较高的数据。

我们这项工作从2006年开始做，到今天技术已经发生了天翻地覆的变化。2006年的技术是关键词搜索，还有一些情绪分析，看文章里的主要用词来最终判断对公司的情绪的正负面，这是基于搜索速度的应用，大规模对文件本身进行分析。当年的语料、文本库也不像今天这么庞大，今天主要使用AI技术就是机器学习，也就是大模型训练，我们现在已经有足够多的数亿的、几十亿的文件可以喂给机器让它去学习，让它能够判断出来，比如生物多样性相关的风险识别，或者贪腐腐败、反洗钱的相关风险识别。我们有相关几百万份的文件让它去学习，用23种不同国家的语言去培训，所以语言模型经过培训了之后，会自动在互联网抓取所有的公开渠道中能够获得的涉及到前面培训结果的这些文件，放在一起进行处理。

但需要注意的是，机器目前阶段还是会犯错误的，最终利用这些数据做决定还是要人脑根据机器分析的结果来做判断，机器能够做的是提高效率、加快速度。

漂绿的证据资料收集仍存难点

21世纪：RepRisk的业务涵盖全球各市场各种规模的24万多家上市及非上市公司,以及7万多个基础设施项目，在对这些企业做尽职调查和风险管理分析时，有哪些高发的或值得关注的问题？不同行业的企业在做ESG风险管理时都有哪些特点？

Philipp  Aeby：不同的行业有不同的ESG风险和具体的模式表现。以房地产行业为例，我对中国房地产行业了解不深，但从国外房地产行业的普遍情况，根据我们这么多年经验，国外的房地产行业最主要的问题是资金的来源和使用，以及是否存在反洗钱违规的一些问题。

众所周知，房地产行业对世界上任何一个国家都是经济的基础产业，涉及国计民生，跟经济、社会发展有千丝万缕的联系，但是在联系当中最核心的问题就是房地产行业融资的来源渠道，以及资金融来之后使用的方式，中间可能会出现一些反洗钱的违规和其他的做法，这是我们在国外市场当中看到的一些经验。

例如互联网公司，同样不评论中国本地内地的互联网公司在本地环境当中的运营情况。我们分析欧洲的情况，特别是一些北美的互联网公司在欧洲，或者亚洲包括中国在内的互联网公司，在欧洲经营时，面临最突出的一个问题就是数据隐私保护。哪些数据是必须采集的，哪些数据是互联网公司不知道出于什么目的从客户那里采集的？最后使用这些数据是不是通过合适的方式？这些数据是否安全等等。

21世纪：洗绿现象仍然频发。据您观察，现在对企业漂绿现象的识别有哪些难点？

Philipp Aeby：简单来讲，判别洗绿/漂绿的原则就是公司所言与所行是否一致。

痛点不在技术方面，事实上，获取在数据来源方面的、能够证明这家企业有漂绿的行为的证据，这是比较困难的。因为必须要找到言行的差距——如果一家公司宣称自己环保，要判断其是否真正做到这一点，需要政府部门、媒体或非政府组织进行调查核实。想要遏制漂绿问题，需一套机制来判断公司的承诺和实际做的差距，也需要有一套体系去发现这些差距，在此方面政府也可以制定相关的法规来推动。