Note:English version below

1. はじめに
ESG（環境、社会、ガバナンス）投資が注目される中、企業の「建前」だけでなく、「本音」や「実態」をどう見抜くかがますます重要になっています。最近では、企業が発信するレポートやスコアでは見えてこないリスクを、ニュース記事などの外部情報から抽出しようとする取り組みが進んでいます。報道や調査報告に登場する問題行動は、企業自身の開示では触れられないことが多く、投資判断の材料としても重要です。

とはいえ、ニュースは自然言語で書かれており、情報は断片的です。どの行動がどの国際的な基準に違反しているのかを客観的に判断するのは容易ではなく、これまで明確な方法があるとは言えませんでした。こうした課題に対して、今回紹介する論文が提案するのは、ニュースの内容をAIが読み取り、それを国連グローバル・コンパクトの原則と照らし合わせて違反の可能性を特定し、構造化された知識として記録する仕組みです[1]。企業の行動を国際ルールと結びつけて可視化することで、ESG投資の判断材料に深みと根拠を与えることが期待されます。

2. ESGリスクはニュースに現れる

人権侵害や環境破壊、不正行為や差別的な扱いなど、ESGに関わる重大な問題は、企業の報告書には書かれず、むしろ報道や告発、調査機関のレポートなどで明るみに出ることが多くあります。こうした出来事は「ESG関連の不祥事データ（ESG controversy data）」として一部の評価機関でも利用されていますが、分類の基準や運用の透明性は限定的であり、異なる評価者間で結果にばらつきが出ることもしばしばあります。

そこで[1]では、このような問題を解決するため、ニュース記事で報告された出来事を国際的に共有された基準と照合し、誰でも検証可能な形に整理することを目指しました。つまり、企業の行動を国際ルールのどれに違反している可能性があるかという視点で読み解き、データとして記録する仕組みを構築しています。

3. ニュースから国際ルール違反を見抜く仕組み

研究の中心にあるのは、国連グローバル・コンパクトの十の原則に対応する違反パターンの定義です。まず各原則について、大規模言語モデルを使って三つの代表的な違反パターンを自動生成し、合計三十種類のテンプレートを作成しました。たとえば、原則一に対応するパターンとして「企業が人権尊重のための適正手続きを怠っている」などが定義されます。

次に、ニュース記事をAIが処理し、企業名や関係者、行動内容などを抽出します。そして、記事の中にテンプレートに合致する記述が見つかった場合、それがどの原則に違反しているかを判断し、対応する三項関係を構造化データとして記録します。こうして得られた情報は、知識グラフの形式で整理され、企業名、行動内容、関連する国際原則などが明確に関連づけられます。

この結果、「企業Aが2024年に原則一に違反する行動をとった可能性がある」といった情報を機械的かつ人間にも理解できる形で表現できるようになります。

4. 精度と応用の可能性

提案された手法は、専門家による検証でもその精度が確かめられました。二百件のニュース記事に対してAIが出力した判定を専門家が確認したところ、単純な記事本文と原則の短い説明だけを使って即座に分類を試みる単純な直接割り当てる手法に比べて明確な根拠と一貫性を持っており、より信頼できる結果が得られていることがわかりました。なぜその原則に違反していると判断されたのかが示されるため、説明性の面でも優れています。

また、知識グラフとして整理されているため、違反の傾向を分析したり、企業ごとのリスクを比較したりすることも可能です。たとえば、同じ企業が複数の原則にまたがって違反を繰り返しているか、あるいは特定の業種や地域に偏りがあるかといったパターンを読み取ることができます。ESGスコアの裏付けや、投資判断における説明責任を果たすための根拠としても活用できるでしょう。

5. ESG投資とデータサイエンスの接点

これまでのESG評価は、点数や格付けのような定量的な指標に依存することが多く、評価の背後にある事実や根拠が十分に共有されているとは言えませんでした。そのため、「なぜこの企業のスコアが低いのか」に納得できないという声もありました。

本研究は、そのような状況に対して、言語理解を通じた説明可能なESG評価の道を開いています。AIは単なる分類ツールではなく、企業の行動を文脈ごとに理解し、国際的な規範と照らし合わせて構造化された根拠を示す「説明可能な補助者」として機能します。このようなアプローチが広がれば、ESG投資の透明性と信頼性は大きく前進するはずです。

さらに、構築された知識グラフは、ESGトレンドの可視化[2]や、将来のリスクイベントの予測[3]といった応用にもつながります。たとえば、過去にどのような違反がどの分野で頻発しているかを分析することで、今後起こり得るリスクの兆候を早期に察知することが可能になります。これらの応用については今後の課題として、引き続き検討が進められる予定です。

参考文献

[1] T. Iwata, G. Comte, M. Flores, R. Kondo, and R. Hisano, “Aligning ESG Controversy Data with International Guidelines through Semi-Automatic Ontology Construction,” in Proc. ISWC Posters and Demos, 2025.
Available: https://arxiv.org/abs/2509.10922

[2] S. Angioni, S. Consoli, D. Dessì, F. Osborne, D. Reforgiato Recupero, and A. Salatino, “Exploring Environmental, Social, and Governance (ESG) Discourse in News: An AI-Powered Investigation Through Knowledge Graph Analysis,” IEEE Access, vol. 12, pp. 77269–77283, 2024.

[3] R. Hisano, D. Sornette, and T. Mizuno, “Prediction of ESG compliance using a heterogeneous information network,” Journal of Big Data, vol. 7, article 22, 2020.

===ENGLISH VERSION===

Visualizing Corporate Violations of International Rules with AI

1. Introduction

As ESG investing gains attention, it is more important than ever to look past a company’s public messaging and understand its real intentions and actual practices. In recent years there has been growing interest in drawing risks from outside sources such as news articles that do not appear in company reports or in third party scores. Misconduct that appears in reporting or investigations is often missing from corporate disclosures, yet it is crucial for investment decisions.

News is written in natural language and the information is fragmented. Judging objectively which actions break which international standards is not straightforward, and there has not been a clear method. The paper introduced here presents a system where AI reads news content, compares it to the principles of the United Nations Global Compact, flags likely violations, and stores the results as structured knowledge [1]. By linking corporate actions to international rules and making them visible, this approach can give ESG investment decisions more depth and firmer evidence.

2. ESG risks appear in the news

Serious ESG problems such as human rights abuses, environmental damage, fraud, and discriminatory treatment often do not show up in company reports. They tend to come to light through journalism, whistleblowing, or investigative studies. Some ratings agencies already treat these events as “ESG controversy data,” but the criteria and the transparency of their use are limited, and results often differ across evaluators.

To address this, reference [1] aligns events reported in news articles with internationally shared standards and organizes them in a form that anyone can check. In short, it reads company behavior through the lens of which international rules it may violate and records that as data.

3. A system that detects international rule violations from news

At the center of the method is a set of violation patterns that correspond to the ten principles of the United Nations Global Compact. For each principle, a large language model generates representative violation patterns that serve as reusable templates. These templates are expressed in the Resource Description Framework and are used to extract the relevant actors and actions from articles. When a passage matches a template, the system determines which principle is implicated and records the corresponding triple as structured data. The results form a knowledge graph that clearly links the company, the action, and the related international principle.

This makes it possible to express information such as Company A may have taken actions in 2024 that violate Principle 1 in a way that machines can process and people can read.

4. Accuracy and possible uses

The proposed method was also validated for accuracy through expert review. When experts checked the AI judgments on two hundred news articles, they found that, compared with a simple direct assignment approach that tries to classify immediately using only the article text and brief descriptions of the principles, it provided clearer justification and greater consistency, yielding more reliable results. Because it shows why a given principle is judged to have been violated, it is also superior in terms of explainability.

Moreover, since the results are organized as a knowledge graph, it is possible to analyze violation trends and compare risks across companies. For example, one can identify patterns such as whether the same company repeatedly violates multiple principles, or whether there are biases toward particular industries or regions. It can also be used to substantiate ESG scores and as evidence to meet accountability requirements in investment decision making.

5. Where ESG investing meets data science

Traditional ESG evaluation has often relied on quantitative scores and ratings, and the facts and reasons behind those numbers are not always shared. This raises the question of why a given company received a low score.

The study points to a way forward for explainable ESG evaluation through language understanding. AI is not only a classifier. It interprets corporate behavior in context, checks it against international norms, and presents structured evidence. If this approach spreads, the transparency and credibility of ESG investing should advance.

The knowledge graph can also support applications such as visualization of ESG trends [2] and early signals for future risk events [3]. By analyzing which kinds of violations have frequently occurred in which areas, it becomes easier to spot early signs of risks that may arise later.

6. References

[1] T. Iwata, G. Comte, M. Flores, R. Kondo, and R. Hisano, “Aligning ESG Controversy Data with International Guidelines through Semi-Automatic Ontology Construction,” in Proc. ISWC Posters and Demos, 2025.
Available: https://arxiv.org/abs/2509.10922
[2] S. Angioni, S. Consoli, D. Dessì, F. Osborne, D. Reforgiato Recupero, and A. Salatino, “Exploring Environmental, Social, and Governance (ESG) Discourse in News: An AI-Powered Investigation Through Knowledge Graph Analysis,” IEEE Access, vol. 12, pp. 77269–77283, 2024.
[3] R. Hisano, D. Sornette, and T. Mizuno, “Prediction of ESG compliance using a heterogeneous information network,” Journal of Big Data, vol. 7, article 22, 2020.