A medida que las empresas chinas desempeñan roles fundamentales en las cadenas de suministro globales, las corporaciones multinacionales enfrentan una presión creciente para garantizar la responsabilidad ESG en sus redes de abastecimiento. Los sistemas de calificación ESG actuales carecen de transparencia al incorporar los factores industriales, económicos y culturales únicos de China, lo que genera preocupaciones de fiabilidad para las partes interesadas que gestionan los riesgos de sostenibilidad de la cadena de suministro. Este estudio desarrolla un marco de inteligencia artificial explicable utilizando métodos SHAP y de importancia de características por permutación (PFI) para predecir el rendimiento ESG de las empresas chinas. Analizamos datos ESG completos de 1608 empresas chinas que cotizan en bolsa durante 13 años (2009-2021), integrando determinantes financieros y no financieros que tradicionalmente se examinan de forma aislada. Los hallazgos empíricos demuestran que los algoritmos de bosque aleatorio superan significativamente a la regresión lineal multivariante en la captura de relaciones ESG no lineales. Los principales determinantes no financieros incluyen carteras de patentes, iniciativas de capacitación en RSE, emisiones de contaminantes y donaciones benéficas, mientras que factores financieros como activos corrientes y ratios de endeudamiento resultan influyentes. El análisis sectorial revela que las empresas manufactureras se evalúan a través de emisiones de contaminantes y capacidades técnicas, mientras que las empresas no manufactureras se evalúan en función de impuestos empresariales y activos intangibles. Estos conocimientos proporcionan herramientas esenciales para que las corporaciones multinacionales anticipen las condiciones de sostenibilidad de la cadena de suministro.