← 論文一覧に戻る

サプライチェーンにおけるグリーンウォッシュリスク：インド自動車部品セクターにおけるScope 3排出量報告の検証課題に関する研究

Greenwashing risks in the supply chain: A study of verification challenges for Scope 3 emissions reporting in the Indian auto-component sector (原題)

Dr. Santo Jose

International Journal of Foreign Trade and International Business📚 査読済 / ジャーナル2026-10-01#Scope 3経営インパクト: 調達リスク対象セクター: automotive
DOI: 10.33545/26633140.2026.v8.i10a.284
原典: https://doi.org/10.33545/26633140.2026.v8.i10a.284

🤖 gxceed AI 要約

日本語

インド自動車部品サプライチェーンの多くを占めるMSMEに対し、Scope 3排出量報告の強制圧力が実質的削減ではなく象徴的コンプライアンス（デカップリング）を促すリスクを制度理論とNRBVで分析。一次データ不足、デフォルト排出係数への依存、認証機関の絶対的不足が「サプライチェーン・グリーンギャップ」と代理的グリーンウォッシュを生むと指摘する。罰則的義務ではなく、生態系レベルの能力構築、補助金付きグリーン監査、ビッグデータ分析を活用したデジタル・トレーサビリティ網の整備への転換を提言する。

English

This study examines how coercive Scope 3 reporting mandates on India's MSME-dominated auto-component supply chain can incentivize symbolic rather than substantive compliance, using Institutional Theory, NRBV, and decoupling. It identifies a 'Supply Chain Green Gap' driven by missing primary data, reliance on default emission factors, and a shortage of accredited assurance providers, enabling vicarious greenwashing. The authors urge a shift from punitive mandates to collaborative capacity building, subsidized green auditing, and digital traceability networks using big-data analytics.

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

日本でも自動車サプライチェーンのScope 3把握はSSBJ・有報開示と直結し、中小サプライヤーの検証負担は共通課題。インドMSMEの事例は、日本の一次サプライヤーが取引先の排出データ保証をどう設計するかを考える上で示唆に富む。

In the global GX context

As ISSB/CSRD and Scope 3 assurance requirements tighten globally, this paper warns that disclosure mandates imposed on capacity-constrained suppliers can produce vicarious greenwashing rather than real abatement. It adds a Global South, MSME-focused perspective to the disclosure-infrastructure and assurance-gap debate that dominates TCFD/ISSB implementation scholarship.

👥 読者別の含意

🔬研究者:Scope 3報告の制度圧力が象徴的コンプライアンスを生むメカニズムを、制度理論とデカップリング概念で整理する分析枠組みとして参照できる。

🏢実務担当者:サプライヤーの排出データ保証体制やデフォルト値依存のリスクを踏まえ、調達先のMRV能力構築支援を設計する際の論点を提供する。

🏛政策担当者:中小企業へのScope 3開示義務を設計する際、罰則偏重ではなく監査補助やデジタル・トレーサビリティ支援を組み合わせる必要性を示唆する。

📄 Abstract（原文）

The global transition to a low-carbon economy has shifted the automotive industry’s compliance focus from direct operational emissions (Scope 1 and 2) to the complex, fragmented realities of its extended value chain (Scope 3). In India, the automobile sector is a vital economic engine, contributing approximately 7.1% to the national GDP and employing over 37 million people. However, the burden of this ecological transition falls disproportionately on its auto-component supply chain, which predominantly consists of Micro, Small, and Medium Enterprises (MSMEs). This study systematically synthesizes secondary data, policy frameworks, and academic literature (2020–2026) to examine the critical intersection of supply chain sustainability reporting, transnational regulatory mandates, and the emergent risk of institutional greenwashing. Using Institutional Theory, the Natural Resource-Based View (NRBV), and the concept of ‘decoupling,’ we argue that coercive pressures to report Scope 3 emissions inadvertently incentivize symbolic compliance over substantive environmental performance, especially when applied to capacity-constrained MSMEs lacking digital Monitoring, Reporting, and Verification (MRV) infrastructure. We identify a pervasive ‘Supply Chain Green Gap’ where lacking primary data, relying on default emission factors, and a severe shortage of accredited assurance providers facilitate vicarious greenwashing. The study concludes that stakeholders must mitigate these systemic risks by shifting from punitive compliance mandates to collaborative, ecosystem-level capacity building, subsidized green auditing, and deploying robust digital traceability networks leveraging Big Data Analytics Capabilities (BDAC).

🔗 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。