GRI-Aligned Sustainability Reporting Assessment via Knowledge Graph-RAG and LLM-Based Question-Answering: A Case Study of Vietnamese Banks

日本語

本論文は、大規模言語モデル（LLM）と知識グラフを用いた検索拡張生成（RAG）を組み合わせ、GRI基準に沿ったサステナビリティ報告書の評価を自動化する手法を提案。ベトナムの銀行を対象としたケーススタディにより、質問応答形式での報告内容の正確な評価が可能であることを示す。

English

This paper proposes a method to automate the assessment of sustainability reports aligned with GRI standards using large language models (LLMs) and knowledge graph-based retrieval-augmented generation (RAG). A case study of Vietnamese banks demonstrates accurate evaluation through question-answering, highlighting potential for scalable reporting compliance checks.

日本のGX文脈において

日本でも金融庁の「サステナビリティ情報の開示」やSSBJ基準が注目される中、LLMと知識グラフによる報告評価手法は、国内銀行の開示品質向上や監査効率化に応用可能。ただし本稿はベトナム事例であり、日本市場への直接転用には制度差の考慮が必要。

In the global GX context

As global sustainability reporting frameworks like GRI and ISSB gain traction, this work demonstrates an AI-driven approach to verifying disclosure quality. The integration of knowledge graphs with LLMs offers a replicable model for regulators and firms worldwide to enhance report accuracy and reduce manual audit costs.