กำไร:
- ความสามารถในการแยกแยะความเสี่ยงทางกายภาพ (เฉียบพลัน/เรื้อรัง) และการเปลี่ยนแปลง และประเมินสถาบันร่วมกับห่วงโซ่คุณค่าในสถานการณ์ภาวะโลกร้อนที่หลากหลาย
- ความสามารถในการจับคู่สถานที่ตั้งของสิ่งอำนวยความสะดวกกับข้อมูลอันตรายต่อสภาพภูมิอากาศ และสร้างระดับความเสี่ยงเชิงคุณภาพโดยไม่ต้องมีปัญญาประดิษฐ์ที่ตรงกับความน่าจะเป็น/จำนวนที่แน่นอน
- ความสามารถในการรายงานความไม่แน่นอนของสถานการณ์สภาพภูมิอากาศอย่างตรงไปตรงมา และหลีกเลี่ยงความเสี่ยงของภาวะโลกร้อน
การเปลี่ยนแปลงสภาพภูมิอากาศไม่ได้เป็นเพียงปัญหาสิ่งแวดล้อมเท่านั้น แต่ยังเป็นความเสี่ยงทางการเงินและการดำเนินงานอีกด้วย น้ำท่วมอาจทำให้โรงงานต้องปิดตัวลง ภาษีคาร์บอนอาจทำให้โมเดลธุรกิจพังทลาย ภัยแล้งสามารถทำลายห่วงโซ่อุปทานได้ ขณะนี้สถาบันต่างๆ ต้องวัดความเสี่ยงเหล่านี้ ทดสอบกับสถานการณ์และรายงาน ในหน่วยนี้ คุณจะได้เรียนรู้เกี่ยวกับความเสี่ยงด้านสภาพภูมิอากาศสองประเภทหลัก การวิเคราะห์สถานการณ์ บทบาทและขีดจำกัดของ AI ในการสร้างแบบจำลองอนาคตที่ไม่แน่นอนนี้
ใส่กรอบก่อน. TCFD (Task Force on Climate- related Financial Disclosures) เป็นกรอบการทำงานมาตรฐานระดับโลกที่กำหนดว่าจะเปิดเผยความเสี่ยงด้านสภาพภูมิอากาศอย่างไร มีสี่เสาหลัก: การกำกับดูแล กลยุทธ์ การบริหารความเสี่ยง ตัวชี้วัด-เป้าหมาย (ขณะนี้คำแนะนำของ TCFD ได้รับการโอนไปยังมาตรฐาน ISSB เป็นส่วนใหญ่แล้ว แต่แนวคิดยังคงเป็นพื้นฐาน)
ความเสี่ยงด้านสภาพภูมิอากาศสองประเภท
ความเสี่ยงทางกายภาพ: ความเสี่ยงที่เกิดจากผลกระทบทางกายภาพของสภาพภูมิอากาศ แบ่งออกเป็นสอง: เฉียบพลัน (เฉียบพลัน - เหตุการณ์ฉับพลัน เช่น น้ำท่วม พายุ คลื่นความร้อน) และเรื้อรัง (เรื้อรัง - การเปลี่ยนแปลงอย่างช้าๆ ถาวร เช่น ระดับน้ำทะเลที่สูงขึ้น อุณหภูมิเฉลี่ยที่เพิ่มขึ้น ความแห้งแล้ง)
ความเสี่ยงในการเปลี่ยนผ่าน: ความเสี่ยงที่เกิดจากการเปลี่ยนไปใช้เศรษฐกิจคาร์บอนต่ำ ตัวอย่าง: ราคาคาร์บอน/ภาษี การเปลี่ยนแปลงด้านกฎระเบียบ การเปลี่ยนแปลงเทคโนโลยี (เช่น การสิ้นสุดของเครื่องยนต์สันดาปภายใน) การเปลี่ยนแปลงในความต้องการของผู้บริโภค ความเสี่ยงของ “ทรัพย์สินที่ค้างอยู่” (เช่น โรงไฟฟ้าถ่านหินจะล้าสมัย)
เคล็ดลับ: ความเสี่ยงทางกายภาพและการเปลี่ยนแปลงมักจะเคลื่อนไหวไปในทิศทางตรงกันข้าม หากโลกมีการบรรเทาผลกระทบอย่างรวดเร็ว ความเสี่ยงในการเปลี่ยนแปลงจะเพิ่มขึ้น (การออกกฎหมายอย่างกะทันหัน) ความเสี่ยงทางกายภาพจะลดลง ถ้าเขาทำอะไรช้าๆ สิ่งตรงกันข้ามก็จะเกิดขึ้น นั่นเป็นเหตุผลว่าทำไมจึงมีการทดสอบหลายสถานการณ์ ไม่ใช่ "อนาคต" เดียว
การวิเคราะห์สถานการณ์: อนาคตที่หลากหลาย
อนาคตของความเสี่ยงด้านสภาพภูมิอากาศเป็นสิ่งที่คาดเดาไม่ได้ ซึ่งเป็นเหตุผลว่าทำไมจึงใช้การวิเคราะห์สถานการณ์: การทดสอบว่าเขม่าจะได้รับผลกระทบอย่างไรภายใต้เส้นทางการอุ่นที่แตกต่างกัน (เช่น 1.5°C, 2°C, 3°C+) สำหรับสถานการณ์ทางวิทยาศาสตร์ SSP (เส้นทางเศรษฐกิจและสังคมที่ใช้ร่วมกัน) ของ IPCC และสถานการณ์พลังงานของ IEA ถือเป็นข้อมูลอ้างอิง เป้าหมายไม่ใช่เพื่อ "ทำนาย" อนาคต แต่เป็นเพื่อทดสอบความยืดหยุ่น - "เราจะทำลายอนาคตใด"
AI มาแล้ว; มีประสิทธิภาพในการวางโครงสร้างสมมติฐานสถานการณ์ ประมวลผลชุดข้อมูลสภาพภูมิอากาศที่แตกต่างกัน จับคู่ตำแหน่งของสถานที่กับแผนที่อันตรายทางกายภาพ และการร่างสคริปต์ความเสี่ยง แต่การเลือกสถานการณ์ ความสมจริงของสมมติฐาน และการตีความเชิงกลยุทธ์เป็นของผู้เชี่ยวชาญ
ทีละขั้นตอน: การประเมินความเสี่ยงด้านสภาพภูมิอากาศ
1. จัดทำแผนผังสินทรัพย์และห่วงโซ่คุณค่า โรงงานไหนอยู่ที่ไหน ซัพพลายเออร์รายไหนอยู่ในภูมิภาคไหน?
2. กำหนดความเสี่ยงต่อการสัมผัส แต่ละสถานที่มีความเสี่ยงต่ออันตรายทางกายภาพใดบ้าง (น้ำท่วม ภัยแล้ง)
3. ทำรายการปัจจัยการเปลี่ยนแปลง ราคาคาร์บอน กฎหมาย เทคโนโลยี การตลาด
4. เลือกสถานการณ์ สถานการณ์การอุ่นเครื่องที่อุณหภูมิต่ำ (1.5-2°C) อย่างน้อยหนึ่งครั้ง และอุณหภูมิที่สูง (3°C+) อย่างน้อยหนึ่งครั้ง
5. ปริมาณผลกระทบ ผลกระทบทางการเงิน/การดำเนินงานที่อาจเกิดขึ้นในแต่ละสถานการณ์ (ในช่วง)
6. ประเมินและรายงานความทนทาน จุดอ่อน มาตรการปรับตัว ความไม่แน่นอน
มินิเคสสามอัน
กรณีที่ 1 — กับดักสถานการณ์เดียว บริษัทแห่งหนึ่งบอกให้ AI “คำนวณความเสี่ยงด้านสภาพภูมิอากาศของเรา” และได้ตัวเลขในอนาคตอันเดียว ที่ปรึกษาอธิบายว่าสิ่งนี้ทำให้เข้าใจผิด: ในสถานการณ์ที่ภาวะโลกร้อนต่ำ ภาษีคาร์บอน (ความเสี่ยงในการเปลี่ยนผ่าน) มีน้ำหนักมาก ในสถานการณ์ที่ภาวะโลกร้อนสูง น้ำท่วม (ความเสี่ยงทางกายภาพ) มีน้ำหนักมาก เมื่อทั้งสองสถานการณ์ทำงานแยกกัน ก็เริ่มชัดเจนว่าบริษัทจะตกอยู่ในความเสี่ยงในอนาคต เลขคี่ให้ความมั่นใจเท็จ
กรณีที่ 2 — ความเป็นไปได้ที่สมมติขึ้น นักวิเคราะห์ถาม YZ ว่า "เปอร์เซ็นต์ความเสี่ยงจากน้ำท่วมในปี 2050 เป็นเท่าใด" เขาถาม; AI ให้เปอร์เซ็นต์ที่แน่นอน ผู้เชี่ยวชาญตั้งข้อสังเกตว่าตัวเลขนี้ไม่ได้ขึ้นอยู่กับรุ่นใดๆ แต่ AI ได้สร้างตัวเลขที่ “ดูสมเหตุสมผล” การประเมินจริงจำเป็นต้องจับคู่สถานที่กับแผนที่อันตรายต่อสภาพอากาศและแบบจำลองทางอุทกวิทยา ความเป็นไปได้ของการปลอมแปลงได้ถูกลบออกจากรายงานแล้ว
กรณีที่ 3 — การจับคู่ตำแหน่ง กลุ่มหนึ่งจะประเมินความเสี่ยงด้านสภาพภูมิอากาศทางกายภาพของโรงงาน 60 แห่ง พวกเขาให้ AI เขียนเวิร์กโฟลว์ Python ที่จับคู่พิกัดของสถานที่เพื่อเปิดชุดข้อมูลอันตรายต่อสภาพภูมิอากาศ หลักเกณฑ์ดังกล่าวระบุว่าโรงงาน 9 แห่งมีความเสี่ยงต่อน้ำท่วมและคลื่นความร้อนสูง ทีมงานมุ่งเน้นการวิเคราะห์เชิงลึกเกี่ยวกับสิ่งอำนวยความสะดวกทั้ง 9 นี้ สแกนด้วย AI; ผู้เชี่ยวชาญได้ทำการตัดสินใจเกี่ยวกับความเสี่ยงขั้นสุดท้าย
พรอมต์อ่อน / พรอมต์แรง
พรอมต์ที่อ่อนแอ:
ประเมินความเสี่ยงด้านสภาพอากาศของบริษัทของฉัน
เหตุใดจึงอ่อนแอ: ไม่มีสินทรัพย์ สถานที่ตั้ง สถานการณ์ ประเภทความเสี่ยง AI สร้างสคริปต์ทั่วไปหรือ "คะแนนความเสี่ยง" ที่สร้างขึ้น
พรอมต์อันทรงพลัง:
บทบาทของคุณ: ที่ปรึกษาความเสี่ยงด้านสภาพภูมิอากาศ ด้วยกรอบการทำงาน TCFD ให้ประเมินทั้งความเสี่ยงทางกายภาพ (เฉียบพลัน/เรื้อรัง) และการขนส่งสำหรับรายการสิ่งอำนวยความสะดวกต่อไปนี้ (สถานที่ ภาคส่วน) ใช้สองสถานการณ์: 1.5°C และ 3°C แม้ว่ามันจะเป็นไปได้อย่างแน่นอน แต่มันก็เป็นของปลอม ให้ระดับเชิงคุณภาพ (ต่ำ/กลาง/สูง) และเพิ่มหมายเหตุว่า "ข้อมูลใดที่ควรระบุเป็นปริมาณ" ผลลัพธ์คือตารางประเภทความเสี่ยง × สถานการณ์จำลอง สิ่งอำนวยความสะดวก: [รายการ]
เทมเพลตที่สามารถคัดลอกได้สี่แบบ
1) ประเภทความเสี่ยง × เมทริกซ์สถานการณ์:
บทบาทของคุณ: ผู้เชี่ยวชาญด้านความเสี่ยงด้านสภาพภูมิอากาศ ประเมินความเสี่ยงทางกายภาพ (เฉียบพลัน/เรื้อรัง) และการเปลี่ยนแปลงต่อไปนี้สำหรับสถาบันในสองสถานการณ์ (ภาวะโลกร้อนต่ำ/สูง) ให้ระดับคุณภาพและคำอธิบายสั้นๆ ในแต่ละเซลล์ อย่าสร้างตัวเลขที่แน่นอน ระบุข้อมูลที่ต้องการในการหาปริมาณ ข้อมูลสถาบัน: [ที่นี่]
2) การจับคู่สถานที่-อันตราย (ตามรหัส):
เขียนกรอบเวิร์กโฟลว์ Python ที่แมปพิกัดสิ่งอำนวยความสะดวกต่อไปนี้เพื่อเปิดชุดข้อมูลอันตรายต่อสภาพภูมิอากาศ (เช่น น้ำท่วม คลื่นความร้อน) สิ่งอำนวยความสะดวกธงที่มีการเปิดรับแสงสูง ระบุแหล่งข้อมูล ไม่ตรงกับคะแนน ใส่หมายเหตุ "ต้องตรวจสอบกับชุดข้อมูล" สิ่งอำนวยความสะดวก: [ที่นี่]
3) การคัดกรองปัจจัยเสี่ยงต่อการเปลี่ยนแปลง:
แสดงรายการความเสี่ยงในการเปลี่ยนแปลงสำหรับโมเดลธุรกิจต่อไปนี้: ราคาคาร์บอน, กฎระเบียบ, การเปลี่ยนแปลงทางเทคโนโลยี, ตลาด/ผู้บริโภค, สินทรัพย์ที่จมลง, ชื่อเสียง สำหรับแต่ละรายการ ให้ระบุการรับแสงและระยะเวลาที่เป็นไปได้ (สั้น/กลาง/ยาว) ติดตั้งจำนวนเงินที่แน่นอน รูปแบบธุรกิจ: [ที่นี่]
4) ร่างมาตรการความยืดหยุ่นและการปรับตัว:
เสนอแนะมาตรการการปรับตัว/ความยืดหยุ่นที่เป็นไปได้ต่อความเสี่ยงด้านสภาพภูมิอากาศที่ระบุต่อไปนี้ สำหรับแต่ละมาตรการ: ความเสี่ยงใดที่จะลดความเสี่ยง ในสถานการณ์ใดที่จะได้ผล ความพยายามในระดับคร่าวๆ อย่าใช้วลีเกินความจริง "zeroes the Risk" ความเสี่ยง: [ที่นี่]
ข้อผิดพลาดทั่วไป
- การประเมินด้วยสถานการณ์เดียว จำเป็นต้องมีสถานการณ์ความร้อนต่ำและสูงอย่างน้อยหนึ่งสถานการณ์
- ความเสี่ยงทางกายภาพและการเปลี่ยนแปลงผสมกัน ทั้งสองวิเคราะห์แยกกันและอาจอยู่ในทิศทางตรงกันข้าม
- ทำให้ AI เหมาะสมกับความน่าจะเป็น/จำนวนที่แน่นอน การหาปริมาณต้องใช้แบบจำลองและข้อมูลจริง
- ข้ามห่วงโซ่คุณค่า ความเสี่ยงมักขึ้นอยู่กับซัพพลายเออร์และลูกค้า
- ซ่อนความไม่แน่นอน. สถานการณ์ด้านสภาพภูมิอากาศมีความไม่แน่นอนโดยเนื้อแท้ รายงานสิ่งนี้
ข้อควรระวัง: การเปิดเผยความเสี่ยงด้านสภาพภูมิอากาศมีอิทธิพลต่อการตัดสินใจของนักลงทุน และการเปิดเผยข้อมูลที่เป็นเท็จ/เกินจริงถือเป็นรูปแบบทางการเงินของการล้างสีเขียว — “การล้างสภาพภูมิอากาศ” การประเมินความเสี่ยงต่ำเกินไปหรือการนำเสนอด้วยความมั่นใจว่าเป็นเท็จซึ่งสร้างขึ้นโดย AI ต่างก็สร้างความรับผิดทางกฎหมาย
โดยสรุป
ความเสี่ยงด้านสภาพภูมิอากาศ ต้องมีการประเมินความเสี่ยงทางกายภาพ (เฉียบพลัน/เรื้อรัง) และการเปลี่ยนแปลงควบคู่ไปกับห่วงโซ่คุณค่าในหลายสถานการณ์ AI; มันเป็นตัวเร่งที่มีประสิทธิภาพสำหรับการจับคู่อันตรายจากสถานที่ การคัดกรองปัจจัย และการร่าง แต่การเลือกสถานการณ์ การหาปริมาณตามแบบจำลองจริง การรายงานความไม่แน่นอนอย่างตรงไปตรงมา และการตีความเชิงกลยุทธ์เป็นของผู้เชี่ยวชาญ เป้าหมายไม่ใช่การรู้อนาคต แต่เพื่อทดสอบความอดทน
งานสมัคร
ระบุสิ่งอำนวยความสะดวกสามหรือสี่แห่งของสถาบันพร้อมสถานที่ตั้งและระบุอุตสาหกรรม 1. สร้างเมทริกซ์ด้วยเทมเพลตที่บอกให้ AI ประเมินความเสี่ยงทางกายภาพและการเปลี่ยนแปลงในสองสถานการณ์ ตรวจสอบว่า AI ไม่ได้สร้างความน่าจะเป็นที่แน่นอน แต่ให้ระดับเชิงคุณภาพ จากนั้น ใช้เทมเพลต 3 เพื่อสแกนความเสี่ยงในการเปลี่ยนแปลงของโมเดลธุรกิจของคุณ และทำเครื่องหมายความเสี่ยงทั้งสามด้วยขอบเขตที่สั้นที่สุด
รายการตรวจสอบ
- [ ] ฉันประเมินความเสี่ยงทางกายภาพ (เฉียบพลัน/เรื้อรัง) และการเปลี่ยนแปลงแยกกัน
- [ ] ฉันใช้สถานการณ์ทำความร้อนต่ำและสูงอย่างน้อยหนึ่งสถานการณ์
- [ ] ฉันรวมห่วงโซ่คุณค่า (ซัพพลายเออร์/ลูกค้า) ไว้ในการวิเคราะห์
- [ ] ฉันไม่ได้ทำให้ AI เหมาะสมกับความน่าจะเป็น/จำนวนที่แน่นอน ฉันระบุข้อมูลสำหรับการวัดปริมาณ
- [ ] ฉันรายงานความไม่แน่นอนอย่างชัดเจน
- [ ] ฉันเสี่ยงที่จะทำให้คำอธิบายสภาพอากาศแปรปรวน (ไม่ว่าจะเล็กน้อยหรือปลอมแน่นอน)