企业人工智能治理如何推动颠覆性科技创新？

《Economic Analysis and Policy》：How Does Corporate AI Governance Shape Disruptive Technological Innovation?

　　摘要：人工智能治理为引导人工智能的负责任发展提供了制度基础，并提升了企业创新的质量。本研究利用2010年至2021年间中国A股上市公司的数据，探讨了企业人工智能治理对颠覆性技术创新的影响。研究结果表明，人工智能治理显著促进了颠覆性技术创新，且这一结果在一系列内生性测试和稳健性检验中依然成立。机制分析表明，人工智能治理主要通过降低创新失败风险、增强知识重组能力以及缓解资源错配来发挥作用。进一步分析显示，在组织复杂性较高和具有较高不可逆性的行业中，其积极效应更为显著；但在数字经济较为发达的地区，这种效应会减弱。这项研究为人工智能治理对创新的影响提供了新的实证见解。

引言：人工智能正逐步融入企业的研发、生产和管理中，成为影响技术创新探索、知识重组和创新组织的关键技术基础（Aghion等人，2017年；Brynjolfsson和McElheran，2016年；Liu等人，2021年）。随着人工智能应用范围的扩大，企业具备了更强的信息处理和复杂问题识别能力，但同时也面临着包括算法透明度低、数据使用不当、责任不明以及系统控制失控等一系列风险（Guidotti，2018年；Jobin等人，2019年；Fatima等人，2020年）。例如，亚马逊因训练数据中存在历史性别偏见而停止了其内部人工智能招聘系统，导致该系统系统性歧视女性申请人；微软的聊天机器人Tay在上线后不久因生成歧视性和冒犯性内容而被撤下；美国房地产技术公司Zillow因模型预测与市场条件之间的显著偏差导致资源错配和运营亏损而缩减了其基于算法的购房业务。对企业而言，与人工智能相关的风险不仅限于技术故障，还可能引发更广泛的组织后果，包括声誉损害、资源错配、运营中断甚至战略调整（Kellogg等人，2020年；Dwivedi等人，2021年；Kong等人，2026年）。在新的一波技术变革背景下，如何有效将人工智能治理嵌入创新决策和管理流程已成为企业持续创新活动的核心问题（Raisch和Krakowski，2021年）。近年来，人工智能治理受到了越来越多的学术关注（Jobin等人，2019年；Keding，2020年；Fatima等人，2020年）。从企业实践的角度来看，人工智能治理涉及人工智能系统的开发、部署和使用方式，以及企业在这些系统产生问题时如何分配责任并纠正偏差。其本质不是对人工智能技术施加简单的约束，而是围绕人工智能系统的运行建立一套制度安排，以加强企业的控制、解释能力、可追溯性和协调性。因此，我们将企业人工智能治理定义为围绕人工智能系统的开发、部署、使用和迭代而形成的组织治理机制，目的是通过风险识别、基于规则的约束、责任分配、过程监控和基于反馈的纠正等制度安排，持续管理数据、算法、模型、应用场景和责任链，从而提高人工智能应用的安全性、可信度、可控性、可解释性和可追溯性。与传统技术治理相比，人工智能治理处理的对象更加复杂、动态且不透明，因此更依赖于持续的规则嵌入和端到端的过程管理（Kellogg等人，2020年；Shrestha等人，2019年）。当企业将人工智能用于研发筛选、客户识别或供应链调度等任务时，治理通常体现在对数据质量、模型解释、人工监督和责任跟踪的控制上。对于企业而言，人工智能治理至关重要，因为它决定了人工智能在组织运营中的稳定整合及其对创新的持续支持（Tambe等人，2019年；Mikalef和Gupta，2021年）。特别是在颠覆性技术创新方面，由于高不确定性、长周期和反复试验的过程，研究人工智能治理是否能够改善企业的决策基础、风险承受能力和组织协调条件，从而突破现有的技术界限尤为重要（Verganti等人，2020年；Babina等人，2024年）。从技术进步的角度来看，人工智能治理有助于提高人工智能系统运行的稳定性、透明度和可验证性，增强企业对人工智能生成结果的信任和采用意愿，从而提高其在技术搜索、知识识别和解决方案生成中的实际效用（Brynjolfsson和McElheran，2016年；Goldfarb和Tucker，2019年）。在颠覆性技术创新的背景下，企业可以利用人工智能突破现有的认知边界，识别扩展搜索范围内的多样化知识联系，发现隐藏的技术协同效应，并提高应对复杂挑战的效率。然而，从创新成本的角度来看，建立和实施人工智能治理往往涉及额外的要求，如合规审查、流程嵌入、责任分配以及监控和评估，这些可能增加组织的协调成本、时间成本和资源投入（Dwivedi等人，2021年；Tambe等人，2019年）。当颠覆性技术创新具有高失败率、长开发周期和大量沉没成本时，如果治理要求过于严格或治理程序过于繁琐，企业可能会减少高风险探索活动，转而选择更容易评估和快速产生回报的渐进式创新路径（Raisch和Krakowski，2021年）。以往的研究从技术采纳、组织变革和创新绩效的角度探讨了人工智能的经济后果，表明人工智能可以提升信息处理能力、改善决策效率并扩展企业的创新机会（Brynjolfsson和McElheran，2016年；Goldfarb和Tucker，2019年；Kong等人，2026年）。相比之下，关于人工智能治理的研究主要集中在伦理原则、风险控制和监管框架上。系统性的实证证据尚有限，尚未充分揭示企业层面人工智能治理如何影响创新活动，尤其是颠覆性技术创新（Jobin等人，2019年；Dwivedi等人，2021年）。中国A股上市公司为研究人工智能治理与颠覆性技术创新之间的关系提供了合适的实证环境。人工智能应用已在中国企业中迅速普及，成为研发、制造、营销、金融、供应链管理等业务领域不可或缺的一部分（Agrawal等人，2019年；Mikalef和Gupta，2021年）。同时，中国企业所处的环境特征是技术升级、产业转型和市场竞争并存，他们需要利用人工智能来拓展技术机会，同时应对因人工智能融入核心业务流程而产生的新挑战（Kellogg等人，2020年；Shrestha等人，2019年）。在此背景下，人工智能治理成为塑造企业创新决策、创新组织和创新界限的重要内部条件（Raisch和Krakowski，2021年）。本研究将人工智能治理纳入分析框架，以评估其对企业颠覆性技术创新的影响及其背后的机制。我们使用2010年至2021年中国A股上市公司的数据，编制了一份包含162个术语的人工智能治理词典，并采用基于Word2Vec的语义扩展方法进行扩展。我们通过分析年度报告中的管理讨论和分析部分，采用句子级共现方法来评估企业层面的人工智能治理。颠覆性技术创新通过双重标准进行衡量：一是相对于目标专利之前的文本新颖性，二是申请后的引用影响。最终样本包含31,177个企业-年度观测值。研究发现，人工智能治理显著促进了企业的颠覆性技术创新。机制分析将这种效应与更强的创新风险治理、更广泛的知识重组以及在探索活动中较低的资源错配联系起来。进一步分析显示，在组织复杂性和不可逆性更高的企业中，其效应更为显著；而在数字经济发展较为发达的地区，这种效应减弱。这些发现表明，企业层面的人工智能治理重塑了组织决策条件，并为颠覆性技术创新的持续发展提供了制度基础。

本研究的主要贡献有三点：首先，我们将企业人工智能治理纳入颠覆性技术创新的框架中，通过企业内部制度条件来分析其影响，提供了关于企业层面制度安排如何塑造颠覆性创新的额外实证证据，并扩展了对人工智能治理经济后果的研究；其次，我们系统地识别并测试了企业人工智能治理影响颠覆性创新的三种机制，结果表明企业通过创新风险治理、知识重组治理和资源错配置治理来支持颠覆性探索；第三，我们利用年度报告中的管理讨论和分析部分，结合严格的语义约束，创建了一个企业层面的人工智能治理指标。具体而言，我们结合基于Word2Vec的语义扩展和句子级共现策略，系统地识别企业为人工智能系统建立的内部治理安排。这一衡量方法有助于填补现有文献中企业层面人工智能治理量化指标的空白，为未来的研究提供了操作性测量基础，并为旨在改善企业内部人工智能治理系统和促进颠覆性创新的政策努力提供了实证支持。

相关文献与假设：颠覆性技术创新的特点是高不确定性、强不可逆性和长开发周期。其研发投资通常表现为沉没成本，一旦企业进入某条技术路径，可能难以低成本调整（Pástor和Veronesi，2013年；Bloom，2009年）。与渐进式创新不同，颠覆性技术创新通常发生在现有的认知框架之外，企业难以评估其技术价值。

样本选择与数据来源：回归样本包括2010年至2021年间观察到的中国A股上市公司。用于构建颠覆性技术创新测量的专利数据覆盖了2007年至2023年的更长时间段。前者定义了实证分析中使用的企业-年度观测值，后者用于构建专利文本和引用网络以及观察专利申请后的引用情况。专利数据来自PatSnap数据库。

基线回归：我们进行线性回归分析，以评估人工智能治理与企业颠覆性技术创新水平之间的关系。基线模型如下：DT_i,t = β0 + β1×AI_gov_i,t + β2×C_i,t + γc + ε_i,t，其中DT衡量企业的颠覆性技术创新水平，AI_gov表示企业的人工智能治理水平。关键系数β1代表人工智能治理与颠覆性技术创新之间的关系，我们预计β1为正。控制变量包括...

创新风险治理：为了研究创新风险治理机制，我们遵循Madsen和Desai（2010年）的方法，使用创新失败的发生（Fail）和连续创新失败的持续时间（Faildur）作为衡量指标。这两个指标捕捉了创新风险治理的互补维度：Fail反映了企业预防或减少创新失败的能力，而Faildur反映了企业识别问题、纠正偏差和在失败后恢复创新活动的能力。

进一步分析：为了进一步研究人工智能治理对企业颠覆性技术创新影响的异质性，我们在企业、行业和区域层面进行了分析。

结论：本研究系统地探讨了企业人工智能治理对颠覆性技术创新及其背后机制的影响，使用了2010年至2021年间中国A股上市公司的数据。研究结果表明，人工智能治理显著提升了企业的颠覆性技术创新，这一结论在各种稳健性检验和内生性处理后依然成立。机制分析表明，人工智能治理通过降低创新失败风险、增强知识重组能力和缓解资源错配来促进颠覆性技术创新。

CRediT作者贡献声明：Shi Zheng：撰写——审稿与编辑、撰写——初稿、可视化、验证、监督、项目管理、方法论、正式分析、数据策展、概念化；Wang Shaohuang：撰写——审稿与编辑、撰写——初稿、可视化、软件、方法论、调查、资金获取、正式分析、数据策展、概念化；Zh Yantong：撰写——初稿、可视化、方法论、正式分析、数据策展。

Zheng Shi | Shaohuang Wang | Yantong Zh
华中科技大学经济学院