[AI 모델 탐험기] #19 기업의 ESG 활동을 평가할 수 있을까? ESG AI & Rating

9 min readSep 13, 2021

[편집자주] 본 글은 커먼컴퓨터에서 Developer Relations Engineer를 맡고 있는 백동훈님이 오픈소스 AI모델을 정리하고 인사이트를 공유하는 글로 시리즈로 기획돼 발행되고 있습니다. 열아홉 번째 글은 기업의 ESG 활동을 평가하는 방법과 AI 입니다.

이번 글에서는 최근 핫한 키워드인 “ESG”에 대해서 살펴보겠습니다. 그리고 기업들의 ESG 등급을 산출하는 MSCI ESG Rating에 대해서 살펴보고, hannahawalsh님이 올려주신 Node2Vec을 이용하여 기업들의 ESG 점수를 계산하는 Ainize 데모도 살펴보겠습니다.

프로젝트를 확인해보고 싶으신 분들은 아래 링크를 참조해주세요!

Github : https://link.ainize.ai/392d1TD
Demo : https://link.ainize.ai/3ntgrak
Demo Github : https://link.ainize.ai/3z7Rd3q

최근에 “ESG”라는 용어가 자주 등장하고 있습니다. 많은 기업들에서는 ESG 경영을 위해 많은 돈을 투자하고, ESG와 관련된 주식, 펀드 투자 금액도 급격히 증가하였습니다. 포브스에 따르면 ESG 투자란 “세상을 더 나은 곳으로 만들기 위해 노력하는 회사에 투자하는 전략”이라고 소개하고 있습니다. 그렇다면 ESG가 뭐길래 세상을 더 나은 곳으로 만드는 것과 관련이 있는 것일까요?

출처 : ESG investing gaining traction in Korea

ESG란?

ESG는 Environmental(환경), Social(사회) and Governance(지배구조)의 줄임말 입니다. 기업들이 이 3가지 요소들을 실천하는 것이 왜 필요할까요? 포브스에서는 ESG에 각각의 요소들을 어떻게 정의했는지 살펴보도록 하겠습니다.

먼저 환경(Environmental)은 “기업이 환경에 어떤 영향을 주는지”에 관한 것입니다. 여기에는 제조시에 발생되는 탄소발자국, 독성 화학물질 등을 포함합니다.

그리고 사회(Social)는 “기업이 어떻게 사회에 기여할 수 있는지”에 대한 것입니다. 여기에는 인종, 성별 등에 대한 평등이 포함되어 있습니다.

마지막으로 지배구조(Governance)는 “기업의 경영진이 어떻게 긍정적인 변화를 이끄는지”에 대한 것입니다. 여기에는 임원진들의 임금, 리더십의 다양성, 주주들에 대한 보상 등이 포함되어 있습니다.

위의 내용을 요약해보면 ESG란 기업이 “지속가능한” 성장을 할 수 있는 것을 말합니다.

그러면 어떻게 하면 기업들의 ESG 활동을 활발히 할 수 있는지 알 수 있을까요? 기업들의 ESG 점수를 계산할 수 있다면, 기업들이 얼마나 ESG 활동을 하는지를 알 수 있을 것 입니다.

세계 최대 투자 회사 중 하나인 모건스탠리의 자회사 MSCI에서는 자체적으로 기업 및 펀드들의 ESG 등급을 평가하고 있습니다. MSCI에서 ESG 등급을 평가하기 위해 사용된 방법은 무엇인지 살펴보겠습니다.

MSCI ESG Ratings

MSCI는 먼저 E, S, G 각 분야에 대한 주요 테마들을 정한 후, 각 테마들에 대한 Key Issue들을 설정했습니다. 예를 들어 E(환경)의 주요 테마로는 기후 변화(Climate Change)가 있고, 이에 속하는 Key Issue들로는 탄소 배출(Carbon Emissions), 제품 탄소 발자국(Product Carbon Footprint) 등이 있습니다.

이런 식으로 총 37개의 Key Issue들을 선정하면, 각 Key Issue에 대한 점수를 계산합니다. 이를 위해 각 Key Issue에 존재하는 위험(Risk)와 기회(Opportunity)의 점수를 계산합니다.

먼저 위험 점수는 해당 Key Issue에 대해서 기업이 위험에 노출된 정도(Exposure)와 이에 대한 관리(Management) 점수를 종합하여 산출됩니다. 즉, 위험에 노출된 정도에 따라 적절한 관리를 해줘야 높은 위기 점수를 얻을 수 있습니다. 아래 사진은 KI(Key Issue)에 대해 위기 점수가 계산되는 그래프를 나타낸 것입니다.

기회 점수도 위기 점수와 마찬가지로 노출 정도와 이에 대한 관리 점수를 종합하여 산출됩니다. 즉, 기회가 노출되어 있을 때, 이를 이용하여 이익을 얻을 수 있도록 적절한 관리를 해야지 높은 기회 점수를 얻을 수 있습니다. 아래 사진은 기회 점수가 계산되는 그래프를 나타낸 것입니다.

최종적으로 어떤 기업 또는 펀드의 ESG 점수는 각 Key Issue에 대한 위기, 기회 점수의 가중 평균으로 구해지고, 구해진 점수를 바탕으로 7개의 등급(CCC, B, BB, BBB, A, AA, AAA) 중 하나로 결정됩니다. MSCI ESG Ratings에서 자연어처리는 데이터 수집, 분석 및 예측 결과에 대한 평가에 사용되고, 직접적인 평가에는 사용되지 않습니다.

MSCI 뿐만 아니라 소프트뱅크, 골드만 삭스 등 세계적인 투자 회사 및 자산 운용사들도 자체적인 ESG 등급을 산출하고 있습니다. 하지만 아직 ESG 등급을 산출하는 회사별로 기준 및 산출 방법이 다르기 때문에 같은 기업에 대해서 ESG 등급이 서로 다르게 산출될 수 있습니다. 실제로 세계적으로 많이 사용되는 MSCI와 Sustainalytics의 ESG 등급 사이의 상관관계는 0.53밖에 되지 않습니다. 따라서 직접 사람이 ESG 등급을 산출하는 것은 부정확하거나 편향된 부분이 있을 수 있기 때문에 AI, 특히 NLP를 이용한 ESG 점수 산출을 활발히 시도하고 있습니다. 대표적으로 미국의 금융 소프트웨어 회사인 FactSet가 인수한 TrueValue Labs가 있습니다.

Ainize를 이용한 데모

이번에는 Ainize를 통해 배포된 ESG 분석 프로젝트를 알아보겠습니다. hannahawalsh님은 Node2Vec 기법을 이용하여 기업들의 ESG 점수 및 분포를 분석하는 프로그램을 제작하셨습니다.

Node2Vec이란 그래프 상의 노드를 벡터화 하는 방법으로, 단어의 임베딩 벡터를 구하는 Word2Vec과 유사합니다. 따라서 Word2Vec에서는 단어들의 시퀀스를 이용하여 학습을 하였는데, Node2Vec에서는 그래프를 노드들 간의 시퀀스를 이용하여 학습을 진행합니다. 노드들의 시퀀스는 DFS 혹은 BFS 방법을 이용하여 생성합니다. 아래 사진에서 첫 번째 사진은 DFS, 두 번째 사진은 BFS를 이용하였을 때 생성되는 라벨을 나타낸 것입니다. DFS를 이용하면 동종성(homophily)를, BFS를 이용하면 구조적 동등성(structural equivalence)를 반영할 수 있습니다.

출처 : node2vec: Scalable Feature Learning for Networks

따라서 ESG AI에서는 Node2Vec을 이용해서 기사에서 언급된 기업들과의 관계 등을 벡터화 하여 좌표 상으로 나타낼 수 있도록 하였습니다. 데모는 링크에서 사용해보실 수 있습니다.

지금까지 ESG와 기업의 ESG 활동을 측정할 수 있는 방법에 대해 알아보았습니다. 시간이 지날 수록 기업들이 ESG 경영에 투자하는 규모와 개인들이 ESG 투자를 하는 규모가 커질 것이라 예상하고 있습니다. AI가 ESG 등급을 산출할 수 있게 되면, 더 많은 기업들에 대해서 ESG 등급을 산출할 수 있을 것 같습니다. 그렇게 된다면 더 많은 기업들이 ESG 경영을 위해 투자를 할 것 같다는 생각이 듭니다. 여러분들의 생각은 어떠신가요? 댓글로 남겨주세요!