Introduzione e contesto della ricerca
Negli ultimi decenni, il bilancio di sostenibilità ha assunto un ruolo crescente come strumento di comunicazione e di responsabilità per le organizzazioni pubbliche e private (Thistlethwaite & Menzies, 2016). Da semplice documento di rendicontazione, esso si è progressivamente trasformato in un mezzo di narrazione progettuale, attraverso il quale le imprese, ciascuna secondo un proprio processo e schema differenti, raccontano non soltanto i risultati sociali o ambientali, ma soprattutto le strategie, le scelte e i valori che guidano la loro transizione verso modelli più sostenibili (Thijssens et al., 2016). Il bilancio di sostenibilità, noto anche come report di sostenibilità o ESG report, è il documento con cui le organizzazioni comunicano i propri impatti economici, ambientali e sociali a una pluralità di interlocutori: investitori, clienti, dipendenti, istituzioni e comunità locali. Sebbene non fosse ancora obbligatorio per tutte le imprese, la Direttiva europea CSRD (Corporate Sustainability Reporting Directive) sta progressivamente ampliando il perimetro dei soggetti tenuti alla rendicontazione, rendendo questo strumento sempre più centrale nella governance d’impresa. La sua redazione, tipicamente annuale, coinvolge trasversalmente più funzioni aziendali, dalla direzione della sostenibilità alle risorse umane, dall’area operations alla comunicazione, e richiede un processo strutturato di raccolta dati, verifica interna e revisione esterna, spesso allineato agli standard internazionali GRI (Global Reporting Initiative) o ad altri framework come SASB, TCFD o il recente ESRS. La complessità di questo processo, unita alla crescente rilevanza strategica del documento, rende urgente interrogarsi su come il design possa contribuire non solo alla sua forma comunicativa, ma alla qualità e all’affidabilità delle informazioni che lo costituiscono.
In questo senso, il bilancio di sostenibilità può essere letto come una vera e propria forma di design della comunicazione sistemica: un artefatto che connette dati, processi e visioni, costruendo un racconto coerente della responsabilità d’impresa e del suo impatto sul territorio.
Il design sostenibile, infatti, non si esprime soltanto attraverso prodotti o servizi, ma anche attraverso i processi di rappresentazione e di condivisione delle informazioni (Barnabè & Santoni, 2025). Ogni bilancio di sostenibilità traduce in forma visiva, linguistica e strategica la complessità dei sistemi di produzione, consumo e relazione che l’organizzazione contribuisce a modellare (Bellarosa, 2025). Il bilancio diventa così uno spazio di progetto, in cui il designer agisce come interprete e facilitatore di senso, traducendo la complessità sistemica in narrazioni accessibili e verificabili. Tuttavia, questa stessa capacità narrativa espone tali documenti a un rischio crescente di asimmetria informativa e greenwashing. La spinta comunicativa, necessaria per valorizzare gli impegni e i risultati di sostenibilità, può talvolta trasformarsi in una distorsione percettiva, in cui l’immagine di responsabilità supera la sostanza dei dati (Machado et al., 2020). Per questo motivo, oggi più che mai, la credibilità dei bilanci di sostenibilità dipende dalla capacità di dimostrare la solidità, la tracciabilità e la coerenza delle informazioni presentate (Higgins et al., 2020).
In tale prospettiva, la verifica dei bilanci non rappresenta soltanto una procedura tecnica, ma una nuova dimensione progettuale: un’estensione del lavoro del designer verso la costruzione di fiducia e trasparenza nei sistemi complessi.
La verifica digitale, resa possibile dall’integrazione tra intelligenza artificiale e blockchain, può essere letta come un’evoluzione del linguaggio progettuale stesso, in cui l’autenticità dei dati diventa parte integrante della narrazione della sostenibilità (Schilling & Liboni, 2023; Reber, 2023; Tariq & Rahim, 2024).
Attraverso strumenti di analisi automatica, tracciamento decentralizzato e validazione dei contenuti, il processo di verifica si trasforma in una forma di meta-progettazione, capace di rendere i bilanci di sostenibilità non solo dichiarazioni, ma oggetti progettati di fiducia.
Il presente articolo si propone un duplice obiettivo: da un lato, offrire linee guida progettuali per la costruzione del bilancio di sostenibilità come artefatto di design sistemico; dall’altro, introdurre un modello ibrido di verifica basato sull’integrazione tra intelligenza artificiale e blockchain, capace di garantire tracciabilità e credibilità dei dati rendicontati. Il contributo originale di questo lavoro risiede nell’integrazione di queste due dimensioni, progettuale e tecnologica, all’interno di un unico framework operativo, sviluppato a partire da un caso studio aziendale e fondato su una revisione della letteratura nei campi del design sistemico, della sostenibilità d’impresa e delle tecnologie digitali. La struttura dell’articolo riflette questa doppia traiettoria: dopo un inquadramento teorico sui concetti di design sistemico e fiducia digitale, vengono proposte linee guida per la progettazione del bilancio come sistema complesso, seguite dalla descrizione del modello metodologico AI-Blockchain. Una sezione di discussione interpreta i risultati alla luce della letteratura e ne valuta la generalizzabilità prima delle conclusioni.
2. Riferimenti teorici: design sistemico e fiducia digitale
Il design sistemico nasce come approccio capace di leggere e progettare la complessità, ponendo in relazione elementi materiali, informativi e sociali all’interno di un sistema coerente di scambi (Ryan, 2014).
Nel campo della sostenibilità, questo paradigma non si limita a proporre soluzioni tecniche, ma mira a ripensare le relazioni tra attori, risorse e conoscenze, favorendo una visione circolare e rigenerativa dei processi (Schwaninger, 2018).
Come osservato da studiosi come Bistagnino (2011), Jones e Manzini, il design sistemico si fonda sull’idea che ogni progetto sia parte di una rete dinamica di interdipendenze: un ecosistema di relazioni dove il valore si genera attraverso connessioni, non attraverso singole prestazioni.
All’interno di questo quadro, la fiducia diventa una risorsa progettuale centrale. Ogni sistema complesso funziona solo se i soggetti coinvolti – aziende, cittadini, istituzioni, designer – condividono una base comune di credibilità e trasparenza.
Il design, in quanto disciplina di mediazione tra visione e azione, ha la responsabilità di progettare le condizioni di fiducia: creare strumenti, processi e interfacce che permettano di comprendere, verificare e condividere informazioni in modo chiaro e affidabile (Arielli, 2009).
In questo senso, la fiducia non è più soltanto un risultato sociale, ma un output di progetto, costruito intenzionalmente attraverso metodologie, linguaggi e tecnologie.
I bilanci di sostenibilità rappresentano oggi una delle principali interfacce di questa fiducia (Farooq & Muhammad, 2025). Essi operano come piattaforme comunicative dove si intrecciano narrazione, misurazione e responsabilità. Il loro linguaggio unisce dati quantitativi e contenuti qualitativi, indicatori e storytelling, diventando lo spazio dove il design può connettere rigore informativo e sensibilità narrativa.
Ma proprio perché si collocano in questo equilibrio fragile tra trasparenza e comunicazione, i bilanci di sostenibilità richiedono strumenti in grado di garantire l’autenticità e la verificabilità dei dati, senza ridurre la ricchezza espressiva del racconto progettuale (Boiral et al., 2017). È qui che entra in gioco il concetto di fiducia digitale. La fiducia digitale può essere intesa come la capacità di costruire relazioni credibili e trasparenti attraverso infrastrutture tecnologiche e protocolli di garanzia (Vallero, 2017). Essa non sostituisce la fiducia umana, ma la amplifica e la struttura grazie alla possibilità di tracciare, verificare e certificare i flussi informativi. Nel contesto del design sistemico, questa fiducia tecnologicamente mediata diventa parte integrante del progetto stesso: un livello infrastrutturale che sostiene la qualità delle informazioni, la responsabilità delle decisioni e la coerenza dei processi. In tal senso, l’integrazione di tecnologie come intelligenza artificiale e blockchain nei processi di verifica dei bilanci di sostenibilità può essere letta come una nuova frontiera del design sistemico (Xuan & Ness, 2023). Non si tratta di “automatizzare” la fiducia (Salovaara et al., 2019), ma di progettarla attraverso strumenti che garantiscano continuità tra analisi, rappresentazione e validazione dei dati.
La verifica digitale, quindi, diventa una forma di design della trasparenza (vom Brocke et al., 2021): un dispositivo che traduce la complessità dei sistemi informativi in forme leggibili e credibili, rendendo visibile il valore relazionale e sistemico del progetto. In questo nuovo scenario, il ruolo del designer sistemico si ridefinisce profondamente: non più soltanto autore di rappresentazioni visive o concettuali, ma curatore dell’affidabilità delle informazioni.
Il progettista partecipa alla costruzione di un ecosistema di conoscenza in cui ogni dato, immagine o testo del bilancio è parte di un sistema relazionale trasparente, verificabile e condiviso.
La fiducia diventa così una materia di progetto, e la tecnologia, attraverso protocolli di verifica automatizzata, si configura come una nuova grammatica del design responsabile.
3. Linee guida per la progettazione dei bilanci di sostenibilità come artefatti di design sistemico
La costruzione di un bilancio di sostenibilità rappresenta oggi una delle più complesse forme di progettazione sistemica applicata. In esso convergono dati ambientali, sociali e di governance, ma anche scelte narrative, visive e strategiche che danno forma alla rappresentazione di un’organizzazione (Dumitru et al., 2015). La progettazione di un bilancio sostenibile efficace si fonda su una struttura informativa coerente e su un pensiero sistemico che metta in relazione i diversi ambiti d’azione. Nella ricerca, la tabella proposta, usata come draft per la compilazione e la ricerca dei dati, rappresenta un caso studio in analisi, quello dell’azienda GSI S.r.l. I dati ambientali riportati in essa sono strettamente connessi all’azienda, il modello deve quindi essere interpretato secondo le necessità dell’impresa in analisi [fig. 01]. Articolata nei tre domini Environmental, Social e Governance,diventa uno strumento di lettura e di progetto, un significativo supporto per partire con l’analisi e la strutturazione del bilancio. Ogni indicatore, che sia il consumo energetico, la stabilità occupazionale o la condotta etica, non è interpretato come un valore isolato, ma come un nodo all’interno di una rete di relazioni che unisce l’impresa al territorio, ai fornitori, ai dipendenti e alle comunità locali, per questa ragione vengono indicate due annualità come unità minima di analisi e generazione di confronto, per la crescita e lo sviluppo del piano operativo futuro.
Il primo passo per la costruzione di un bilancio efficace è dunque la raccolta e organizzazione dei dati (Ajluni, 2018). La figura riportata permette di visualizzare non solo le prestazioni annuali degli anni in analisi – almeno due precedenti all’anno di emissione del bilancio –, ma anche gli obiettivi di miglioramento per il triennio successivo, evidenziando la natura evolutiva del sistema aziendale. La dimensione temporale diventa qui un elemento progettuale: ogni dato non rappresenta solo ciò che è stato, ma prefigura una traiettoria di trasformazione, una proiezione di futuro.
Il bilancio non descrive semplicemente lo stato di una struttura, ma ne racconta la dinamica, le retroazioni e le interdipendenze. Ad esempio, la riduzione delle emissioni di CO₂ nella flotta aziendale non può essere compresa senza collegarla ai processi di approvvigionamento, alla scelta dei fornitori, alla formazione del personale e alle politiche di innovazione. Ogni voce della tabella diventa quindi un frammento di un racconto interconnesso, dove la sostenibilità si misura non soltanto in termini numerici, ma in relazione alla qualità delle connessioni che il progetto stabilisce.
Accanto ai dati, il bilancio deve integrare un’analisi dei flussi sistemici, capace di restituire la complessità delle interazioni tra l’azienda, gli stakeholder interni ed esterni e il territorio. Tale analisi non è un esercizio descrittivo, ma una forma di design thinking applicata (Auernhammer & Roth, 2021), che consente di identificare i nodi strategici del sistema, le aree di criticità e le opportunità di rigenerazione. Il territorio, in questa prospettiva, non è un semplice contesto operativo, ma un attore del sistema progettuale, in grado di influenzare e al contempo di essere trasformato dalle pratiche di sostenibilità dell’impresa (Gruen & Spender, 2012).
Gli stakeholder interni, dirigenti, dipendenti, team di progetto, e quelli esterni, fornitori, clienti, istituzioni, comunità locali, partecipano a questa rete di scambi materiali e immateriali (Diouf & Boiral, 2017). Il bilancio di sostenibilità, per essere credibile, deve quindi rappresentare l’ecologia delle relazioni che sostengono l’organizzazione, restituendo visibilità ai contributi di ciascun attore e alla qualità dei processi collaborativi.
In questa ottica, la verifica dei dati, supportata dal modello AI-Blockchain, non è un atto burocratico, ma un dispositivo progettuale di validazione reciproca, in cui la tecnologia diventa infrastruttura della fiducia e garante di equità informativa tra i soggetti coinvolti (Heston, 2024). L’uso di strumenti digitali consente inoltre di introdurre una dimensione di tracciabilità e trasparenza continua. I dati possono essere certificati, aggiornati e collegati in tempo reale alle fonti, superando la logica statica del bilancio annuale e aprendo a modelli dinamici di rendicontazione sistemica (Patel et al., 2023; Shashidhara et al., 2025).
In tal modo, il bilancio si configura come una piattaforma evolutiva di conoscenza condivisa, in cui la verifica è parte integrante del processo di design (Hasan et al., 2024). La tabella non è più un punto di arrivo, ma una matrice progettuale che alimenta decisioni future, rafforza il dialogo con il territorio e favorisce una cultura della responsabilità diffusa.
4. Metodologia del modello ibrido AI-Blockchain per la verifica del bilancio di sostenibilità
In seguito alla redazione e rendicontazione del bilancio la ricerca si prefigge di effettuare una verifica super partes. Sul piano metodologico, la ricerca adotta un approccio qualitativo di tipo esplorativo, articolato in tre fasi complementari. La prima consiste in una revisione sistematica della letteratura nei campi del design sistemico, della rendicontazione di sostenibilità e delle tecnologie blockchain e di intelligenza artificiale. La seconda comprende un’analisi documentale delle principali linee guida internazionali (GRI, CSRD, ISO 14001), finalizzata a definire un quadro di riferimento normativo condiviso. La terza è costituita da un caso studio applicato sviluppato in collaborazione con l’azienda GSI S.r.l., nel quale la matrice ESG e il modello di verifica sono stati co-progettati con il team aziendale attraverso sessioni di lavoro condivise. Il caso studio non ambisce alla rappresentatività statistica, bensì alla produzione di conoscenza contestuale e di un prototipo metodologico replicabile: un’istanza empirica dalla quale astrarre principi progettuali trasferibili, la cui portata viene discussa nella sezione successiva.
La metodologia di verifica proposta nasce dall’incontro tra intelligenza artificiale e tecnologie blockchain, ma si fonda su un principio eminentemente progettuale: costruire un sistema capace di verificare e valorizzare i bilanci di sostenibilità come artefatti di design sistemico.
Non si tratta quindi solo di introdurre strumenti tecnologici, ma di definire un protocollo di fiducia che possa essere applicato a documenti complessi, come i report di sostenibilità o le analisi di ciclo di vita, garantendo coerenza, tracciabilità e trasparenza delle informazioni. Il modello ibrido è concepito come un ecosistema di verifica multilivello, articolato in tre fasi principali – acquisizione, analisi e certificazione – che dialogano tra loro secondo una logica sistemica di feedback continuo. Ogni livello rappresenta non solo un passaggio tecnico, ma una dimensione progettuale, nella quale si costruisce un equilibrio tra automazione, interpretazione e responsabilità umana.
4.1. Acquisizione e lettura dei dati
La prima fase riguarda la raccolta e la comprensione del contenuto dei bilanci di sostenibilità. Attraverso tecniche di riconoscimento ottico (OCR) e di estrazione strutturata dei dati, il sistema analizza i documenti in vari formati (testuali, grafici, tabellari), costruendo una base informativa coerente (Sharma, 2023; Subramani et al., 2020).
Ma al di là della componente automatizzata, questa fase rappresenta anche un atto di progettazione informativa: la definizione di come i dati vengono letti, interpretati e messi in relazione tra loro. In un’ottica di design sistemico, la qualità della lettura non dipende solo dalla precisione tecnica, ma dalla capacità di disegnare relazioni significative tra numeri, descrizioni e contesto organizzativo.
4.2. Analisi e interpretazione sistemica
La seconda fase, basata su algoritmi di machine learning e natural language processing, ha l’obiettivo di riconoscere coerenze e incoerenze tra i diversi livelli del bilancio: valori numerici, descrizioni narrative, indicatori di performance (Rundo & Di Stallo, 2020; Vinella et al., 2023).
Il modello è in grado di segnalare incongruenze, omissioni o formulazioni potenzialmente ambigue, come dichiarazioni eccessivamente celebrative o dati discordanti rispetto agli standard GRI (Brown et al., 2009) o ISO 14001 (Nawrocka & Parker, 2009).
Questa analisi non sostituisce il giudizio umano, ma lo amplifica, offrendo al designer e al revisore un quadro oggettivo e immediato della qualità informativa del documento.
In questa prospettiva, l’intelligenza artificiale non è concepita come strumento di controllo, bensì come partner progettuale: un assistente che supporta la lettura critica e sistemica dei dati. Il suo contributo non è nella decisione finale, ma nella capacità di illuminare la complessità e rendere visibili pattern e connessioni che altrimenti rimarrebbero nascosti. L’approccio diventa quindi un atto di design cognitivo, che unisce l’analisi algoritmica alla riflessione etica e narrativa.
4.3 Certificazione e fiducia distribuita
La terza fase riguarda la certificazione decentralizzata delle informazioni attraverso la tecnologia blockchain (Gebrezgiher, 2025).
Una volta completata la fase di analisi, i bilanci validati possono essere notarizzati e registrati in modo permanente e immutabile.
Ogni documento viene associato a un hash crittografico,un’impronta digitale unica, che ne garantisce l’autenticità nel tempo e impedisce alterazioni o falsificazioni successive. Dal punto di vista del design, questa fase introduce una nuova materialità digitale della fiducia.
La blockchain, infatti, non è solo un archivio, ma una struttura progettuale che consente di disegnare la trasparenza come parte integrante del sistema.
Attraverso la registrazione decentralizzata, la responsabilità del dato non appartiene più a un singolo ente certificatore, ma si distribuisce lungo la rete dei soggetti coinvolti: aziende, enti di controllo, designer, cittadini (Nalina et al., 2024). La fiducia, quindi, non è più delegata, ma progettata collettivamente.
4.3.1 Un processo di design sistemico
L’intero modello si configura come un processo di design sistemico che mette in relazione tecnologia, etica e cultura progettuale (Meadows, 2008).
Ogni fase, mostrata riassunta nella fig. 02, dall’acquisizione alla certificazione, diventa occasione per ripensare il bilancio di sostenibilità come artefatto complesso, dove la trasparenza non è un requisito esterno, ma una qualità intrinseca del progetto [fig. 02].
La metodologia proposta, fondata su interconnessioni e cicli di feedback, mira quindi a definire un nuovo linguaggio operativo per il design della sostenibilità: un linguaggio in cui la validazione non è un atto di controllo, ma un gesto di cura e responsabilità condivisa.
5. Discussione e Conclusioni
Il modello proposto si pone in dialogo con la letteratura esistente su due piani distinti. Sul piano teorico, esso estende il perimetro del design sistemico verso la verifica dell’informazione e la costruzione di fiducia digitale come dimensioni progettuali esplicite, ampliando le prospettive sul design della trasparenza (vom Brocke et al., 2021) e sulla fiducia come output di progetto al contesto specifico della rendicontazione di sostenibilità. Sul piano pratico, il caso studio di GSI S.r.l. suggerisce che l’integrazione tecnologica tra AI e blockchain non richiede necessariamente risorse straordinarie, bensì una regia progettuale capace di coordinare flussi informativi, attori e standard, un risultato che, pur circoscritto a una singola realtà aziendale, offre un prototipo metodologico trasferibile ad altri contesti (Xuan & Ness, 2023).
Il percorso sviluppato in questo articolo mostra come il bilancio di sostenibilità, tradizionalmente inteso come documento di rendicontazione, stia assumendo sempre più il ruolo di un artefatto complesso di design sistemico. In esso si intrecciano dati, narrazioni, scelte progettuali e responsabilità etiche che definiscono l’identità e l’orientamento strategico delle organizzazioni. La sua efficacia non risiede soltanto nella qualità delle informazioni contenute, ma nella capacità di costruire un racconto trasparente, verificabile e coerente delle relazioni che legano l’impresa ai suoi stakeholder e al territorio. L’integrazione tra intelligenza artificiale e tecnologie blockchain, al centro del modello ibrido proposto, rappresenta una lente innovativa attraverso cui ripensare questo artefatto. La verifica non viene più concepita come un atto tecnico esterno, ma come una componente intrinseca del progetto: una nuova dimensione della pratica del design orientata alla costruzione di fiducia digitale. L’intelligenza artificiale permette di illuminare incoerenze e pattern informativi nascosti, mentre la blockchain assicura tracciabilità e immutabilità, restituendo un quadro in cui la trasparenza non è un valore dichiarato, ma una qualità strutturale del sistema. Questa prospettiva trasforma il designer in un curatore di affidabilità, responsabile non solo della rappresentazione, ma anche dell’integrità dei processi informativi. Il bilancio di sostenibilità diventa così un ambiente di progetto in cui tecnologia, etica e narrazione convergono in un ecosistema integrato. Le linee guida proposte evidenziano come la progettazione di un bilancio richieda non solo competenze tecniche e analitiche, ma anche la capacità di costruire relazioni, interpretare sistemi complessi e orientare processi di trasformazione culturale. La verifica digitale dei bilanci di sostenibilità non rappresenta soltanto un’evoluzione metodologica, ma una nuova grammatica progettuale per il design della trasparenza. Essa apre scenari in cui i report non sono più documenti statici, ma piattaforme dinamiche di conoscenza condivisa, capaci di alimentare decisioni, attivare processi di accountability e rafforzare la fiducia tra organizzazioni e comunità. Progettare la sostenibilità, in questo quadro, significa progettare sistemi informativi credibili e relazioni responsabili: un compito che, oggi più che mai, chiama il design a espandere i propri confini e a contribuire in modo decisivo alla costruzione di futuri più equi, tracciabili e rigenerativi.
Questa pubblicazione è realizzata nell’ambito del progetto PNRR-NGEU finanziato dal MUR tramite DM 117/2023 e DM 630/2024.
Bibliografia
Ajluni, T. (2018). First annual Sustainable Columbia report shows progress on data collection, promises further action. University Wire. Uloop, Inc.
Arielli, E. (2009). Cognizione e comunicazione: Le basi psicologiche dell’interazione umana. Società editrice il Mulino.
Auernhammer, J., & Roth, B. (2021). The origin and evolution of Stanford University’s design thinking: From product design to design thinking in innovation management. The Journal of Product Innovation Management, 38(6), pp. 623-644. https://doi.org/10.1111/jpim.12594
Barnabè, F., & Santoni, R. (2025). Means and Meanings in Circular Economy: An MDA-Based Exploratory Analysis. Sustainability, 17(17), 7768. https://doi.org/10.3390/su17177768
Bellarosa, R. (2025). Toward Sustainable Mobility: The Stellantis Case Study Environmental Initiatives and Digital Communication in the Automotive [Tesi di Laurea magistrale, Politecnico di Torino]. Politecnico di Torino. Webthesis. https://webthesis.biblio.polito.it/35960/
Bistagnino, L. (2011). Design sistemico: Progettare la sostenibilità produttiva e ambientale. Edizioni Ambiente.
Boiral, O., Heras-Saizarbitoria, I., & Brotherton, M.-C. (2017). Assessing and Improving the Quality of Sustainability Reports: The Auditors’ Perspective. Journal of Business Ethics, 155(3), pp. 703-721. https://doi.org/10.1007/s10551-017-3516-4
Brown, H.S., de Jong, M., & Levy, D.L. (2009). Building institutions based on information disclosure: Lessons from GRI’s sustainability reporting. Journal of Cleaner Production, 17(6), pp. 571-580. https://doi.org/10.1016/j.jclepro.2008.12.009
Diouf, D., & Boiral, O. (2017). The quality of sustainability reports and impression management: A stakeholder perspective. Accounting, Auditing, & Accountability, 30(3), pp. 643-667. https://doi.org/10.1108/AAAJ-04-2015-2044
Dumitru, M., Gușe, R.G., Feleagă, L., Mangiuc, D.M., & Feldioreanu, A.I. (2015). Marketing Communications of Value Creation in Sustainable Organizations. The Practice of Integrated Reports. Amfiteatru Economic, 17(40), pp. 955-976.
Farooq, M., & Muhammad, H. (2025). Climate Governance and Sustainability Reporting. Corporate Social Responsibility and Environmental Management, 32(4), pp. 5430-5445. https://doi.org/10.1002/csr.3259
Gebrezgiher, Y.T., Camacho, D., & Park, J.H. (2025). A Blockchain-Based Framework for Secure Anomaly Detection and Trust Management in IoV. SSRN. http://dx.doi.org/10.2139/ssrn.5229668
Gruen, D., & Spender, D. (2012). A Decade of Intergenerational Reports: Contributing to Long-Term Fiscal Sustainability. Australian Economic Review, 45(3), pp. 327-334. https://doi.org/10.1111/j.1467-8462.2012.00697.x
Hasan, M., Rahman, M.S., Janicke, H., & Sarker, I.H. (2024). Detecting anomalies in blockchain transactions using machine learning classifiers and explainability analysis. Blockchain: Research and Applications, 5(3), 100207. https://doi.org/10.48550/arXiv.2401.03530
Heston, T.F. (2024). A blockchain AI solution to climate change. International Journal of Science and Research Archive, 11(2), pp. 450-454. https://doi.org/10.30574/ijsra.2024.11.2.0471
Higgins, C., Tang, S., & Stubbs, W. (2020). On managing hypocrisy: The transparency of sustainability reports. Journal of Business Research, 114, pp. 395-407. https://doi.org/10.1016/j.jbusres.2019.08.041
Machado, B.A.A., Dias, L.C.P., & Fonseca, A. (2020). Transparency of materiality analysis in GRI based sustainability reports. Corporate Social Responsibility and Environmental Management, 28(2), pp. 570-580. https://doi.org/10.1002/csr.2066
Meadows, D.H. (2008). Thinking in Systems: A Primer. Chelsea Green Publishing.
Nalina, V., Navaneeth, S., Nayak, R.A., & Prakash, N. (2024). Decentralized File Storage Platform using IPFS and Blockchain. 2024 International Conference on Emerging Technologies in Computer Science for Interdisciplinary Applications (ICETCS), pp. 1-6. https://doi.org/10.1109/ICETCS61022.2024.10543705
Nawrocka, D., & Parker, T. (2009). Finding the connection: Environmental management systems and environmental performance. Journal of Cleaner Production, 17(6), pp. 601-607. https://doi.org/10.1016/j.jclepro.2008.10.003
Patel, M., Dayan, I., Fishman, E.K., Flores, M., Gilbert, F.J., Guindy, M., Koay, E.J., Rosenthal, M., Roth, H.R., & Linguraru, M.G. (2023). Accelerating artificial intelligence: How federated learning can protect privacy, facilitate collaboration, and improve outcomes. Health Informatics Journal, 29(4). https://doi.org/10.1177/14604582231207744
Reber. (2023, October). Il bilancio di sostenibilità Reber è nella blockchain. https://www.reber.it/news/block/
Ryan, A. (2014). A Framework for Systemic Design. FORMakademisk. Research Journal of Design and Education, 7.
Rundo, F., & Di Stallo, A.L. (2020). Predictive justice: Algorithms and deep learning technology. Sicurezza e Giustizia: 31-34. https://www.researchgate.net/publication/338450142_GIUSTIZIA_PREDITTIVA_ALGORITMI_E_DEEP_LEARNING_TECHNOLOGY
Salovaara, A., Lyytinen, K., & Penttinen, E. (2019). High Reliability in Digital Organizing: Mindlessness, the Frame Problem, and Digital Operations. MIS Quarterly, 43(2), pp. 555-578. https://doi.org/10.25300/MISQ/2019/14577
Schwaninger, M. (2018). Systemic design for sustainability. Sustainability Science, 13(5), pp. 1225-1234. https://doi.org/10.1007/s11625-018-0538-5
Sharma, P. (2023). Advancements in OCR: A Deep Learning Algorithm for Enhanced Text Recognition. International Journal of Inventive Engineering and Sciences, 10(8), pp. 1-7. https://doi.org/10.35940/ijies.f4263.0810823
Shashidhara, R., Nair, R.C., & Panakalapati, K.P. (2025). Promise of Zero-Knowledge Proofs (ZKPs) for Blockchain Privacy and Security: Opportunities, Challenges, and Future Directions. Security and Privacy, 8, e461. https://doi.org/10.1002/spy2.461
Shilling, A.F., & Liboni, M. (2023). La blockchain al servizio del design sistemico: come una tecnologia può trasformare le validazioni dei report sistemici nelle aziende vinicole spagnole. In P.P. Peruccio, G. Pedone, & F. Bruschi (a cura di). Relazioni di progetto. Politecnico di Torino. Pp. 250-262.
Subramani, N., Matton, A., Greaves, M., & Lam, A. (2020). A survey of deep learning approaches for OCR and document understanding. https://doi.org/10.48550/arXiv.2011.13534
Tariq, A., & Rahim, M.R.U. (2024). Role of artificial intelligence in enhancing sustainability reporting and green accounting in Industry 4.0. Acta Marisiensis Seria Technologica, 21(2), pp. 31-38. https://doi.org/10.62838/amset-2024-0015
Thijssens, T., Bollen, L., & Hassink, H. (2016). Managing sustainability reporting: many ways to publish exemplary reports. Journal of Cleaner Production, 136, pp. 86-101. https://doi.org/10.1016/j.jclepro.2016.01.098
Thistlethwaite, J., & Menzies, M. (2016). Assessing the governance practices of sustainability reporting. C. Hurst & Company.
Vallero, A. (2017). Cross layer reliability estimation for digital systems [Tesi di Dottorato, Politecnico di Torino]. Iris. https://iris.polito.it/handle/11583/2673865?mode=complete
Vinella, A., Capetz, M., Pattichis, R., Chance, C., & Ghosh, R. (2023). Leveraging Language Models to Detect Greenwashing. https://doi.org/10.48550/arXiv.2311.01469
vom Brocke, J., Gau, M., & Mädche, A. (2021). Journaling the Design Science Research Process. Transparency About the Making of Design Knowledge. In S. Seidel, G. I. Hausvik, & L. Chandra Kruse (Eds.). The Next Wave of Sociotechnical Design, Vol. 12807. Springer International Publishing AG, pp. 131-136. https://doi.org/10.1007/978-3-030-82405-1_15
Xuan, T.R., & Ness, S. (2023). Integration of Blockchain and AI: Exploring Application in the Digital Business. Journal of Engineering Research and Reports, 25(8), pp. 20-39. https://doi.org/10.9734/jerr/2023/v25i8955