説明可能な機械学習と環境ガバナンス枠組みを用いたグリーンウォッシュリスク評価

日本語

説明可能な機械学習（XAI）と環境ガバナンスの枠組みを組み合わせ、企業のグリーンウォッシュ（見せかけの環境対応）リスクを評価する手法を提示する研究。ESG開示情報のテキストや指標をMLで分析しつつ、判断根拠を可視化することで、規制・投資家双方が検証可能な形でのリスク評価を目指す。開示の信頼性検証というGX実務の重要課題に直結する。

English

This work proposes a method to assess corporate greenwashing risk by combining explainable machine learning (XAI) with environmental governance frameworks. It applies ML to ESG disclosure data while making the reasoning interpretable, aiming for verifiable risk assessment usable by regulators and investors. It directly addresses the trustworthiness of sustainability disclosure, a core GX challenge.

日本のGX文脈において

日本ではSSBJ基準・有報でのサステナビリティ開示が進み、開示内容の信頼性・グリーンウォッシュ防止が投資家対応の焦点となる。XAIによる検証可能な評価は、統合報告書やESG格付対応の実務に示唆を与える。

In the global GX context

Greenwashing scrutiny is intensifying under CSRD, ISSB, and SEC climate rules, where regulators and investors need auditable evidence. Explainable ML offers a pathway to automated, defensible greenwashing detection that complements assurance and disclosure standards.