“AI+ESG”：“热”应用也需“冷”思考
中国会计报记者 高歌
国电电力（600795）依托大模型搭建“三重校验”数据管理体系，环境、社会和治理（ESG）报告编制效率提升超60%；国内头部铁合金企业上线人工智能（885728）（AI）平台后，数月工作量压缩至数个工作日，编制成本直降九成……凭借强大的数据处理与分析能力，AI正在全方位赋能ESG工作，成为企业降本增效、夯实可持续发展能力的关键抓手。
但技术赋能绝非“万能解药”。一方面，部分企业盲目追求自动化，忽视专业判断的核心价值，极易造成披露失真；另一方面，算法缺陷、隐私安全、算力能耗等新型风险，也让 “AI+ESG” 的融合之路暗藏隐患。
如何用好AI，成为ESG领域亟待解答的问题。
理性落地AI应用
在“AI+ESG”的热潮下，不少企业急于借助AI提速披露工作，一站式解决数据采集难度大、指标口径繁杂、披露效率偏低、合规口径不统一等难题。
对此，中央财经大学可持续准则研究中心主任刘轶芳提醒，现阶段切忌盲目借助AI。缺乏成熟的制度与管理基础，极易出现“模型对准则语境理解偏差，导致披露方法系统性错配”，甚至陷入“技术越先进、披露越失真”的悖论。
“在可持续披露准则体系尚在建立与完善的过程中，我并不建议企业借助AI直接开展ESG披露工作。”刘轶芳表示，当前ESG工作的核心，并非追求披露效率的极致化，而是确保对准则要求的精准理解与把握。企业需要投入足够的专业力量，结合自身真实的商业模式、价值链布局、行业特性以及利益相关方诉求，建立正确且适宜的披露路径。准则中重要性议题的识别、报告边界的界定、指标口径的选取、财务影响路径的梳理与测算，均需要基于专业判断完成，这一过程尚无法被算法简单替代。
在刘轶芳看来，AI在ESG披露环节的价值释放，需要两大前置条件：一是准则体系建设相对完善，披露要求边界清晰；二是企业已充分结合自身业务与可持续管理实际完成系统摸排，建立起科学、真实、可追溯的披露测度路径。当两大条件成熟后，AI才能充分发挥数据处理优势，辅助企业完成多源数据的自动采集、分类与初步整理，并通过交叉校验机制，实现对披露数据的逻辑比对与一致性验证。
基于当前行业现状，刘轶芳认为，ESG信息鉴证是AI现阶段最具落地价值、最易产生实质性效益的场景。
“不同于传统财务审计，ESG鉴证横跨环境科学、工程技术、供应链管理、能源（850101）统计、社会治理等多个领域，具备极强的跨学科属性，单一专业团队难以独立完成，而这恰好契合AI与大数据技术的应用优势。”刘轶芳说，AI未必能够直接量化每一项数据的精确程度，对所有数据做出“真”或“假”的二元判定，但可以通过算法比对，快速识别数据不对称、逻辑矛盾、异常波动、跨源数据不一致等问题，并自动标记为鉴证工作的重点突破方向或高风险领域。
具体而言，鉴证机构可基于企业生产经营过程中产生的海量业务数据、监测数据，以及企业公开信息披露数据、行业基准数据、第三方权威数据源，构建多维度的数据交叉验真模型。
“AI在ESG鉴证领域的应用逻辑，并非替代专业判断，而是为专业判断提供更为精准、高效的数据导航与风险预警。”刘轶芳认为，这种“人机协同”的鉴证模式，不仅能够帮助鉴证团队快速锁定核查重心，合理配置跨学科专业资源，更能提高整体检验效率，显著降低因全面铺开人工核查而产生的巨大时间与经济成本。
警惕“信任错配”
AI为行业降本增效的同时，算法偏见、数据隐私泄露、AI幻觉、算力碳排放等新挑战随之涌现。
信永中和ESG可持续发展合伙人周逸轩认为，当前市场对相关风险的讨论多停留在技术伦理层面，而真正的风险在于“信任的错配”。
“一方面，公众期待AI像人一样有道德；而另一方面，企业只想用AI规避风险。基于这一现实矛盾，应对策略需要更务实一点。”她认为，针对算法偏见，企业可开展反向压力测试，不再仅依赖技术开发团队的数据清洗，而是强制引入ESG利益相关方，如受算法影响的社区、边缘群体参与模型验证。
她举例说：“在银行信贷风控AI中，让历史上被误拒的申请人反向挑战模型，并将结果作为ESG审计的关键证据链留存，比任何理论上的公平指标都更具说服力。”
在数据隐私保护方面，周逸轩提出“去中心化确权”的思路。面对员工工时、碳排放源等散落于供应链各个环节的ESG数据，传统集中式数据中心极易成为攻击目标。她建议采用“边缘计算+区块链（885757）”，原始数据不出本地，仅上传加密后的合规证明。“这既满足监管穿透要求，又避免因数据聚合带来的商业隐私泄露。”
刘轶芳认为，企业和行业需要区分哪些是“AI+ESG”融合场景下的特有风险，哪些是AI技术自身发展所面临的通用性议题。
在她看来，算法偏见以及AI幻觉是目前对“AI+ESG”影响最大的部分，其将直接造成信息失真。这恰恰是ESG信息披露工作最不希望看到、最不能容忍的。
刘轶芳表示，ESG实践的核心价值在于向利益相关方真实、准确、完整地传递企业可持续发展绩效，一旦AI因训练数据偏差、模型架构缺陷或生成式幻觉而输出虚假、片面甚至误导性的“可持续”叙事，将直接侵蚀ESG报告的公信力，引发严重的合规与信任危机。
至于数据隐私保护与算力碳排放问题，固然需要行业在应用AI时予以重视并通过技术手段与管理规范加以应对，但它们本质上属于AI技术自身发展所面临的通用性挑战，并非“AI+ESG”这一特定融合场景下独有的矛盾。
“因此，企业在拥抱AI赋能ESG的过程中，应当首先建立针对算法偏见和AI幻觉的系统性防范机制，包括训练数据来源的多元化与代表性校验、模型输出结果的人工复核与专业验证制度，以及关键披露信息的可追溯与可验证流程。”
她强调，只有在确保AI不引入新的信息失真风险、不削弱披露质量的前提下，技术的效率优势才能真正服务于ESG实践的高质量发展，避免“AI+ESG”陷入新的合规陷阱与信任危机。
打造“道德与效率的实时平衡器”
尽管面临挑战，但AI与ESG的深度融合不可逆转。周逸轩认为，未来，AI将从“度量工具”变为“规则执行者”。
结合国内监管口径日益趋严与全球标准落地的现实情况，她认为最关键的变革可能聚焦于动态监管沙盒中的“AI合规官”以及ESG评级行业的“反向解构”两个方向。
“未来，AI将不再仅仅是辅助分析工具，而是直接嵌入企业的合规执行链路。”周逸轩描绘了这样一个动态监管沙盒下的场景：当欧盟碳边境调节机制（CBAM）或国内碳市场价格发生波动时，AI能自动调整生产线负荷、切换供应商，甚至预扣碳配额交易保证金，将ESG战略转化为毫秒级的运营决策。在她看来，这种“算法自适应能力”将成为头部企业的核心“护城河”。
与此同时，企业不再仅是被动接受第三方评级，而是用AI构建“评级预测与归因孪生体”，通过模拟不同评级机构的算法黑箱，主动识别自身ESG薄弱环节并预判调整方向。
这种“反向解构”也将催生出全新的商业业态。“会计师事务所可能会提供类似如今财务审计的‘评级抗压测试’鉴证服务。”周逸轩举例说。
对于AI赋能ESG的终极价值，周逸轩认为，真正创造长期竞争力的，不是能用AI写更厚的ESG报告，而是让AI成为企业“道德与效率的实时平衡器”。在每次交易、每次排产、每次人机协作中内化可持续发展约束。谁能率先通过审计级AI系统证明这一点，谁就能在下一轮全球价值链重构中掌握定价权。
