La sostenibilità sta cambiando natura. Da elemento legato soprattutto alla reputazione aziendale e alla comunicazione, si sta trasformando in una componente sempre più rilevante dei processi decisionali. A spingere in questa direzione è anche il quadro regolatorio europeo, che chiede alle imprese di produrre informazioni ESG più strutturate, attendibili e verificabili.
Dalla Corporate Sustainability Reporting Directive (CSRD) agli European Sustainability Reporting Standards (ESRS), passando per la Tassonomia europea e per le norme sulla due diligence lungo le catene di fornitura, il principio è ormai definito: le performance ambientali, sociali e di governance devono poter essere misurate e confrontate.
Per le aziende questo significa gestire una quantità crescente di informazioni. Emissioni, consumi energetici, condizioni di lavoro, governance, rischi della supply chain, indicatori climatici, obiettivi e risultati devono essere raccolti e organizzati secondo criteri sempre più precisi. Una mole di dati che rende difficile affidarsi esclusivamente a processi manuali.
È in questo contesto che l’intelligenza artificiale può assumere un ruolo concreto, soprattutto nell’analisi dei documenti e nella trasformazione di informazioni frammentate in dati utilizzabili.
La sfida è governare la crescita dei dati ESG
Il problema per molte imprese non è più soltanto capire quali obiettivi di sostenibilità perseguire. La questione diventa anche come raccogliere, verificare e interpretare le informazioni necessarie per dimostrare i risultati ottenuti.
I dati ESG possono essere distribuiti in report, bilanci, documenti tecnici, tabelle e allegati prodotti da diverse funzioni aziendali. Spesso le informazioni sono disponibili in formati differenti e non immediatamente confrontabili.
Il risultato è un processo che può richiedere molto tempo e risorse, soprattutto quando occorre analizzare grandi quantità di documentazione o confrontare più aziende e settori.
In questo scenario si inserisce SEGS – Integrated Platform for Enhanced Analysis of Environmental, Social and Governance Reports, progetto promosso da Fondazione IFAB e finanziato attraverso gli Innovation Funds del Centro Nazionale di Ricerca in High Performance Computing, Big Data e Quantum Computing (ICSC), nell’ambito delle iniziative sostenute dall’Unione europea attraverso NextGenerationEU e dal PNRR, Missione 4 Componente 2.
L’obiettivo è applicare l’intelligenza artificiale all’analisi dei report ESG, riducendo il lavoro manuale necessario per estrarre e organizzare le informazioni.
Dalla lettura dei documenti all’analisi automatizzata
Il cuore tecnologico di SEGS è una pipeline basata su intelligenza artificiale e Natural Language Processing, progettata per elaborare grandi volumi di documenti.
La piattaforma punta a riconoscere ed estrarre automaticamente informazioni strutturate e non strutturate, trasformando documenti diversi tra loro in un patrimonio informativo più facilmente interrogabile.
Il passaggio è significativo perché consente di superare una delle principali difficoltà della rendicontazione ESG: la necessità di cercare manualmente informazioni distribuite all’interno di documenti molto estesi.
L’automazione può riguardare, tra le altre cose, l’individuazione di KPI, la lettura di tabelle e allegati in differenti formati, il confronto tra aziende e settori e l’analisi delle performance nel tempo.
Secondo la documentazione di IFAB, SEGS utilizza un’architettura AI basata su vLLM-Weaviate, con modelli linguistici e sistemi di retrieval semantico destinati all’analisi documentale su larga scala.
Uno degli aspetti più rilevanti è la possibilità di interrogare gli archivi attraverso il linguaggio naturale. L’utente può così cercare informazioni specifiche all’interno della documentazione, mettere in relazione indicatori differenti e ottenere una lettura più immediata di dati che, in assenza di strumenti automatizzati, richiederebbero un’attività di analisi molto più lunga.
CSRD ed ESRS cambiano anche l’organizzazione aziendale
L’impatto delle nuove regole europee non riguarda soltanto il contenuto dei report. Cambia anche il modo in cui le aziende devono organizzare i propri processi interni.
La rendicontazione della sostenibilità coinvolge infatti informazioni provenienti da numerose aree: energia e ambiente, risorse umane, salute e sicurezza, acquisti, fornitori, governance, gestione dei rischi, innovazione e altri processi aziendali.
La sostenibilità diventa quindi un’attività trasversale. La qualità del risultato dipende dalla capacità di mettere insieme dati prodotti da funzioni diverse, mantenendoli coerenti e aggiornati.
In questo senso l’intelligenza artificiale può contribuire a costruire una sorta di infrastruttura informativa permanente. Il suo utilizzo non si limiterebbe alla preparazione del report annuale, ma potrebbe estendersi al monitoraggio continuo delle informazioni ESG.
Questo permetterebbe, per esempio, di individuare anomalie, verificare eventuali scostamenti rispetto agli obiettivi, confrontare le performance con quelle di altre aziende e analizzare più rapidamente gli effetti di determinate scelte strategiche.
La compliance potrebbe quindi smettere di essere un’attività concentrata alla fine del periodo di rendicontazione e diventare parte integrante dei processi di controllo e pianificazione.
Quando i dati ESG diventano un fattore competitivo
La disponibilità di informazioni ESG affidabili interessa ormai anche soggetti esterni all’azienda.
Banche, investitori istituzionali, assicurazioni e grandi gruppi industriali utilizzano sempre più spesso dati ambientali, sociali e di governance per valutare rischi e opportunità. Gli stessi dati possono entrare nei processi di selezione dei fornitori e nelle valutazioni delle catene di approvvigionamento.
In questo scenario, la capacità di raccogliere e interpretare rapidamente le informazioni può diventare un elemento di competitività.
Ridurre le attività manuali significa liberare risorse e competenze che possono essere concentrate sull’analisi. Ma c’è un secondo aspetto: dati più ordinati e confrontabili possono migliorare la qualità delle decisioni.
È qui che cambia anche il ruolo dell’intelligenza artificiale. L’AI non deve necessariamente sostituire il professionista che si occupa di sostenibilità. Può invece diventare uno strumento per aumentare la sua capacità di analizzare informazioni e individuare collegamenti difficili da cogliere manualmente.
Il valore, dunque, non sta soltanto nell’automazione. Sta nella possibilità di ridurre la complessità informativa e rendere accessibili dati distribuiti in migliaia di pagine di documentazione.
Dal reporting alla business intelligence
Il passaggio successivo è trasformare i dati ESG in una vera forma di business intelligence.
Se correttamente raccolte e interpretate, le informazioni sulla sostenibilità possono contribuire a valutare rischi, individuare inefficienze, orientare gli investimenti e definire nuove strategie.
Una migliore gestione dei dati può avere effetti anche sul rapporto con il sistema finanziario, sulla reputazione dell’impresa e sulla capacità di partecipare a filiere internazionali sempre più attente ai requisiti ambientali e sociali.
Il tema della qualità informativa assume inoltre maggiore importanza in un contesto europeo caratterizzato da una crescente attenzione alla trasparenza e al rischio di greenwashing. Dichiarare determinati risultati non è sufficiente: diventa fondamentale poterli sostenere attraverso informazioni solide, coerenti e verificabili.
Di conseguenza, i dati ESG sono destinati a uscire progressivamente dal perimetro della comunicazione aziendale per entrare in quello della valutazione economica e finanziaria.
SEGS e l’industrializzazione della sostenibilità
Il progetto SEGS si inserisce in una più ampia attività di ricerca e sviluppo di Fondazione IFAB, che lavora su applicazioni dell’intelligenza artificiale in diversi ambiti, dall’energia alla manifattura, dalla sanità all’agritech fino alla compliance.
Il caso dei dati ESG evidenzia una direzione più generale: l’AI può essere utilizzata non soltanto per generare contenuti o automatizzare singole attività, ma per costruire strumenti capaci di gestire processi complessi e grandi patrimoni informativi.
Per le imprese, la prossima sfida sarà quindi passare dalla semplice raccolta dei dati alla loro industrializzazione. Significa costruire processi capaci di produrre informazioni affidabili con continuità, ridurre i costi della compliance e trasformare la sostenibilità in una variabile concreta delle decisioni.
In questa prospettiva, l’intelligenza artificiale rappresenta soprattutto un abilitatore. Non sostituisce il giudizio umano e non elimina la responsabilità delle organizzazioni, ma può fornire agli esperti strumenti più efficaci per leggere una realtà sempre più complessa.
La sostenibilità del futuro, in definitiva, sarà sempre più legata alla qualità dei dati che la descrivono. E la capacità di trasformare quei dati in conoscenza potrebbe diventare uno dei fattori che distingueranno le imprese più preparate.
