← 論文一覧に戻る

新興市場におけるAI駆動型グリーンファイナンスとESGトラッキング：系統的レビュー

Artificial Intelligence-Powered Green Finance and Environmental, Social and Governance Tracking in Emerging Markets: A Systematic Review (原題)

W. Okere, Cosmas Ambe, Sanele Phumlani Vilakazi

International Review of Management and Marketing📚 査読済 / ジャーナル2026-05-08#AI×ESGOrigin: Global
DOI: 10.32479/irmm.22852
原典: https://doi.org/10.32479/irmm.22852

🤖 gxceed AI 要約

日本語

本レビューは、新興市場におけるAIを用いたグリーンファイナンス及びESG報告の質向上に関する実証的エビデンス（2015-2025）を系統的に統合した。機械学習や自然言語処理が主流であり、炭素関連開示分析、ESGスコアリング、グリーンボンド検証に活用されている。主な障壁はデータ品質、標準化不足、コストであり、IFRS S1/S2やTCFDとの整合性が促進要因とされる。

English

This systematic review synthesizes empirical evidence (2015-2025) on AI methods in green finance and ESG reporting in emerging markets. Machine learning and NLP dominate, applied to carbon disclosure, ESG scoring, and green bond verification. Key barriers include data quality and standardization gaps; drivers include alignment with IFRS S1/S2 and TCFD.

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

日本のGX文脈では、SSBJ基準や有報でのESG開示が進む中、新興市場のAI活用事例はデータ基盤整備や標準化の参考となる。ただし本論文は日本を直接対象とせず、日本の実務への示唆は限定的である。

In the global GX context

Globally, this paper addresses the intersection of AI, green finance, and ESG disclosure in emerging markets, supporting ISSB and TCFD objectives. It highlights the importance of robust taxonomies and data quality for AI-driven reporting.

👥 読者別の含意

🔬研究者:This review provides a comprehensive mapping of AI techniques and barriers in ESG and green finance, offering a foundation for future research on AI in climate disclosure.

🏢実務担当者:Corporate sustainability teams in emerging markets can identify AI tools and data challenges to enhance ESG reporting credibility.

🏛政策担当者:Regulators can use this evidence to design policies that foster AI integration and data standardization for sustainable finance.

📄 抄録（日本語訳）

人工知能（AI）は、グリーンファイナンスおよび環境・社会・ガバナンス（ESG）報告の質（信頼性、適時性、比較可能性）を大幅に向上させるために採用されてきた。それにもかかわらず、新興経済国では、断片化されたデータインフラと不規則な規制構造がその採用プロセスを複雑にしている。本レビューは、新興市場におけるグリーンファイナンスおよびESG報告分析に適用されたAI手法とツールに関する実証的エビデンス（2015年から2025年）を統合し、主要な手法、成果、障壁、促進要因、および報告の質を特定する。PRISMAデザインに従い、Scopusの記録（n = 49）を包含基準に対して綿密にスクリーニングし、実際の全文抽出のために27件の研究を選定した。我々は、AI技術、ESG領域、データソース、成果、障壁、促進要因をコード化した。また、質の高い結論を保証するために、ハイブリッドな質評価（MMAT領域と、透明性、検証、来歴、新興市場との関連性、再現性に関するAI固有のルーブリック）を適用した。研究結果は、AIアプリケーションが機械学習（ML）、自然言語処理（NLP）によって支配されていることを示している。また、頻繁なタスクには、炭素ベースおよび気候関連の開示分析、ESGスコアリング、グリーンファイナンス予測、グリーンボンド検証が含まれる。さらに、アジアが最大のシェア（52%）を占め、それにアフリカ（22%）、ラテンアメリカ（19%）が続く。加えて、主要なAI適用障壁には、データ品質とカバレッジの問題、標準化のギャップ、知識と技術スキルの限界、コスト制約が含まれる。さらに、その適用の促進要因には、AIの統合と開発、国際財務報告基準（IFRS）（S1およびS2）、気候関連財務情報開示タスクフォース（TCFD）との整合、および自由なデータアクセスエコシステムが含まれる。また、品質スコアは高い範囲（平均4.2/5；SD = 0.5）に集中しており、データの来歴と再現性に関する反復的な限界が見られる。本研究は、AIが新興経済国におけるESGの信頼性と持続可能なファイナンスを改善する大きな可能性を示す一方で、強固な開示タクソノミー、質の高いデータセット、透明性、検証済みのAIフレームワークに強く依存していると結論付けている。

AI 翻訳（deepseek-v4-flash）。 正確を期す場合は下の原文を参照してください。

📄 Abstract（原文）

Artificial Intelligence (AI) has been adopted to significantly enhance the quality (credibility, timeliness and comparability) of green finance and environmental, social and governance (ESG) reporting. Nevertheless, in emerging economies, fragmented data infrastructures and irregular regulatory structures complicate its adoption process. This review synthesises empirical evidence (2015 to 2025) on the AI methods and tools applied to green finance and ESG reporting analytics in emerging markets, identifying key methods, outcomes, barriers, drivers and quality of reporting. Following the PRISMA design, Scopus records (n = 49) were screened meticulously against the inclusion criteria to 27 studies for actual full-text extraction. We coded AI technique, ESG domain, data sources, outcomes, barriers and drivers. We also applied a hybrid quality appraisal (MMAT domains and AI-specific rubric for transparency, validation, provenance, emerging market relevance and reproducibility) to ensure quality conclusions. The research outcomes show that AI applications are dominated by machine learning (ML), natural language processing (NLP). Also, frequent tasks include carbon-based and climate-related disclosure analytics, ESG scoring, green-finance prediction and green bond verification. Furthermore, Asia accounts for the largest share (52%), followed by Africa (22%) and Latin America (19%). In addition, Key AI application barriers include data quality and coverage issues, standardisation gaps, knowledge and technical skills limitations and cost constraints. Furthermore, drivers for its application include AI integration and development, alignment with International Financial Reporting Standards (IFRS) (S1&S2), Taskforce on Climate-related Financial Disclosures (TCFD) and a free data accessibility ecosystem. Also, quality scores cluster at a high range (mean 4.2/5; SD = 0.5), with recurrent limitations to data provenance and reproducibility. The study concludes that AI shows significant prospects to improve ESG credibility and sustainable finance in emerging economies, but strongly depends on strong disclosure taxonomies, quality datasets, transparency and validated AI frameworks.

🔗 Provenance — このレコードを発見したソース

🔔 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。