人工智能与不道德金融实践：探究ESG绩效在沙特金融部门中的中介作用

《Borsa Istanbul Review》：Artificial Intelligence and Unethical Financial Practices: Examining the Mediating Role of Environmental; Social; and Governance (ESG) performance in the Saudi Financial Sector

本研究聚焦人工智能（AI）应用在沙特金融领域可能引发的伦理风险，探讨了环境、社会和治理（ESG）绩效在AI与不道德金融行为（如贿赂、腐败、欺诈及避税）关系中的中介机制。研究发现，AI应用与较低的ESG绩效相关，但较高的ESG得分能部分抵消AI对不道德行为的正向影响，表明ESG框架虽能缓解AI的负面伦理冲击，但尚不足以单独遏制不当行为。该研究为新兴市场在数字化转型中构建负责任的AI治理体系提供了重要理论和政策启示。

　　

随着人工智能（AI）技术在全球金融领域的快速渗透，其在提升效率与透明度的同时，也潜藏着被滥用于不道德金融实践的风险，例如贿赂、腐败、欺诈（Bribery, Corruption, Fraud, BCF）以及激进的税收规避（Tax Avoidance）。这一“双刃剑”效应在沙特阿拉伯这类新兴经济体中尤为突出，其金融部门正经历着由“2030愿景”国家战略驱动的迅猛数字化转型，但相应的监管框架和伦理准则尚在完善之中。在此背景下，理解AI如何影响金融机构的伦理行为，以及环境、社会和治理（Environmental, Social, and Governance, ESG）绩效能否在其中扮演关键的制约或疏导角色，成为了一个兼具理论前沿性与现实紧迫性的重要课题。

为深入探究上述问题，Laila Adwey的研究团队以沙特金融部门为实证场景，开展了一项严谨的学术研究。研究旨在检验两个核心假设：H_1a和H_1b分别探讨AI应用是否会增加BCF和税收规避的可能性；H_2a和H_2b则进一步论证ESG绩效是否在AI与这两种不道德金融行为的关系中起到中介作用。该研究为理解新兴市场背景下技术、伦理与公司治理的复杂互动提供了新的视角。

本研究采用了定量实证分析方法。数据来源于Refinitiv Eikon数据库，样本涵盖了2020年至2024年间在沙特运营的53家金融机构，共计265个公司-年度观测值。关键变量包括：以二元变量衡量的AI应用和BCF，以现金有效税率（Cash Effective Tax Rate）衡量的税收规避（TAX），以及作为中介变量的综合ESG绩效得分。研究还控制了公司盈利能力（FP）、杠杆率（LEV）、公司规模（FS）、董事会规模（BS）和董事会独立性（BI）等因素。在方法论上，研究团队借鉴了Imai等人（2010a, 2010b）和Tingley等人（2014）提出的因果中介分析框架。针对二元因变量BCF，使用了广义线性模型（Generalized Linear Models, GLMs）中的Logistic回归进行分析；针对连续型因变量TAX，则采用了普通最小二乘法（Ordinary Least Squares, OLS）回归。为了增强统计推断的稳健性，研究还进行了5000次重复的Bootstrap抽样程序。

6.1. 描述性统计与相关矩阵

分析显示，样本中约33%的金融机构曾涉及BCF事件，约34%的机构已采用AI技术。ESG绩效得分跨度较大（14.941至69.912），表明各机构在可持续发展方面的投入存在显著差异。相关性分析和方差膨胀因子（VIF）检验均表明，模型不存在严重的多重共线性问题，保证了后续回归结果的可靠性。

6.2. 讨论

6.2.1. AI应用对BCF和税收规避的直接效应

与初始假设H_1a和H_1b的预期相反，研究结果出人意料地显示，AI应用与BCF（β = -1.989, p = .100）及税收规避（β = -2.199, p = .044）均呈负相关关系。这表明，在沙特金融部门的实际应用中，AI技术可能更多地发挥了增强内部控制、提升透明度和强化合规监测的积极作用，从而在一定程度上抑制了不道德金融行为。这一发现可以从利益相关者理论和代理理论的角度进行解释：AI的应用有助于回应利益相关者对透明度和问责制的要求，同时通过技术手段降低管理层与所有者之间的信息不对称，约束管理层的投机行为。

6.2.2. ESG在AI与BCF关系中的中介效应结果

对于H_2a的检验揭示了更为复杂的作用机制。首先，AI应用本身与ESG绩效呈显著负相关（β = -0.953, p = .032），暗示当前阶段的AI应用可能因算法黑箱、数据偏见等问题，对公司的ESG形象产生了负面影响。然而，在纳入ESG作为中介变量的模型中，ESG绩效显示出对BCF的显著负向影响（β = -0.079, p = .017）。中介效应分析确认了ESG的部分中介作用（间接效应β = 0.192, p = .046）。这意味着，AI应用一方面直接抑制BCF，另一方面又通过降低ESG绩效（路径A）间接地对BCF产生潜在的正向影响（即削弱抑制效果），而较高的ESG绩效本身则能有效抑制BCF（路径B）。这凸显了在AI应用中强化ESG治理的重要性，以抵消其潜在的负面伦理外溢。

6.2.3. ESG在AI与税收规避关系中的中介效应结果

对于H_2b的检验得出了类似的结论。AI对税收规避的直接效应依然为负（β = -0.094, p = .018），同时ESG绩效也对税收规避有显著的抑制作用（β = -0.004, p = .031）。中介效应分析同样支持了ESG的部分中介作用（间接效应β = 0.427, p = .035）。这表明，致力于提升ESG表现的公司在税务行为上往往更为负责任，而AI技术在与强有力的ESG框架结合时，能更有效地促进税务合规，减少激进的避税行为。这符合利益相关者理论的预期，即公司为维护声誉和合法性，会倾向于采取更符合社会期望的税务策略。

该研究得出结论，在沙特金融部门，AI应用与不道德金融实践（BCF和税收规避）之间存在负向的直接关联，但ESG绩效在其中扮演了关键的部分中介角色。研究发现，AI应用可能会对ESG绩效产生负面影响，这暴露了技术应用初期可能存在的伦理治理短板。然而，一个强大的ESG框架能够有效缓冲这种负面影响，并通过其固有的透明度和问责机制，放大AI在抑制不道德行为方面的积极效应。因此，AI的伦理影响并非既定，而是高度依赖于其所嵌入的治理环境。

这项研究的意义在于，它首次在新兴市场背景下，系统地实证检验了ESG绩效在AI应用与金融伦理关系中的中介机制。研究结果超越了将AI或ESG视为独立影响因素的简单视角，强调了两者协同治理的重要性。对于沙特的政策制定者（如沙特中央银行SAMA、资本市场管理局CMA）和金融机构而言，本研究强调，在推进“2030愿景”的数字转型过程中，必须同步加强ESG标准建设和AI伦理治理框架的融合。未来的研究可以进一步探索ESG各维度（环境、社会、治理）的差异化作用，以及不同AI应用类型（如分析型AI与操作型AI）的伦理影响，并考虑将研究拓展至其他行业或进行跨国比较，以深化对技术、治理与伦理之间动态关系的理解。