AI与ESG治理探讨的是人工智能与环境、社会和治理（ESG）报告之间的双向关系。一方面，AI系统会产生需要计量和披露的ESG影响：模型训练与推理带来的能源消耗、数据中心冷却所需的水资源使用、AI硬件产生的电子废弃物、劳动力被取代、影响社区的算法偏见，以及用于AI监督的治理架构。另一方面，AI也越来越多地被用于改进ESG的计量、报告和绩效，从基于卫星的环境监测到供应链透明度分析皆是如此。对于负有ESG报告义务的组织而言，治理挑战在于确保AI相关的ESG影响在披露中被准确反映，并确保用于ESG报告的AI系统本身也接受治理、验证并保持透明。
AI的环境影响
AI的环境足迹具有重大意义且不断增长。训练大型AI模型需要大量计算资源和能源。国际能源署（IEA）估计，数据中心的用电量在2022年至2026年间可能翻倍，其中AI工作负载是主要驱动因素。数据中心冷却所需的水资源消耗是一个新出现的关注点，单个大型数据中心每年可能消耗数百万升水。对于受气候披露要求约束的组织（欧盟CSRD、ISSB准则、SEC气候规则），AI相关的能源消耗和排放应纳入范围二（Scope 2，外购电力）以及可能的范围三（Scope 3，价值链）报告。使用云端AI服务的组织应从其云服务供应商处获取排放数据，并将其纳入报告。
AI的社会影响
AI的社会影响包括对劳动力的影响（工作岗位被取代、技能要求、算法化管理下的工作条件）、对消费者的影响（信贷、保险、住房和就业决策中的算法偏见），以及对社区的影响（监控、内容审核、服务获取）。ESG报告框架越来越多地要求披露各组织如何管理这些影响。欧盟《人工智能法案》（EU AI Act）针对高风险AI的基本权利影响评估要求，与ESG报告的社会维度直接交汇。
治理维度
ESG的治理支柱与AI治理直接对应：董事会对AI的监督、问责架构、风险管理框架、伦理政策、审计机制以及利益相关方参与。对于评估ESG绩效的投资者和分析师而言，AI治理的成熟度正日益成为衡量更广泛治理质量的代理指标，能够妥善治理AI的组织，很可能也能妥善治理其他复杂风险。
实务整合
将AI纳入你的ESG重要性评估，确定哪些AI相关的ESG影响对你的利益相关方而言具有重要性。将AI的能源消耗纳入环境报告。在社会报告中披露AI对劳动力的影响。在治理披露中报告AI的治理架构、政策和监督机制。确保用于ESG报告和计量的AI系统本身也接受治理、验证并保持透明，一个生成不准确ESG数据的AI系统会带来证券法层面的误导性披露风险敞口。
延伸阅读：IEA，《能源与AI》 | OECD人工智能原则
相关阅读
- 什么是数据治理？它与AI治理有何不同，以及为何两者你都需要
- 数据科学与AI团队需要了解的AI治理知识（那些没人告诉过他们的事）
- 开源AI治理：当你的AI运行在任何人都能修改的模型之上
- 影子AI：员工们已经在用的那些工具的治理指南
延伸阅读：IEA，《能源与AI》 | OECD人工智能原则