Paradigm Shift in Sustainability Disclosure Analysis: Empowering Stakeholders with CHATREPORT, a Language Model-Based Tool

要約

このペーパーでは、専門知識を使って大規模言語モデル (LLM) を強化し、気候関連財務情報開示タスクフォース (TCFD) の勧告に照らして企業の持続可能性レポートのベンチマークを行うことで、企業の持続可能性レポートの分析を自動化する新しいアプローチを紹介します。
企業の持続可能性レポートは、組織の環境的および社会的リスクと影響を評価する上で非常に重要です。
ただし、これらのレポートの膨大な情報を分析するには、人間による分析にはコストがかかりすぎることがよくあります。
その結果、これらの報告書を分析するためのリソースを持っている企業は世界中でわずかに限られており、透明性の欠如につながる可能性があります。
AI を活用したツールはデータを自動的に分析できますが、ドメイン固有の専門知識が不足しているため、不正確になりがちです。
このペーパーでは、企業の持続可能性レポートの分析を自動化するために、専門知識を活用して LLM を強化する新しいアプローチを紹介します。
私たちはツールを CHATREPORT と名付け、TCFD 勧告に従って企業の気候リスク開示を評価するための最初のユースケースに適用します。
CHATREPORT は、気候科学、金融、経済政策、コンピューター サイエンスの専門家との協力から生まれ、各分野の専門家が AI ツールの開発にどのように関与できるかを示しています。
透明性を高めるために、プロンプト テンプレート、生成されたデータ、スコアを一般公開します。

要約(オリジナル)

This paper introduces a novel approach to enhance Large Language Models (LLMs) with expert knowledge to automate the analysis of corporate sustainability reports by benchmarking them against the Task Force for Climate-Related Financial Disclosures (TCFD) recommendations. Corporate sustainability reports are crucial in assessing organizations’ environmental and social risks and impacts. However, analyzing these reports’ vast amounts of information makes human analysis often too costly. As a result, only a few entities worldwide have the resources to analyze these reports, which could lead to a lack of transparency. While AI-powered tools can automatically analyze the data, they are prone to inaccuracies as they lack domain-specific expertise. This paper introduces a novel approach to enhance LLMs with expert knowledge to automate the analysis of corporate sustainability reports. We christen our tool CHATREPORT, and apply it in a first use case to assess corporate climate risk disclosures following the TCFD recommendations. CHATREPORT results from collaborating with experts in climate science, finance, economic policy, and computer science, demonstrating how domain experts can be involved in developing AI tools. We make our prompt templates, generated data, and scores available to the public to encourage transparency.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google