ขุมพลัง AI พลิกเกม ESG ยกระดับความยั่งยืน


 
 

ยุคสมัยที่ความยั่งยืนกลายเป็นเป้าหมายร่วมของโลกใบนี้ ทั้งในแง่ของการดำเนินธุรกิจ การลงทุน ตลอดจนการพัฒนาประเทศในมิติเศรษฐกิจ สังคม และสิ่งแวดล้อม อีกด้านหนึ่งจะเห็นว่า “เทคโนโลยีปัญญาประดิษฐ์” (AI: Artificial Intelligence) ก็กำลังเข้ามามีบทบาทสำคัญมากเช่นกัน เพื่อสร้างความเปลี่ยนแปลงอันรวดเร็วต่อการเติบโตของโลกทุกวันนี้

แนวคิดการผสาน AI เข้ากับ ESG จึงถูกพูดถึงในวงกว้างยิ่งขึ้น ว่าอาจจะเป็นกุญแจสำคัญช่วยขับเคลื่อนความยั่งยืนในระดับโลก ตั้งแต่การปรับปรุงประสิทธิภาพการวัดผล ลดผลกระทบต่อสิ่งแวดล้อม การเสริมสร้างธรรมาภิบาล ด้วยการใช้ศักยภาพของ AI และ Big Data ในการวิเคราะห์ประมวลผลข้อมูลที่ซับซ้อนได้อย่างแม่นยำและรวดเร็ว

 


ภาพจาก: Boston Consulting Group ข้อมูล ณ วันที่ 07/07/2022
 

ผลสำรวจของ Boston Consulting Group จากการสัมภาษณ์ผู้บริการองค์กรกว่า 1,000 คน พบว่า 87% เห็นตรงกันว่า AI จะช่วยลดปัญหาสภาพภูมิอากาศได้ ส่วน 67% เชื่อว่า AI จะช่วยลดการปล่อยคาร์บอนได้ โดยแนวทางที่แต่ละบริษัทมองว่าสามารถทำได้ ตัวอย่างเช่น

• การให้ AI เป็นผู้ช่วยย่นระยะเวลาในการคิดไอเดียพัฒนากระบวนการสร้างเทคโนโลยีสีเขียว
• ใช้ AI วิเคราะห์ข้อมูลบริหารจัดการสต็อกสินค้าที่แม่นยำในธุรกิจร้านค้าปลีก-ค้าส่ง
• ใช้ AI ประเมินการใช้ไฟฟ้าเพื่อประหยัดพลังงาน
• นำความสามารถของ AI มาวิเคราะห์พื้นที่เสี่ยงภัยธรรมชาติ
(ที่มา: Boston Consulting Group ข้อมูล ณ วันที่ 07/07/2022)
 
 

พลังของ Big Data และ Machine Learning สู่การวิเคราะห์ข้อมูล ESG ที่รวดเร็วและแม่นยำ

ความได้เปรียบของเทคโนโลยี AI คือขุมทรัพย์ทางข้อมูลและการประมวลผลอันทรงพลังของ Big Data ทำให้สามารถวิเคราะห์ข้อมูล อันซับซ้อนได้อย่างรวดเร็ว ช่วยเพิ่มประสิทธิภาพในกระบวนการดึงข้อมูลเชิงลึกมาใช้แบบแม่นยำ ซึ่งแนวทางการนำ AI มาผนวกกับการพัฒนาองค์กรอย่างยั่งยืนตามตัวอย่างข้างต้น ล้วนแต่ต้องอาศัยความสามารถของฐานข้อมูลขนาดใหญ่ทั้งสิ้น นอกจากนี้ ยังช่วยปิด Pain Point ของการวัดผลด้าน ESG จากการนำ Machine Learning มาช่วยเรียนรู้และประมวลผลฐานข้อมูลขนาดใหญ่ เพื่อนำมาสู่การตัดสินใจที่ประสิทธิภาพ โดยตัดอคติของตัวบุคคลออกไป

ข้อมูลจากงานเสวนา ESG Summit Europe เปิดเผยว่า Big Data มีความสำคัญต่อ ESG ด้วยเหตุผลหลายประการ ดังนี้

1. รายงานผล ESG ได้แม่นยำยิ่งขึ้น: Big Data ช่วยให้องค์กรสามารถรวบรวมข้อมูลที่จำเป็นสำหรับการรายงานผลการดำเนินงานด้าน ESG ได้แม่นยำ ผ่านเครื่องมือวิเคราะห์ พร้อมติดตามความคืบหน้าในช่วงเวลาต่าง ๆ จนไปถึงการนำเสนอรายงานที่โปร่งใสต่อผู้มีส่วนได้ส่วนเสีย

2. การจัดการความเสี่ยงที่มีประสิทธิภาพยิ่งขึ้น: เช่น ปัญหาในห่วงโซ่อุปทาน ความรับผิดด้านสิ่งแวดล้อม หรือความเสียหายต่อชื่อเสียง ด้วยการวิเคราะห์ข้อมูลจากแหล่งที่มาหลากหลาย ทำให้บริษัทสามารถทำความเข้าใจความเสี่ยงด้าน ESG และพัฒนากลยุทธ์เพื่อรับมือได้อย่างครอบคลุมยิ่งขึ้น

3. การสร้างมูลค่าในระยะยาว: โดยการนำปัจจัย ESG มาเป็นส่วนหนึ่งของกลยุทธ์ทางธุรกิจ แล้วใช้เครื่องมือวิเคราะห์ Big Data ระบุความเสี่ยงและโอกาสที่เกี่ยวข้อง ทำให้บริษัทสามารถตัดสินใจบนข้อมูลที่ถูกต้อง เพื่อประโยชน์ทั้งต่อผลกำไรของบริษัทและสังคม

(ที่มา: ESG Summit Europe ข้อมูล ณ วันที่ 06/05/2023)

ทั้งนี้ กระแสความต้องการนำข้อมูลมาวิเคราะห์ ESG กำลังเติบโตอย่างก้าวกระโดด คาดการณ์ว่าตลาดบริการข้อมูลด้าน ESG ทั่วโลก จะมีมูลค่าอยู่ที่ 1.93 พันล้านดอลาร์สหรัฐ ในปี 2024 เติบโตเฉลี่ย 23% ต่อปี ในช่วงปี 2023-2025 ขณะที่อัตราการเติบโตเฉลี่ยด้านบริการข้อมูล ESG ของบริษัทนอกตลาดจะมีตัวเลขการเติบโตสูงถึง 42% ต่อปี (ที่มา: สถาบันไทยพัฒน์, Infoquest ข้อมูล ณ วันที่ 13/06/2024)

 
กรณีศึกษาการประยุกต์ใช้ AI ติดตามวัดผลด้านสิ่งแวดล้อม

กรณีที่ 1: การเพิ่มประสิทธิภาพพลังงานหมุนเวียน โดย Ørsted บริษัทพลังงานจากประเทศเดนมาร์ก

Ørsted ถือเป็นหนึ่งในผู้นำด้านพลังงานลมนอกชายฝั่งที่ใหญ่ที่สุดในโลก ได้นำอัลกอริทึม AI วิเคราะห์ข้อมูล โดยติดเซ็นเซอร์บนกังหันลมสำหรับเก็บสถิติต่าง ๆ เช่น การสั่นสะเทือนของแรงลม อุณหภูมิ และปัจจัยอื่น ๆ เพื่อเพิ่มประสิทธิภาพการดำเนินงานโรงไฟฟ้าพลังงานลม ผลลัพธ์คือบริษัทสามารถเพิ่มการผลิตพลังงานได้ 12% ลดระยะเวลาหยุดซ่อมบำรุง 25% และประหยัดค่าใช้จ่ายในการดำเนินงาน 2.5 ล้านดอลลาร์ต่อปี

กรณีที่ 2: การออกแบบสินค้าแฟชั่นให้ยั่งยืน โดย H&M แบรนด์ผู้ผลิตและจำหน่ายเสื้อผ้าจากประเทศสวีเดน

อุตสาหกรรม Fast Fashion ถูกมองว่าสร้างผลกระทบต่อสิ่งแวดล้อมอย่างมาก ซึ่งทาง H&M ได้นำ AI เข้ามาเพิ่มประสิทธิภาพของกระบวนการผลิต ตลอดจนปรับปรุงการออกแบบ ด้วยการนำฐานข้อมูลมาวิเคราะห์ข้อมูลการขาย ความต้องการของลูกค้า และกระบวนการผลิตที่ประหยัดเนื้อผ้ามากที่สุด ส่งผลให้การผลิตเสื้อผ้าของ H&M ลดการสูญเสียผ้าลงไป 35% สามารถปรับปรุงประสิทธิภาพการผลิตให้ดีขึ้น 25% และการประหยัดต้นทุน 1.2 ล้านดอลลาร์ต่อปี (ที่มา: Eddie TSUI, CESGA®, medium.com ข้อมูล ณ วันที่ 05/07/2024)

เรื่องราวทั้งหมดสะท้อนให้เห็นว่าการสร้าง AI Ecosystem ถือเป็นหัวใจสำคัญสำหรับการพัฒนารูปแบบด้านต่าง ๆ รวมถึงการเติบโต ที่ยั่งยืนตามแนวทาง ESG ไม่เว้นแม้แต่มิติด้านการลงทุนที่ปัจจุบัน AI มีบทบาทมากขึ้นเรื่อย ๆ ไม่ว่าจะเป็นธีมการลงทุนอย่าง Robotics & AI ซึ่งเป็นอุตสาหกรรมแห่งอนาคตที่มีแนวโน้มเติบโตในระยะยาว

ทั้งนี้ บลจ. ยูโอบี ได้นำเสนอกองทุน Thematic ETF ดังกล่าว คือ กองทุนเปิด ยูไนเต็ด โรโบติกส์ & อาร์ติฟิเชียล อินเทลลิเจนซ์ อีทีเอฟ (UBOT) ระดับความเสี่ยง 6 – เสี่ยงสูง เน้นลงทุนในหน่วยลงทุนของกองทุนรวมต่างประเทศชื่อ Global X Robotics & Artificial Intelligence ETF (กองทุนหลัก) เพียงกองทุนเดียวไม่น้อยกว่าร้อยละ 80 ของมูลค่าทรัพย์สินสุทธิของกองทุน

นอกจากนี้ บลจ. ยูโอบี ยังมีกองทุนรวมที่ลงทุนผ่านกองทุนหลักที่จัดตั้งและบริหารจัดการโดย UOB Asset Management (Singapore) ได้แก่ กองทุนเปิด ยูโอบี สมาร์ท เอเชีย (UOBSA) ระดับความเสี่ยง 6 -เสี่ยงสูง ลงทุนในหน่วยลงทุนของกองทุน United Asia Fund Class T SGD Acc (กองทุนหลัก) และ กองทุนเปิด ยูโอบี สมาร์ท เกรธเธอร์ ไชน่า (UOBSGC) ระดับความเสี่ยง 6 – เสี่ยงสูง เน้นลงทุนในหน่วยลงทุนของกองทุน United Greater China Fund Class T SGD Acc (กองทุนหลัก) ซึ่ง กองทุนหลักของทั้ง 2 กองทุนได้มีการนำ AI มาใช้ในกระบวนการลงทุน เป็นเครื่องมือสำหรับใช้คัดกรองหุ้นร่วมกับผู้จัดการกองทุน
 
 
 
บทความโดย บลจ. ยูโอบี (ประเทศไทย) จำกัด
ติดตามข้อมูลการลงทุนอย่างยั่งยืนได้ที่ https://www.uobam.co.th/th/Sustainability
สอบถามข้อมูลเพิ่มเติม โทร. 0-2786-2222

ผู้ลงทุนควรทำความเข้าใจลักษณะสินค้า เงื่อนไขผลตอบแทน และความเสี่ยง ก่อนตัดสินใจลงทุน
ผลการดำเนินงานในอดีต / ผลการเปรียบเทียบผลการดำเนินงานที่เกี่ยวข้องกับผลิตภัณฑ์ตลาดทุนมิได้เป็นสิ่งยืนยันถึงผลการดำเนินงานในอนาคต
การลงทุนในกองทุนรวมที่มีการลงทุนในต่างประเทศมีความเสี่ยงจากอัตราแลกเปลี่ยน ซึ่งอาจทำให้ได้รับเงินคืนต่ำกว่าเงินลงทุนเริ่มแรก
กองทุน UBOT มีนโยบายป้องกันความเสี่ยงอัตราแลกเปลี่ยนไม่น้อยกว่าร้อยละ 90
กองทุน UOBSA และ UOBSGC มีนโยบายป้องกันความเสี่ยงอัตราแลกเปลี่ยนตามดุลยพินิจผู้จัดการกองทุน