グリーン物流における計算知能とデジタル経路：LLM駆動型ESG分析を用いた比較研究
Computational Intelligence and Digital Pathways in Green Logistics: A Comparative Study Using LLM-Driven ESG Analytics (原題)
Juan-Juan Luo, Yu-Ru Zong, Di-Yu Ou Yang
🤖 gxceed AI 要約
日本語
本研究は、LLM（Claude 3.5 Sonnet）を用いたESGデータ分析パイプラインを構築し、中国の物流大手3社（SF Express、Cainiao、JD Logistics）のESG報告書から6指標を自動抽出した。94.7%の一致率（κ=0.89）を達成し、LLMによるESG分析の信頼性を実証。各社のビジネスモデルに応じた3つの異なるデジタル活用グリーン移行経路を明らかにした。
English
This study develops an LLM-based (Claude 3.5 Sonnet) ESG analytics pipeline to automatically extract six indicators from 12 ESG reports (2021–2024) of three leading Chinese logistics firms: SF Express, Cainiao, and JD Logistics. Achieving 94.7% agreement (κ=0.89), it demonstrates reliable LLM-driven ESG analytics and reveals three distinct digital-enabled green transition pathways shaped by each firm's business model.
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
日本企業にとって、LLMを活用したESG報告書分析の自動化は、SSBJ基準や有報でのサステナビリティ開示準備に直結する。物流業界のグリーン移行経路の比較は、日本郵便やヤマト運輸など国内物流企業のデジタル戦略立案に示唆を与える。
In the global GX context
This paper advances the AI×ESG intersection by demonstrating a reliable LLM pipeline for automated ESG indicator extraction, relevant to global disclosure frameworks (ISSB, CSRD) where structured data from unstructured reports is increasingly demanded. The comparative pathways offer insights for logistics decarbonization strategies worldwide.
👥 読者別の含意
🔬研究者:LLMを用いたESGデータ抽出の方法論と検証プロトコルは、AI×ESG研究の再現可能な基盤を提供する。
🏢実務担当者:自社のESG報告書からLLMで指標を自動抽出し、開示準備やベンチマーク比較に活用できる。
🏛政策担当者:デジタル技術とESG開示の融合が、政策立案におけるデータ駆動型アプローチの重要性を示唆する。
📄 Abstract（原文）
The logistics industry faces mounting pressure to reduce carbon emissions, and digital technologies have been increasingly recognized as key enablers of green transition. However, existing research has primarily focused on establishing correlations between digitalization and environmental performance, leaving the underlying mechanisms—and the reasons for divergent pathways across firms—largely unexplored. This study addresses this gap by conducting a comparative case analysis of three leading logistics enterprises in China: SF Express, Cainiao, and JD Logistics, using a novel LLM-based computational ESG data analytics pipeline that automates the extraction of structured indicators from unstructured ESG reports. Methodologically, we develop a three-stage computational pipeline that integrates large language models (Claude 3.5 Sonnet) with structured prompt optimization, enabling automated extraction of six ESG indicators from 12 corporate reports (2021–2024). A three-round verification protocol achieves 94.7% agreement (Cohen's κ = 0.89), demonstrating the reliability of LLM-based ESG analytics. Our findings reveal three distinct digital-enabled green transition pathways: operational efficiency-driven (SF Express), platform-ecosystem empowerment-driven (Cainiao), and asset-heavy infrastructure-driven (JD Logistics). The object of digital empowerment—whether operational processes, ecosystem partners, or physical assets—is fundamentally shaped by the firm's business model. Enterprises with different resource endowments can achieve substantial green outcomes through distinct yet equally effective pathways.
🔗 Provenance — このレコードを発見したソース
- semanticscholar https://doi.org/10.1145/3838938.3838968first seen 2026-10-12 05:13:15 · last seen 2026-10-14 05:44:41
🔔 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。