Olam lanzó Terrascope, un nuevo negocio con un nombre maravillosamente pegadizo que tiene como objetivo ayudar a las empresas a identificar y reportar sus emisiones de carbono. Detrás del tablero obligatorio de Scrabble de palabras de moda está el potencial de una herramienta seria.
La plataforma en sí es un software como servicio. No hay que instalar ningún producto y se implementa según el protocolo GHG, un marco de 20 años de antigüedad para evaluar y reportar el riesgo ambiental.
la mayoría de nosotros sabemos esto a través de su categorización de factores ambientales en 3 áreas para informar:
Alcance 1: este cubre las emisiones de gases de efecto invernadero que una empresa realiza directamente, por ejemplo, mientras hace funcionar sus calderas y vehículos.
Alcance 2: estas son las emisiones que una empresa hace indirectamente, como la energía que compra para operar una planta de procesamiento.
Alcance 3: es el más difícil de calcular. En esta categoría, no se trata de una medida de la empresa en sí, sino de las emisiones de las que la organización es indirectamente responsable, en todos los sentidos de su cadena de valor. Por ejemplo, al comprar productos a sus proveedores.
Habrá escuchado a muchas empresas hablar sobre lograr emisiones netas cero frente a las emisiones de alcance 1 y alcance 2, y hay una razón para ello. Medir las emisiones de los dos primeros alcances comprende un ejercicio de contabilidad de costos relativamente sencillo. Sin embargo, también pueden representar solo entre 5 y 15% de las emisiones totales de una empresa típica.
Las empresas que han ignorado los informes de alcance 3 también pueden haberse beneficiado al jugar con el sistema en los alcances 1 y 2. Por ejemplo, al simplemente subcontratar ciertas actividades a terceros, la empresa podría mover una actividad de emisión directa a indirecta, retirándola así del cálculo de alcance 1 y 2, lo que permite a la empresa reclamar el progreso hacia una meta de cero neto.
Los factores del alcance 3 son los más difíciles de medir porque necesita calcular las actividades de los proveedores aguas arriba que no controla directamente. Recopilar información de potencialmente miles de proveedores, y hacerlo de manera que cada uno informe de manera consistente, puede ser prácticamente imposible y ciertamente poco práctico, utilizando métodos de verificación de recopilación de datos convencionales.
Sin embargo, un objetivo más noble podría ser abrir los algoritmos para que toda la industria pueda beneficiarse de su desarrollo.
A la dificultad se suma que el protocolo de GEI en sí fue diseñado para informar las emisiones de alcance 3 de una manera que permitía a los clientes intermedios elegir al mejor proveedor. No estaba destinado a crear datos de informes precisos en la forma en que podría esperar de un informe financiero, por ejemplo.
Harvard Business Review escribió un excelente análisis de una metodología de emisiones de alcance 3 a este respecto y sugirió un marco mejorado utilizando un enfoque más alineado con la contabilidad de costos y el cálculo de valor.
Sin embargo, es poco probable que se adopte en el corto plazo, ya que la metodología existente ya cuenta con tanto impulso y legislación.
En el Reino Unido, donde OLAM cotiza su negocio OFI, el gobierno anunció estrictas leyes de presentación de informes que entraron en vigencia el 6 de abril de 2022, el comienzo del nuevo año fiscal.
Los requisitos de informes alineados con TCFD para el sector privado, como se conoce, capturan a todas las medianas y grandes empresas en una nueva red de informes. Se espera que cualquier empresa que cumpla con los criterios a continuación informe sobre su riesgo climático y describa su objetivo.
1. Entidades de interés público (PIE) relevantes: todas las empresas del Reino Unido que actualmente están obligadas a producir un estado de información no financiera, siendo las empresas del Reino Unido que tienen más de 500 empleados y valores negociables admitidos a cotización en un mercado regulado del Reino Unido (como se define en la sección 1173 de la Ley de Sociedades de 2006), empresas bancarias y de seguros;
2. Compañías registradas en el Reino Unido con valores admitidos para apuntar, una bolsa de cotización con más de 500 empleados;
3. Empresas registradas en el Reino Unido que no estén incluidas en las categorías anteriores y tengan más de 500 empleados y una facturación de más de £500 millones; y
4. Sociedades de responsabilidad limitada (LLP), que tienen más de 500 empleados y una facturación de más de £ 500 millones.
Pero es a través de este lente de comprensión de los cálculos de emisiones de alcance 3 intrínsecamente inexactos, combinados con los nuevos requisitos de informes globales, que debe verse el nuevo negocio de Olam, Terrascope.
Como empresa recién lanzada, no hay mucho que sepamos al respecto más allá de lo que está escrito en el comunicado de prensa y en el sitio web. Sin embargo, la empresa reconoce claramente los desafíos de los cálculos de alcance 3 cuando se refieren al uso de lenguaje de máquina e inteligencia artificial para identificar áreas donde la confianza en los números puede ser baja.
Me pregunté acerca de otras herramientas en el mercado para comparar y descubrí que la propia organización del Protocolo de GEI regala una herramienta gratuita (una hoja de cálculo de Excel) para hacer los cálculos. Sin embargo, revisar la hoja de cálculo me hizo sudar. Puede ser funcional, pero la recopilación y el ingreso de datos requeridos y el costo de mantenerlo actualizado no es para los débiles de corazón.
No me sorprendería que Olam, en un esfuerzo por automatizar sus propios informes de conformidad, se diera cuenta de que tenía una herramienta comercial en sus manos.
Quedan muchas preguntas sin respuesta, como si tener una "salsa secreta" en los algoritmos de caja negra será aceptable a largo plazo. Además, el aprendizaje automático suele funcionar con grandes conjuntos de datos y puede ser difícil demostrar cómo se alcanzan las cifras. mantener el sesgo fuera del sistema es otro desafío que se vuelve más difícil de detectar en grandes conjuntos de datos. Estuve hablando con el director ejecutivo de un sistema algorítmico de reclutamiento basado en inteligencia artificial hace unos meses. Ella me dijo que eliminar el sesgo era un desafío continuo, y finalmente descartaron su primer modelo de big data y optaron por construir un algoritmo patentado único con procesos secundarios dedicados que buscaban constantemente sesgos conocidos, utilizando reconocimiento de patrones anti-sesgo científicamente probado.
El lanzamiento del negocio es un movimiento inteligente de Olam. Sin duda, las empresas pagarán para demostrar sus credenciales ESG y harán que sea un problema de Olams garantizar que su marco no sea repudiable frente a los estándares. La empresa tiene la oportunidad de simplificar un proceso complejo y facilitar la presentación de informes para muchas organizaciones.
Sin embargo, un objetivo más noble podría ser abrir los algoritmos para que toda la industria pueda beneficiarse de su desarrollo. Esto permitiría simultáneamente a los investigadores probar o refutar su trabajo mientras dan a la comunidad compartiendo lo que aprenden en el camino.
Autor
-
organización:
Spanish