What is Visualizing Supply Chain Risk Hotspots?
新製品や新技術に関する情報(仕様書、論文、特許情報など)を分析し、環境負荷(CO2排出量、資源利用)、社会への影響(サプライチェーンの人権、労働環境)、技術ガバナンス(情報セキュリティ、倫理的課題)といった観点からスコアリングを行います。
これにより、開発の早い段階からESG課題を特定し、設計や開発プロセスへのフィードバックが可能です。
法規制リスクの低減、ブランディング向上、投資家へのアピールにつながり、R&Dを加速させます。

原材料の調達から製品の製造、流通、販売に至るまでの一連のプロセスにおけるリスクや機会を可視化が可能。
産業連関表や統計データ、ビッグデータをAIで解析し、Tier3以降の取引先や海外調達を含む上流のリスクを定量的に推計。
データを広範に統合。れーだー環境(気候・水・土地)・人権(差別・強制労働)・社会(雇用・教育)など、非財務データを広範に統合。

九州大学の研究チームがハーバード大学・MITなど国際的に権威のある学術機関と共同開発した信頼あるデータベースに、aiESG独自開発のAIを組み合わせることにより、より精緻かつ多様な観点からの分析を実現。
データアナリストが企業ヒアリングを通じて、分析対象となる原材料や調達国を整理し、目的に沿ったデータ設計を実施。
Value
原材料や調達国を起点に、サプライチェーン全体の人権・環境リスクを定量的に把握。どの工程・国・素材にリスクが集中しているかを明確化し、限られたリソースを重点配分できます。
推計に産業連関表・国際統計・AI分析を用いることで、取締役会・投資家・顧客に対し「なぜその素材・調達国を選ぶのか」をデータで説明可能。開示の質と信頼性が向上します。
調達国や原材料を変更した場合のリスク・機会のシミュレーションが可能。サプライチェーンをリスク管理の“守り”から、事業成長を支える“攻め”の分析基盤へと転換できます。
国・セクター別データと自社のサプライチェーン構造を照合し、「業界リスク × 自社特有リスク」などユニークな分析評価が可能。特定の資源や原材料との関わりを分析できるため、より精度の高い課題特定や、投資家向け説明資料の根拠づけに活用できます。
Case study