← 論文一覧に戻る

AI-ENABLED ESG INTELLIGENCE: A SYSTEMATIC REVIEW OF NLP AND PREDICTIVE ANALYTICS FRAMEWORKS FOR AUTOMATED SUSTAINABILITY REPORTING (2020–2025)

AIを活用したESGインテリジェンス：自動化されたサステナビリティ報告のためのNLPと予測分析フレームワークの系統的レビュー（2020-2025） (AI 翻訳)

Obaid Ur Rehman Qureshi

Veredas do Direito📚 査読済 / ジャーナル2026-03-18#ESG
DOI: 10.18623/rvd.v23.5225
原典: https://doi.org/10.18623/rvd.v23.5225

🤖 gxceed AI 要約

日本語

本論文は、2020年から2025年までのAIベースのESG報告自動化研究を系統的にレビューし、データ収集、NLP抽出、予測分析、ガバナンスの4段階にわたる枠組みを提示する。EUタクソノミー、CSRD、ISSB、サウジアラビアCMAなどの規制を分析し、ドメイン適応型トランスフォーマーモデルがESGテキスト分類で5～15ポイントのF1改善を示すことを報告。しかし、ESGデータの構造的断片化や検証済みラベルの欠如などの課題が残る。サウジビジョン2030への適用可能性も示す。

English

This systematic review of AI-based ESG reporting automation (2020-2025) covers data harmonisation, NLP extraction, predictive analytics, and governance. It analyses EU Taxonomy, CSRD/ESRS, ISSB, and Saudi CMA guidelines. Domain-adapted transformers improve ESG classification F1 by 5-15 points. Challenges include data fragmentation and lack of ground-truth labels.

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

本レビューは、ESG報告の自動化フレームワークを提供し、SSBJや有報対応を進める日本企業にとって、AI活用の参考となる。ただし、サウジアラビアの事例が中心であり、日本固有の規制への適用には調整が必要。

In the global GX context

This paper synthesises major regulatory frameworks (EU, ISSB, Saudi) and proposes a methodological blueprint for AI-enabled ESG reporting. It addresses the growing demand for automated disclosure solutions amid mandatory reporting regimes worldwide.

👥 読者別の含意

🔬研究者:Provides a structured review of AI methods for ESG reporting automation and identifies gaps in ground-truth data and domain shift.

🏢実務担当者:Offers a seven-step blueprint for implementing AI-driven ESG reporting systems, applicable to firms facing multiple regulatory requirements.

🏛政策担当者:Highlights the need for standardised taxonomy mappings and verified ESG labels to enable automated reporting.

📄 抄録（日本語訳）

環境・社会・ガバナンス（ESG）報告は、複数の国際的・地域的規制枠組みの収斂によって牽引され、自主的なナラティブ開示から、標準化され、義務的で、監査対応可能な報告への根本的な移行を遂げつつある。この移行は、異種データソースを処理し、意思決定に関連し、追跡可能で、保証対応可能なアウトプットを生成できるAI対応ESGインテリジェンスシステムへの substantial な需要を生み出している。しかしながら、ESGデータは、依然として重大な構造的断片化、評価方法論間の定義的不整合、および標準化されたタクソノミーマッピングの欠如によって特徴づけられており、これらの条件は、一貫したグラウンドトゥルースラベリングに依存する教師あり学習アプローチに対する重大な障壁を生み出している[9, 12]。本論文は、2020年1月から2025年2月までの期間におけるAIベースのESG報告自動化研究に関するPRISMA 2020準拠の系統的レビューを提示し、Scopus、Web of Science、IEEE Xplore、ACM Digital Library、SSRN、およびGoogle Scholarから最初に取得された412件の記録から選択された19件の研究を対象としている。本レビューは、4つの機能段階にわたって構成されている：(i) データ取得と調和；(ii) 環境・社会・ガバナンスの開示の柱にわたるESGステートメントのNLPベースの抽出と分類；(iii) 将来を見据えたリスクおよび開示ギャップ予測のための予測分析；および (iv) ガバナンス、保証対応性、および報告設計。規制分析は、EUタクソノミー、CSRD/ESRS、ISSB IFRS S1/S2、およびサウジアラビア資本市場庁（CMA）ESG開示ガイドライン（2023年）を包含する。ドメイン適応型トランスフォーマーモデルは、ESGテキスト分類およびエンティティ抽出ベンチマークにおいて一貫した性能向上を示しており、汎用言語モデルのベースラインと比較してF1スコアで5〜15パーセントポイントの向上を達成している[14, 16]。これらの進歩にもかかわらず、アンサンブルモデルおよび時系列モデルは、特に構造化されたESGメトリクスとテキスト感情特徴を統合する場合において、ESGリスク予測タスクで優れた性能を示している。検証済みのグラウンドトゥルースESGラベルの欠如、規制ドメインシフト、およびサプライチェーン報告データの限定的な供給を含む、体系的な課題が持続している。本統合により、ESRS、ISSB、CSRD、およびサウジアラビアCMAの設計制約に対して検証された、展開可能な7段階の方法論的ブループリントが生成され、サウジアラビアのVision 2030サステナビリティガバナンス、公的投資基金（PIF）のポートフォリオ報告アジェンダ、およびTadawul上場企業の開示義務に直接適用可能である。

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）

Environmental, social, and governance (ESG) reporting is undergoing a fundamental transition from voluntary narrative disclosure to standardised, mandatory, and audit-ready reporting, driven by the convergence of multiple international and regional regulatory frameworks. This shift has generated substantial demand for AI-enabled ESG intelligence systems capable of processing heterogeneous data sources and producing decision-relevant, traceable, and assurance-ready outputs. However, ESG data remains characterised by significant structural fragmentation, definitional inconsistency across rating methodologies, and the absence of standardised taxonomy mappings conditions that create material barriers to supervised learning approaches reliant on consistent ground-truth labelling [9, 12]. This paper presents a PRISMA 2020-compliant systematic review of AI-based ESG reporting automation research for the period January 2020 to February 2025, encompassing 19 studies selected from 412 records initially retrieved across Scopus, Web of Science, IEEE Xplore, ACM Digital Library, SSRN, and Google Scholar. The review is structured across four functional stages: (i) data acquisition and harmonisation; (ii) NLP-based extraction and classification of ESG statements across environmental, social, and governance disclosure pillars; (iii) predictive analytics for forward-looking risk and disclosure gap forecasting; and (iv) governance, assurance readiness, and reporting design. The regulatory analysis encompasses the EU Taxonomy, CSRD/ESRS, ISSB IFRS S1/S2, and the Saudi Capital Market Authority (CMA) ESG Disclosure Guidelines (2023). Domain-adapted transformer models have demonstrated consistent performance improvements in ESG text classification and entity extraction benchmarks, with F1 score gains of 5–15 percentage points over general-purpose language model baselines [14, 16]. Notwithstanding these advances, ensemble and temporal models demonstrate superior performance for ESG risk prediction tasks, particularly when integrating structured ESG metrics with textual sentiment features. Systemic challenges persist, including the absence of verified ground-truth ESG labels, regulatory domain shift, and limited supply chain reporting data. The synthesis produces a deployable seven-step methodological blueprint validated against ESRS, ISSB, CSRD, and Saudi CMA design constraints, with direct applicability to Saudi Vision 2030 sustainability governance, the Public Investment Fund (PIF) portfolio reporting agenda, and Tadawul-listed entity disclosure obligations.

🔗 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。