Klimaat & energie › Klimaat-AI & biosfeersimulaties
Ghanese banken laten AI-kansen liggen bij klimaatfinanciering
Banken en verzekeraars in Ghana maken nauwelijks gebruik van kunstmatige intelligentie om klimaatprojecten te beoordelen, terwijl de technologie juist kan helpen om schaars kapitaal gerichter in te zetten. Onderzoekers van de Brandenburgische Technische Universität Cottbus-Senftenberg (BTU) en de Durban University of Technology zochten uit waarom.
Wereldwijd gaat inmiddels zo'n 2.000 miljard dollar per jaar naar klimaatprojecten. Bijna niets daarvan komt terecht in Afrika bezuiden de Sahara, ondanks dat deze regio zwaar te lijden heeft onder klimaatverandering en dringend geld nodig heeft. Een belangrijke reden: banken en investeerders missen betrouwbare data en goede instrumenten om te bepalen welke klimaatprojecten kansrijk en veilig zijn.
Volgens hoogleraar Herwig Winkler van de BTU, co-auteur van de nieuwe studie, kan kunstmatige intelligentie hier uitkomst bieden. AI-systemen kunnen automatisch risico's inschatten of duurzaamheidsdata analyseren. Toch blijft grootschalig gebruik in de Ghanese financiële sector uit. Het onderzoek, gepubliceerd in het tijdschrift Discover Sustainability, probeert te verklaren waarom banken deze mogelijkheden links laten liggen.
Vertrouwen weegt zwaarder dan gebruiksgemak
De onderzoekers ondervroegen 317 medewerkers van Ghanese banken, verzekeraars en investeringsmaatschappijen. Daaruit blijkt dat vooral twee factoren de doorslag geven: zien medewerkers een duidelijk voordeel in AI, en vertrouwen ze de uitkomsten? Of een programma gebruiksvriendelijk is, speelt een veel kleinere rol.
Bij goed geoutilleerde organisaties, met heldere procedures, moderne systemen en getraind personeel, heeft eenvoudige software wel een grotere impact op de acceptatie dan bij organisaties die dat mistten. Voor het ervaren nut van AI maakte dat verschil echter nauwelijks uit.
Infrastructuur, kennis en databronnen als grootste obstakels
Als grootste drempels noemden de ondervraagden gebrekkige technische infrastructuur, te weinig interne expertise en slechte datakwaliteit. Onzekerheid over wet- en regelgeving en hoge kosten kwamen op de tweede plaats. Zorgen over eerlijkheid of transparantie van AI-beslissingen werden juist weinig genoemd, vermoedelijk omdat veel organisaties de basisvoorwaarden voor AI-gebruik nog helemaal missen.
De onderzoekers doen concrete aanbevelingen. Ghana's financiële toezichthouder zou heldere regels moeten opstellen voor AI-gebruik in de klimaatsector. Banken en verzekeraars zouden gericht personeel moeten trainen. En beleidsmakers zouden, samen met private partijen, moeten investeren in betere klimaatdata. Zonder die basis blijft geavanceerde technologie volgens de onderzoekers een onbenutte kans, juist in een regio waar klimaatfinanciering het hardst nodig is.
Achtergrond & begrippen
Wat betekent dit voor de toekomst? Als klimaatfinanciering slimmer wordt verdeeld met behulp van AI, kan meer geld terechtkomen bij landen die het meest kwetsbaar zijn voor klimaatverandering. Dit onderzoek laat zien dat technologie alleen niet genoeg is: zonder vertrouwen, expertise en goede data blijven zulke instrumenten liggen, ook in regio's waar de nood het hoogst is.
- Klimaatfinanciering
- Geld dat wereldwijd wordt ingezet om klimaatverandering tegen te gaan of de gevolgen ervan op te vangen, bijvoorbeeld via leningen, subsidies of investeringen.
- Kunstmatige intelligentie (AI)
- Computersystemen die taken uitvoeren waarvoor normaal menselijke intelligentie nodig is, zoals patronen herkennen in data of risico's inschatten.
- Duurzaamheidsdata
- Gegevens over de milieu-impact en klimaatprestaties van een project of bedrijf, gebruikt om te beoordelen hoe verantwoord een investering is.
Bronnen
Dit artikel is met behulp van AI geschreven op basis van bovenstaande bronnen en is geen letterlijke vertaling. Zo werkt onze redactie.
