← 論文一覧に戻る

ESG開示モニタリングとガバナンス証跡のためのエージェント型AIフレームワーク

An Agentic AI Framework for ESG Disclosure Monitoring and Governance Evidence (原題)

Amit Aylani, Madhuri Rao

Indonesian Journal of Sustainability Accounting and Management📚 査読済 / ジャーナル2026-10-01#AI×ESG経営インパクト: 調達リスク対象セクター: cross_sector
DOI: 10.20448/ijsam.v10i2.9446
原典: https://doi.org/10.20448/ijsam.v10i2.9446
📄 PDF

🤖 gxceed AI 要約

日本語

本研究は、ESG開示の取り込み・指標整合・異常検知・ガバナンス証跡生成を行う4エージェント構成の意思決定支援アーキテクチャ「AEIF」を開発・評価した。4カ国24社・6セクター・2005〜2024年の480社年報告、43指標を統合し、ルールベース手法と比較。コンプライアンス更新遅延を47.2日から12.4日へ、是正時間を16.2時間から3.5時間へ短縮し、適合率0.62→0.89、再現率0.58→0.86へ改善した。欠損30%時でも検知精度84%対42%と頑健で、監査可能性と保証準備を両立しうることを示す。

English

This study develops AEIF, a four-agent decision-support architecture that ingests ESG disclosures, harmonises indicators, detects anomalies, and generates governance-oriented decision trails. Harmonising 43 indicators across 480 firm-year reports (24 firms, 4 countries, 6 sectors, 2005-2024), it cut compliance-update latency from 47.2 to 12.4 days and remediation time from 16.2 to 3.5 hours, raising precision (0.62 to 0.89) and recall (0.58 to 0.86). At 30% missingness, detection accuracy was 84% vs 42% for a rules-based baseline, supporting comparability, traceability, and assurance readiness.

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・有報でのサステナビリティ開示が進む日本企業にとって、開示モニタリングの自動化と監査証跡の確保は実務課題。エージェント型AIによる指標整合・欠損処理の枠組みは、統合報告書作成や保証対応の効率化に直結する示唆を持つ。

In the global GX context

As ISSB/SSBJ-aligned disclosure and CSRD assurance requirements expand, governed agentic workflows offer a path to scalable, auditable ESG monitoring. The framework's emphasis on traceability and human review speaks directly to assurance-readiness debates under TCFD/ISSB and the EU's CSRD.

👥 読者別の含意

🔬研究者:AI×ESG交差領域におけるエージェント型アーキテクチャの有効性を、欠損データ耐性と監査可能性の観点から定量評価した実証例として参照できる。

🏢実務担当者:開示データの指標整合・異常検知・証跡生成を自動化し、保証準備とコンプライアンス対応工数の削減に活用できる。

🏛政策担当者:開示制度の遵守監視や保証制度設計において、AI支援モニタリングの精度・説明責任・限界を踏まえた枠組み検討の材料となる。

📄 Abstract（原文）

Environmental, social, and governance (ESG) disclosure is increasingly important for sustainability assessment, compliance review, and managerial decision-making. However, existing AI-based ESG applications are often task-specific and provide limited support for longitudinal indicator harmonisation, missing-data handling, adaptive rule updates, and auditable decision trails. This study develops and evaluates an Agentic ESG Integration Framework (AEIF), a four-agent decision-support architecture for ingesting disclosures, mapping and aligning ESG indicators, detecting anomalies, and generating governance-oriented decision trails. The study harmonises 43 ESG indicators across 480 firm-year reports from 24 listed firms in four countries and six sectors over 2005–2024. AEIF is compared with a rules-based baseline using 60 retrospective monitoring scenarios and missing-data stress levels of 10%, 20%, and 30%. AEIF reduced mean compliance-update latency from 47.2 to 12.4 days and remediation time from 16.2 to 3.5 hours. Precision increased from 0.62 to 0.89 and recall from 0.58 to 0.86. At 30% missingness, detection accuracy was 84% versus 42% for the baseline. The findings indicate that governed agentic workflows can improve ESG monitoring while supporting comparability, traceability, human review, and assurance readiness.

🔗 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。