DOI: https://doi.org/10.34659/eis.2025.94.3.1167
تاريخ النشر: 2025-12-03
المؤلف: Justyna Berniak‐Woźny
الموضوع الرئيسي: تقارير المسؤولية الاجتماعية للشركات
نظرة عامة
تبحث هذه الدراسة في الدور المتطور للذكاء الاصطناعي (AI) في الاستدامة وإعداد تقارير البيئة والمجتمع والحوكمة (ESG)، باستخدام منهجية من مرحلتين تشمل تحليل بيبليومتري لـ 304 وثيقة مدرجة في SCOPUS من 2015 إلى 2025 وتحليل نوعي لمحتوى 18 منشورًا رئيسيًا. تشير النتائج إلى أن الذكاء الاصطناعي يعزز إعداد تقارير ESG من خلال الأتمتة، والمراقبة في الوقت الحقيقي، والتحليلات التنبؤية، وتحسين سلامة البيانات، مما يساعد المنظمات في تلبية المعايير الدولية ومعالجة مطالب أصحاب المصلحة للشفافية والمساءلة.
تسلط الأبحاث الضوء على النمو السريع ولكن المجزأ للأدبيات حول الذكاء الاصطناعي في إعداد تقارير ESG، كاشفة عن مجموعات موضوعية متميزة ولكن تفتقر إلى الأطر التكاملية والتحقق التجريبي. بينما يحسن الذكاء الاصطناعي بشكل كبير من دقة وتوقيت الإفصاحات المتعلقة بـ ESG، لا تزال التحديات مثل تداخل البيانات، ومخاطر الغسل الأخضر، والاعتبارات الأخلاقية دون حل. تدعو الدراسة إلى أن تركز الأبحاث المستقبلية على الاختبار التجريبي للأطر عبر مختلف القطاعات والمناطق، مع التأكيد على الحاجة إلى معالجة الأبعاد الاجتماعية للاستدامة، بما في ذلك العدالة والحوكمة الأخلاقية، والتي غالبًا ما يتم التغاضي عنها بسبب المخاوف البيئية والاقتصادية.
مقدمة
تناقش مقدمة الورقة الأهمية المتزايدة لمعايير البيئة والمجتمع والحوكمة (ESG) في المساءلة المؤسسية، مدفوعة بمطالب الاستدامة العالمية. من المتوقع الآن أن تقدم المنظمات إفصاحات دقيقة وفي الوقت المناسب ومتسقة بشأن جهودها في الاستدامة. ومع ذلك، لا تزال التحديات مثل البيانات المجزأة، وعدم كفاءة التحقق، والمعايير غير المتسقة قائمة، مما يحد من فائدة إعداد تقارير ESG. تفترض الورقة أن الذكاء الاصطناعي (AI) يمكن أن يعزز بشكل كبير إعداد تقارير ESG من خلال قدرات مثل جمع البيانات الآلي، ومعالجة اللغة الطبيعية (NLP)، والنمذجة التنبؤية، والتي تحسن مجتمعة من جودة البيانات، وتقلل من الأخطاء البشرية، وتسهّل المراقبة والامتثال في الوقت الحقيقي.
على الرغم من الاهتمام الأكاديمي المتزايد بدور الذكاء الاصطناعي في إعداد تقارير ESG، فإن الأدبيات الحالية تتميز بالتجزئة وافتقارها إلى التحليل الشامل عبر القطاعات. تهدف هذه الدراسة إلى سد هذه الفجوة من خلال تقديم تحليل بيبليومتري وتحيلي نوعي متكامل للذكاء الاصطناعي في إعداد تقارير ESG والاستدامة. تستخدم نهجًا مزدوجًا يجمع بين رسم الخرائط العلمية على نطاق واسع مع التركيب الموضوعي، مما يسمح بفهم أعمق للديناميات الهيكلية والمحتوى داخل هذا المجال. تتناول الأبحاث ثلاثة أسئلة رئيسية تتعلق بالحالة الحالية لدمج الذكاء الاصطناعي في إعداد تقارير ESG، ومساهماته في عمليات الإبلاغ، والاتجاهات البحثية الناشئة. من المتوقع أن تُفيد النتائج الأبحاث الأكاديمية المستقبلية وتقدم رؤى عملية لصانعي السياسات والمنظمات المعنية بإعداد التقارير المدعومة بالذكاء الاصطناعي.
الطرق
استخدمت الأبحاث نهجًا مختلطًا من مرحلتين للتحقيق في دور الذكاء الاصطناعي (AI) في إعداد تقارير البيئة والمجتمع والحوكمة (ESG) والاستدامة. جمعت هذه المنهجية بين التحليل البيبليومتري وتحليل المحتوى النوعي لتوفير فهم شامل للمجال. سهلت تقنيات البيبليومترية، بما في ذلك تكرار الكلمات الرئيسية والترابط البيبليوغرافي، رسم الخرائط الهيكلية للمجموعات الموضوعية والفجوات المعرفية، مما يعالج مباشرة الأسئلة البحثية (RQs) المتعلقة بالمنظر الحالي والاتجاهات الناشئة في مساهمات الذكاء الاصطناعي في إعداد تقارير ESG. أغنت دمج تحليل المحتوى النوعي النتائج من خلال تقديم رؤى تفسيرية أعمق، مما يعزز الصرامة المنهجية من خلال التثليث.
تم استخدام قاعدة بيانات SCOPUS كمصدر البيانات الرئيسي نظرًا لتغطيتها الواسعة للمجالات الأكاديمية والمجلات عالية الجودة التي تمت مراجعتها من قبل الأقران. تم إجراء بحث مستهدف عن الكلمات الرئيسية على الوثائق المنشورة بين 2015 و2025، مما أسفر عن 307 وثائق أولية، منها 304 استوفت معايير الإدراج بعد تصفية الصلة والجودة. تم إجراء التحليل على مرحلتين: تضمنت المرحلة الأولى توليد إحصائيات وصفية ورسم خرائط علمية باستخدام VOSviewer لاستكشاف اتجاهات النشر والديناميات الهيكلية، بينما ركزت المرحلة الثانية على فحص نوعي لـ 18 منشورًا رئيسيًا تم تحديدها من خلال الترابط البيبليوغرافي. كان الهدف من هذا التحليل النوعي هو توضيح تطبيق أدوات الذكاء الاصطناعي في إعداد تقارير ESG، مع تسليط الضوء على وظائفها والتحديات الأخلاقية والتشغيلية والحوكمة التي تقدمها.
النتائج
تكشف نتائج الدراسة عن زيادة كبيرة في المنشورات المتعلقة بإعداد تقارير الاستدامة المدعومة بالذكاء الاصطناعي، والتي تتميز بثلاث مراحل متميزة: مرحلة ناشئة (2015-2019) مع 14 منشورًا فقط، ومرحلة نمو (2020-2022) مع زيادة بنسبة 337% مدفوعة بتغييرات السياسة مثل تصنيف الاتحاد الأوروبي، ومرحلة تسارع (2023-2025) حيث ظهرت 76% من إجمالي المنشورات، مع ذروتها عند 119 في 2024. يبرز هذا التطور السريع تحولًا من البحث الاستكشافي إلى البحث التأكيدي، مما يشير إلى مؤسسية الموضوع ضمن الأطر الأكاديمية والسياسية. تحدد التحليل البيبليومتري تسع دول رائدة في هذا المجال البحثي، حيث تهيمن الولايات المتحدة والمملكة المتحدة وأستراليا، بينما تظهر الاقتصادات الناشئة مثل الهند والصين مساهمات كبيرة، مما يشير إلى مشهد معرفي عالمي معقد يتحدى التسلسلات الهرمية التقليدية.
تؤكد الدراسة أيضًا على أهمية مصادر النشر، مشيرة إلى أن 8 فقط من بين 212 مجلة وإجراءات مؤتمرات استوفت عتبة خمس منشورات، مما يدل على مجال مجزأ ولكنه متطور. تسهل هيمنة المجلات المفتوحة الوصول، ولا سيما منشورات MDPI، نشر المعرفة، بينما تضفي دور النشر المعروفة شرعية أكاديمية. يكشف تحليل تكرار الكلمات الرئيسية عن ثلاث مجموعات موضوعية: التكامل التشغيلي والحوكمة، التحول النظامي من خلال الابتكار الأخلاقي، والانخراط الاستراتيجي مع أصحاب المصلحة. تؤكد كل مجموعة على الترابط بين الذكاء الاصطناعي وإعداد تقارير الاستدامة، مما يبرز الحاجة إلى أطر متكاملة تعالج الأبعاد التكنولوجية والأخلاقية. تشير النتائج إلى وجود فجوات بحثية كبيرة، خاصة في مجالات العدالة الاجتماعية والمنهجيات الموحدة لتقييم تأثيرات الذكاء الاصطناعي على إعداد تقارير ESG، مما يقترح اتجاهات للبحث المستقبلي.
المناقشة
تؤكد قسم المناقشة في ورقة البحث على الدور التحويلي للذكاء الاصطناعي (AI) في تعزيز إعداد تقارير البيئة والمجتمع والحوكمة (ESG) والاستدامة. تؤكد الدراسة أن الذكاء الاصطناعي يسهل الأتمتة، والمراقبة في الوقت الحقيقي، والتحليلات التنبؤية، مما يحسن من كفاءة ودقة الإفصاحات المتعلقة بـ ESG. ومع ذلك، تسلط الضوء أيضًا على الفجوات الكبيرة في اعتماد الذكاء الاصطناعي عبر القطاعات، حيث لوحظ تكامل متقدم في مجالات مثل المحاسبة المستدامة والزراعة الدقيقة، بينما تتخلف قطاعات مثل التعدين والتعليم بسبب تحديات مثل تباين البيانات والاستعداد المؤسسي المحدود. تحدد النتائج ثلاثة أعمدة موضوعية: التكامل التشغيلي والحوكمة، الابتكار الأخلاقي النظامي، والانخراط الاستراتيجي مع أصحاب المصلحة، مما يبرز الحاجة إلى نهج متوازن يعالج قضايا التحيز الخوارزمي والشفافية.
تشير تداعيات البحث إلى الحاجة إلى توحيد نظري في الأدبيات المجزأة حول الذكاء الاصطناعي وإعداد تقارير ESG، داعية الدراسات المستقبلية للتركيز على سلامة البيانات، والقدرة التنبؤية، وشفافية أصحاب المصلحة. عمليًا، تحدد الدراسة المتطلبات الأساسية لاعتماد الذكاء الاصطناعي بشكل فعال، بما في ذلك إنشاء لجان حوكمة متعددة الوظائف، وتطوير معايير التوافق، وتنفيذ آليات تغذية راجعة من أصحاب المصلحة. تؤكد تداعيات السياسة على أهمية اتخاذ تدابير تنظيمية استباقية لضمان الشفافية الخوارزمية والإرشادات الأخلاقية، خاصة فيما يتعلق بقضايا العدالة والعمل. أخيرًا، يجب أن تعطي الأبحاث المستقبلية الأولوية للتحقق التجريبي من خلال منهجيات متنوعة، بما في ذلك الدراسات المقارنة وتحليلات الحالة الطولية، لفهم أفضل للتطبيقات العملية وتأثيرات الذكاء الاصطناعي في سياقات ESG.
القيود
تقدم الدراسة عدة قيود منهجية قد تؤثر على نتائجها. أولاً، تخضع التحليلات البيبليومترية لتأخير الاقتباس، مما قد يؤدي إلى تمثيل ناقص للتطورات الحديثة في الذكاء الاصطناعي (AI). بالإضافة إلى ذلك، قد يؤدي استخدام طرق التكرار إلى إدخال تحيز موضوعي، يتأثر باختيار الكلمات الرئيسية والمعايير السائدة للنشر. تزيد الاعتماد على SCOPUS كمصدر بيانات وحيد من تفاقم هذه المشكلة من خلال إدخال تحيزات لغوية وإقليمية، مما يهمش بشكل خاص الأبحاث غير الإنجليزية والأبحاث من الاقتصادات الناشئة.
علاوة على ذلك، قد يؤدي استبعاد الأدبيات الرمادية إلى فقدان رؤى عملية قيمة من الصناعة. نظرًا للتطور السريع لمعايير الذكاء الاصطناعي والبيئة والمجتمع والحوكمة (ESG)، يجب أن تُعتبر النتائج لقطة لمشهد يتغير باستمرار بدلاً من كونها هياكل معرفية نهائية. وهذا يبرز ضرورة التحديثات والمراجعات المستمرة مع تقدم المجال.
DOI: https://doi.org/10.34659/eis.2025.94.3.1167
Publication Date: 2025-12-03
Author(s): Justyna Berniak‐Woźny
Primary Topic: Corporate Social Responsibility Reporting
Overview
This study investigates the evolving role of artificial intelligence (AI) in sustainability and Environmental, Social, and Governance (ESG) reporting, utilizing a two-stage methodology that includes bibliometric analysis of 304 SCOPUS-indexed documents from 2015 to 2025 and qualitative content analysis of 18 key publications. The findings indicate that AI enhances ESG reporting through automation, real-time monitoring, predictive analytics, and improved data integrity, thereby aiding organizations in meeting international standards and addressing stakeholder demands for transparency and accountability.
The research highlights the rapid yet fragmented growth of literature on AI in ESG reporting, revealing distinct thematic clusters but a lack of integrative frameworks and empirical validation. While AI significantly improves the accuracy and timeliness of ESG disclosures, challenges such as data interoperability, greenwashing risks, and ethical considerations remain unresolved. The study calls for future research to focus on empirical testing of frameworks across various sectors and regions, emphasizing the need to address social dimensions of sustainability, including equity and ethical governance, which are often overshadowed by environmental and economic concerns.
Introduction
The introduction of the paper discusses the increasing importance of Environmental, Social, and Governance (ESG) criteria in corporate accountability, driven by global sustainability demands. Organizations are now expected to provide precise, timely, and consistent disclosures regarding their sustainability efforts. However, challenges such as fragmented data, verification inefficiencies, and inconsistent standards persist, limiting the usefulness of ESG reporting. The paper posits that artificial intelligence (AI) can significantly enhance ESG reporting through capabilities like automated data collection, natural language processing (NLP), and predictive modeling, which collectively improve data quality, reduce human error, and facilitate real-time monitoring and compliance.
Despite the growing scholarly interest in AI’s role in ESG reporting, the existing literature is characterized by fragmentation and a lack of comprehensive analysis across sectors. This study aims to fill this gap by providing an integrative bibliometric and qualitative content analysis of AI in ESG and sustainability reporting. It employs a dual-method approach that combines large-scale science mapping with thematic synthesis, allowing for a deeper understanding of the structural and content dynamics within the field. The research addresses three key questions regarding the current state of AI integration in ESG reporting, its contributions to reporting processes, and emerging research directions. The findings are expected to inform future academic research and offer practical insights for policymakers and organizations engaged in AI-enabled reporting.
Methods
The research employed a two-stage mixed-methods approach to investigate the role of artificial intelligence (AI) in environmental, social, and governance (ESG) and sustainability reporting. This methodology combined bibliometric analysis with qualitative content analysis to provide a comprehensive understanding of the field. Bibliometric techniques, including keyword co-occurrence and bibliographic coupling, facilitated the structural mapping of thematic clusters and knowledge gaps, directly addressing research questions (RQs) related to the current landscape and emerging trends in AI’s contributions to ESG reporting. The integration of qualitative content analysis enriched the findings by offering deeper interpretive insights, thus enhancing methodological rigor through triangulation.
The SCOPUS database was utilized as the primary data source due to its extensive disciplinary coverage and high-quality peer-reviewed journals. A targeted keyword search was conducted on documents published between 2015 and 2025, yielding 307 initial documents, of which 304 met the inclusion criteria after filtering for relevance and quality. The analysis proceeded in two stages: the first involved generating descriptive statistics and science mapping using VOSviewer to explore publication trends and structural dynamics, while the second stage focused on a qualitative examination of 18 key publications identified through bibliographic coupling. This qualitative analysis aimed to elucidate the application of AI tools in ESG reporting, highlighting their functions and the ethical, operational, and governance challenges they present.
Results
The results of the study reveal a significant increase in publications related to AI-enabled sustainability reporting, characterized by three distinct phases: a nascent phase (2015-2019) with only 14 publications, a growth phase (2020-2022) with a 337% increase driven by policy changes like the EU Taxonomy, and an acceleration phase (2023-2025) where 76% of total publications emerged, peaking at 119 in 2024. This rapid evolution highlights a shift from exploratory to confirmatory research, indicating institutionalization of the topic within academic and policy frameworks. The bibliometric analysis identifies nine leading countries in this research area, with the US, UK, and Australia dominating, while emerging economies like India and China demonstrate significant contributions, suggesting a complex global knowledge landscape that challenges traditional hierarchies.
The study also emphasizes the importance of publication sources, noting that only 8 out of 212 journals and conference proceedings met the threshold of five publications, indicating a fragmented yet evolving field. The dominance of open-access journals, particularly MDPI’s publications, facilitates knowledge dissemination, while established publishers lend academic legitimacy. The analysis of keyword co-occurrences reveals three thematic clusters: operational and governance integration, systemic transformation through ethical innovation, and strategic stakeholder engagement. Each cluster underscores the interconnectedness of AI and sustainability reporting, highlighting the need for integrated frameworks that address both technological and ethical dimensions. The findings point to significant research gaps, particularly in the areas of social equity and standardized methodologies for assessing AI’s impacts on ESG reporting, suggesting directions for future inquiry.
Discussion
The discussion section of the research paper emphasizes the transformative role of artificial intelligence (AI) in enhancing Environmental, Social, and Governance (ESG) and sustainability reporting. The study confirms that AI facilitates automation, real-time monitoring, and predictive analytics, thereby improving the efficiency and accuracy of ESG disclosures. However, it also highlights significant disparities in AI adoption across sectors, with advanced integration observed in areas like sustainability accounting and precision agriculture, while sectors such as mining and education lag due to challenges like data heterogeneity and limited institutional readiness. The findings delineate three thematic pillars: operational and governance integration, systemic ethical innovation, and strategic stakeholder engagement, underscoring the need for a balanced approach that addresses algorithmic bias and transparency issues.
The research implications suggest a need for theoretical consolidation in the fragmented literature on AI and ESG reporting, advocating for future studies to focus on data integrity, predictive capability, and stakeholder transparency. Practically, the study identifies critical prerequisites for effective AI adoption, including the establishment of cross-functional governance committees, development of interoperability standards, and implementation of stakeholder feedback mechanisms. Policy implications stress the importance of proactive regulatory measures to ensure algorithmic transparency and ethical guidelines, particularly concerning equity and labor issues. Lastly, future research should prioritize empirical validation through diverse methodologies, including comparative studies and longitudinal case analyses, to better understand the practical applications and impacts of AI in ESG contexts.
Limitations
The study presents several methodological limitations that may impact its findings. Firstly, bibliometric analyses are subject to citation lag, which can lead to an underrepresentation of recent advancements in artificial intelligence (AI). Additionally, the use of co-occurrence methods may introduce topical bias, influenced by the selection of keywords and prevailing publication norms. The reliance on SCOPUS as the sole data source further exacerbates this issue by introducing language and regional biases, particularly marginalizing non-English and research from emerging economies.
Moreover, the exclusion of grey literature may result in the omission of valuable practical insights from the industry. Given the rapid evolution of AI and environmental, social, and governance (ESG) standards, the findings should be viewed as a snapshot of a continually changing landscape rather than as definitive knowledge structures. This underscores the necessity for ongoing updates and revisions as the field progresses.