Autore
Nizza, Umberto

Titolo
Osservatorio: verde ma non troppo: come algoritmi ed intelligenza artificiale possono ripristinare la trasparenza nell'ESG e smascherare forme surrettizie di greenwashing
Periodico
Banca borsa e titoli di credito
Anno: 2025 - Volume: 78 - Fascicolo: 5 - Pagina iniziale: 660 - Pagina finale: 682 - Parte: 1

Il contributo analizza, con un approccio multidisciplinare ed empirico, il fenomeno del greenwashing nell'ambito delle dichiarazioni consolidate di carattere non finanziario, con specifico riferimento al settore bancario. Dopo aver ricostruito il quadro normativo europeo in materia di informativa ESG, il lavoro propone una metodologia computazionale basata su tecniche di pattern recognition per rilevare, in modo oggettivo e replicabile, la presenza di asserzioni ambientali generiche o potenzialmente ingannevoli nei report di sostenibilità pubblicati dai principali gruppi bancari italiani. I risultati dell'analisi mostrano un uso diffuso di espressioni prive dei requisiti di verificabilità e coerenza richiesti dalla Direttiva 2024/825/UE. A partire da tali evidenze, si discute del potenziale utilizzo di strumenti algoritmici a supporto delle autorità di vigilanza e delle imprese, nella prospettiva di rafforzare l'affidabilità dell'informazione ESG e prevenire pratiche comunicative fuorvianti This paper offers a multi-disciplinary analysis of greenwashing practices in the context of non-financial consolidated statements, with a particular focus on the banking sector. After outlining the EU regulatory framework on ESG disclosure, the paper introduces a computational methodology based on pattern recognition techniques to systematically detect the presence of generic or potentially misleading environmental claims in sustainability reports published by Italy's major banking groups. The results reveal a widespread use of expressions lacking the verifiability and coherence required under Directive 2024/825/EU. Building on this empirical evidence, the paper explores how algorithmic tools could support supervisory authorities and market operators in enhancing ESG information reliability and in preventing deceptive disclosure practices



SICI: 0390-9522(2025)78:5<660:OVMNTC>2.0.ZU;2-R

Esportazione dati in Refworks (solo per utenti abilitati)

Biblioteche ACNP che possiedono il periodico