- L’IA generativa sta cambiando il modo in cui i leader sfruttano i dati testuali non strutturati come relazioni annuali, contratti, feedback dei clienti, documenti tecnici e promemoria interni per creare informazioni utili alla strategia aziendale.
- In passato, l’analisi di grandi volumi di testi aziendali richiedeva tempo e costi elevati, lasciando molti dati cruciali “intrappolati” in documenti lunghi e difficili da sfruttare.
- La ricerca ha perfezionato un modello GPT per analizzare la sezione “Business Description” nei report 10-K delle società quotate negli Stati Uniti per rilevare contenuti relativi a prodotti e servizi a supporto della decarbonizzazione.
- Il set di dati di addestramento comprendeva circa 3.500 frasi etichettate provenienti da vari settori per aiutare l’IA a distinguere tra la vendita di soluzioni climatiche e la semplice menzione di questioni ambientali.
- Il modello è stato quindi applicato per classificare quasi 10 milioni di frasi da 39.710 report 10-K di 4.483 aziende statunitensi nel periodo 2005-2022.
- Le soluzioni climatiche identificate includono batterie, veicoli elettrici, stoccaggio di energia, energia rinnovabile (eolica e solare), materiali riciclati, proteine vegetali, soluzioni per il risparmio energetico e biocarburanti.
- I risultati mostrano che il livello di “intensità delle soluzioni climatiche” estratto dal testo è correlato a una maggiore crescita dei ricavi, a una maggiore valutazione di mercato e a reazioni positive del mercato azionario alle politiche climatiche.
- L’analisi del testo aiuta anche a rilevare precocemente la convergenza tra settori, come la tecnologia di stoccaggio dell’energia correlata sia al settore automobilistico che a quello dei servizi elettrici.
- I settori con temi di soluzioni climatiche simili tendono anche a mostrare fluttuazioni azionarie simili, indicando che le basi aziendali stanno diventando interconnesse.
- L’IA generativa aiuta anche a verificare le ipotesi strategiche dei leader, ad esempio che l’influenza politica sulla transizione energetica è inferiore a quanto previsto man mano che la tecnologia diventa più economica ed efficiente.
📌 In passato, l’analisi di grandi volumi di testi aziendali richiedeva molto tempo e costi, lasciando molti dati importanti “intrappolati” in documenti lunghi e difficili da estrarre. L’IA generativa sta cambiando il modo in cui i leader sfruttano i dati testuali non strutturati come report annuali, contratti, feedback dei clienti, documenti tecnici e promemoria interni per creare informazioni utilizzabili nella strategia aziendale. I segnali estratti dal testo non solo riflettono le attività commerciali, ma sono anche legati alla crescita dei ricavi, alla valutazione di mercato e alle tendenze competitive. Questo metodo può essere applicato a molti altri settori come la catena di fornitura, i clienti, le risorse umane e i rischi legali.
