← 論文一覧に戻る

グリーンウォッシング・インテリジェンスシステム：マルチモーダルAIによるESGナラティブ-パフォーマンスギャップの検出

Greenwashing Intelligence Systems: Detecting ESG Narrative-Performance Gaps With Multimodal AI (原題)

Rakesh Dondapati

Zenodoプレプリント2026-06-26#AI×ESGOrigin: Global経営インパクト: 資金調達対象セクター: cross_sector
DOI: 10.5281/zenodo.20920915
原典: https://zenodo.org/records/20920915
📄 PDF

🤖 gxceed AI 要約

日本語

本研究は、ESG開示のナラティブ（NAS）と実績（PI）のギャップ（GGS）を、6つのデータモダリティ（テキスト、排出データ、衛星観測、論争記録、財務開示、サプライチェーンリスク）を統合したマルチモーダルAIシステム（GIS）で測定する。46カ国・6セクターの4,642社を分析し、GGSが株価下落・訴訟リスク・メディア評判と有意に関連することを実証。特にエネルギー・素材セクターでギャップが大きく、Scope 3での虚偽主張が目立つ。フィードバック介入によりGGSが改善することも確認された。

English

This paper develops a Greenwashing Intelligence System (GIS) using multimodal AI (transformer-based NLP, satellite data, emissions data, controversy records, financial disclosures, supply-chain signals) to construct a Narrative Ambition Score (NAS) and a Performance Index (PI), with the gap (GGS) indicating greenwashing risk. Analyzing 4,642 firms globally, it finds GGS predicts negative stock returns, litigation risk, and media sentiment shifts, especially when satellite data confirms divergence. The system is validated against expert panel and shows improvement after disclosure feedback. Largest gaps in Energy and Materials, especially Scope 3 claims.

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基準の導入や有報でのサステナビリティ開示義務化が進む中、本論文のGISはナラティブと実績の乖離を客観的に検出する枠組みを提供する。特にグリーンウォッシングリスクの定量化は、投資家対応や規制当局の監視強化に資する。

In the global GX context

As global regulators (SEC, EU CSRD) crack down on greenwashing, the GIS offers a scalable, multimodal AI tool for auditors, investors, and standard-setters to verify ESG claims. The GGS metric aligns with ISSB's focus on decision-useful information and could inform assurance frameworks.

👥 読者別の含意

🔬研究者:Demonstrates that multimodal AI can operationalize greenwashing detection at scale, with a validated framework (NAS/PI/GGS) and regression evidence linking gaps to market outcomes.

🏢実務担当者:Use GIS as an internal audit tool to compare your ESG narrative against verified performance data and satellite evidence; identify greenwashing risk before it triggers market penalties.

🏛政策担当者:Regulatory frameworks should incorporate externally verifiable metrics (like satellite-reported divergence) to strengthen greenwashing enforcement; the GGS could serve as a model indicator.

📄 抄録（日本語訳）

企業の環境・社会・ガバナンス（ESG）情報開示は、説得力のあるサステナビリティ・ナラティブにますます依存しているが、投資家、規制当局、市民社会組織は、実際の環境パフォーマンスとレトリック上のポジショニングを区別するためのスケーラブルなツールを欠いていることが多い。本研究は、6つのデータモダリティ（ESGナラティブテキスト、検証済み排出量データ、衛星・リモートセンシング指標、論争・インシデント記録、財務開示、サプライチェーンリスクシグナル）を統合するグリーンウォッシング・インテリジェンス・システム（GIS）を開発・検証し、2つの独立した指標、すなわち、サステナビリティ開示テキストのトランスフォーマー分析に基づくナラティブ野心スコア（NAS）と、検証済みかつ独立に観測可能な環境パフォーマンスデータに基づくパフォーマンス指標（PI）を構築する。これらの指標間の差であるグリーンウォッシング・ギャップ・スコア（GGS = NAS – PI）は、2019年から2026年の観察期間における5地域・6セクターにわたる4,642社のグローバル・パネル企業について算出される。企業は4つの象限に分類される：整合的リーダー（高NAS・高PI、サンプルの23.5%）、グリーンウォッシング・リスク（高NAS・低PI、16.0%）、静かな達成者（低NAS・高PI、13.3%）、非関与（低NAS・低PI、31.7%）。回帰結果は、GGSが開示イベント前後の負の累積異常リターン（β = –0.041、p < .001）、24ヶ月間の訴訟リスク上昇（β = 0.0021、p < .001）、メディア感情の負のシフト（β = –0.0089、p < .001）を有意に予測することを示し、これらの関係は衛星報告乖離（SRD）が高い場合に大幅に増幅される（GGS × SRD交互作用は全アウトカムで有意、p < .001）—すなわち、外部検証可能なナラティブ・パフォーマンス格差が最大の市場的・風評的帰結をもたらすことを示している。セクター分析では、エネルギーおよび素材セクター、特にScope 3排出量クレームにおいて最大のギャップが明らかになった。GIS分類を180名の専門家パネルと比較した検証研究では、分類次元全体で実質的な一致を示した（Cohen's κ = 0.65–0.78）。2年間の開示変更パイロットでは、GISレポートを企業と共有することでその後のGGSが減少し、公的にベンチマークされたレポートを受け取ったグリーンウォッシング・リスク企業で最大の減少（–9.7ポイント）が見られた。本論文は、GISアーキテクチャ、NAS/PI/GGS測定フレームワーク、および5段階のESG保証成熟度ロードマップをESG分析、会計情報システム、AIガバナンス研究に貢献し、マルチモーダルAIがサステナビリティ保証を大規模に運用可能にすることを実証している。

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）

Corporate environmental, social, and governance (ESG) disclosures increasingly rely on persuasive sustainability narratives, yet investors, regulators, and civil society organizations often lack scalable tools to distinguish genuine environmental performance from rhetorical positioning. This study develops and validates a Greenwashing Intelligence System (GIS) that integrates six data modalities &mdash; ESG narrative text, verified emissions data, satellite and remote-sensing indicators, controversy and incident records, financial disclosures, and supply-chain risk signals &mdash; to construct two independent indices: a Narrative Ambition Score (NAS), derived from transformer-based analysis of sustainability disclosure text, and a Performance Index (PI), derived from verified and independently observable environmental performance data. The difference between these indices, the Greenwashing Gap Score (GGS = NAS &ndash; PI), is computed for a global panel of 4,642 public firms across five regions and six sectors over a 2019&ndash;2026 observation period. Firms are classified into four quadrants: Aligned Leaders (high NAS, high PI, 23.5% of sample), Greenwashing Risk (high NAS, low PI, 16.0%), Quiet Achievers (low NAS, high PI, 13.3%), and Disengaged (low NAS, low PI, 31.7%). Regression results show that GGS significantly predicts negative cumulative abnormal returns around disclosure events (&beta; = &ndash;0.041, p &lt; .001), elevated 24-month litigation risk (&beta; = 0.0021, p &lt; .001), and negative media sentiment shifts (&beta; = &ndash;0.0089, p &lt; .001), with these relationships substantially amplified when satellite-reported divergence (SRD) is high (GGS &times; SRD interaction significant across all outcomes, p &lt; .001) &mdash; indicating that externally verifiable narrative-performance gaps carry the largest market and reputational consequences. Sector analysis reveals the largest gaps in Energy and Materials sectors, particularly for Scope 3 emissions claims. A validation study comparing GIS classifications against a 180-member expert panel shows substantial agreement (Cohen's &kappa; = 0.65&ndash;0.78 across classification dimensions). A two-year disclosure-change pilot demonstrates that sharing GIS reports with firms reduces subsequent GGS, with the largest reductions (&ndash;9.7 points) among Greenwashing Risk firms receiving publicly benchmarked reports. The paper contributes the GIS architecture, the NAS/PI/GGS measurement framework, and a five-level ESG assurance maturity roadmap to ESG analytics, accounting information systems, and AI governance research, demonstrating that multimodal AI can operationalize sustainability assurance at scale.

🔗 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。