人工智能技術能抑制ESG漂綠行為嗎？

摘" "要：新一輪科技革命和產業變革背景下，人工智能技術作為核心驅動力正受到社會各界的廣泛重視與實踐應用。當前國內企業普遍存在ESG漂綠現象，針對人工智能技術能否改善ESG漂綠的問題，本文以2012—2022年滬深A股上市公司為研究樣本，探討人工智能技術對ESG漂綠的影響。研究發現，人工智能技術能夠顯著抑制公司ESG漂綠，該結論在進行一系列穩健性檢驗后依然成立。機制檢驗表明，人工智能技術能夠提升投資者關注、改善信息披露質量，從而抑制ESG漂綠。異質性分析發現，人工智能技術對ESG漂綠行為的抑制作用在東部地區、非重污染行業和國有企業樣本中更強。研究結論對于鼓勵上市公司規范ESG信息披露和采取實質性ESG舉措、逐步完善信息披露相關立法和監管提供了經驗證據和管理啟示。

關鍵詞：人工智能技術；信息披露質量；機構投資者關注；個人投資者關注；ESG漂綠

中圖分類號：F830" 文獻標識碼：A" 文章編號：1674-2265（2025）05-0057-10

DOI：10.19647/j.cnki.37-1462/f.2025.05.006

一、引言

黨的二十大報告明確指出，“協同推進降碳、減污、擴綠、增長，推進生態優先、節約集約、綠色低碳發展。”ESG理念與我國“雙碳”目標高度契合，在生態文明建設背景下，越來越多的公司選擇公開披露ESG報告。相比財務報表信息披露，ESG信息作為非財務信息，國內尚未提出一個完整且被證實有效的ESG評級體系（李宗澤和李志斌，2023）[1]，導致公司披露ESG信息不規范，ESG漂綠成為企業成本較低且能在短期內塑造良好公共形象的投機行為。在ESG報告中宣稱嚴格履行環保責任的公司，卻在一年內多次因違規行為受到環保處罰，此類ESG漂綠現象屢見不鮮。ESG漂綠指出了公司信息披露與實際的環境責任履行相悖的問題，其不僅蒙蔽、混淆了外部公眾的投資視野，還影響了環境信息披露質量，阻礙了我國生態文明建設和高質量發展的進程。ESG漂綠作為當前我國普遍存在且不容忽視的問題，如何治理ESG漂綠備受關注。

新一輪科技革命和產業革命背景下，數字技術尤其是人工智能技術賦能企業治理為ESG漂綠治理提供了有益的視角。2024年7月，中共中央、國務院發布《關于加快經濟社會發展全面綠色轉型的意見》，強調深化人工智能等數字技術在各個領域的應用，實現數字技術賦能企業綠色發展。不同于其他數字技術，人工智能技術具備很強的自主性和學習性，可以在無人類輔助干預的情況下自主感知、學習、推理、決策和行動，并能持續迭代演化（陳鳳仙，2022）[2]。隨著人工智能技術在公司各環節的深度滲透，其將賦能公司治理模式和經營流程的綠色發展與變革。探究人工智能技術究竟能否有效抑制ESG漂綠，對于推進上市公司綠色化進程、加快我國生態文明建設及完善我國環境信息披露政策具有重要意義。

基于此，本文利用2012—2022年滬深A股上市公司數據，深入分析人工智能技術對ESG漂綠的影響及作用機制。研究結果顯示，人工智能技術對ESG漂綠具有顯著的抑制作用。經過一系列內生性處理和穩健性檢驗后，研究結論依然成立。作用機制檢驗發現，人工智能技術對ESG漂綠的影響主要通過提高投資者關注和信息披露質量兩個渠道實現。進一步分析發現，人工智能技術對漂綠的抑制作用在東部地區、非重污染行業以及國有企業中更強。

與既有研究相比，本文可能的邊際貢獻體現在以下幾個方面：首先，豐富了人工智能技術應用的非財務后果，既有研究探討了人工智能技術對企業層面的能源結構、創新水平等的影響（Li等，2023；李玉花等，2024）[3，4]。與以往研究相比，本文將人工智能技術這一新興數字技術與ESG漂綠納入同一研究框架，為人工智能技術對公司ESG漂綠發揮治理作用、改善公司ESG信息披露狀況提供了新的證據。其次，拓展了ESG漂綠的影響因素的相關研究。既有研究就ESG漂綠的影響因素展開了豐富的探索，圍繞國家政策、環境稅征收等及上市公司高管特征和股東持股等方面探討其對ESG漂綠的治理作用。不同于人為治理等分散、短期的方式影響上市公司ESG漂綠，人工智能技術能夠高效、持續作用于公司治理模式和經營流程的特點將對ESG漂綠治理發揮重要作用。研究結論對深入認識人工智能技術在公司內部的治理效能具有啟發意義。最后，深化了人工智能技術影響ESG漂綠的機制分析。本文從投資者關注和信息披露質量兩個方面考察人工智能技術對ESG漂綠的影響，并將投資者關注細分為機構投資者和個人投資者關注，不僅從監督層面和信息層面解釋了人工智能技術抑制ESG漂綠的內在機理，還進一步探討了區域屬性、行業屬性和產權屬性給兩者關系帶來的差異性影響，豐富了人工智能技術對ESG漂綠影響的研究情境。

二、文獻回顧、理論分析與研究假說

（一）文獻回顧

1. 人工智能技術相關研究。人工智能具備以下三點能力：一是快速獲取用于算法訓練的海量數據，二是精準監測和跟蹤數據足跡，三是通過持續迭代算法預測、整合數據并優化方案決策。本文針對人工智能技術以上三種能力，對關于人工智能技術實現微、宏觀層面目標的能力及其影響后果的研究進行了回顧。

微觀層面，從人工智能技術精準監測和跟蹤數據足跡來看，既有研究發現人工智能技術驅動的ACMS系統能夠精準捕捉并跟蹤公司的數據足跡，對公司潛在的違規數據建立風險預警機制從而促使公司行為合規（Bello和Bronitt，2024）[5]；從人工智能技術持續迭代算法預測并優化方案決策來看，學者發現人工智能建立的模型通過對能源設備進行實時監測和控制，預測未來的能源需求并促使企業調整和優化策略，減少能源消耗和供需失衡，從而改善公司能源結構（Li等，2023）[3]。此外，人工智能技術將主要依賴個人經驗的產品創新決策轉變為數據驅動的產品創新決策，通過將人力資源釋放到更具創造性和戰略性的領域，提高了公司內部資源分配效率和創新水平（李玉花等，2024）[4]。

宏觀層面，學者探討了人工智能技術對全球能源市場、區域氣候和環境治理的影響。研究發現人工智能技術有助于優化全球能源結構，并對國際能源市場不確定性具有緩解效應（Zhong等，2024）[6]。在精準監測區域環境和氣候數據方面，學者發現人工智能技術的環境輻射監測系統具有低功耗、高效節能的特點（Das和Chandra，2023）[7]，為極端環境提供自適應無監督異常檢測，為空氣污染指數和災害預警提供準確的數據（Istofa等，2023）[8]。

2. ESG漂綠的治理因素研究。外部治理層面，現有文獻從國家政策、環境稅征收和機構監督等方面探討了其對ESG漂綠的影響。國家通過系統建立評估和監測體系，集中履行環境質量監測職責，確保能夠嚴格觀察真實的ESG績效，從而遏制公司ESG漂綠行為（Zhang，2023）[9]。也有學者發現新出臺的環保費改稅有效彌補了原有的排污費制度在執法剛性方面的不足，能夠抑制ESG漂綠行為（楊有德等，2024）[10]。機構監督方面，既有研究發現外部審計威脅能顯著抑制公司ESG漂綠行為（Lyon和Maxwell，2011）[11]。隨著信息技術的發展與普及，部分學者認為公司受媒體曝光越多，越容易處在輿論焦點，往往會減少ESG漂綠行為（孫自愿等，2023）[12]。

內部治理層面，現有研究從高管特征和股東持股等方面探討其對企業ESG漂綠的治理作用。高管特征方面，高管團隊穩定性能夠促使高管擺脫短期利益束縛，做出更加符合企業可持續發展方向的戰略選擇，從而減少ESG漂綠（周燕和藍海林，2025）[13]。股東持股方面，研究發現中小股東積極參與公司治理能夠顯著抑制ESG漂綠（沈弋等，2023）[14]，綠色共同機構投資者有動機促使企業實施綠色行為，并通過對其組合內公司采取相似的治理模式改善ESG漂綠行為（王壘等，2023）[15]。

3. 文獻述評。既有文獻為理解人工智能技術的影響后果與ESG漂綠行為的治理前因提供了有價值的探索，但在人工智能技術應用場景不斷豐富以及ESG漂綠現象屢見不鮮的當下，人工智能技術對ESG漂綠行為影響的研究依舊有待補充。基于此，本文聚焦人工智能技術與公司ESG漂綠行為之間的關系，并嘗試厘清其中的機制路徑以及上市公司所處差異化情境對這一關系的異質性影響，以補充和拓展相關研究。

（二）理論分析與假設提出

公司實施ESG漂綠的原因可能有以下兩點：一是公司的監督環境較弱。目前我國對上市公司信息披露和語調的監管尚處于空白階段（袁玉等，2024）[16]。與數字信息相比，文本信息不受會計準則約束，在語義表達上更自由且彈性更大。因此，在正式機構監督機制較弱時，管理層利用私有信息優勢操縱環境披露信息進行印象管理以獲得短期收益的機會主義動機可能更強。二是公司的信息披露環境較差。在不完美資本市場上，信息發布者和信息使用者因為獲取信息的成本與難度存在差異而面臨信息壁壘，管理層作為信息發布者在與利益相關者等信息使用者進行信息博弈時仍處于絕對的優勢地位。此外，ESG投資具備公共物品屬性，回收周期長、不確定性高，導致公司真正履行環境責任的積極性并不高（Gray，1987）[17]，相比做出有環保意義的實質性舉措，改變信息傳播策略能夠避免付出高昂的代價（Shevchenko等，2016）[18]。在信息不透明的情況下，ESG漂綠不易被識別，這進一步激發了管理層漂綠ESG信息的動機。

通過上述分析可知，抑制公司ESG漂綠需要對其所處的監督環境和信息披露環境進行相應的約束，基于這一邏輯，本文從投資者關注和信息披露質量兩個角度來分析人工智能技術抑制ESG漂綠的路徑。

一方面，人工智能技術能夠提升投資者關注度從而抑制ESG漂綠。根據合法性理論，公司需要積極響應投資者環保訴求以維護其合法性地位（Meyer和Rowan，1977）[19]。基于人工智能技術在推動全球經濟增長方面的貢獻，運用人工智能技術的公司可能會面臨更多的投資者關注和更高的環保訴求。具體來講，人工智能技術能夠建立更精確的風險預測模型和信用評分模型，實時監測并分析公司的信用狀況，為投資者等外部利益相關者提供更可靠的投資策略。投資者在作出投資決策時關注到人工智能技術賦能的投資領域和機會，從而提高對相關上市公司的關注，這種關注度的提升具體體現為機構投資者增加在上市公司的持股比例，進一步提高其在公司內部的話語權。除了直接的資金注入，機構投資者作為公司重要的股東，與管理層構成委托代理關系，一旦發現管理層采取損害股東利益和公司長期發展的決策，機構投資者便可以通過“用手投票”的方式介入公司治理或減持股票，從而影響公司股價，進而對管理層的短期投機行為施加壓力（馮鮑等，2025）[20]。對于個人投資者，深證“互動易”和上證“e互動”兩大互聯網投資者平臺具備互動直接、監管保障的特性，為聚合個人投資者發聲提供了良好的渠道（張俊瑞等，2025）[21]，個人投資者可以就公司的治理問題在以上平臺提出質疑，面對投資者的質詢，若公司不如實回應，將招致問詢函或政府處罰（Zhang，2024）[22]。ESG漂綠作為管理層的機會主義行為，與股東長期價值目標導向相違背，為維護公司整體利益，機構投資者和個人投資者作為股東會對ESG漂綠行為進行監控和干預，借助持股比例的提升和投資者互動平臺的持續質詢，投資者關注致使公司潛在的聲譽損失和監管壓力增加，進一步降低管理層ESG漂綠的意愿。管理層轉變行為采取實質性環保舉措，規范ESG信息披露則是對投資者環保訴求的有力回應。可見在正式機構監管水平較低的環境中，人工智能技術通過提高機構和個人投資者這類非正式渠道關注對ESG漂綠行為施加一定壓力，可抑制因監管制度偏弱產生的投機行為。

另一方面，人工智能技術能夠提升公司信息披露質量，從而緩解ESG漂綠行為。基于信號傳遞理論，公司通常借助信息披露來實現與公司外部的溝通（Spence，1973）[23]。人工智能技術能夠通過提升信息傳遞效率、改善信息分析水平提高公司信息披露質量，良好的信息披露質量能夠有效回應公眾利益關切。一是人工智能技術提高了公司的信息傳遞效率。人工智能技術能夠促進組織變革升級，減少組織層級冗余（戚聿東和肖旭，2020）[24]，實現組織架構和管理層級的網絡化、扁平化，減少信息傳遞的阻礙，提升信息傳遞效率。同時，人工智能技術能夠抑制信息傳遞過程中可能出現的失真和滯留問題，減少公司對外輸出信息的損耗，從而促進數據共享，突破信息壁壘，加快組織與外部環境的信息傳遞，提升信息發布者與信息使用者之間的溝通有效性。二是人工智能技術能夠改善信息分析水平。公司的ESG漂綠行為具有隱蔽性，公司對外披露的環境信息即便帶有明顯的語義漂綠傾向，事實上也很難被察覺。傳統的外部審計和分析師對于問題的發現存在一定滯后性和主觀偏差（Bello和Bronitt，2024）[5]，而人工智能技術驅動的信息識別具備實時性、精準性的特點，人工智能數據平臺能夠實時監控并追蹤企業各個產業鏈中的海量數據，并從數據中識別和預測問題（Haenlein和Kaplan，2019）[25]，提高數據監測的實時性和準確性，還能夠降低人為經驗判斷帶來的主觀偏差（Berente等，2021）[26]。環保部門能夠通過數據平臺及時掌握公司真實的ESG責任履行情況，加大ESG漂綠被曝光和識別的風險，從而壓縮公司ESG漂綠空間。同時，人工智能技術驅動的系統能夠高效且準確地編制環境責任報告。Minkkinen等（2023）[27]指出，人工智能技術能夠基于物聯網收集和分析有關公司社會和環境責任的大數據，公司的環境責任信息披露行為從難以識別性、隱蔽性向可識別性、可驗證性轉化，從而抑制ESG漂綠行為。

綜上，本文認為人工智能技術具備監督效應和信息效應，能夠抑制ESG漂綠行為。基于此，提出以下假說：

H1：人工智能技術能夠抑制ESG漂綠行為。

三、研究設計

（一）樣本選取

本文以2012—2022年滬深A股所有上市公司作為初始樣本，并按照研究慣例對樣本進行如下篩選：刪除ST（包括*ST、PT）公司；刪除金融、保險行業公司；刪除相關數據存在缺失的觀測值。在對樣本進行合并篩選后得到7531個公司—年度觀測值。為了避免極端值的影響，本文對所有連續變量進行了1%和99%的縮尾處理。本文的ESG實際績效評級數據來自華證ESG評級，ESG披露水平評級來自彭博（Bloomberg）數據庫，個人投資者關注數據來自深證“互動易”及上證“e互動”兩大投資者平臺，其他數據均來自國泰安數據庫。

（二）變量定義

1. 解釋變量：人工智能技術（Lnwords）。人工智能指標的構建參考姚加權等（2024）[28]的研究。上市公司年報描述了公司對人工智能技術的應用情況。將生成的人工智能詞典作為預設專有名詞詞典加入“jieba”的分詞模塊并統計上市公司年報中人工智能詞語的數量，進而基于上市公司年報構建公司人工智能指標。此外，上市公司申請的人工智能相關技術專利的標題和摘要需要經由相關人員的嚴格審查（張建宇等，2025）[29]，因此，人工智能專利數（AI_Patent）能夠在一定程度上捕捉上市公司實際的人工智能應用程度。因此，本文在基準回歸中采用上市公司年報中人工智能關鍵詞數量加1的自然對數作為衡量公司人工智能的指標，穩健性檢驗則采用上市公司申請的人工智能專利數（AI_Patent）進行衡量。

2. 被解釋變量：ESG漂綠（GW）。本文參考現有研究（Zhang，2023）[9]，采用下列方法構建ESG漂綠指標：將彭博（Bloomberg）ESG評級作為公司表現得分，將華證ESG評級作為公司實際績效得分，對ESG披露數據和ESG實際表現數據按照行業和年份進行歸一化處理，并按照如下模型構建公司ESG漂綠行為指標。

[GWi，t=ESGDisi，t-ESGDisi，tσESGDis-ESGRai，t-ESGRai，tσESGRa]" （1）

式（1）中[ESGDisi，t]代表公司[i]在第[t]期的ESG信息披露狀況，[ESGRai，t]代表公司[i]在第[t]期ESG責任的實際履行狀況。[ESGDisi，t]、[ESGRai，t]分別代表公司[i]在第[t]期ESG信息披露和ESG責任實際履行狀況的均值，[σESGDis]、[σESGRa]代表公司[i]在第[t]期ESG信息披露和ESG責任實際履行狀況的標準差，[GWi，t]代表公司[i]在第[t]期的ESG漂綠程度，其值越高表明公司ESG漂綠程度越高。

3. 控制變量。考慮其他可能影響公司ESG漂綠的變量，參照已有文獻（黃溶冰等，2019；馬凌遠和朱宇航，2025）[30，31]，選取以下控制變量：公司財務特征方面，公司規模（Size）為公司總資產的自然對數，杠桿比率（Lev）為公司總負債與總資產的比值，托賓Q值（TobinQ）使用公司資產的市場價值與重置成本的比值衡量，凈資產收益率（ROE）為公司凈利潤與平均凈資產之比。公司管理特征方面，包括公司成立時間（FirmAge）、兩職合一（Dual）、第一大股東持股比例（Top1）、管理層持股比例（Mshare）、董事會獨立性（Indep）以及董事會人數（Board）。

4. 模型構建。為檢驗公司人工智能技術對ESG漂綠的影響，構建以下模型：

[GWi，t=α0+α1Lnwordsi，t+α2Controlsi，t+∑Ind+∑Year+ε]" " （2）

其中，[GWi，t]代表上市公司[i]在第[t]期的ESG漂綠程度，[Lnwordsi，t]為上市公司[i]在第[t]期年報中人工智能關鍵詞數量加1的自然對數，[Lnwordsi，t]值越大代表企業的人工智能程度越高。[Controlsi，t]代表控制變量。[∑Ind]、[∑Year]分別為行業、年份固定效應，[ε]為誤差項。

為檢驗人工智能技術對ESG漂綠的影響機制，本文參考溫忠麟和葉寶娟（2014）[32]的做法，構建如下模型：

[Mi，t=β0+β1Lnwordsi，t+β2Controlsi，t+∑Ind+∑Year+ρ]" " "（3）

[GWi，t=γ0+γ1Lnwordsi，t+γ2Mi，t+γ3Controlsi，t+∑Ind+∑Year+μ]" " " "（4）

其中，[Mi，t]為中介變量，包括機構投資者關注（Inst）、個人投資關注（Act_num）和信息披露質量（kv）。具體變量定義見表1。

四、實證結果與分析

（一）描述性統計

變量描述性統計結果見表2，ESG漂綠的最大值為5.691，最小值為-5.546，標準差為1.276，說明ESG漂綠在企業中廣泛存在。人工智能技術均值為1.423，標準差為1.293，說明人工智能技術在企業得到廣泛應用，但企業間運用程度不一。企業財務變量層面，企業規模、資產負債率、托賓Q值、凈資產收益率的標準差分別為1.347、0.194、1.713和0.130，表明樣本企業在企業規模、財務杠桿、盈利能力，尤其是市場價值方面存在較大差異。企業管理特征層面，企業成立年限的最大值為4.007，標準差為0.311，說明樣本中包含不同發展階段的企業。兩職合一的均值為0.198，說明董事會兼任總經理企業占樣本企業的19.8%。股權集中度和管理層持股的標準差分別為0.158和0.140，說明樣本企業中第一大股東持股比例和管理層持股比例相差不大。董事會規模和獨立董事占比的標準差分別為0.204和5.961，說明企業的董事會獨立性有明顯差異，而董事會規模差距不大。

（二）基準回歸

如表3所示，列（1）提供了人工智能技術對公司ESG漂綠影響的檢驗結果，列（2）加入了控制變量，以上回歸均考慮了行業與年份固定效應。結果表明，人工智能技術與公司ESG漂綠的回歸系數均在1%水平上顯著為負。上述結果證明，人工智能技術應用程度越高，ESG漂綠情況越少，據此驗證本文H1，即人工智能技術能夠抑制ESG漂綠。

（三）穩健性檢驗

1. 內生性檢驗。可能存在一些不被觀察到的因素導致內生變量與誤差項相關，為了緩解以上問題，本文進行以下內生性檢驗。

（1）傾向得分匹配法（PSM）。公司是否引入人工智能會受到財務狀況和董事會情況的影響，故本文可能存在樣本自選擇問題。為了排除此類問題對研究結果的影響，參考許家云等（2024）[33]的研究，通過分年度分行業1∶1不放回最鄰近匹配的方法，為每個已采用人工智能技術的公司匹配參照公司，將引入人工智能技術的公司作為實驗組，將通過上述傾向得分匹配獲取的公司作為控制組，回歸結果如表4中列（1）所示，該結果表明經過 PSM 對自選擇偏差進行校正后，人工智能技術的估計系數仍顯著為負，與前文結論基本一致，說明在控制了可能的內生性問題后本文結果依然成立。

（2）工具變量法。參照Lewbel（1997）[34]和李唐等（2020）[35]的研究思路，構造人工智能技術工具變量（Lnwords_IV），即以公司人工智能技術水平與按行業和省份分類的人工智能發展水平均值差額的三次方作為工具變量，檢驗結果如表4所示。第一階段的結果顯示，工具變量在1%的水平上顯著，說明該工具變量有效。F統計值為328.10，遠大于臨界值10，弱工具變量得到否定。表4列（3）第二階段的回歸結果顯示，人工智能技術的回歸系數為-0.094，在1%的水平上顯著，與前文結果一致。

2. 滯后回歸。考慮到人工智能技術應用效果存在一定的滯后性，需要較長時間才能對ESG漂綠行為產生影響。因此，采用滯后一期和滯后兩期的人工智能技術（L.Lnwords、L2.Lnwords）探究其對ESG漂綠的影響。表5列（1）和列（2）的結果顯示，滯后一期、滯后兩期的人工智能技術與ESG漂綠的回歸系數均在1%的水平上顯著為負。

3. 替換解釋變量。參考已有文獻（姚加權等，2024）[28]，重新構建人工智能衡量指標，采用上市公司當年申請的人工智能專利數量加1的自然對數（AI_Patent）衡量人工智能技術。表5列（3）的回歸結果顯示，企業人工智能專利申請數與企業ESG漂綠行為之間的系數仍然在1%的水平上顯著為負，說明人工智能技術能夠抑制ESG漂綠，與前文結論一致。

4. 替換被解釋變量。考慮到ESG評分不能完全反映公司的環境責任承擔情況，本文選取環境維度（E）中的信息披露和實際績效得分，根據公式（1）重新計算企業的ESG漂綠得分（GW_e），回歸結果如表5列（4）所示，人工智能技術的系數在1%水平上顯著為負，再次支持本文假設。

五、進一步分析

（一）作用機制分析

1. 投資者關注機制。前文分析指出，人工智能技術提高外部投資者關注，致使公司潛在的聲譽損失增加，從而減少ESG漂綠。為驗證這一機制，本文進一步區分機構投資者關注和個人投資者關注，參考Kempf等（2017）[36]的研究，以機構投資者在上市公司的重要性作為機構投資者關注的代理變量。構建公式如下：

[wi，f，t=QPFweighti，f，q+QperOwni，f，qf? i，qQPFweighti，f，q+QperOwni，f，q]" （5）

其中，[wi，f，t]代表機構投資者在上市公司的重要程度，[QPFweighti，f，q]為第[q]期季度末機構投資者[f]所持公司[i]中的市值占其投資組合總市值的比例，[QperOwni，f，q]為機構投資者[f]在[q]期季度末對于公司[i]的流通股持股比例，將公司[i]全年各季度機構投資者指標進行平均，得到年度機構投資者關注指標。[wi，f，t]值越大，機構投資者對上市公司的關注度越高。

參考Zhang（2024）[22]的研究，以個人投資者在深證“互動易”和上證“e互動”兩大平臺發布的問題數作為個人投資者關注的代理變量。由深圳證券交易所和上海證券交易所推出的兩大平臺建立起投資者與上市公司直接、規范的溝通渠道，改變了以往個人投資者維護自身權益難、訴求得不到重視的情況。通過互聯網形成的互動內容的發表能夠使個人投資者聚合力量，可以對公司ESG漂綠行為施加壓力并進行有效監督。

為檢驗以上兩類投資者關注的中介作用，采用三步法進行檢驗，具體回歸結果如表6所示。表6列（2）和列（4）為第二步檢驗結果，人工智能與機構投資者關注、個人投資者關注的回歸系數分別在5%和1%的水平上顯著，系數為0.013和0.105，說明人工智能技術提高了這兩類投資者關注。列（3）和列（5）為第三步檢驗結果，人工智能與ESG漂綠的回歸系數在1%的水平上顯著為負，同時，機構投資者關注、個人投資者關注與ESG漂綠的回歸系數均在1%的水平上顯著為負。機制檢驗結果表明，投資者關注在人工智能技術和ESG漂綠之間起到了部分中介作用，即人工智能技術可以通過提高投資者關注進而抑制ESG漂綠。

2. 信息披露質量機制。前文分析指出，人工智能技術能夠通過提升信息傳遞效率、改善信息分析水平提高公司信息披露質量，從而抑制ESG漂綠。為檢驗公司信息披露質量提升的渠道是否有效，本文參考周開國等（2011）[37] 的研究，采用kv指數衡量信息披露質量，kv指數實際上代表公司的信息不對稱程度。回歸結果如表7所示，列（2）為信息披露質量影響機制的第二步檢驗結果，人工智能與信息披露質量的回歸系數在5%的水平上顯著為負，說明人工智能技術運用能夠降低信息不對稱程度，提升信息披露質量。列（3）為第三步檢驗結果，人工智能與公司ESG漂綠的回歸系數在1%的水平上顯著，回歸系數為-0.097。同時，信息披露質量與公司ESG漂綠的回歸系數在1%的水平上顯著為正。綜上，信息披露質量在人工智能技術和ESG漂綠之間起到了部分中介作用，即人工智能可以通過降低公司信息不對稱程度、提升信息披露質量進而抑制ESG漂綠。

（二）異質性分析

1. 區域層面。考慮到人工智能技術的影響在區域上的差異性，本文將樣本公司所在地區分為東部和中西部地區。一方面，相較于中西部地區以農業、資源型工業為主，東部地區高耗能、高污染產業集中，公司面臨的環保壓力更重，為了維護自身環保形象和合法性地位，更有動機進行ESG漂綠。另一方面，相較于數字化基礎設施薄弱的中西部地區，東部地區經濟總量大，對人工智能等新技術的需求更強烈，支持政策和配套設施更多，因此，人工智能技術對東部地區公司ESG漂綠的治理效能得到充分釋放。本文推測人工智能技術抑制ESG漂綠的作用在東部地區將更顯著，結果如表8列（1）所示，分析得到了驗證。

2. 行業層面。一方面，在生態文明建設背景下，重污染行業企業為尋求合法性、獲取更多的市場資源，將在ESG方面做出更多實質性舉措。另一方面，重污染行業更容易受到監管機構或媒體、分析師等群體的關注，導致人工智能所發揮的抑制作用在一定程度上被外部監管的抑制作用所替代，弱化了其對重污染行業ESG漂綠的影響。因此，本文推測人工智能技術在非重污染行業企業更能充分發揮ESG漂綠治理作用。分組回歸結果如表8列（3）和列（4）所示，驗證了前文的判斷。

3. 企業層面。相較于非國有企業，一方面，國有企業和政府具有天然聯系，環境表現受政府約束力度更大，人工智能技術能夠幫助政府部門更準確地評估國有企業在ESG責任實際履行和信息披露方面的表現。另一方面，國有企業受政府資金支持，技術投入可能更多，人工智能技術水平更高。而非國有企業不具備較多資源稟賦和政策傾斜，且面臨較強的融資約束，對新興技術如人工智能的投入有限，人工智能技術對企業ESG漂綠發揮的治理作用也就相對有限。因此，本文推測人工智能技術對國有企業ESG漂綠行為的抑制程度可能更大。為驗證這一推測，本文根據企業性質將樣本分為國有企業和非國有企業進行分組回歸，回歸結果見表8列（5）、（6）。可以看出，國有企業的回歸系數相對非國有企業更顯著，且通過組間差異系數檢驗。這表明相較于非國有企業，人工智能技術抑制國有企業ESG漂綠的效應更強。

六、結論與啟示

本文以2012—2022年滬深A股上市公司樣本為基礎，探討人工智能技術對ESG漂綠行為的影響，實證發現：人工智能技術能夠抑制ESG漂綠行為；機制檢驗表明，人工智能技術應用能夠提升投資者關注和信息披露質量從而顯著抑制公司ESG漂綠；異質性分析發現，在東部地區、非重污染行業和國有企業的樣本中，人工智能技術對ESG漂綠行為的抑制作用更加顯著。

本文研究結論對于數字經濟時代下發揮人工智能技術治理功能、完善資本市場監管和建設均具有一定借鑒意義。基于本文研究結論，提出以下建議：

第一，應充分重視人工智能技術運用在公司治理中的重要作用，通過政策支持和信號牽引推動構建人工智能技術與實體行業的融合框架。作為新一輪產業革命和技術革命的核心驅動力，人工智能技術將驅動公司實現管理范式的全面升級。應引導公司積極將人工智能技術與公司經營活動和業務流程相融合，提高公司對外傳遞信息的可靠性和真實性。

第二，上市公司應從長期投資和戰略價值角度正視ESG責任表現，擺脫短期利益束縛，做出更加契合企業長遠發展的戰略選擇。ESG理念強調長期導向，上市公司應將ESG理念融入決策過程，制定長期導向的戰略決策，如開展實質性環保舉措和規范ESG信息披露，這不僅有助于其維護合法性，還能夠獲取具備可持續發展理念的外部投資者的長期信任，切實推動上市公司的高質量可持續發展，并為其構建長期競爭優勢。

第三，逐步完善企業環境信息披露相關法律制度，為規范企業披露真實ESG信息、培育綠色發展營造良好的市場環境。ESG漂綠源于信息披露準則的不完善和不規范，ESG漂綠程度在不同行業、不同產權性質企業之間差異較大，由于不同行業的環境責任難以比較，國內尚未構建共同的評價指標體系。因此，應依據各個行業的差異，分類制定環境信息披露準則，引導企業在環境信息披露方面走上規范化、制度化軌道。

參考文獻：

[1]李宗澤，李志斌.企業ESG信息披露同群效應研究[J].南開管理評論，2023，26（05）.

[2]陳鳳仙.人工智能發展水平測度方法研究進展 [J].經濟學動態，2022，732（02）.

[3]Li J，Herdem M S，Nathwani J，Wen J Z. 2023. Methods and Applications for Artificial Intelligence，Big Data，Internet of Things，and Blockchain in Smart Energy Management [J].Energy AI 11，100208.

[4]李玉花，林雨昕，李丹丹.人工智能技術應用如何影響企業創新 [J].中國工業經濟，2024，（10）.

[5]Bello y Villarino J M，Bronitt S. 2024. AI-Driven Corporate Governance：A Regulatory Perspective [J].Griffith Law Review.

[6]Zhong Y，Chen X，Wang Z，Lin F Y Regina. 2024. The Nexus Among Artificial Intelligence，Supply Chain and Energy Sustainability：A Time-Varying Analysis [J].Energy Economics，132.

[7]Das K P，Chandra J. 2023. A Survey on Artificial Intelligence for Reducing the Climate Footprint in Healthcare [J].Energy Nexus，9.

[8]Istofa，Prajitno P，Susila I P. 2023. Systematic Literature Review of TinyML for Environmental Radiation Monitoring System [M].Atlantis Press：Amsterdam，The Netherlands.

[9]Zhang D.2023. Can Environmental Monitoring Power Transition Curb Corporate Greenwashing Behavior [J].Journal of Economic Behavior amp; Organization，212.

[10]楊有德，徐光華，費錦華.環境稅能否抑制公司“漂綠”行為？ [J].中國軟科學，2024，（05）.

[11]Lyon P T，Maxwell J W. 2011. Greenwash：Corporate Environmental Disclosure Under Threat of Audit [J]. Journal of Economics amp; Management Strategy.

[12]孫自愿，汪瑋，孫孟欣，章硯.媒體報道對企業“漂綠”的影響——高管特征與內部監督的中介作用 [J].北京理工大學學報（社會科學版），2023，25（01）.

[13]周燕，藍海林.高管團隊穩定性、戰略前瞻性與企業ESG漂綠 [J].軟科學，2025，39（03）.

[14]沈弋，錢明，呂明晗，朱佳立.中小股東監督與漂綠治理——基于詞向量模型的文本分析 [J].中國人口·資源與環境，2023，33（08）.

[15]王壘，李正陽，沙一凡.協同還是合謀：異質機構共同持股與公司“漂綠”行為 [J].財經論叢，2023，（08）.

[16]袁玉，吳戰篪，廖佳.機構投資者分心會加劇管理層語言膨脹嗎？——基于年報文本語調的實證研究[J/OL].南開管理評論，2024-05-30.

[17]Gray W B. 1987. The Cost of Regulation： OSHA，EPA and the Productivity Slowdown [J].The American Economic Review，77（5）.

[18]Shevchenko A，Lévesque M，Pagell M. 2016. Why Firms Delay Reaching True Sustainability [J].Journal of Management Studies，53（5）.

[19]Meyer J W，Rowan B. 1977. Institutionalized Organizations：Formal Structure as Myth and Ceremony [J]. American Journal of Sociology，83（2）.

[20]馮鮑，聞岳春，趙松慧.機構投資者持股與企業金融化 [J].華東經濟管理，2025，39（02）.

[21]張俊瑞，宋曉悅，尹興強.中小股東在線發聲如何影響企業前瞻性信息披露？——來自投資者互動平臺的證據[J/OL].系統工程理論與實踐，2025-02-17.

[22]Zhang X. 2024. Can Retail Investor Activism Inhibit Corporate Greenwashing Behavior：Evidence from Investor Interactive Platforms in China [J].Journal of Cleaner Production，461.

[23]Spence M. 1973. Job Market Signaling [J].The Quarterly Journal of Economics，87（3）.

[24]戚聿東，肖旭.數字經濟時代的企業管理變革 [J].管理世界，2020，36（06）.

[25]Haenlein M，Kaplan A. 2019. A Brief History of Artificial Intelligence：On the Past，Present，and Future of Artificial Intelligence [J].California Management Review，61（4）.

[26]Berente N，Gu B，Recker J，Santhanam R. 2021. Managing Artificial Intelligence [J].MIS Quarterly，45（3）.

[27]Minkkinen M，Zimmer M P，Mantymaki M. 2023. Co-Shaping an Ecosystem for Responsible AI：Five Types of Expectation Work in Response to a Technological Frame [J].Information Systems Frontiers，25 （1）.

[28]姚加權，張錕澎，郭李鵬，馮緒.人工智能如何提升公司生產效率？——基于勞動力技能結構調整的視角[J].管理世界，2024，40（02）

[29]張建宇，楊旭，魯超冉，林香宇.人工智能采用對企業競爭優勢的影響研究 [J].科研管理，2025，46（01）.

[30]黃溶冰，陳偉，王凱慧.外部融資需求、印象管理與公司漂綠 [J].經濟社會體制比較，2019，（03）.

[31]馬凌遠，朱宇航.“國家隊”持股能抑制企業“漂綠”行為嗎？[J].金融發展研究，2025，（03）.

[32]溫忠麟，葉寶娟.中介效應分析：方法和模型發展[J].心理科學進展，2014，22（05）.

[33]許家云，沈含雨，周新博.人工智能發展與企業ESG表現 [J].世界經濟研究，2024，（09）.

[34]Lewbel A.1997. Constructing Instruments for Regressions with Measurement Error when no Additional Data are Available，with an Application to Patents and Ramp;D [J].Econometrica：Journal of the Econometric Society.

[35]李唐，李青，陳楚霞.數據管理能力對企業生產率的影響效應——來自中國企業—勞動力匹配調查的新發現 [J].中國工業經濟，2020，（06）

[36]Kempf E，Manconi A，Spalt O. 2017. Distracted Shareholders and Corporate actions [J].The Review of Financial Studies，30（5）.

[37]周開國，李濤，張燕.董事會秘書與信息披露質量[J].金融研究，2011，（07）.