Dobički:
- Sposobnost razlikovanja fizičnih (akutnih/kroničnih) in prehodnih tveganj ter ovrednotenja institucije skupaj z njeno vrednostno verigo v več scenarijih segrevanja
- Zmožnost ujemanja lokacij objektov s podatki o podnebnih nevarnostih in izdelave kvalitativne ravni tveganja, ne da bi umetna inteligenca ujemala natančno verjetnost/znesek
- Sposobnost poštenega poročanja o negotovosti podnebnih scenarijev in izogibanja tveganju izpiranja podnebja
Podnebne spremembe niso le okoljski problem, so finančno in operativno tveganje. Poplava lahko zapre tovarno, davek na ogljik lahko zruši poslovni model, suša lahko prekine dobavno verigo. Institucije morajo zdaj ta tveganja izmeriti, jih preizkusiti s scenariji in o njih poročati. V tej enoti boste spoznali dve glavni vrsti podnebnega tveganja, analizo scenarijev, vlogo in omejitve umetne inteligence pri modeliranju te negotove prihodnosti.
Najprej okvir. TCFD (Task Force on Climate-Related Financial Disclosures) je okvir svetovnega standarda, ki določa, kako bo razkrito podnebno tveganje; Obstajajo štirje stebri: upravljanje, strategija, obvladovanje tveganj, metrika-cilji. (Priporočila TCFD so zdaj večinoma prenesena v standarde ISSB, vendar njihovi koncepti ostajajo temeljni.)
Dve vrsti podnebnih tveganj
Fizično tveganje: tveganje, ki izhaja iz fizičnih vplivov podnebja. Delimo ga na dva: akutni (akutni — nenadni dogodki, kot so poplave, neurja, vročinski valovi) in kronični (kronični — počasne, trajne spremembe, kot so dvig morske gladine, zvišanje povprečne temperature, suša).
Tveganje prehoda: tveganje, ki izhaja iz prehoda na nizkoogljično gospodarstvo. Primeri: cena/davek na ogljik, regulativna sprememba, tehnološki premik (npr. konec motorja z notranjim zgorevanjem), sprememba preferenc potrošnikov, tveganje "nasedlega premoženja" (npr. elektrarna na premog postane zastarela).
Nasvet: Fizično in prehodno tveganje se pogosto premikata v nasprotnih smereh. Če se svet hitro ublaži, se poveča tveganje prehoda (nenadna zakonodaja), fizično tveganje se zmanjša; Če deluje počasi, se zgodi ravno nasprotno. Zato se preizkuša več scenarijev, ne ena sama »prihodnost«.
Analiza scenarijev: več prihodnosti
Prihodnost podnebnega tveganja je nepredvidljiva, zato se uporablja analiza scenarijev: preizkušanje, kako bodo saje vplivale na različne poti segrevanja (npr. 1,5 °C, 2 °C, 3 °C+). Za znanstvene scenarije se kot referenca vzamejo IPCC SSP (Skupne družbenoekonomske poti) in energetski scenariji IEA. Cilj ni "napovedati" prihodnost, ampak preizkusiti odpornost - "v kateri prihodnosti se bomo zlomili?"
AI je tukaj; Zmogljiv je pri strukturiranju predpostavk scenarijev, obdelavi različnih nizov podnebnih podatkov, povezovanju lokacij objektov z zemljevidi fizičnih nevarnosti in pripravi skriptov tveganja. Toda izbor scenarija, realnost predpostavk in strateška interpretacija pripadajo strokovnjaku.
Korak za korakom: ocena podnebnega tveganja
1. Zemljevid sredstev in vrednostne verige. Kateri objekt je kje, kateri dobavitelj je v kateri regiji?
2. Določite izpostavljenost nevarnostim. Na katere fizične nevarnosti (poplave, suša) je posamezna lokacija občutljiva?
3. Naštejte dejavnike prehoda. Cena ogljika, zakonodaja, tehnologija, trg.
4. Izberite scenarije. Vsaj en nizek (1,5–2 °C) in en visok (3 °C+) scenarij segrevanja.
5. Količinsko opredelite učinek. Morebitni finančni/operativni vpliv v vsakem scenariju (v razponu).
6. Ocenite in poročajte o trajnosti. Slabosti, prilagoditveni ukrepi, negotovost.
trije mini kovčki
Primer 1 – past enega scenarija. Eno podjetje je umetni inteligenci naročilo, naj "izračuna naše podnebno tveganje" in dobilo je številko v eni sami prihodnosti. Svetovalec je pojasnil, da je to zavajajoče: v scenariju nizkega segrevanja je bil davek na ogljik (tveganje prehoda) visok, v scenariju visokega segrevanja pa so bile poplave (fizično tveganje) visoke. Ko sta bila scenarija izvedena ločeno, je postalo jasno, na katero prihodnost je podjetje ranljivo. Liho število je vlivalo lažno zaupanje.
Primer 2 – Fiktivna možnost. Analitik je YZ vprašal objekt "Kakšen je odstotek tveganja poplav leta 2050?" vprašal je; AI je dal natančen odstotek. Strokovnjak je opozoril, da ta številka ni temeljila na nobenem modelu, ampak da je AI ustvaril številko, ki se je "zdela razumna." Dejanska ocena je zahtevala uskladitev lokacije z zemljevidom podnebnih nevarnosti in hidrološkim modelom. Iz poročila je bila odstranjena možnost izmišljotine.
Primer 3 – Ujemanje lokacije. Ena skupina bi ocenila fizično podnebno tveganje 60 objektov. Umetni inteligenci so dali napisati delovni tok v Pythonu, ki se je ujemal s koordinatami objekta za odpiranje nizov podatkov o podnebnih nevarnostih; Kodeks je označil 9 objektov z visoko izpostavljenostjo poplavam in vročinskim valovom. Ekipa se je osredotočila na poglobljeno analizo teh 9 objektov. AI skenirano; Strokovnjak je sprejel končno odločitev o tveganju.
Šibek poziv/močan poziv
Šibek poziv:
Ocenite podnebno tveganje mojega podjetja.
Zakaj je šibek: Brez sredstva, lokacije, scenarija, vrste tveganja. Umetna inteligenca izdela generični skript ali izmišljeno "oceno tveganja".
Močan poziv:
Vaša vloga: svetovalec za podnebna tveganja. Z okvirom TCFD ocenite fizično (akutno/kronično) in tranzitno tveganje za naslednji seznam objektov (lokacija, sektor). Uporabite dva scenarija: 1,5 °C in 3 °C. Tudi če je vsekakor verjetno, je LAŽNO; Navedite kvalitativno raven (nizka/srednja/visoka) in dodajte opombo "s katerimi podatki je treba kvantificirati". Rezultat je tabela vrste tveganja × scenarij. Objekti: [seznam]
Štiri predloge za kopiranje
1) Vrsta tveganja × matrika scenarija:
Vaša vloga: strokovnjak za podnebna tveganja. Ocenite naslednja fizična (akutna/kronična) in prehodna tveganja za institucijo v dveh scenarijih (nizko/visoko segrevanje). V vsako celico navedite kvalitativno raven in kratko utemeljitev. Ne delajte natančnih številk; navedite, kateri podatki so potrebni za kvantifikacijo. Informacije o ustanovi: [tukaj]
2) Ujemanje lokacije in nevarnosti (s kodo):
Napišite okvir delovnega toka Python, ki preslika naslednje koordinate objekta v odprte nabore podatkov o podnebnih nevarnostih (npr. poplave, vročinski val). Označite objekte z visoko izpostavljenostjo. Določite vir podatkov; ne ustrezajo rezultatu, dodajte opombo "mora biti potrjeno glede na niz podatkov". Objekti: [tukaj]
3) Pregled dejavnikov tveganja prehoda:
Navedite prehodna tveganja za naslednji poslovni model: cena ogljika, zakonodaja, tehnološki premik, trg/potrošnik, potopljeno premoženje, ugled. Za vsako določite izpostavljenost in možen časovni horizont (kratek/srednji/dolg). Prilagajanje točnega zneska. Poslovni model: [tukaj]
4) Ukrepi za odpornost na prepih in prilagajanje:
Predlagajte možne ukrepe za prilagajanje/odpornost proti naslednjim opredeljenim podnebnim tveganjem. Za vsak ukrep: katero tveganje zmanjša, v katerem scenariju bo deloval, približna raven napora. Ne uporabljajte hiperbolične fraze "izniči tveganje". Tveganja: [tukaj]
Pogoste napake
- Ocenjevanje z enim samim scenarijem. Potreben je vsaj en scenarij nizke in en scenarij visokega segrevanja.
- Mešanje fizičnega in prehodnega tveganja. Oba se analizirata ločeno in sta lahko v nasprotnih smereh.
- Umetna inteligenca ustreza natančni verjetnosti/količini. Kvantifikacija zahteva dejanske modele in podatke.
- Mimo vrednostne verige. Tveganje je pogosto pri dobaviteljih in kupcih.
- Skrivanje negotovosti. Podnebni scenariji so sami po sebi negotovi; prijavi to.
Pozor: razkritja podnebnih tveganj vplivajo na odločitve vlagateljev, lažna/pretirana razkritja pa so finančna različica zelenega pranja – »pranje podnebja«. Podcenjevanje tveganja ali njegovo predstavljanje z lažno gotovostjo, ki jo ustvarja umetna inteligenca, ustvarja pravno odgovornost.
Če povzamem
podnebno tveganje; Zahteva oceno fizičnih (akutnih/kroničnih) in prehodnih tveganj skupaj z vrednostno verigo v več scenarijih. AI; Je močan pospeševalnik za ujemanje lokacije in nevarnosti, faktorsko pregledovanje in risanje. Toda izbira scenarija, kvantifikacija na podlagi dejanskega modela, pošteno poročanje o negotovosti in strateška interpretacija pripadajo strokovnjaku. Cilj ni spoznati prihodnost, ampak preizkusiti vzdržljivost.
Aplikacijska naloga
Naštejte tri ali štiri objekte zavoda z njihovimi lokacijami in navedite njihovo panogo. 1. ustvarite matriko s predlogo, ki AI pove, naj oceni fizična in prehodna tveganja v dveh scenarijih; Prepričajte se, da umetna inteligenca ne določa natančne verjetnosti, ampak daje kvalitativno raven. Nato s predlogo 3 preglejte prehodna tveganja vašega poslovnega modela in označite tri tveganja z najkrajšimi obzorji.
kontrolni seznam
- [ ] Fizična (akutna/kronična) in prehodna tveganja sem ocenil ločeno.
- [ ] Uporabil sem vsaj en scenarij nizkega in enega visokega ogrevanja.
- [ ] V analizo sem vključil vrednostno verigo (dobavitelj/kupec).
- [ ] AI nisem prilagodil natančni verjetnosti/količini; Navedel sem podatke za kvantifikacijo.
- [ ] Jasno sem poročal o negotovosti.
- [ ] Prevzel sem tveganje, da bom podnebno uničil opis (zagotovo ne rahlo ne lažen).