Directors’ Duties in Managing AI and ESG Under Malaysian Law: A Doctrinal Analysis
Notice bibliographique
Résumé
The emergence of Artificial Intelligence (AI) technologies and Environmental, Social, and Governance (ESG) integration with corporate governance has redefined the company directors’ responsibility. This scenario has changed the important legal questions on the extent the which directors in Malaysia are obliged to oversee and govern emerging risks and opportunities related to AI and ESG. This article examines the directors’ duties under the Companies Act 2016 using the doctrinal legal research methodology to determine whether there are provisions in relation to AI and ESG governance. To answer the question, a systematic analysis of the statute, case law and other regulatory frameworks is explored to clarify the emergence of legal duties of directors. The positions from the United Kingdom, Australia and Canada are referred to highlight international trends and best practices as a basis of comparison. The article asserts that directors are increasingly required to be actively involved with ESG and AI-related governance risks, including ethical considerations, transparency and sustainability reporting. It emphasised the need for legal reform, board competency enhancement, and clear regulatory frameworks to ensure that the boards are well-positioned to address the growing challenges of AI and ESG. In essence, the article suggests that directors must adopt a strategic and principled approach to governance that aligns with both statutory obligations and stakeholder expectations in the digital and sustainability-driven business landscape.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,008 | 0,022 |
| Études des sciences et des technologies | 0,001 | 0,006 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».