人工智能的采用与企业环境、社会和治理（ESG）绩效：来自一个改进型大型语言模型的证据

《Frontiers in Artificial Intelligence》：Artificial intelligence adoption and corporate ESG performance: evidence from a refined large language model

中国A股企业人工智能（AI）采纳通过绿色创新和内部控质量提升ESG绩效，且效果在大型和技术密集型 firms更显著。研究采用Qwen2.5-72B模型和细粒度文本分类，构建真实AI采纳指标，并验证其与ESG评分的正向关联。机制分析显示AI通过降低绿色研发成本、提高环境监测精度（绿色创新）和增强异常检测能力（内部控质量）驱动ESG改善。异质性检验表明企业规模与技术密集度正向调节AI-ESG关系。

　　人工智能与环境、社会及治理（ESG）绩效之间的关系正逐渐成为学术界和政策制定者关注的焦点。随着全球对可持续发展的重视不断加深，企业面临着双重挑战：一方面，需要在生产流程和管理效率上实现技术革新；另一方面，必须满足日益严格的ESG披露和绩效要求。人工智能作为一项具有广泛应用潜力的技术，不仅能够提升企业的运营效率，还在推动绿色创新和优化内部治理方面展现出独特价值。然而，由于企业披露中存在大量与AI相关的宣传性语言，使得准确衡量企业层面的AI采用程度成为一项复杂任务，这导致了相关实证研究的缺乏。因此，本研究旨在构建一个更精确、更具代表性的AI采用指标，并探讨其对ESG绩效的实际影响。

近年来，人工智能技术在多个领域展现出强大的变革潜力。它能够处理大量复杂的数据，提高ESG信息披露的质量和可信度，同时支持实时监测和风险预警，帮助企业识别潜在的环境和社会风险。此外，AI在提升企业适应外部环境变化的能力方面也发挥着关键作用，使其能够更有效地实现长期可持续运营目标。然而，目前的实证研究大多依赖于间接的代理变量，如数字技术或工业机器人，未能准确反映AI的实际应用情况。因此，如何构建一个可靠的AI采用指标，成为理解其对ESG影响的关键。

本研究通过引入一种基于大型语言模型（LLM）的分类方法，对企业的披露文本进行深入分析，从而区分出真正的“应用型”AI技术与仅限于语言描述的AI提及。研究采用Qwen2.5-72B这一经过领域适应训练的模型，结合细粒度分类方案，构建了一个能够准确衡量企业AI采用程度的指标。这一指标不仅能够反映企业在实际业务流程中对AI的使用情况，还能够排除掉仅限于概念性陈述的AI相关内容。通过对2009年至2022年间中国A股上市公司的数据进行分析，研究揭示了AI采用与ESG绩效之间的显著正向关系，并进一步探讨了这一关系的实现机制。

研究发现，AI的采用能够显著提升企业的ESG绩效，其作用主要体现在两个方面：一是促进绿色创新，二是提高内部治理质量。绿色创新渠道表明，AI技术在研发过程中能够加速环境友好型技术和产品的开发，降低实验成本并提高可持续生产流程的效率。而内部治理渠道则指出，AI技术通过增强企业内部控制系统，提升企业治理水平，从而改善ESG评分。这两个机制分别对应了资源基础观（RBV）和技术创新-组织-环境（TOE）框架的核心理念，即企业通过整合内部资源和优化外部环境条件，能够更有效地实现技术的价值转化。

值得注意的是，这种AI对ESG的积极影响并非对所有企业都具有同等效果。研究进一步分析了企业规模和技术密集度对AI影响的异质性。结果显示，AI对ESG的促进作用在大型企业和技术密集型企业中更为显著。这表明，企业在采用AI技术时，其资源基础和吸收能力是关键因素。大型企业通常具备更完善的组织架构、更丰富的数据资源和更强大的财务实力，这使其能够更好地利用AI技术，实现可持续发展。而技术密集型企业则因其在研发和技术创新方面的积累，更具备将AI融入其核心业务流程的能力，从而获得更高的ESG绩效。

研究还指出，随着AI技术的普及，一种新的“数字ESG鸿沟”正在形成。部分企业因缺乏必要的技术资源和吸收能力，难以有效利用AI提升ESG表现，这种差异可能会进一步加剧企业在可持续发展方面的不平等。因此，政策制定者需要关注这一现象，设计更加包容的政策，以帮助中小企业克服AI采用的障碍。这可能包括提供有针对性的补贴、推广官方的AI风险管理框架，以及通过公共投资提升企业员工的技术能力，从而降低AI应用的门槛。

本研究不仅为学术界提供了新的实证证据，也为政策制定者和企业管理者提供了重要的参考。在实践层面，企业应将AI视为一项战略性资源，明确其在提升环境监测、供应链透明度和治理能力方面的潜在价值。同时，企业还需建立完善的AI治理机制，以确保其在可持续发展领域的有效应用。在政策层面，监管机构应推动更透明、更具体的ESG披露标准，以减少企业披露中的“绿色漂绿”行为，同时促进AI技术的普及和公平应用，以缩小数字ESG鸿沟。

此外，研究还提出了未来研究的方向。由于当前研究局限于中国，未来可扩展至多个国家，以验证其发现的普遍性。同时，研究建议利用新兴的AI技术，如可解释AI（XAI）和更先进的自然语言处理（NLP）方法，进一步深化对企业ESG表现的理解。这些技术不仅可以帮助识别企业在可持续发展方面的潜在问题，还能够提高AI在ESG领域的应用透明度。最后，研究指出，合成数据的使用可以缓解数据稀缺问题，从而增强AI对ESG影响的实证研究能力。

总体而言，本研究揭示了人工智能在推动企业可持续发展方面的重要作用，并强调了构建可靠AI采用指标的必要性。通过深入分析AI对ESG绩效的影响机制，研究为理解技术如何赋能企业治理提供了新的视角，同时也为政策制定者和企业管理者在推动绿色转型和数字化变革方面提供了实证依据和实践指导。未来的研究应进一步探索AI在不同国家和行业中的应用效果，以期为全球范围内的可持续发展实践提供更全面的支持。