概要

CDP（Carbon Disclosure Project）はドイツのスタートアップBriinkが開発したAIツール「Suggested Response（サジェスト回答）」を年次環境質問票に統合した。既存の年次報告書・サステナビリティ開示資料から自動でデータを抽出してCDP質問票の回答候補を生成し、回答準備時間を平均40%削減する。CDP参加企業800社の先行テストで回答率が25%向上した実績がある。

実装ステップ

ステップ1：参照元ドキュメントの整備（AIの精度に直結）

  • Suggested ResponseはAIが年次報告書・統合報告書・サステナビリティレポートを参照して回答候補を生成
  • 最新年度の開示資料を揃える：対象となるCDP質問票の報告年度に対応した資料であることを確認
  • データの所在がバラバラな場合（部門ごとのExcel・PDF・社内システム）、CDP提出前に統合ドキュメントに一本化する
  • GHG排出量データ・エネルギー消費データ・気候リスク分析・目標値を一箇所で参照できる形式に整理する

ステップ2：CDP質問票でSuggested Response機能を有効化する

  • CDP Portal（cdp.net）にログインし、2026年質問票でSuggested Response機能を有効化
  • 参照ドキュメントをシステムにアップロード（PDFまたはURL形式）
  • AIが各設問に対して既存資料から抽出した回答候補を自動生成する
  • 特に数値データ（GHG排出量・エネルギー消費量・再エネ比率）の自動抽出精度が高い

ステップ3：サジェスト内容のレビューと補完

  • 必ずすべてのサジェストをレビューする（AI誤抽出・古いデータ使用のリスクがある）
  • AIがカバーできない設問（定性的な戦略・今年度の新規施策・経営層のコミットメント）は手動で補完
  • 数値の出所を確認し、参照元ドキュメントのページ番号をメモしておく（後のQA対応のため）
  • 内部レビュワー（CFO・CLO・サステナビリティ委員会）へのレビュー依頼をこの段階で実施

ステップ4：翌年度に向けた品質向上サイクルの定着

  • AIが苦手とした設問（サジェスト精度が低かった設問）を記録する
  • 次年度の開示資料作成時に、これらの設問の回答に必要なデータを明示的に記述する
  • 「定型データ収集はAIに委譲 → 人材をパフォーマンス改善と新施策立案に集中」というサイクルを定着させる

使うツール・標準

  • CDP Portal（cdp.net）- Suggested Response機能（2026年質問票から利用可能）
  • Briink AI（CDP統合済み。cdp.net経由でアクセス）
  • TCFD（気候関連財務情報開示タスクフォース）- CDP質問票との対応表を活用
  • GRI Standards・ISSB（IFRS S1/S2）- CDPとの整合性確認
  • GHGプロトコル - CDP回答の根拠となる排出量算定基準

成功のポイント

  • 平均40%の準備時間削減は、特に担当者が少ない中堅企業に大きなインパクトをもたらす
  • 参加企業の回答率が25%向上したことは、AIツールがCDP開示の参加障壁を下げる効果を示す
  • AIの精度は「元資料の質」に直結するため、開示の質向上＝AIサジェストの精度向上というポジティブサイクルが生まれる
  • CDPは2025年の参加企業（22,000社超）が前年比減少しており、AI活用は参加継続を後押しするとも言える

日本企業への適用

日本では大手企業のCDP参加が増加しているが、専任サステナビリティチームの規模は欧米より小さいことが多い。AIツールを活用した工数削減は、少人数チームで複数フレームワーク（CDP・TCFD・ISSB・有価証券報告書）対応をこなす日本企業にとって特に効果的だ。まず既存の統合報告書・有価証券報告書（サステナビリティ情報開示欄）の質と量を確認し、CDPの各設問に対応する記述が含まれているか確認することから始める。英語版の開示資料があれば、AIのサジェスト精度がさらに向上する。