新光金控展示防漂綠方案，以生成式AI彙整永續報告書和ESG新聞，摘要企業潛在漂綠行為

隨著ESG基金、綠保商品和綠色放款規模增加，金融業者審查ESG報告的需求也漸增。不過，現今的金融機構從事企業永續投資、企業永續授信，和永續ETF商品的審查作業時，主要仍以人工方式處理大量ESG資料，工程耗時耗力，且難以有效檢核企業的漂綠行為。

新光金控以此為發想，開發出一套防漂綠方案，旨在協助金融業和主管機關審查人員判斷企業是否有漂綠疑慮，或是進一步追蹤企業的永續行為。這套方案中以網頁爬蟲和API串接自動化資料蒐集，彙整國內外ESG資料和新聞資訊，包括ESG hub、國內企業永續報告、中央社和路透社ESG新聞、ESG國際指標，和國際企業永續報告等，並運用Azure Open AI服務擷取資料的關鍵因子，比對企業永續資料和新聞資訊相符程度，摘要出企業潛在漂綠行為，採月更的頻率視覺化呈現在網站上。

自動化蒐集資料並生成永續報告書摘要

這套防漂綠方案會先自動蒐集目標企業的新聞和永續報告書，以及外部資料，包括過往漂綠新聞、已揭露的企業漂綠行為，和已被定義的漂綠行為。接著再以生成式AI進行所有資料的摘要分析，先列出企業的ESG行為，再列出潛在漂綠行為。例如，摘要出企業宣稱使用100%可回收和海洋廢棄物材料，接著列出，企業的回收聲明具誤導性，且錯誤引用外部指標。

新光金控數位數據暨科技發展部專案協理陳帝佑表示，團隊在透過生成式AI擷取永續報告中的關鍵因子時，會採用循序漸進的提詞方式來獲取資訊。例如，要查詢企業的水回收率，第一步，會先下「找出有提到關鍵字的內容」，第二步，詢問內容中是否提到水回收率，若回覆答有，再提問公司水回收率的數據。由於生成式AI針對同個問題會給予不同回應，因此，團隊每一段流程都會重複10次，以確保答案的公平性和正確性。

不過，這套方案目前僅是新光金控參與競賽的獲獎方案，並未實際落地，且適用產業僅以國際上漂綠行為較嚴重的紡織業為例。近期，他們接受金管會輔導，以這項方案獲得全球金融創新聯盟（GFIN）「防範漂綠監理科技黑客松」獎項。

視覺化呈現企業潛在漂綠行為和ESG得分

新光金控對外展示操作影片。使用者只要在網頁中輸入欲查詢的企業，就可以看到新聞判讀分數、ESGI分數、行為比對警示燈、雷達圖，和因子原始資料。新聞判讀分數是呈現企業所有ESG新聞中正面新聞的占比，以占比高低來區分企業對ESG議題採正面態度、一般，或否定態度。

網站上的行為比對警示燈會呈現企業潛在漂綠行為，例如，這間企業沒有明確的碳排放目標。雷達圖則呈現企業在溫室氣體排放、能源管理、水資源管理、有害廢棄物管理、自然資源保護等五項因子的數據表現，並呈顯各因子的原始數據，例如，企業的再生能源使用率。

另外，這套方案包含評分模型，以國際指標、ESG揭露資料和新聞內容，加權計算目標企業的E（環境）、S（社會）、G（治理）、I（重要活動新聞）各項目分數和ESG總分，再列出同業的平均分數，協助使用者評估目標企業如何投入永續議題。

陳帝佑表示，團隊在方案發想階段時，曾調查審查人員的實際需求。按照國內法規，金融業者推出永續ETF需要向主管機關繳交審查資料，證明該產品包含的成分股都符合永續標準。不過，根據他們的調查，部分審查人員反映，即便已進行一定程度的審查，他們也無法百分之百確定企業提供的永續資料是否與企業實際作為相符，意即企業是否發生潛在漂綠行為。

起初，新光金控團隊以檢核ETF成分股是否漂綠的方向開發這套方案，但在發想階段就遇到兩大挑戰。第一，ETF包含多種產業，但不同產業間的ESG發展面向不同，需要依據不同產業制定ESG評分權重，還要進行成分股綜合評估，工程十分浩大。考量僅四個月的專案發展時長，團隊改為聚焦個股或單一企業，選定紡織業作為測試產業。第二，目前上市櫃公司的永續數據相對較完整，相比數據蒐集較為不足的中小企業，較能評比出可信賴的ESG分數。因此，檢核企業類型針對上市櫃公司，不包含中小企業。

新光金控表示，這套方案未來實際落地的關鍵仍在資料源的充足性和豐富性。他們表示，這套方案有提供API給第三方串接，期望未來能和同業和跨產業合作，增加資料源的廣度、深度，及各產業適用的權重，以增加方案適用的產業範圍。