Evaluating the scientific rigour of climate scenario analysis: LLM-assisted evidence from New Zealand’s mandatory disclosures
Deze studie maakt gebruik van een door LLM ondersteund audit-framework om de pioniersrol van Nieuw-Zeeland in verplichte klimaatverklaringen te evalueren, waarbij wordt onthuld dat hoewel het rapportagevolume is toegenomen, de wetenschappelijke rigueur gecompromitteerd blijft door inconsistente methodologieën en narratieve beperkingen, waardoor een kritieke kloof tussen naleving van regelgeving en werkelijke financiële bruikbaarheid wordt blootgelegd.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je de wereldeconomie voor als een enorme, hogesnelheidstrein die door een landschap raast dat langzaam maar zeker aan het veranderen is. De rails worden door klimaatverandering in een nieuwe vorm gegoten: sommige delen overstromen, andere worden gebakken in de hitte, en de verkeersregels verschuiven terwijl we proberen over te schakelen naar schonere energie. Lange tijd hoefden de mensen die de trein bestierden (bedrijven en banken) hun passagiers (investeerders en het publiek) niet precies te laten zien hoe ze deze hobbelige weg van plan waren aan te pakken. Maar onlangs zijn overheden begonnen met zeggen: "Je moet ons je plan vertellen." Dit is de wereld van klimaatverantwoording. Het is als een verplicht rapportcijfer waarbij bedrijven moeten toegeven: "Dit is hoeveel onze onderneming geraakt kan worden door een storm, en dit is hoe we van plan zijn te overleven."
Om deze rapporten nuttig te maken, wordt van bedrijven verwacht dat ze scenario-analyses uitvoeren. Zie dit als een "wat als"-spelletje. In plaats van één toekomst te raden, moeten ze zich drie verschillende werelden voorstellen: een milde wereld waarin de planeet een beetje opwarmt, een hete wereld waarin het erg warm wordt, en een middenweg. Ze moeten vervolgens berekenen hoeveel geld ze in elke wereld zouden kunnen verliezen of winnen. Het doel is om te voorkomen dat bedrijven alleen maar zeggen "wij geven om de planeet" en te beginnen met het tonen van de harde wiskunde achter hun beslissingen. Maar hier zit de crux: het doen van deze wiskunde is ongelooflijk moeilijk, duur en vereist het combineren van complexe klimaatwetenschap met bedrijfsstrategie. Als de wiskunde fout is of gewoon verzonnen, is het hele rapport nutteloos, als een kaart die je een klif af leidt.
Maak nu kennis met de helden van dit verhaal: een team onderzoekers van Earth Sciences New Zealand die besloten of de bedrijven in Nieuw-Zeeland dit "wat als"-spelletje wel correct aan het spelen waren. Ze bekeken de allereerste batch van deze verplichte rapporten, die werden uitgebracht in 2023 en 2024. Om de enorme hoeveelheid papierwerk te verwerken, hebben ze niet simpelweg elke pagina met de hand gelezen; ze hebben een superintelligente robotassistent gebouwd, aangedreven door Kunstmatige Intelligentie (AI). Deze AI werd getraind om te fungeren als een junior wetenschapper, die door duizenden pagina's tekst graaft om de specifieke cijfers en de wetenschap achter de claims van de bedrijven te vinden.
De onderzoekers ontdekten dat hoewel de bedrijven er absoluut hard aan werkten en zeer lange rapporten schreven (sommigen waren bijna 50 pagina's lang!), de eigenlijke wetenschap daarin vaak wankel was. Het was alsof iedereen was komen opdagen voor een kookwedstrijd met een enorme, prachtig versierde taart, maar wanneer ze de taart doorsneden, was de binnenkant vooral lucht en glazuur. De meeste bedrijven schreven verhalen over klimaatrisico's in plaats van de harde, kwantitatieve wiskunde uit te voeren. Ze combineerden verschillende klimaatmodellen als een "pick-and-mix" snoeppot, waarbij ze vaak stukjes combineerden die niet bij elkaar pasten, wat het onmogelijk maakte om het plan van het ene bedrijf met dat van het andere te vergelijken.
De AI deed het geweldig in het opsporen van deze problemen en kwam in 91% van de gevallen tot dezelfde conclusies als menselijke experts. De AI onthulde echter ook een lastig probleem: soms zeiden de bedrijven zelfs niet welke wetenschap ze gebruikten, waardoor de AI moest gokken. De studie suggereert dat hoewel de nieuwe regels bedrijven hebben gedwongen om over het klimaat te gaan praten, ze hen nog niet hebben gedwongen de rigoureuze wetenschap te bedrijven die nodig is om die gesprekken echt nuttig te maken. Het resultaat is veel "compliance noise"—bedrijven die vinkjes zetten om boetes te vermijden, maar niet noodzakelijkerwijs een duidelijk, wetenschappelijk beeld opbouwen van hoe ze een opwarmende wereld kunnen overleven. De onderzoekers waarschuwen dat als we deze kloof tussen mooie verhalen en echte wetenschap niet dichten, we er misschien in investeren in bedrijven die op papier veilig lijken, maar in werkelijkheid recht in een storm lopen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.