Lợi nhuận:
- Khả năng phân biệt các rủi ro vật lý (cấp tính/mãn tính) và rủi ro chuyển đổi, đồng thời đánh giá một tổ chức cùng với chuỗi giá trị của nó trong nhiều kịch bản nóng lên
- Khả năng khớp các vị trí cơ sở với dữ liệu về nguy cơ khí hậu và tạo ra mức độ rủi ro định tính mà không cần trí tuệ nhân tạo khớp xác suất/số lượng chính xác
- Khả năng báo cáo trung thực sự không chắc chắn của các kịch bản khí hậu và tránh nguy cơ rửa khí hậu
Biến đổi khí hậu không chỉ là vấn đề môi trường mà còn là rủi ro về tài chính và hoạt động. Lũ lụt có thể đóng cửa một nhà máy, thuế carbon có thể phá hủy mô hình kinh doanh, hạn hán có thể cắt đứt chuỗi cung ứng. Các tổ chức hiện phải đo lường những rủi ro này, kiểm tra chúng bằng các kịch bản và báo cáo chúng. Trong phần này, bạn sẽ tìm hiểu về hai loại rủi ro khí hậu chính, phân tích kịch bản, vai trò và giới hạn của AI trong việc lập mô hình tương lai không chắc chắn này.
Đóng khung đầu tiên. TCFD (Lực lượng đặc nhiệm về công bố tài chính liên quan đến khí hậu) là một khuôn khổ tiêu chuẩn thế giới xác định cách thức công bố rủi ro khí hậu; Có bốn trụ cột: quản trị, chiến lược, quản lý rủi ro, số liệu-mục tiêu. (Các khuyến nghị của TCFD hiện nay phần lớn đã được chuyển sang các tiêu chuẩn ISSB, nhưng các khái niệm của chúng vẫn mang tính cơ bản.)
Hai loại rủi ro khí hậu
Rủi ro vật chất: rủi ro phát sinh từ các tác động vật lý của khí hậu. Nó được chia thành hai: cấp tính (cấp tính - các sự kiện đột ngột như lũ lụt, bão, sóng nhiệt) và mãn tính (mãn tính - những thay đổi chậm, thường xuyên như mực nước biển dâng, nhiệt độ trung bình tăng, hạn hán).
Rủi ro chuyển đổi: rủi ro phát sinh từ quá trình chuyển đổi sang nền kinh tế ít carbon. Ví dụ: giá/thuế carbon, thay đổi quy định, chuyển đổi công nghệ (ví dụ: ngừng sử dụng động cơ đốt trong), thay đổi sở thích của người tiêu dùng, nguy cơ “tài sản bị mắc kẹt” (ví dụ: nhà máy điện than trở nên lỗi thời).
Mẹo: Rủi ro vật chất và rủi ro chuyển tiếp thường di chuyển theo hướng ngược nhau. Nếu thế giới thực hiện giảm thiểu nhanh chóng, rủi ro chuyển đổi sẽ tăng lên (luật pháp đột ngột), rủi ro vật chất sẽ giảm; Nếu anh ta hành động chậm rãi thì điều ngược lại sẽ xảy ra. Đó là lý do tại sao nhiều kịch bản được thử nghiệm chứ không phải một "tương lai" duy nhất.
Phân tích kịch bản: nhiều tương lai
Tương lai của rủi ro khí hậu là không thể đoán trước, đó là lý do tại sao phân tích kịch bản được sử dụng: kiểm tra mức độ ảnh hưởng của bồ hóng trong các lộ trình nóng lên khác nhau (ví dụ: 1,5°C, 2°C, 3°C+). Đối với các kịch bản khoa học, SSP (Con đường kinh tế xã hội chung) của IPCC và các kịch bản năng lượng của IEA được lấy làm tài liệu tham khảo. Mục tiêu không phải là để “dự đoán” tương lai mà là để kiểm tra khả năng phục hồi - “chúng ta sẽ phá vỡ tương lai nào?”
AI ở đây; Nó có khả năng mạnh mẽ trong việc cấu trúc các giả định kịch bản, xử lý các bộ dữ liệu khí hậu khác nhau, khớp các vị trí cơ sở với bản đồ nguy cơ vật lý và soạn thảo các kịch bản rủi ro. Nhưng việc lựa chọn kịch bản, giả định hiện thực và giải thích chiến lược đều thuộc về chuyên gia.
Từng bước: đánh giá rủi ro khí hậu
1. Lập bản đồ tài sản và chuỗi giá trị. Cơ sở nào ở đâu, nhà cung cấp nào ở khu vực nào?
2. Xác định mức độ tiếp xúc với các mối nguy hiểm. Mỗi địa điểm dễ bị tổn thương bởi những mối nguy hiểm vật chất nào (lũ lụt, hạn hán)?
3. Liệt kê các yếu tố chuyển tiếp. Giá carbon, luật pháp, công nghệ, thị trường.
4. Chọn kịch bản. Ít nhất một kịch bản nóng lên ở mức thấp (1,5-2°C) và một kịch bản nóng lên ở mức cao (3°C+).
5. Định lượng tác động. Tác động tài chính/hoạt động tiềm ẩn trong từng kịch bản (trong phạm vi).
6. Đánh giá và báo cáo độ bền. Điểm yếu, biện pháp thích ứng, sự không chắc chắn.
ba trường hợp nhỏ
Trường hợp 1 - Bẫy kịch bản đơn lẻ. Một công ty đã yêu cầu AI “tính toán rủi ro khí hậu của chúng ta” và nó đã nhận được một con số trong một tương lai. Chuyên gia tư vấn giải thích rằng điều này là sai lầm: trong kịch bản nóng lên thấp, thuế carbon (rủi ro chuyển đổi) là nặng nề, trong kịch bản nóng lên cao, lũ lụt (rủi ro vật lý) là nặng nề. Khi hai kịch bản được thực hiện riêng biệt, người ta thấy rõ công ty sẽ dễ bị tổn thương trong tương lai nào. Số lẻ mang lại sự tự tin sai lầm.
Trường hợp 2 - Khả năng hư cấu. Một nhà phân tích đã hỏi YZ về "Nguy cơ lũ lụt phần trăm vào năm 2050 là bao nhiêu?" anh ấy hỏi; AI đã đưa ra một tỷ lệ phần trăm chính xác. Chuyên gia lưu ý rằng con số này không dựa trên bất kỳ mô hình nào mà AI đã đưa ra một con số “có vẻ hợp lý”. Đánh giá thực tế yêu cầu phải khớp vị trí với bản đồ hiểm họa khí hậu và mô hình thủy văn. Khả năng bịa đặt đã bị loại bỏ khỏi báo cáo.
Trường hợp 3 - Khớp vị trí. Một nhóm sẽ đánh giá rủi ro khí hậu vật lý của 60 cơ sở. Họ đã nhờ AI viết quy trình làm việc bằng Python khớp tọa độ của cơ sở với bộ dữ liệu mở về nguy cơ khí hậu; Mã này đã gắn cờ 9 cơ sở có nguy cơ cao hứng chịu lũ lụt và sóng nhiệt. Nhóm đã tập trung phân tích chuyên sâu về 9 cơ sở này. AI đã quét; Chuyên gia đưa ra quyết định rủi ro cuối cùng.
Dấu nhắc yếu / Dấu nhắc mạnh
Dấu nhắc yếu:
Đánh giá rủi ro khí hậu của công ty tôi.
Tại sao nó yếu: Không có tài sản, vị trí, kịch bản, loại rủi ro. AI tạo ra một tập lệnh chung hoặc một “điểm rủi ro” bịa đặt.
Lời nhắc mạnh mẽ:
Vai trò của bạn: cố vấn rủi ro khí hậu. Với khung TCFD, đánh giá cả rủi ro vật lý (cấp tính/mạn tính) và rủi ro vận chuyển cho danh sách cơ sở sau đây (địa điểm, khu vực). Sử dụng hai kịch bản: 1,5°C và 3°C. Ngay cả khi nó chắc chắn có thể xảy ra thì đó vẫn là GIẢ; Đưa ra mức độ định tính (thấp/trung bình/cao) và thêm ghi chú "nên định lượng bằng dữ liệu nào". Kết quả là bảng loại rủi ro × kịch bản. Cơ sở vật chất: [danh sách]
Bốn mẫu có thể sao chép
1) Loại rủi ro × ma trận kịch bản:
Vai trò của bạn: chuyên gia về rủi ro khí hậu. Đánh giá các rủi ro vật lý (cấp tính/mãn tính) và chuyển tiếp sau đây đối với thể chế trong hai kịch bản (nóng lên ở mức thấp/cao). Đưa ra mức độ định tính và giải thích ngắn gọn trong mỗi ô. Đừng đưa ra con số chính xác; chỉ định dữ liệu nào là cần thiết trong việc định lượng. Thông tin tổ chức: [tại đây]
2) So sánh mối nguy hiểm theo vị trí (theo mã):
Viết khung quy trình làm việc bằng Python ánh xạ tọa độ cơ sở sau đây tới các bộ dữ liệu mở về nguy cơ khí hậu (ví dụ: lũ lụt, sóng nhiệt). Cơ sở cờ có mức độ tiếp xúc cao. Chỉ định nguồn dữ liệu; không phù hợp với điểm số thì ghi chú "phải được xác thực dựa trên tập dữ liệu". Tiện ích: [tại đây]
3) Sàng lọc yếu tố rủi ro chuyển tiếp:
Liệt kê các rủi ro chuyển đổi cho mô hình kinh doanh sau: giá carbon, quy định, chuyển đổi công nghệ, thị trường/người tiêu dùng, tài sản chìm, danh tiếng. Đối với mỗi loại, hãy chỉ định mức độ phơi sáng và khoảng thời gian có thể có (ngắn/trung bình/dài). Lắp đúng số lượng. Mô hình kinh doanh: [tại đây]
4) Dự thảo các biện pháp chống chịu và thích ứng:
Đề xuất các biện pháp thích ứng/khả năng phục hồi trước những rủi ro khí hậu đã được xác định sau đây. Đối với mỗi biện pháp: rủi ro nào sẽ giảm thiểu, kịch bản nào sẽ hiệu quả, mức độ nỗ lực sơ bộ. Đừng sử dụng cụm từ cường điệu "không có rủi ro". Rủi ro: [tại đây]
Những lỗi thường gặp
- Đánh giá bằng một kịch bản duy nhất. Cần có ít nhất một kịch bản nóng lên ở mức thấp và một kịch bản nóng lên ở mức cao.
- Trộn lẫn rủi ro vật chất và chuyển tiếp. Cả hai được phân tích riêng biệt và có thể theo hướng ngược lại.
- Làm cho AI phù hợp với xác suất/số lượng chính xác. Định lượng đòi hỏi các mô hình và dữ liệu thực tế.
- Vượt qua chuỗi giá trị. Rủi ro thường nằm ở nhà cung cấp và khách hàng.
- Che giấu sự không chắc chắn. Các kịch bản khí hậu vốn không chắc chắn; báo cáo điều này.
Thận trọng: Việc tiết lộ rủi ro về khí hậu ảnh hưởng đến quyết định của nhà đầu tư và việc tiết lộ sai/phóng đại là phiên bản tài chính của hoạt động tẩy xanh - “rửa sạch khí hậu”. Đánh giá thấp rủi ro hoặc trình bày nó với sự chắc chắn sai lầm do AI tạo ra đều tạo ra trách nhiệm pháp lý.
Tóm lại
Rủi ro khí hậu; Nó đòi hỏi phải đánh giá rủi ro vật lý (cấp tính/mãn tính) và rủi ro chuyển đổi cùng với chuỗi giá trị trong nhiều tình huống. AI; Nó là một công cụ tăng tốc mạnh mẽ cho việc kết hợp mối nguy hiểm theo vị trí, sàng lọc yếu tố và soạn thảo. Nhưng việc lựa chọn kịch bản, định lượng dựa trên mô hình thực tế, báo cáo trung thực về sự không chắc chắn và diễn giải chiến lược đều thuộc về chuyên gia. Mục đích không phải là để biết tương lai mà là để kiểm tra khả năng chịu đựng.
Nhiệm vụ ứng dụng
Liệt kê ba hoặc bốn cơ sở của một cơ sở giáo dục cùng với địa điểm của chúng và cho biết ngành nghề của chúng. 1. tạo một ma trận với mẫu yêu cầu AI đánh giá rủi ro vật lý và rủi ro chuyển tiếp trong hai tình huống; Xác minh rằng AI không đưa ra xác suất chính xác mà đưa ra mức độ định tính. Sau đó, với mẫu 3, hãy quét các rủi ro chuyển đổi mô hình kinh doanh của bạn và đánh dấu ba rủi ro có tầm nhìn ngắn nhất.
danh sách kiểm tra
- [ ] Tôi đã đánh giá các rủi ro về thể chất (cấp tính/mãn tính) và chuyển tiếp một cách riêng biệt.
- [ ] Tôi đã sử dụng ít nhất một kịch bản nhiệt độ thấp và một kịch bản nhiệt độ cao.
- [ ] Tôi đã đưa chuỗi giá trị (nhà cung cấp/khách hàng) vào phân tích.
- [ ] Tôi không làm cho AI phù hợp với xác suất/số lượng chính xác; Tôi đã chỉ định dữ liệu để định lượng.
- [ ] Tôi đã báo cáo rõ ràng về sự không chắc chắn.
- [ ] Tôi đã mạo hiểm làm sạch khí hậu trong phần mô tả (chắc chắn không nhẹ cũng không giả).