《Sustainability》：Where AI Exposure Matters: Occupational Structure, Internal Control, and Corporate ESG Performance
编辑推荐：
尽管生成式人工智能（generative AI）正在重塑企业各职能部门的岗位任务，但其对企业可持续性的组织后果仍未得到充分理解。本研究探讨集中于治理关键职业的生成式人工智能易感性如何与企业ESG（环境、社会与治理）绩效相关联。基于2010–2024年中国A股上
尽管生成式人工智能（generative AI）正在重塑企业各职能部门的岗位任务，但其对企业可持续性的组织后果仍未得到充分理解。本研究探讨集中于治理关键职业的生成式人工智能易感性如何与企业ESG（环境、社会与治理）绩效相关联。基于2010–2024年中国A股上市公司的面板数据，研究人员构建了GovernanceAI（治理相关职业的人工智能暴露），一项反映财务与行政职业中生成式人工智能任务潜在易感性的职业层面指标，但该指标并不必然反映企业在生成式人工智能方面的实际使用情况。回归结果表明，即使在控制整体劳动力层面的职业人工智能暴露后，较高的GovernanceAI仍与企业ESG绩效呈负相关，其中财务职能岗位的信号最强。进一步证据表明，内部控制质量是一个合理的部分中介渠道。这一关系在非国有企业和面临严重融资约束的企业中更为显著。尽管研究人员采用巴蒂克式（Bartik-style）工具变量进行内生性诊断，但IV估计对设定形式较为敏感，仅作为补充性证据。研究结论认为，人工智能的组织影响不仅取决于总体人工智能易感性，更关键地取决于人工智能驱动的任务转移在企业内部的职能位置。
一、研究背景与问题提出
生成式人工智能（generative AI）的快速发展正在深刻改变企业各类岗位的任务构成。与传统自动化聚焦于重复性常规任务不同，生成式人工智能主要补充和增强信息处理、沟通、分析、财务运营及行政支持等认知密集型任务。现有研究多从人工智能技术采纳（AI adoption）视角考察其对企业生产率、创新和经营绩效的影响，但对企业内部职业结构所蕴含的人工智能易感性（AI susceptibility）及其组织后果关注不足。职业层面的生成式人工智能易感性因任务特征和技能需求的差异而显著不同，这意味着同一行业内不同职业雇佣结构的公司可能面临截然不同的人工智能潜在冲击。尤其值得关注的是，财务与行政等治理关键职业承担着会计、财务报告、信息核验、风险管理、内部监控及跨部门协调等核心治理职能，这些岗位对生成式人工智能高度易感。若此类治理关键岗位暴露于较高的人工智能任务转型风险，其影响可能超越岗位本身，进而扰乱企业内部治理流程。然而，现有文献鲜有实证证据表明治理关键职业的人工智能易感性会导致差异化的ESG（环境、社会与治理）结果。基于此，本研究旨在考察治理相关职业人工智能暴露（GovernanceAI）与企业ESG绩效之间的关联，并探究内部控制质量作为潜在组织渠道的作用。
二、研究设计与核心发现
研究人员利用2010–2024年中国A股上市公司面板数据，将职业层面的生成式人工智能易感性评分（α(E1)指标）与企业时变职业雇佣结构相结合，构建企业层面职业人工智能暴露指数。在此基础上，聚焦财务与行政两类治理关键职业，构建GovernanceAI指标。基准双向固定效应回归显示，较高的GovernanceAI与企业ESG绩效显著负相关，且该负向关联在财务职能岗位中信号最强。在控制整体职业人工智能暴露后，GovernanceAI的增量效应依然显著，而与非治理职业人工智能暴露（Non-GovernanceAI）则无显著关联，表明人工智能暴露的功能位置而非总体规模是塑造ESG结果的关键。机制检验发现，GovernanceAI与内部控制质量显著负相关，内部控制质量与ESG绩效显著正相关，且纳入内部控制后GovernanceAI系数有所衰减，聚类自助法估计的间接效应为?0.010，95%置信区间不含零，表明内部控制质量构成一个合理的部分中介渠道。异质性分析显示，负向关联在非国有企业和融资约束较高的企业中更为显著。时间异质性分析表明，自ChatGPT公开发布（2023年）后，GovernanceAI与ESG的负向关联显著增强。
三、主要技术方法
研究人员采用以下关键技术方法：其一，基于任务导向的职业人工智能暴露测度方法，运用Eloundou等（2023）的α(E1)职业易感性评分，通过职业交叉映射（occupational crosswalk）将细粒度职业与上市公司年报披露的11类职业大类匹配，按组内就业份额加权聚合得到职业组层面暴露评分；其二，构建GovernanceAI指标，定义为财务与行政职业就业份额乘以其对应人工智能暴露评分之和；其三，采用双向固定效应（firm and year fixed effects）面板回归模型，标准误在企业层面聚类；其四，采用巴蒂克式（Bartik-style）转移份额工具变量策略，以2009年基期治理相关职业人工智能暴露与全国层面人工智能专利冲击的交互项作为工具变量；其五，采用聚类自助法（cluster bootstrap，1000次重复）检验中介效应的统计显著性。样本涵盖2010–2024年中国A股上市公司，基准回归保留45,910个公司-年度观测值，内部控制中介分析样本为42,681个观测值。
四、研究结果
（一）基准结果：职业人工智能暴露与ESG绩效
在仅包含企业固定效应和年份固定效应的无条件设定下，职业人工智能暴露与ESG绩效在1%水平上显著负相关；纳入全部企业层面控制变量后，负向关联仍保持1%显著性，且系数幅度相对稳定，表明基准负向关联并非主要由可观测的企业遗漏特征驱动。
（二）职业异质性分析
将总体职业人工智能暴露分解为11个职业组贡献项后分别回归，仅财务和行政两类职业的人工智能贡献与ESG绩效在1%水平上显著负相关（财务组系数为?0.375，行政组为?0.187），其余职业组均不显著。一般管理岗位在10%水平上边际显著但符号为正，与理论预期一致。经Benjamini–Hochberg FDR多重检验校正后，财务与行政组仍保持1%显著性。
（三）治理相关职业人工智能暴露与ESG绩效
GovernanceAI在无条件设定和纳入全部控制变量后均与ESG绩效在1%水平上显著负相关，系数为?0.228，即治理相关职业人工智能暴露每增加一个标准差，ESG得分下降0.228分，约相当于ESG得分标准差的0.044。将GovernanceAI与Non-GovernanceAI同时纳入回归后，GovernanceAI系数仍显著为负，而Non-GovernanceAI系数为正但不显著（p=0.283），证实治理职能的功能定位是驱动总体负向关联的关键。
（四）内部控制作为合理的组织渠道
在统一样本（N=42,681）上，GovernanceAI与ESG的总关联为?0.201（1%显著）；GovernanceAI与内部控制质量显著负相关（系数?2.765，p=0.019）；内部控制质量与ESG绩效显著正相关（系数0.004，p<0.01）；纳入内部控制后GovernanceAI系数衰减至?0.191但仍显著。聚类自助法估计间接效应为?0.010，95%置信区间[?0.019, ?0.001]不含零，约占总体关联的5%。安慰剂检验显示，Non-GovernanceAI与内部控制质量无显著关联，表明该模式集中于治理相关职业。
（五）异质性分析
交互项回归显示，SOE与GovernanceAI的交互项系数显著为正（1%水平），表明负向关联在非国有企业中更强；HighFC与GovernanceAI的交互项系数显著为负，表明负向关联在融资约束较高的企业中更突出。
（六）内生性与稳健性检验
巴蒂克式工具变量在第一阶段具有强相关性（Kleibergen–Paap rk Wald-F统计量为148.85），但第二阶段估计对固定效应设定敏感：基准企业-年份固定效应设定下2SLS系数为正且显著（β=0.512），纳入行业-年份固定效应后变为不显著。2009年前上市子样本中，2SLS系数在两种设定下均显著为正（β=0.643）。鉴于设定敏感性，IV分析仅作为补充性诊断证据。稳健性检验涵盖非标准化度量、滞后一期、行业-年份固定效应、剔除2020–2021年疫情期间观测、扩展治理职业定义（纳入一般管理岗位）等，GovernanceAI系数均保持1%水平显著为负。
（七）时间异质性分析
以2022年底ChatGPT公开发布为分界，2010–2022年子样本中GovernanceAI系数为?0.188（1%显著）；2023–2024年子样本系数为负但不显著（因仅两年面板，统计功效不足）。全样本交互模型中，GovernanceAI×Post2023交互项系数显著为负，表明ChatGPT公开发布后负向关联显著增强。
五、结论与讨论
本研究基于2010–2024年中国上市公司面板数据，得出三项核心结论。第一，治理相关职业人工智能暴露与企业ESG绩效之间存在统计上显著的负向关联，该关联在多种稳健性检验下保持一致。第二，内部控制质量部分传导了GovernanceAI与ESG绩效之间的负向关联，财务与行政岗位的人工智能易感性越高，内部控制有效性越低，进而导致ESG绩效恶化；安慰剂检验进一步表明该模式集中于治理相关职业而非总体劳动力人工智能暴露的一般后果。第三，负向关联在非国有企业和融资约束更严格的企业中更强，国有企业因更严格的监管、更稳定的制度支持和更成熟的治理结构而能够缓解治理职能人工智能暴露引发的组织摩擦，融资约束较轻的企业则拥有更多组织冗余来缓冲人工智能驱动的任务扰动。
在理论贡献方面，本研究将任务导向的技术变革框架从个体劳动力市场结果拓展至企业层面治理与可持续性；揭示了内部控制质量作为连接职业人工智能暴露与企业可持续性的部分传导渠道；并通过巴蒂克式工具变量的透明敏感性评估为职业导向的人工智能研究提供了方法论参考。在实践启示方面，对拥有高比例人工智能易感治理岗位的企业——尤其是非国有企业和融资约束企业——建议实施补充性治理保护措施，如保留关键人工合规审查流程、增强人工智能生成输出的可追溯性、更新数字化内部控制系统等；对监管机构而言，研究结论有助于为易受生成式人工智能扰动的治理职能建立风险框架和行业合规标准，在推进数字化转型的同时兼顾可持续性承诺。
