본 논문은 기업의 환경, 사회 및 지배구조(ESG) 성과 평가에 중요한 지속가능성 보고서의 내용이 그린워싱으로 인해 점점 불투명해지는 문제를 다룹니다. 기존의 자연어 처리(NLP) 기반 ESG 분석 접근 방식은 그린워싱 위험에 취약하여 객관적인 ESG 성과보다는 오해의 소지가 있거나 과장된 지속가능성 주장을 반영하는 통찰력을 추출하는 경우가 많습니다. 이러한 문제를 해결하기 위해, 본 논문에서는 그린워싱이 만연한 상황에서 ESG 분석의 강건성을 향상시키는 새로운 데이터셋인 A3CG(Aspect-Action Analysis with Cross-Category Generalization)를 제시합니다. A3CG는 지속가능성 측면과 관련 행동을 명시적으로 연결함으로써 지속가능성 주장에 대한 보다 세분화되고 투명한 평가를 가능하게 하여, 통찰력이 모호하거나 오해의 소지가 있는 수사가 아닌 검증 가능한 행동에 근거하도록 합니다. 또한 A3CG는 범주 간 일반화를 강조하여, 기업이 특정 지속가능성 영역을 선택적으로 선호하도록 보고서를 변경하더라도 측면-행동 분석에서 강력한 모델 성능을 보장합니다. A3CG에 대한 실험을 통해 최첨단 지도 학습 모델과 거대 언어 모델(LLM)을 분석하여 그 한계를 밝히고 향후 연구를 위한 주요 방향을 제시합니다.
