グリーンウォッシュ検出のための説明可能AI（XAI）：透明なESG報告のためのハイブリッドNLP-ガバナンスモデル

Unofficial AI-generated summary based on the public title and abstract. Not an official translation.

🔬研究者:This paper provides a framework for applying XAI to ESG auditing, highlighting the need for interpretability in AI-driven sustainability assessments.

🏢実務担当者:The proposed hybrid model can help corporate sustainability teams strengthen the credibility of their ESG reports by using explainable AI to detect potential greenwashing.

🏛政策担当者:Regulators can consider this framework when developing guidelines for AI-assisted ESG verification to ensure transparency and trust.

現在の技術発展段階、しばしばインダストリー5.0と表現される時代において、イノベーションの方向性はもはや自動化のみに限定されない。初期の産業移行は主に効率性、デジタル接続性、そしてモノのインターネット（IoT）などのシステム統合を重視していた。しかし、新たに出現しつつあるインダストリー5.0の視点は、技術と人間の幸福、そして環境持続可能性との関係により強い重点を置くものである。簡単に言えば、技術は現在、純粋に効率性のツールとして機能するのではなく、社会的目標を支援することが期待されている。この変化により、企業の説明責任という概念がますます重要になってきている。組織は現在、利益の創出という点だけでなく、環境的・社会的影響という点においても責任ある慣行を示すことが期待されている。その結果、多くの企業が環境・社会・ガバナンス（ESG）レポートを発行している。これらの開示は、企業が持続可能性に関連する責任をどのように管理しているかを投資家、規制当局、消費者に示すことを目的としている。説明可能な人工知能という考え方は、組織が機械学習システムの透明性を向上させようと試みる中で、ここ数年注目を集めてきた。ガバナンス技術の分野で活動する学者たちは、公共の信頼に影響を与える意思決定環境で人工知能が使用される場合、解釈可能性が極めて重要になると指摘している。AIシステムが説明なしに結果を生成する場合、ユーザーはその結論を理解したり検証したりするのに苦労する可能性がある。同時に、持続可能に見えるようにという圧力の高まりは、意図せずしてグリーンウォッシングとして知られる新たな課題を生み出している。グリーンウォッシングは、組織が実際の環境パフォーマンスに比較的小さな変更を加えながら、環境に責任があると自らを売り込むマーケティングに多額の投資を行うときに発生する。企業は真の持続可能性の改善に焦点を当てる代わりに、ポジティブなイメージを作り出すように設計されたプロモーションコミュニケーションを強調するかもしれない。この現象は、単なる誤解を招く広告よりも広範な結果をもたらす。企業が環境実績を誇張したり、持続可能性データを選択的に提示したりすると、世界的な持続可能性の状況を歪めることになる。投資家は、責任があるように見えても意味のある環境戦略を実施していない組織を、知らず知らずのうちに支援する可能性がある。その結果、国連の持続可能な開発目標で概説されているような世界的な持続可能性目標への進展が遅くなる可能性がある。この問題の主な原因は、企業とステークホルダーとの間の情報非対称性にある。ESGレポートはしばしば非常に長く、専門用語で満たされている。多くの読者にとって、これらの文書に含まれる主張を検証することは困難である。人工知能がこれらのレポートの分析に使用される場合でさえ、アルゴリズム自体がしばしば不透明なシステムとして機能する。これらのシステムは疑わしいパターンを特定するかもしれないが、結論にどのように到達したかを明確に説明しない。この状況により、第二の信頼ギャップが生じる。ステークホルダーは、人工知能がレポートに含まれる情報を検証したと告げられるが、検証の背後にある推論は隠されたままである。この明確さの欠如は、監査プロセスの信頼性を低下させる。この問題に対処するため、本研究は自然言語処理（NLP）と説明可能な人工知能（XAI）を組み合わせたハイブリッドガバナンスフレームワークを提案する。隠れた計算ロジックに依存する代わりに、このシステムは、生成するすべての検出について理解可能な推論を提示するように設計されている。不透明な意思決定から解釈可能な分析へと移行することにより、ESG監査はより透明で参加型のプロセスになることができる。本論文で提示される研究には、多様な専門的・学術的背景を持つ101人のステークホルダーを対象とした調査からの知見が含まれている。これらの洞察に基づき、本研究は公共の信頼が最も顕著に低下しているセクターを特定し、説明可能なAI手法を通じて透明性を向上させるための技術的ロードマップを提案する。

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。

In the current phase of technological development, often described as Industry 5.0, the direction of innovation is no longer limited to automation alone. Earlier industrial transitions primarily emphasized efficiency, digital connectivity, and the integration of systems such as the Internet of Things (IoT). However, the emerging Industry 5.0 perspective introduces a stronger emphasis on the relationship between technology, human wellbeing, and environmental sustainability. In simple terms, technology is now expected to support social goals rather than operate purely as an efficiency tool. Because of this shift, the idea of corporate accountability has become increasingly important. Organizations are now expected to demonstrate responsible practices not only in terms of profit generation but also in terms of environmental and social impact. As a result, many corporations publish Environmental, Social, and Governance (ESG) reports. These disclosures are intended to show investors, regulators, and consumers how the company manages sustainability-related responsibilities. The idea of Explainable Artificial Intelligence has gained attention during the last few years as organizations attempt to improve transparency in machine learning systems. Scholars working in the field of governance technology have pointed out that interpretability becomes extremely important when artificial intelligence is used in decision-making environments that affect public trust. If an AI system produces results without explanation, users may struggle to understand or verify its conclusions. At the same time, increased pressure to appear sustainable has unintentionally created a new challenge known as greenwashing. Greenwashing occurs when organizations invest heavily in marketing themselves as environmentally responsible while making relatively small changes to their actual environmental performance. Instead of focusing on genuine sustainability improvements, companies may emphasize promotional communication designed to create a positive image. This phenomenon has broader consequences than simple misleading advertising. When companies exaggerate environmental achievements or selectively present sustainability data, they distort the global sustainability landscape. Investors may unknowingly support organizations that appear responsible but are not implementing meaningful environmental strategies. As a result, progress toward global sustainability objectives—such as those outlined by the United Nations Sustainable Development Goals—can slow down. A major cause of this problem lies in information asymmetry between corporations and stakeholders. ESG reports are often extremely long and filled with technical terminology. For many readers, verifying the claims contained in these documents is difficult. Even when artificial intelligence is used to analyze these reports, the algorithms themselves often operate as opaque systems. These systems may identify suspicious patterns but do not clearly explain how the conclusion was reached. Because of this situation, a second trust gap emerges. Stakeholders are told that artificial intelligence has verified the information contained in a report, yet the reasoning behind the verification remains hidden. This lack of clarity reduces the credibility of the auditing process. To address this issue, the present study proposes a hybrid governance framework that combines Natural Language Processing (NLP) with Explainable Artificial Intelligence (XAI). Instead of relying on hidden computational logic, the system is designed to present understandable reasoning for every detection it produces. By moving from opaque decision-making toward interpretable analysis, ESG auditing can become a more transparent and participatory process. The research presented in this paper includes findings from a survey involving 101 stakeholders drawn from diverse professional and academic backgrounds. Based on these insights, the study identifies sectors where public trust has declined most significantly and proposes a technological roadmap for improving transparency through explainable AI methods.

• openalex https://doi.org/10.5281/zenodo.20003790first seen 2026-05-05 21:32:52 · last seen 2026-06-17 09:17:14