- 生成AIは、アニュアルレポート、契約書、顧客のフィードバック、技術文書、社内メモなどの非構造化テキストデータを活用し、ビジネス戦略に役立つ実行可能な情報を生み出す方法を変えつつあります。
- 従来、膨大な量の企業テキストの分析には多大な時間とコストがかかり、多くの重要なデータが長く、活用しにくい文書の中に「埋もれて」いました。
- この研究では、GPTモデルを微調し、米国上場企業の10-Kレポートの「事業内容（Business Description）」セクションを分析して、脱炭素を支援する製品やサービスに関連する内容を検出しました。
- 学習データセットには、AIが気候変動ソリューションの販売と単なる環境問題への言及を区別できるように、さまざまな業界からラベル付けされた約3,500の文章が含まれています。
- その後、このモデルを適用して、2005年から2022年の期間における米国企業4,483社の39,710件の10-Kレポートから、約1,000万の文章を分類しました。
- 特定された気候ソリューションには、バッテリー、電気自動車、エネルギー貯蔵、再生可能エネルギー（風力・太陽光）、リサイクル素材、植物性タンパク質、省エネソリューション、バイオ燃料などが含まれます。
- 結果、テキストから抽出された「気候ソリューションの強度」は、高い収益成長、高い市場評価、および気候政策に対する株式市場の好意的な反応と相関していることが示されました。
- テキスト分析は、エネルギー貯蔵技術が自動車産業と電力事業の両方に関連している例のように、産業間の融合を早期に発見するのにも役立ちます。
- 気候ソリューションのテーマが類似している業界は、株価の変動も同様の傾向を示すことがあり、ビジネスの基盤が相互に連結してきていることを示唆しています。
- 生成AIは、技術がより安価で効率的になるにつれて、エネルギー転換に対する政治的影響が予想よりも低くなるといった、経営陣の戦略的仮定の検証にも役立ちます。
📌 以前は、大量の企業テキストを分析するには時間とコストがかかり、多くの重要なデータが長く抽出が困難なドキュメントの中に「閉じ込められて」いました。生成AIは、リーダーがアニュアルレポート、契約書、顧客のフィードバック、技術文書、内部メモなどの非構造化テキストデータを活用して、ビジネス戦略における実用的な情報を生成する方法を変えています。テキストから抽出されたシグナルは、ビジネス活動を反映するだけでなく、収益の成長、市場の評価、競争のトレンドにも関連しています。この手法は、サプライチェーン、顧客、人材、法的リスクなど、他の多くの分野にも適用できます。
