Ganancias:
- Capacidad para distinguir riesgos físicos (agudos/crónicos) y de transición y evaluar una institución junto con su cadena de valor en múltiples escenarios de calentamiento.
- Capacidad para hacer coincidir las ubicaciones de las instalaciones con datos de peligros climáticos y producir un nivel de riesgo cualitativo sin que la inteligencia artificial coincida con la probabilidad/cantidad exacta.
- Capacidad para informar honestamente la incertidumbre de los escenarios climáticos y evitar el riesgo de lavado climático.
El cambio climático no es sólo un problema ambiental, es un riesgo financiero y operativo. Una inundación puede cerrar una fábrica, un impuesto al carbono puede colapsar un modelo de negocio, una sequía puede cortar una cadena de suministro. Las instituciones ahora tienen que medir estos riesgos, probarlos con escenarios e informarlos. En esta unidad aprenderá sobre los dos tipos principales de riesgo climático, el análisis de escenarios, el papel y los límites de la IA en el modelado de este futuro incierto.
Encuadre primero. TCFD (Grupo de Trabajo sobre Divulgaciones Financieras Relacionadas con el Clima) es un marco estándar mundial que define cómo se divulgará el riesgo climático; Hay cuatro pilares: gobernanza, estrategia, gestión de riesgos, métricas-metas. (Las recomendaciones del TCFD ahora se han transferido en gran medida a los estándares ISSB, pero sus conceptos siguen siendo fundamentales).
Dos tipos de riesgos climáticos
Riesgo físico: riesgo derivado de los efectos físicos del clima. Se divide en dos: aguda (aguda, acontecimientos repentinos como inundaciones, tormentas, olas de calor) y crónica (crónica, cambios lentos y permanentes, como el aumento del nivel del mar, el aumento de la temperatura media, la sequía).
Riesgo de transición: el riesgo derivado de la transición a una economía baja en carbono. Ejemplos: precio/impuesto al carbono, cambio regulatorio, cambio tecnológico (por ejemplo, fin del motor de combustión interna), cambio en las preferencias de los consumidores, riesgo de que los “activos abandonados” (por ejemplo, la central eléctrica de carbón se vuelva obsoleta).
Consejo: El riesgo físico y el de transición a menudo van en direcciones opuestas. Si el mundo adopta una mitigación rápida, el riesgo de transición aumenta (legislación repentina), el riesgo físico disminuye; Si actúa lentamente, sucede lo contrario. Por eso se prueban múltiples escenarios, no un único "futuro".
Análisis de escenarios: futuros múltiples
El futuro del riesgo climático es impredecible, por lo que se utiliza el análisis de escenarios: probar cómo se verá afectado el hollín bajo diferentes trayectorias de calentamiento (por ejemplo, 1,5°C, 2°C, 3°C+). Para los escenarios científicos se toma como referencia el SSP (Shared Socioeconomic Pathways) del IPCC y los escenarios energéticos de la AIE. El objetivo no es “predecir” el futuro, sino poner a prueba la resiliencia: “¿en qué futuro nos quebraremos?”
La IA está aquí; Es poderoso para estructurar supuestos de escenarios, procesar diferentes conjuntos de datos climáticos, hacer coincidir la ubicación de las instalaciones con mapas de peligros físicos y redactar guiones de riesgos. Pero la selección de escenarios, el realismo de las suposiciones y la interpretación estratégica pertenecen al experto.
Paso a paso: una evaluación del riesgo climático
1. Mapear los activos y la cadena de valor. ¿Qué instalación está dónde, qué proveedor está en qué región?
2. Determinar la exposición a los peligros. ¿A qué peligros físicos (inundaciones, sequías) es vulnerable cada lugar?
3. Enumere los factores de transición. Precio del carbono, legislación, tecnología, mercado.
4. Seleccione escenarios. Al menos un escenario de calentamiento bajo (1,5-2°C) y uno alto (3°C+).
5. Cuantificar el impacto. Impacto financiero/operativo potencial en cada escenario (dentro del rango).
6. Evaluar e informar la durabilidad. Debilidades, medidas de adaptación, incertidumbre.
tres mini casos
Caso 1: Trampa de escenario único. Una empresa le dijo a la IA que "calculara nuestro riesgo climático" y obtuvo una cifra para un único futuro. El consultor explicó que esto era engañoso: en el escenario de bajo calentamiento, el impuesto al carbono (riesgo de transición) era alto, en el escenario de alto calentamiento, las inundaciones (riesgo físico) eran pesadas. Cuando los dos escenarios se analizaron por separado, quedó claro a qué futuro era vulnerable la empresa. El número impar daba una confianza falsa.
Caso 2: Posibilidad ficticia. Un analista preguntó a YZ una instalación "¿Cuál es el porcentaje de riesgo de inundación en 2050?" preguntó; La IA dio un porcentaje exacto. El experto señaló que este número no se basó en ningún modelo, pero que la IA produjo un número que “parecía razonable”. La evaluación real requirió hacer coincidir la ubicación con un mapa de peligros climáticos y un modelo hidrológico. La posibilidad de fabricación ha sido eliminada del informe.
Caso 3: Coincidencia de ubicación. Un grupo evaluaría el riesgo climático físico de 60 instalaciones. Hicieron que la IA escribiera un flujo de trabajo de Python que relacionara las coordenadas de las instalaciones con conjuntos de datos abiertos sobre peligros climáticos; El código marcó nueve instalaciones con alta exposición a inundaciones y olas de calor. El equipo centró un análisis en profundidad en estas 9 instalaciones. Escaneado por IA; El experto tomó la decisión final sobre el riesgo.
Aviso débil / Aviso fuerte
Aviso débil:
Evaluar el riesgo climático de mi empresa.
Por qué es débil: Sin activo, ubicación, escenario, tipo de riesgo. La IA produce un guión genérico o una “puntuación de riesgo” inventada.
Potente mensaje:
Su papel: asesor de riesgos climáticos. Con el marco del TCFD, evalúe tanto el riesgo físico (agudo/crónico) como el de tránsito para la siguiente lista de instalaciones (ubicación, sector). Utilice dos escenarios: 1,5°C y 3°C. Incluso si es definitivamente probable, es FALSO; Indique un nivel cualitativo (bajo/medio/alto) y agregue una nota "con qué datos se deben cuantificar". El resultado es la tabla de tipo de riesgo × escenario. Instalaciones: [lista]
Cuatro plantillas copiables
1) Matriz de tipo de riesgo × escenario:
Su papel: experto en riesgos climáticos. Evalúe los siguientes riesgos físicos (agudos/crónicos) y de transición para la institución en dos escenarios (calentamiento bajo/alto). Dé un nivel cualitativo y una breve justificación en cada celda. No hagas números exactos; especificar qué datos se necesitan en la cuantificación. Información de la institución: [aquí]
2) Coincidencia de ubicación-peligro (por código):
Escriba un marco de trabajo de Python que asigne las siguientes coordenadas de las instalaciones a conjuntos de datos abiertos sobre peligros climáticos (por ejemplo, inundaciones, olas de calor). Instalaciones de bandera con alta exposición. Especifique la fuente de datos; no se ajusta a la puntuación, ponga una nota "debe validarse con el conjunto de datos". Instalaciones: [aquí]
3) Detección de factores de riesgo de transición:
Enumere los riesgos de transición para el siguiente modelo de negocio: precio del carbono, regulación, cambio tecnológico, mercado/consumidor, activo hundido, reputación. Para cada uno, especifique la exposición y el posible horizonte temporal (corto/medio/largo). Ajustando cantidad exacta. Modelo de negocio: [aquí]
4) Proyecto de medidas de resiliencia y adaptación:
Sugerir posibles medidas de adaptación/resiliencia frente a los siguientes riesgos climáticos identificados. Para cada medida: qué riesgo reduce, en qué escenario funcionará, nivel aproximado de esfuerzo. No utilice la frase hiperbólica "reduce el riesgo a cero". Riesgos: [aquí]
Errores comunes
- Evaluando con un único escenario. Se requiere al menos un escenario de calentamiento bajo y uno alto.
- Mezclando riesgo físico y de transición. Los dos se analizan por separado y pueden ir en direcciones opuestas.
- Hacer que la IA se ajuste a la probabilidad/cantidad exacta. La cuantificación requiere modelos y datos reales.
- Pasando por alto la cadena de valor. El riesgo suele recaer en proveedores y clientes.
- Ocultar la incertidumbre. Los escenarios climáticos son inherentemente inciertos; reporta esto.
Precaución: Las revelaciones de riesgos climáticos influyen en las decisiones de los inversionistas, y las revelaciones falsas/exageradas son la versión financiera del lavado verde: “lavado climático”. Subestimar el riesgo o presentarlo con una falsa certeza creada por la IA genera responsabilidad legal.
En resumen
Riesgo climático; Requiere evaluar los riesgos físicos (agudos/crónicos) y de transición junto con la cadena de valor en múltiples escenarios. AI; Es un poderoso acelerador para la comparación de peligros de ubicación, la selección de factores y la redacción. Pero la selección de escenarios, la cuantificación basada en el modelo real, la información honesta de la incertidumbre y la interpretación estratégica pertenecen al experto. El objetivo no es conocer el futuro, sino poner a prueba la resistencia.
Tarea de aplicación
Enumere tres o cuatro instalaciones de una institución con sus ubicaciones e indique su industria. 1. crear una matriz con la plantilla que le indique a la IA que evalúe los riesgos físicos y de transición en dos escenarios; Verifique que la IA no esté inventando una probabilidad exacta sino dando un nivel cualitativo. Luego, con la plantilla 3, analice los riesgos de transición de su modelo de negocio y marque los tres riesgos con los horizontes más cortos.
lista de verificación
- [ ] Evalué los riesgos físicos (agudos/crónicos) y de transición por separado.
- [] Utilicé al menos un escenario de calefacción baja y uno alto.
- [ ] Incluí la cadena de valor (proveedor/cliente) en el análisis.
- [] No hice que la IA se ajustara a la probabilidad/cantidad exacta; Especifiqué datos para la cuantificación.
- [] Informé la incertidumbre claramente.
- [ ] Me he arriesgado a lavar la descripción climáticamente (ni leve ni falsa, seguro).