NLPと機械学習を用いたESG報告書におけるグリーンウォッシュのAI駆動型検出
AI-Driven Detection of Greenwashing in ESG Reporting Using NLP and Machine Learning (原題)
N. Sathyanarayana, G. Srividhya, Laxmana Rao Goranta, Madireddi S. S. V. Sri Kumar, K. Vidhya
🤖 gxceed AI 要約
日本語
ESG報告書におけるグリーンウォッシュをNLPと機械学習で検出する概念章。文献レビューをもとに、文書取得から構造化抽出、言語分析、数値整合性検証、リスク優先順位付け、フォレンジック検証、報告までの7層フレームワークを提案する。Microsoftの公開サステナビリティ開示への適用例を示し、報告境界や相対指標が解釈に与える影響を論じる。ISSA 5000などの保証動向も踏まえるが、検出性能の実証検証は今後の課題とする。
English
A conceptual chapter on using NLP and machine learning to detect greenwashing in ESG reporting. It reviews textual classification, claim verification and assurance literature, then proposes a seven-layer framework spanning document acquisition, structured extraction, linguistic analysis, numerical consistency testing, risk prioritisation, forensic validation and reporting. A worked example on Microsoft's sustainability disclosure shows how reporting boundaries and relative measures affect interpretation, with ISSA 5000 informing the assurance context. Detection performance and assurance benefits still require empirical validation.
Unofficial AI-generated summary based on the public title and abstract. Not an official translation.
📝 gxceed 編集解説 — Why this matters
日本のGX文脈において
SSBJ基準の適用開始と有報でのサステナビリティ開示が進む日本では、開示内容の信頼性確保とグリーンウォッシュ抑止が投資家対応の焦点となる。本フレームワークは、企業の開示レビューや保証業務の前段階のスクリーニングに応用できる示唆を持つ。
In the global GX context
As ISSB/CSRD and ISSA 5000 raise assurance expectations, automated greenwashing detection becomes part of disclosure infrastructure. The framework offers an auditable decision process that could complement external assurance and regulator review of sustainability reports.
👥 読者別の含意
🔬研究者:NLP・MLをESG開示のフォレンジック分析に応用する際の7層フレームワークと検証課題を整理できる。
🏢実務担当者:自社のサステナビリティ開示における報告境界や相対指標の表現リスクを点検する際のチェック観点として活用できる。
🏛政策担当者:開示規制や保証制度の設計において、AIを用いたグリーンウォッシュ検出の可能性と限界を考慮する材料になる。
📄 Abstract（原文）
Environmental, social and governance reporting creates opportunities for accountability and misleading environmental communication. This conceptual chapter examines how natural language processing and machine learning can support forensic scrutiny of sustainability disclosures. A critical literature review distinguishes textual classification, claim verification and professional findings. The proposed seven-layer framework connects document acquisition, structured extraction, linguistic analysis, numerical consistency testing, risk prioritisation, forensic validation and reporting. A worked application to Microsoft's public sustainability disclosure illustrates how reporting boundaries and relative measures affect interpretation. Current reporting and assurance developments, including ISSA 5000, inform the practical context. The framework offers an auditable decision process; its detection performance and assurance benefits require empirical validation.
🔗 Provenance — このレコードを発見したソース
- openalex https://doi.org/10.4018/979-8-2600-0873-7.ch010first seen 2026-11-07 04:49:25
🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。
gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。