《Sustainability》：AI-Driven Sustainability Reporting and Corporate Greenwashing: Legal Accountability and Governance Challenges in the ESG Era
编辑推荐：
人工智能（AI）正在迅速重塑可持续发展报告，影响环境、社会与治理（ESG）信息的收集、分析与披露方式。尽管AI辅助报告提升了效率与分析能力，但也引发了关于透明度、问责制、验证以及AI赋能漂绿的重要关切，为可持续发展披露的可信度带来新挑战。本研究采用以定性分析、
人工智能（AI）正在迅速重塑可持续发展报告，影响环境、社会与治理（ESG）信息的收集、分析与披露方式。尽管AI辅助报告提升了效率与分析能力，但也引发了关于透明度、问责制、验证以及AI赋能漂绿的重要关切，为可持续发展披露的可信度带来新挑战。本研究采用以定性分析、比较监管评估及对法律、监管与学术来源的结构化综述为支撑的教义法学研究设计，考察新兴的AI治理与可持续发展报告路径如何应对这些挑战，并识别支撑可信AI辅助ESG报告所需的治理原则。现有监管举措强化了可持续发展报告的重要维度，但AI治理、ESG披露与漂绿仍由相互分离的监管文书分别规范。为弥合此缺口，本研究构建了一个整合治理框架，将透明度、有意义的人类监督、AI审计、可持续性验证与清晰分配的问责制纳入连贯治理结构。该框架通过提供专为AI辅助可持续发展报告设计的结构化治理模型贡献于文献，并为监管者、标准制定者、组织与鉴证提供者强化报告完整性与利益相关方信心提供实践指引。
研究背景方面，企业可持续发展报告已成为组织向投资者、监管者、消费者等沟通ESG绩效的核心渠道，随着国际可持续发展准则理事会（ISSB）发布IFRS S1与IFRS S2等标准，披露的预期透明度与可比性显著提高。与此同时，人工智能被日益嵌入ESG数据的采集、处理、分析与呈现环节，在提升效率的同时也带来选择性披露、数据不透明、自动化叙事掩盖负面信息以及AI赋能漂绿等新型风险。既有研究多将AI治理、ESG披露与漂绿分线探讨，缺乏将三者统合于同一治理结构的分析，导致监管碎片化与问责缺口。为此，研究人员开展教义法学与比较监管分析，旨在识别透明、可验证、有责的AI辅助报告治理原则，并提出整合框架。《Sustainability》刊发的该文指出，技术能力本身不保证披露可信，治理安排才是核心。
方法上，研究人员采用教义法律分析（doctrinal legal research）为主，辅以定性分析、比较监管评估（覆盖欧盟、美国及国际倡议如ISSB）与结构化文献综述（Scopus与Google Scholar，2019—2026年为主）。无实证调查，侧重规范框架解释与概念综合，从法律文本、CSRD/ESRS、EU AI Act、美国证券反欺诈规则、IFRS S1/S2中萃取反复出现的治理原则，再经概念综合形成框架。
研究结果各节要点如下。第三章“AI驱动可持续发展报告与新兴风险”通过文献与监管梳理指出，AI在数据采集（机器学习分类）、分析（预测式AI做异常检测）、起草（生成式AI）中分阶段发挥作用；收益在于效率与一致性，风险则分故意漂绿与技术失效（幻觉、偏训练集、数据差）两类，且选择性披露、数据不透明与自动化叙事会构成“风险循环”削弱信任。第四章“AI驱动可持续发展报告中的治理与问责挑战”借代理/制度/信号理论说明组织问责不可让渡给机器；民事问责按功能分配：报告实体负首要责任，AI开发者负系统可靠与透明责任，数据提供者负数据完整性责任，独立审计者负外部鉴证责任，形成共享问责生态。透明性一节强调可解释性（explainable AI）、可追溯性与可审计性三位一体。第五章“比较监管回应”显示欧盟以CSRD+ESRS+AI Act+绿色声明指令形成综合立法，美国倚重证券反欺诈与投资者保护，国际准则趋向透明与可比但缺整合治理模型。第六章提出“可信AI辅助可持续发展报告治理框架”，含五项耦合机制：透明义务（披露AI使用、数据源、治理主体与局限）、人类监督（指定委员会实质审阅与最终批准不委于AI）、AI审计（风险导向、过程化、内外结合）、可持续性验证（证据可追溯、交叉核对、独立验证）及责任分配（用RACI矩阵与责任分配矩阵固化报告实体/开发者/数据方/审计方角色）。第七章讨论指出，碎片化监管下单一披露合规不足，五项机制互补运行方降漂绿风险；框架对监管者、标准制定者、企业、鉴证方均有操作意义。第八章限性为未经实证、法理概念为主、比较仅限欧美与国际、随规则演进需修订。第九章未来研究指向行业案例、跨法域扩展与标准交叉校准。
结论部分翻译：人工智能正通过影响组织收集、分析和传达ESG信息的方式重塑可持续发展报告。尽管AI辅助报告在效率与分析能力上带来明确增益，也引入了关乎透明度、问责、验证与利益相关方信任的治理挑战。研究发现将治理而非技术精巧度置于可信AI辅助报告的中心。比较分析进一步表明，近期监管举措在若干重要方面强化了可持续发展报告，然而AI治理、ESG披露与漂绿仍由分离文书规范，既有路径碎片化，对三者如何协同运作指引有限。为应对碎片化，本研究提出整合治理框架，融合透明度、人类监督、AI审计、可持续性验证与问责分配；这些机制共同而非孤立地强化报告完整性、降低漂绿风险并巩固AI辅助ESG披露可信度。该框架为监管者、标准制定者、组织与鉴证者提供实践指引，通过更清问责、更有效监督与更强验证，改善ESG披露可靠性与利益相关方信心。随AI演进，治理安排须自适应，持续保留透明、有意义人类监督、有效验证与明责是维护ESG报告诚信的必要前提。
