Taigawise selvitti yhteistyökumppaniensa kanssa, mitä pilvipohjainen, automatisoitu olennaisuusarviointityökalu vaatisi teknisesti. Mitä tekoälyn mahdollisia käyttötapoja MAT-ohjelmiston kehittämisessä onkaan?
Viime vuosina isot kielimallit (LLM), kuten OpenAI:n GPT, Anthropicin Claude ja Googlen Gemini, ovat merkittävästi edistäneet koneoppimisen alaa. Nämä mallit ovat erittäin tehokkaita työkaluja, sillä ne ymmärtävät ja käsittelevät ihmiskieltä monimutkaisilla tavoilla. Ne voivat esimerkiksi tiivistää suuria tekstimassoja, poimia yksityiskohtia kuten yritysten nimiä tai tärkeitä päivämääriä (ns. entiteettien poiminta) sekä muuntaa numeroita eri muotojen välillä (numeraalinen muuntaminen).
Tämä monipuolisuus tekee niistä erittäin hyödyllisiä kaltaisissa sovelluksissa, joissa voidaan merkittävästi tehostaa suurten ESG-sääntelyyn liittyvien tietomäärien keräämistä, käsittelyä, analysointia ja raportointia. Lisäksi monet avoimen lähdekoodin mallit, kuten Metan Llama, Mistralin Mistral ja Cohere:n Command-R sekä Aya, tarjoavat vastaavia ominaisuuksia kaupallisiin malleihin verrattuna, mikä laskee kustannuksia ja tekee näistä teknologioista entistä saavutettavampia. Parannetut tietojenkäsittely- ja analyysikyvyt tekevät isoista kielimalleista erittäin tehokkaita MAT:n kaltaisiin käyttötapauksiin. MAT:n tekoälykomponentti olisi keskeisessä roolissa sekä tiedonkeruussa että -käsittelyssä.
Tekoäly auttaa tiedonkeruussa ja -käsittelyssä
Tekoäly voi auttaa muuntamalla eri lähteistä kerättyjä tietoja järjestelmällisemmiksi ja käyttökelpoisemmiksi muodoiksi. Tämä voi sisältää esimerkiksi tietojen hakemista vuosikertomuksista, sääntelyilmoituksista, internet-tietokannoista sekä sosiaalisesta mediasta tai uutispalveluista. AI voi poimia tärkeitä yksityiskohtia, kuten päivämääriä, yritysnimiä ja avainlukuja, ja järjestää ne hyödylliseen muotoon. Manuaalisessa tiedonkeruussa, kuten haastatteluissa, tekoäly voi toimia käyttäjän assistenttina, tarjoten reaaliaikaisia kysymysehdotuksia tai tarkennuksia.
Tekoäly voi suorittaa monia tehtäviä, kuten tiivistää suuria tekstimassoja lyhyiksi katsausdokumenteiksi, tarkistaa tietoja CSRD-sääntelyvaatimusten mukaisiksi, havaita poikkeavuuksia tai puutteita sekä muuntaa tietoja eri formaatteihin. Tämä voisi tehostaa raportointiprosessia, säilyttäen samalla tarkkuuden ja luotettavuuden.
ESG-olennaisuusarviointityökalun kehittäminen – Toteutettavuusarviointi -hanke on Euroopan unioinin osarahoittama. Hankkeesta vastaa Taigawisen johtava yritysvastuuasiantuntija, toimitusjohtaja Hanna Liappis.
