← 論文一覧に戻る

投資家のAIモニタリング能力とESG開示の粒度：東アフリカ銀行業からのエビデンス

Investor AI Monitoring Capability and ESG Disclosure Granularity: Evidence from East African Banking (原題)

Lydia Nyongesa, Christine Osinde, Brian Wakasala

International Journal of Latest Technology in Engineering Management & Applied Science📚 査読済 / ジャーナル2026-04-25#グリーンウォッシュOrigin: Global
DOI: 10.51583/ijltemas.2026.150300139
原典: https://doi.org/10.51583/ijltemas.2026.150300139

🤖 gxceed AI 要約

日本語

本論文は、機関投資家のAIモニタリング能力が東アフリカ商業銀行のESG開示の粒度に与える影響を検証。手動コーディングした47項目のESG開示粒度指標と投資家調査を用いた分析の結果、AI能力は開示粒度を強く予測するが、実際のESGパフォーマンスは予測しないことが判明。特にESGパフォーマンスの低い銀行で効果が強く、「アルゴリズム・グリーンウォッシング」概念を提示。規制当局は独立検証付きの粒度基準を導入すべきと提言。

English

This paper examines whether institutional investors' AI monitoring capability causes East African commercial banks to disclose ESG information more granularly. Using hand-coded ESG disclosure data from 31 banks and surveys of 418 investors, the study finds that investor AI capability strongly predicts disclosure granularity, but actual ESG performance does not. Effects are strongest among poor ESG performers, suggesting strategic impression management. The paper introduces the concept of 'algorithmic greenwashing' and recommends regulators mandate granularity standards with independent verification.

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

日本ではSSBJ基準や有報でのESG開示が進む中、AIによる開示監視が逆に「アルゴリズム・グリーンウォッシング」を促進するリスクを示唆。日本の投資家や規制当局は、AIが開示粒度を高める一方で実質的な改善を伴わないケースに注意すべき。

In the global GX context

Globally, as AI tools for ESG monitoring proliferate, this paper provides the first causal evidence that investor AI capability can drive granular disclosure without genuine sustainability progress, introducing 'algorithmic greenwashing' to the disclosure scholarship. It challenges the assumption that machine-readable, granular disclosures equate to accountability, with implications for TCFD/ISSB frameworks and SEC climate rules.

👥 読者別の含意

🔬研究者:Introduces 'algorithmic greenwashing' and provides causal identification strategies for studying AI-driven disclosure behavior.

🏢実務担当者:Highlights the risk that AI monitoring may incentivize impression management over real ESG improvements; caution against treating granular disclosure as a proxy for performance.

🏛政策担当者:Regulators should consider independent verification of granular disclosures to prevent algorithmic greenwashing under emerging global standards.

📄 抄録（日本語訳）

機関投資家の間での人工知能ツールの急速な普及は、企業統治と説明責任を再形成しつつあるが、フロンティア市場におけるESG開示の質への影響は依然として十分に理解されていない。本研究は、投資家のAIモニタリング能力が東アフリカの商業銀行にESG情報をより細分化して開示させるかという、明確に限定された一つの問いを検証した。分析は、エージェンシー理論、シグナリング理論、および制度理論に基づいており、これらは総体として、AI能力を、開示の不正確さの戦略的コストを変えることによりESG報告の深さ—単なる広さではなく—を条件付けるガバナンスメカニズムとして位置づける。ケニア、タンザニア、ウガンダ、ルワンダ、エチオピア（2018年～2024年）にわたる31の商業銀行—23の国内民間銀行と8のグローバル関連銀行—からの手作業でコード化されたESG開示データと、418の機関投資家への調査を用いて、本研究は所有権加重AI能力指標と、環境、社会、ガバナンスの側面にわたる47項目からなる包括的なESG開示の細分化指数を構築した。実証分析では、OLS、EU SFDR義務を利用した操作変数推定、段階的差分の差分法、およびイベントスタディを採用し、企業規模、収益性、レバレッジ、所有構造、および取締役会の特性を制御した。投資家のAI能力は、開示の細分化の強力かつ頑健な予測因子であり（β = 0.52、p < 0.001、ΔR² = 0.22）、1標準偏差の増加は14.9ポイントの細分化の上昇と関連していた。結果は5つの識別戦略すべてで一貫していた（β範囲：0.49～0.68）。重要なことに、実際のESGパフォーマンスは細分化を予測せず、AI効果はESGパフォーマンスの低い企業の間で最も強く—真の説明責任ではなく戦略的な印象管理と整合的である。本研究は「アルゴリズム的グリーンウォッシング」の概念を導入した：基礎となるESG慣行への実質的な改善なしに、AI検出用に最適化された、細分化された機械可読な開示の生成。規制当局は、独立した検証メカニズムを備えた細分化基準を義務付けるべきであり、アルゴリズム的に最適化された開示を真の持続可能性の進展の代理として扱ってはならない。投資家と銀行の取締役会は、詳細な報告が実質的なコンプライアンスを反映するものであり、評判上のコンプライアンスではないことを確保しなければならない。

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）

The rapid proliferation of artificial intelligence tools among institutional investors is reshaping corporate governance and accountability, yet its consequences for ESG disclosure quality in frontier markets remain poorly understood. This study examined one precisely bounded question: does investor AI monitoring capability cause East African commercial banks to disclose ESG information more granularly? The analysis was grounded in agency, signaling, and institutional theories, which together position AI capability as a governance mechanism that conditions the depth — not merely the breadth — of ESG reporting by altering the strategic cost of disclosure imprecision. Using hand-coded ESG disclosure data from 31 commercial banks — 23 domestic private and 8 globally affiliated — across Kenya, Tanzania, Uganda, Rwanda, and Ethiopia (2018–2024), and surveys of 418 institutional investors, the study constructs an ownership-weighted AI capability measure and a comprehensive ESG disclosure granularity index comprising 47 items across environmental, social, and governance dimensions. The empirical analysis employed OLS, instrumental variable estimation exploiting EU SFDR mandates, staggered difference-in-differences, and event studies, controlling for firm size, profitability, leverage, ownership structure, and board characteristics. Investor AI capability is a strong, robust predictor of disclosure granularity (β = 0.52, p < 0.001, ΔR² = 0.22), with a one-standard-deviation increase associating with a 14.9-point granularity rise. Results were consistent across all five identification strategies (β range: 0.49–0.68). Crucially, actual ESG performance does not predict granularity, and AI effects are strongest among poor ESG performers — consistent with strategic impression management rather than genuine accountability. The study introduced the concept of 'algorithmic greenwashing': the production of granular, machine-readable disclosures optimised for AI detection without substantive improvement to underlying ESG practices. Regulators should mandate granularity standards with independent verification mechanisms, and must not treat algorithmically optimised disclosure as a proxy for genuine sustainability progress. Investors and bank boards must ensure detailed reporting reflects substantive rather than reputational compliance.

🔗 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。