ESG投資の拡大とともに、格付機関の評価を参照することが企業の標準的な実務となりました。しかし規制環境の変化は、その前提を静かに揺るがしつつあります。問われているのは今や、どの外部スコアを採用するかではなく、その評価が何を測り、どのデータに依拠し、どのような判断過程を経て導かれたかを説明できるかです。サステナビリティ関連財務情報の開示に関する全般的要求事項IFRS S1はサステナビリティ関連リスク・機会の開示の共通土台を示し、日本でもサステナビリティ情報開示基準を策定する組織であるSSBJが2025年3月5日にサステナビリティ開示基準を公表しました。加えて、EUではRegulation (EU) 2024/3005がESG rating activitiesの透明性と完全性を規律の対象とし、ESG評価は外部情報の参照から、説明責任と監督可能性を伴う意思決定インフラへと位置付けが変わりつつあります。
この変化が示すのは、規制対応が単なる守りのテーマではなく、評価実務そのものを高度化する機会になり得るという点です。外部評価の採用理由と限界を説明でき、重要イベントに応じて評価を更新し、その判断履歴を監査可能な形で残せる企業は、ESGを経営判断に組み込む精度と速度の両面で優位に立ちやすくなります。本稿では、ESG評価の技術的基盤に残る構造課題を整理したうえで、説明可能性・動的監視・監査可能性を備えた評価基盤への転換と、その実装ロードマップを論じます。
主要ESG格付機関の評価が割れる要因は、単なる採点の甘辛ではありません。ある論文によると、主要6機関のESG評価の相関が0.38〜0.71にとどまることを示し、乖離要因をmeasurement 56％、scope 38％、weight 6％に分解しました [1] 。 2025年の経済協力開発機構（OECD）の分析でも、主要8つのESG評価プロダクト間で、同一トピックに用いる指標数や粒度、定性・定量の構成に大きな差があることが確認されており、不一致の中心が単なる重み付けではなく、何をどのように測るかという測定設計にあることが補強されています [2] 。
もう1つの構造課題は、従来型のESG評価が、企業開示や第三者データを基礎とするがゆえに、短期間で顕在化するESG事象への追随に限界を持ちやすい点です。ESG評価は一定時点での比較には有効である一方、ニュース、行政処分、訴訟、事故、労務問題、サプライチェーン不祥事のような動的な事象を即時に織り込むには制約があります。EUのESG Ratings Regulationは、方法論の統一ではなく透明性の向上を通じて、利用者が評価対象と評価方法を理解できるようにする枠組みを示しています。これはすなわち、外部スコアをそのまま参照するだけでは不十分であり、利用者側にも前提と限界を踏まえた判断と説明が求められることを意味します。その結果、利用者側にも採用したスコアの根拠を説明する責任が生じ、重大論争やグリーンウォッシング兆候のような初期シグナルを十分に捉えられないリスクも抱えることになります [3] 。
現状、国際サステナビリティ基準審議会（ISSB）や企業サステナビリティ報告指令（CSRD）が進める標準化は開示項目を対象としており、評価機関が用いる算出方法論は規律の対象外に置かれています。この構造的な空白が、開示の均一化と評価の多様性が並存する現状を生んでいます。一方、米国では米証券取引委員会（SEC）による気候関連開示規則が法的異議申し立てにさらされており、制度運用の方向性はなお流動的です。以上を踏まえると、課題の本質は説明可能性と更新可能性の不足にあります。求められているのは、評価ロジックを遡及可能にし、重要イベント発生時に評価を見直し、その判断過程を監査可能な形で残せる基盤です。
前章の課題は、情報が足りないからではなく、評価を説明し、更新し、統制する能力が不足しているために生じています。利用者が評価の妥当性を継続的に説明しなければならない以上、評価基盤には、どの要素がスコアに影響したかを示す説明可能性、イベント発生時に評価候補を更新する即時性、人間が最終判断を行い判断履歴を残す統制可能性が必要となります。技術的解決策の意義は、これらを人手の追加だけでなく、運用可能な形で実装できる点にあります。
第1の鍵は、説明可能AI（XAI）によるロジックの可視化です。近年の研究では、XAIとバイアス緩和を組み合わせたAI-enhanced ESG frameworkが、透明性と比較可能性の向上に資するアプローチとして提示されています [4] 。 実務上の価値は、AI導入そのものではなく、スコアの背後にある寄与要因を遡って説明できる点にあります。これにより、ESG評価は再検証可能な判断過程として扱えるようになります。
第2の鍵は、Agentic AIとHuman-in-the-Loop（HITL）を組み合わせた動的監視です。ニュース、行政処分、訴訟、事故、企業開示更新などの非財務シグナルを継続的に収集・要約・分類し、重要度に応じてエスカレーションする実行層を整備すれば、評価は静的な年次更新から継続的運用へと変わります。他方で、AIの抽出結果やスコア変動候補を人間が採用・差戻し・上書き・停止できる統制がなければ、更新の速さは誤判定の増幅要因にもなり得ます。世界初の包括的AI規制法であるEU AI Actが人間による適切な監督と「trustworthy AI」を重視するのはこのためであり、ESG評価AIでも即時性と統制可能性を同時に備える設計が不可欠です。
第3の鍵は、自然言語処理（NLP）とナレッジグラフによる非構造化データの意味的統合です。これらを組み合わせることで、公開ニュースに分散したESG情報を企業・論点・報道の論調（センチメント）を意味的に接続し、評価判断の起点に使える形へ転換できることが実証されています [5] 。 この仕組みは、開示文書だけでは見えにくい関係性や論点間のつながりを可視化し、追加的な精査や評価見直しの起点を早期に与える点で、先進的な実装例となり得ます。
ただし、技術要素の実装は必要条件であっても十分条件ではありません。評価ガバナンスの組織的な根拠付け「誰が何の権限で評価を最終承認し、その記録をどう保全するか」が設計されていなければ、XAIもHITLも形骸化してしまいます。技術投資の失敗の多くは、ツールではなく統治設計の欠如に由来するのではないでしょうか。技術と統治は、車の両輪です。説明可能性、動的監視、HITL、関係データ化は、評価ポリシー、権限設計、監査証跡、対外説明の枠組みと結び付いて初めて、経営上の意思決定基盤として機能します。したがって、目指すべきは外部評価を入力の1つとして活用しつつ、自社の評価方針、保有データ、統制ルールに基づいて評価を再構成・検証・更新できる独自評価能力です。規制環境が求めているのも、その採用理由と限界を説明できる態勢です。競争軸は、「誰がより高い点数を付けるか」ではなく、「誰がより透明で更新可能な評価実務を運用できるか」へ移りつつあります。
実装の順序も重要です。まず、既存の外部評価依存を棚卸しし、何を測る評価なのかという評価ポリシーを定義します。次に、開示情報、外部格付、ニュース、論争情報、第三者データを統合する基盤を整え、XAIで説明可能性を付与します。そのうえで、動的監視とHITLを組み込み、最終的に監査証跡と独立検証の枠組みへ接続します。日本でもSSBJ基準の公表が進み、KPMGジャパンでもAIを活用したSSBJ対応支援やTrusted AIの枠組みが提示されていることを踏まえると、制度対応と技術実装を分けずに設計する重要性は高まっているといえます。
ESG評価の競争軸は、スコアの高低から評価実務の質へと移りつつあります。説明可能で更新可能な評価基盤を持つ企業は、規制対応の速度だけでなく、経営判断の精度でも優位に立ちやすくなります。欧州がハードローで評価方法論の透明性を義務化する一方、米国では制度運用の不透明感が残っており、主要市場の制度環境はなお一様ではありません。だからこそ、自社の評価能力を先行して整備することが、中長期の差別化につながると考えます。
[1] Aggregate Confusion: The Divergence of ESG Ratings* | Review of Finance | Oxford Academic
[2] BEHIND ESG RATINGS Unpacking sustainability metric - OECD
[3] ESG rating activities - Finance - European Commission
[5] From News to Knowledge: Leveraging AI and Knowledge Graphs for Real-Time ESG Insights
あずさ監査法人
サステナブルバリュー統轄事業部
ディレクター
大元 淳
KPMGコンサルティング
Financial Services-Solution
プロフェッショナルマネジャー
小林 賢三
KPMGアドバイザリーホールディングス
アドバイザリーライトハウス
マネジャー デジタルインテリジェンスインスティテュートリード
佐藤 昌平
KPMGアドバイザリーホールディングス
アドバイザリーライトハウス
アソシエイト デジタルインテリジェンスインスティテュート
久保寺 香歩
