کاربرد هوش مصنوعی در شناسایی دستکاری اطلاعات پایداری (سبزشویی)

در سال های اخیر افزایش فشارهای اجتماعی، محیطی و قانونی باعث شده است که شرکت ها برای نشان دادن مسئولیت پذیری زیست محیطی خود به انتشار گزارش های پایداری روی آورند. با این حال برخی از این گزارش ها ممکن است حاوی ادعاهای نادرست یا اغراق آمیز باشند که از آن با عنوان سبزشویی یاد می شود. سبزشویی به معنای ارائه تصویر نادرست از عملکرد زیست محیطی شرکت با هدف جلب اعتماد ذی نفعان است و شناسایی آن به دلیل پیچیدگی مفهومی، زبان تخصصی، و نبود داده های معتبر همواره دشوار بوده است. این پژوهش با رویکرد تحلیلی و بهره گیری از مطالعات داخلی و بین المللی به بررسی نقش هوش مصنوعی در شناسایی سبزشویی و دستکاری اطلاعات پایداری پرداخته است. یافته های پژوهش نشان می دهد که فناوری های نوین هوش مصنوعی مانند یادگیری ماشینی و تحلیل زبان طبیعی قادرند با تحلیل سطحی و عمیق محتوای گزارش ها الگوهای زبانی ناسازگاری داده ها و ادعاهای غیر مستند را شناسایی کنند. این ابزارها با بررسی اسناد مالی، گزارش های داوطلبانه، داده های رسانه ای و نظرات عمومی می توانند سطح ریسک سبزشویی را در شرکت ها ارزیابی کرده و از طریق مدل های طبقه بندی و تبیین، میزان اعتبار گزارش ها را تخمین بزنند. علاوه بر این نتایج نشان می دهد که هوش مصنوعی نه تنها در کشف سبزشویی موثر است بلکه می تواند نقش پیشگیرانه نیز ایفا کرده و شرکت ها را به سمت شفافیت بیشتر در گزارش دهی سوق دهد. با وجود این ظرفیت ها چالش های متعددی در مسیر توسعه و به کارگیری هوش مصنوعی در این حوزه وجود دارد. کمبود داده های واقعی و ساختار یافته، نبود استانداردهای یکپارچه، سوگیری مدل ها و محدودیت های حقوقی و نهادی از جمله مهم ترین موانع محسوب می شوند. به ویژه در کشورهای در حال توسعه ضعف زیرساخت های دیجیتال و قانونی مانع از بهره گیری کامل از این فناوری ها شده است. در نهایت این پژوهش نتیجه می گیرد که آینده شناسایی سبزشویی وابسته به هم افزایی میان فناوری هوش مصنوعی، سیاست گذاری هوشمندانه و استانداردسازی داده ها است. توسعه ابزارهای هوشمند قابل اتکا، ایجاد چهارچوب های نظارت شفاف و همکاری میان نهادهای حاکمیتی، دانشگاه ها و صنعت می تواند نقطه عطفی در مسیر مقابله با سبزشویی و ارتقای اعتماد عمومی نسبت به گزارش دهی زیست محیطی باشد.

کلیدواژه ها:

هوش مصنوعی ، سبزشویی ، گزارش دهی پایداری ، یادگیری ماشینی ، تحلیل زبان طبیعی ، شفافیت زیست محیطی ، اعتبار اطلاعات