人工智能賦能物流企業數智化發展研究

摘 要：本文以物流行業為例，選取2007—2022年滬深A股物流業上市公司數據進行篩選和實證研究。結果表明：（1）人工智能應用能夠顯著提高企業管理質量。（2）人工智能應用通過經理人代理成本、信息透明度，進而影響企業管理。（3）高管激勵在人工智能與企業管理關系中起著調節作用。本文研究旨在為政府推動數智化技術與實體經濟融合提供政策建議，為企業數智化發展提供解決方案。

關鍵詞：人工智能應用；數智化；物流行業；信息透明度；高管激勵

中圖分類號：F275；F506；F830.591 文獻標識碼：A 文章編號：2096-0298（2025）08（a）--06

1 引言

近年來，人工智能技術（AI）的發展與應用對經濟社會各領域產生了深遠影響。國務院于2017年發布的《新一代人工智能發展規劃》，對我國人工智能技術的戰略目標、重點任務及保障措施進行全面部署，為推動人工智能與經濟深度融合提供了政策支持。隨后，人工智能技術在國內各產業集群中迸發出前所未有的活力，產業智能化、數字化逐漸成為發展的主流趨勢。2023年，國務院進一步出臺《關于加快我國現代物流發展的若干意見》，明確提出推動人工智能應用創新，以高水平技術賦能物流行業高質量發展。

物流行業作為國民經濟的重要基礎產業，在人工智能技術的驅動下迎來深刻變革。人工智能的引入與應用，不僅對物流企業內部控制結構產生了重要影響，還在優化信息傳遞效率、提高信息透明度及強化監督機制等方面成效顯著。一方面，人工智能技術通過提高信息流通效率，確保信息的公開、透明和真實，抑制了信息不對稱導致的造假舞弊行為；另一方面，優化了監督流程，加強了對高層管理人員的監督，提高了經理人投機的成本，從而減少舞弊行為，并提升內部控制質量。雖然人工智能在推動物流行業結構優化、延伸供應鏈管理方面表現突出，但其在內部管理與不同業務場景中的具體作用機制尚缺乏系統性研究。

基于此，本文以上市公司為研究主體，選取2007—2022年滬深A股物流業上市公司數據，探究人工智能應用對物流業內部管理的影響效應，檢驗經理人投機成本，信息透明度對兩者關系的內在機制，考察企業內部高管激勵對兩者關系的調節作用。通過對以上問題的分析，豐富人工智能對企業內部管理影響這一領域，豐富研究體系，為物流企業進行智能化變革提供參考依據，促進物流行業企業管理質量的提升。

2 理論分析與研究假設

2.1 人工智能與企業管理質量理論分析

現代企業管理體系融合了 COSO 內部控制框架的風險防控理念，結合戰略管理理論與組織行為學，構建起覆蓋風險控制、戰略決策和組織協同的三維架構。管理主體呈現雙元特征：實體層面，包含董事會、管理層及員工，；數字層面，涵蓋 AI 治理系統、智能決策平臺與 RPA 機器人。企業管理主體的核心始終圍繞 “人” 展開，既包括真實的企業成員，如董事會、經理層及各級員工，又涵蓋虛擬的技術載體，如 ERP 系統、績效測評卡、滾動預算決策工具等。作為前沿技術的人工智能，已與傳統技術工具深度融合，其應用在企業管理活動的變革中發揮著關鍵作用，顯著提升了企業管理效能（夏普杰，2017）[1]。

首先，人工智能技術的應用會優化企業內部環境。人工智能融入企業組織架構，既可精簡管理層級（倪靜潔、郭檬楠，2023）[2]，又能創造新的管理模式，推動業務與技術深度融合，實現全流程改造升級，從而有效減少人員舞弊、及時發現操作失誤等問題，提升內部控制質量（易露霞等，2021；黃大禹等，2022）[3-4]。其次，人工智能可提高企業風險評估能力。其豐富了數據探查與解析手段，可及時對內外部風險進行分析預測，進而增強風險評估的精準度與前瞻性 （曾德麟等，2021）[5]。最后，人工智能技術革新了信息獲取的路徑與溝通的媒介，提高了信息處理效率（倪克金、劉修巖，2021）[6]。依據人工智能技術開發的軟件和信息系統，避免信息失真，降低各部門間的協作調整成本，提高了溝通效率。

基于上述理論分析，本文提出以下假設：

H1：人工智能應用能夠提升企業管理質量。

2.2 經理人投機成本在AI企業管理中的作用分析

機會主義的存在致使企業管理層或經理人存在自利動機。經理人投機成本是指其在企業運營過程中，為獲取不當利益而采取違規、欺詐等投機行為所面臨的各種潛在損失與代價（童勇、史慶義，2021）[7]。經理人投機成本的構成主要包括以下三部分：經濟損失、法律制裁、聲譽損害，這些成本在一定程度上約束了經理人的投機行為。在此情境下，委托代理機制和信息不對稱成為關鍵因素。由于所有權與經營權的分離，從企業內部與外部對經理人的行為進行監督和考核極為困難（王薇，2010）[8]。同時，監督成本相對較高，嚴重約束了股東對管理層的監督行為。在這種缺乏有效監督的環境中，經理人更易出于自利而進行不當操作，影響企業的財務信息質量、運營效率等方面的表現（吳育輝、吳世農，2010）[9]。

人工智能會革新信息系統，智能信息系統可以提供及時、準確的市場和公司信息，使得股東和監管機構能夠更好地監督經理人的行為，降低經理人進行投機行為的機會（許汝俊、龍子午，2014）[10]。通過人工智能技術進行數據分析與監控，既能有效地監督企業資本市場活動、財務管理活動等全過程，又可更準確地檢測到異常的交易活動、財務數據操縱等行為，使經理人面臨更高的法律和聲譽風險（趙息、許寧寧，2013）[11]。減少經理人投機行為，進而加強企業管理。

人工智能應用通過監控經理人投機行為，增加經理人投機成本，促使其更加重視內部控制，遵守相關制度和流程，從而加強企業管理。同時，人工智能可以幫助企業建立更完善的內部控制體系，通過數據分析識別內部控制缺陷，并提供改進建議，進一步提高企業管理質量。

基于上述理論分析，本文提出以下假設：

H2：人工智能應用能夠提高經理人投機成本，進而提升企業管理能力。

2.3 信息透明度在AI企業管理中的作用分析

在市場經濟的復雜環境中，信息分布均衡性深刻影響經濟主體決策與交互。正如有學者所指出的，市場交易中主體間存在顯著的信息不對稱（Bergstreser等，2006）[12]，其成因涉及公司信息披露意愿與能力差異及信息傳播渠道等方面。信息透明度作為衡量企業信息公開狀況的核心指標，反映了企業內部信息外傳的及時性、準確性與完整性（Markus，1999）[13]。

隨著人工智能技術在企業領域的深度滲透，其對信息透明度的提升作用日益凸顯。從技術原理角度分析，人工智能憑借卓越的數據采集、挖掘與分析能力，能夠突破傳統信息處理的局限。在企業內部，通過自動化的信息收集系統與智能算法的深度應用，人工智能高效整合與深度分析企業數據，挖掘深層次信息，并以可視化、實時化的方式呈現給企業管理層與內部利益相關者，極大提升了企業內部信息的透明度與可用性（BushmanRM等，2004）[14]。

在對外信息披露方面，人工智能技術同樣發揮著重要作用。能夠依據相關法律法規與行業規范，精準篩選與整理企業需對外公布的信息，確保信息披露的全面性、準確性與及時性，有助于企業在資本市場中樹立良好的形象，增強投資者信心，提升企業的市場公信力（朱彩婕、馬玉婷，2014）[15]。從信息處理流程來看，人工智能強大的數據處理能力能夠顯著提高信息的收集、整理與傳遞效率。在財務信息披露領域，人工智能通過對財務數據的精準分析與校驗，能夠有效減少人為因素導致的錯誤與偏差（周琦瑋等，2022）[16]，提高財務信息披露的質量與可靠性，使利益相關者能夠更加準確地了解企業的財務狀況與經營成果（楊志勇、翟少鈴，2022）[17]。

基于上述理論分析，本文提出以下假設：

H3：人工智能應用能夠提升信息透明度，從而提升企業管理能力。

2.4 高管激勵在AI企業管理中的作用分析

人工智能應用正逐漸成為企業提升管理效能的重要手段，但其實施面臨高復雜性和高不確定性。管理優化要求企業在風險識別、數據整合、算法透明性等方面投入資源，不僅需要技術支持，還需要高管層的戰略領導力。高管作為企業的決策中樞，其風險偏好與戰略視野在AI技術的價值創造中具有關鍵作用。

根據委托代理理論和信息不對稱理論，企業在AI技術應用過程中可能面臨因信息不對稱而引發的短期化行為，高管可能因害怕承擔風險而對AI技術的深度應用持保留態度（肖紅軍等，2021）[18]。在此背景下，激勵機制下發揮了重要作用，能夠有效激勵高管采取更具戰略意義的行動，推動人工智能技術優化企業管理（陳駿、徐玉德，2021）[19]。

高管激勵通過多種途徑有效增強人工智能應用對企業內部管理的促進作用。首先，高管激勵能夠提升高管的風險容忍度，使其更愿意承擔人工智能實施過程中可能面臨的不確定性和失敗風險，從而推動技術投入（杜閃、王生年，2018）[20]。其次，激勵機制促使高管優先配置資源到具有長期戰略價值的項目，確保人工智能技術應用的持續性與深入性（盧銳等，2011）[21]。最后，激勵機制將高管利益與企業長期目標緊密綁定，強化其對數字化戰略的執行意愿，使得AI技術能夠更有效地優化企業內部控制體系（邵平等，2008）[22]。

基于上述理論分析，本文提出以下假設：

H4：高管激勵在人工智能應用下對企業管理中起調節作用（圖1）。

3 研究設計

3.1 樣本選取與數據處理

本文選取2007—2022年度我國滬深A股物流業上市公司作為初始樣本，為保證數據的合理性，對數據進行了以下篩選：（1）剔除ST和*ST企業；（2）剔除資產周轉率和成本效益低于行業均值的企業。最終得到1274個觀測值，共108家上市公司。上述數據中，企業管理質量的測度集中在企業內部控制方面，數據來源于DIB數據庫，其他數據來自CSMAR數據庫。

3.2 變量設置

（1）企業管理質量測度：參考李瑞敬等（2022）[23]的研究，本文采用迪博公司內部控制指數取自然對數來衡量上市公司的內部控制質量。

（2）人工智能應用測度：參考姚加權等（2024）[24]的研究，本文采用上市公司年報中人工智能相關詞數量+1的自然對數作為企業人工智能應用指標。

（3）其他控制變量：包括兩職兼任、董事人數、高管持股比例等，具體如表1所示。

3.3 模型構建

為了檢驗假設，本文構建回歸方程如下：

InICQit=α0+α1Aiait+α2Controlit+Dt+Di+εit（1）

式中，InICQit表示t年i企業的管理質量；Aiait表示i企業t年的人工智能應用程度；Controlit為控制變量，具體包括兩職兼任、董事人數、高管持股比例、企業年齡、四大審計、資產負債率、分析師關注度；Di、Dt分別表示樣本的行業固定效應、時間固定效應；εit為隨機誤差。

4 實證結果分析

4.1 描述性統計

從表2統計結果來看，InICQ的最大值為6.87，最小值為5.642，標準差為0.144，均值為6.502，表明物流行業企業內部控制質量存在一定差異；而人工智能應用程度（Aia）的最大值為4.263，最小值為0，均值為0.501，標準差為0.86，說明行業內部企業間Aia的差距較大。

4.2 基準回歸分析

在進行回歸分析時，為了保證數據的合理性，本文設定離群值為3進行個案診斷，診斷后數據為1250條。基準回歸結果如表3所示，列（1）為控制了年份固定效應和行業固定效應且未引入控制變量的回歸結果，Aia的估計系數為0.0228，在1%置信水平上顯著為正；列（2）引入了控制變量，Aia的估計系數為0.0139，在1%水平上顯著。回歸結果表明，AI應用與企業管理之間存在顯著的正向關系，即AI應用水平的提升能夠促進企業管理質量的提升，假設H1成立。

4.3 穩健性檢驗

4.3.1 替換回歸樣本

考慮到疫情因素，公司正常經營受阻，因此為保證研究的可靠性，本文選取2012—2019年數據重新進行回歸，并作為一種穩健性檢驗，結果如表4列（1）所示。在替換樣本后，結果仍顯著，表明通過穩健性檢驗。

4.3.2 核心解釋變量滯后

由于企業進行AI應用對企業治理的影響可能存在滯后，因此本文將數字化轉型指標滯后1～3期對模型（1）重新回歸。檢驗結果如表4列（2）（4）所示，回歸結果顯著，AI應用對企業管理質量的促進作用仍然顯著，研究結論依然穩健。

4.4 異質性檢驗

4.4.1 地區

地區的經濟發展情況影響企業人工智能應用。在企業運營環境方面，東部地區作為經濟較發達的區域，在數字化進程、技術研發投入及人才吸引力上都具有獨特的優勢，更易接觸到前沿的人工智能技術。因此，對東部和其他地區進行異質性分析對深入剖析AI與企業管理的關系至關重要。表5列示了東部地區和其他地區的回歸結果：列（1）為東部地區，Aia估計系數為0.0205，在5%置信區間上顯著；列（2）為其他地區，Aia估計系數為0.0104，未通過顯著性檢驗。以上結果表明，相對其他地區，東部地區AI對企業管理的作用更為顯著。

4.4.2 公司規模

企業的規模大小是影響其運營策略和管理實踐的關鍵因素。中大規模企業一般擁有較為雄厚的資金實力，能夠在人工智能相關的軟硬件采購、研發方面進行大量投入，且小規模企業受限于資金和人才的短缺，在AI應用的過程中通常面臨著成本過高、技術應用能力不足等問題。所以，針對中大規模企業和小規模企業進行異質性分析，有助于全面理解AI應用對企業管理影響的差異化表現。表5列示了不同公司規模的回歸結果，列（3）為中大規模企業估計結果，Aia系數為0.0256，在1%置信區間上顯著；列（4）為小規模企業的估計結果，估計系數為-0.0141，未通過顯著性檢驗。以上結果表明，相對小規模企業，中大規模企業AI應用對企業管理質量的提升作用更為顯著。

5 路徑機制檢驗

5.1 經理人投機成本

為更好地保證研究效度，本文采用自助法以（溫忠麟，葉寶娟，2014）Bootstrap重復抽樣5000次的方法進行中介效應檢驗（下同），檢驗結果如表6類別（1）所示。在95%置信度下，中介效應影響值為0.0187，對應的BootCI取值為（0.0094，0.0285），不包括0，說明中介效應顯著。綜上表明，經理人投機成本對AI應用程度和企業管理之間的關系起部分中介作用，假設H2成立。

5.2 信息透明度

由表6類別（2）可知，在95%置信度下，中介效應的影響值為0.0252，BootCI取值為（0.00892，0.0465），中介效應顯著；控制中介變量后，AI應用對企業管理的直接作用為0.1174，BootCI置信區間為（0.0047，0.203），表明信息透明度對AI應用程度和企業管理之間起完全中介作用，假設H3成立。

5.3 經理人代理成本和信息透明度

由表7可知，在95%置信度下，中介效應的影響值為0.0461，對應的BootCI取值為（0.02561，0.0693），中介效應顯著，且相較只考慮個體時有所增強，故在同時考慮兩個中介變量時，中介效應依然存在，再次驗證H2和H3。

6 調節作用分析

由表8可知，第一層放入Aia，系數β的P值gt;0.05，不顯著且置信區間包括0，不顯著；第二層放入ES，系數的P值gt;0.05且置信區間包括0，不顯著；第三層放入Aia和ES的交互項，此時Plt;0.05且置信區間均大于0，調節作用顯著。

為了進一步檢驗調節效應，對于不同程度的高管激勵繪制了交互效應圖（圖2）。對于高管激勵來說，隨著AI應用程度升高，企業管理質量逐漸增強。因此，高管激勵在AI應用與企業管理的關系中起到調節作用，假設H4成立（表9）。

7 結論與政策建議

7.1 結論

首先，基準回歸結果表明，人工智能應用與企業管理質量之間存在顯著的正向影響關系，即人工智能應用提升了企業管理質量，該結論在進行穩健性檢驗和異質性檢驗后仍然成立。其次，相較西部地區，東部地區人工智能對企業管理的作用更顯著；相較小規模企業，中大規模企業人工智能對企業管理的作用更顯著。再次，中介機制結果顯示，人工智能應用主要通過提升經理人投機成本與提高企業信息透明度來提升企業管理質量。其中，人工智能應用主要通過提高企業信息透明度來提升企業管理質量。最后，調節機制結果表明，高管激勵在人工智能應用與企業管理的關系中起到調節作用。當高管激勵處于高激勵水平時，隨著人工智能應用程度的升高，企業管理質量逐漸提升；在低激勵水平下則相反。

7.2 政策建議

7.2.1 企業方面

（1）智能驅動：賦能內控升級。①人才方面：企業加大研發投入力度，與專業AI團隊合作開發智能應用系統。與高校等建立產學研聯盟，設立人才培養計劃與獎學金，吸引學生參與智能化建設。同時，完善內部人才培訓體系，制定良好的薪酬福利與職業規劃，吸引外部高端AI人才，打造優質智能人才隊伍。②數據方面：制定統一的數據標準規范，建立數據質量管理體系，構建企業級數據湖或倉庫整合內部數據，并通過安全接口與外部伙伴共享交互數據。③網絡安全方面：組建專業網絡安全團隊負責AI系統和數據安全，與安全服務提供商合作獲取最新安全情報與技術支持，保障信息安全與業務連續性。④決策流程方面：利用AI的流程自動化和智能決策技術梳理再造傳統決策流程，建立流程監控評估機制，通過關鍵績效指標與實時數據反饋持續優化管理控制流程。

（2）投機防范：筑牢廉潔防線。①完善激勵機制：企業構建科學薪酬獎勵體系，除了基本工資外，還將績效獎金與經理人成本控制、業務拓展、長期效益等指標掛鉤，如運輸成本降幅、新客戶數量等。同時，推行股權激勵，讓經理人成為利益共同體，減少其追求短期利益的投機行為，轉而關注企業的長遠發展。②智能預警監督：運用人工智能實時收集、分析經理人決策數據，包括決策依據、風險評估等，一旦發現決策存在高風險、偏離利益最大化等異常，系統就即刻向監督部門發出預警，便于其迅速介入調查與糾正，形成監督閉環，約束經理人的不當行為，規避損失。③優化決策流程：企業制定詳盡規范的決策制度，要求經理人在重大決策時提交包含成本效益、市場風險、內控影響等方面內容的可行性分析報告。組織專業團隊審核論證，只有通過審核的決策方可實施，以此保障經理人在決策時充分考量企業整體利益，審慎抉擇，降低投機可能性。

（3）信息增效：促進信息透明。①強化信息系統建設：以提升信息透明度為目標，借助人工智能技術，構建精準信息收集機制，全面收集物流訂單、運輸狀態、庫存變動等環節數據；運用智能算法完善信息整理流程，提升數據的可用性；采用安全高效的通信技術優化信息傳遞，實現業務全流程精準把控，提前察覺潛在風險。②搭建透明數據共享平臺：整合企業內部各業務板塊數據，打破數據壁壘，實現運輸、倉儲、銷售等部門數據互聯互通，助力各部門合理安排工作。同時，與供應商、客戶搭建共享平臺，供應商依需求調整生產，客戶實時追蹤貨物，增強信任協作，提高物流供應鏈效率。③加強利益相關者溝通：建立常態化溝通機制，通過線上線下交流會、發布運營報告等方式，向客戶、合作伙伴公開運營流程、數據處理及風險等關鍵信息，營造良好的合作環境，推動企業在物流行業穩健前行。

7.2.2 政府方面

（1）政策引擎：驅動物流智變新引擎。①標準規范制定：協同多方研討智能倉儲設備參數、運輸路線規劃算法、物流數據交互格式等標準，助力企業高效對接，提升行業運行效率與資源配置合理性。②政策扶持：東部地區設專項獎勵基金，對人工智能應用創新成果突出的企業給予高額獎勵，如研發高效分揀算法、精準需求預測模型等。西部地區設立綠色通道吸引高新技術企業，加強與發達地區合作交流，促進人才、技術流通。③基礎設施建設：加大硬件投入力度，構建智能化物流信息基礎設施網絡，為AI賦能物流創造條件。西部地區應重視物流鏈與運輸網構建，加大智慧物流系統引入應用力度。④職業培訓：聯合機構與高校開發多層次課程（含人工智能基礎等），線上線下教學相結合，讓從業者技能契合行業需求，適應AI時代的工作要求。

（2）職業操守匡正：筑牢誠信經營防護堤。政府可從三方面構建物流行業經理人管控體系，遏制投機行為。在職業道德教育上，舉辦高端論壇、研討會，邀請企業家和專家分享誠信經營案例，借助線上平臺定期推送職業道德課程與案例資料，營造誠信經營氛圍。推動職業經理人市場發展，建立全國性信息庫，記錄職業經理人從業經歷、業績、獎懲等信息，實現公開透明與實時更新，方便企業篩選評估；定期開展市場評估整頓，清理虛假資質與不良信用記錄，保障市場的健康發展。監管規范層面，制定細致法規政策，明確經理人在重大決策、財務運作等關鍵環節的權利義務，以及違規的法律責任與處罰標準，如對致使企業重大損失的行為，除了經濟賠償外，還限制其在一定期限內進入市場，形成威懾，防止其侵害企業權益。

（3）信息生態規制：護航數據流通暢且安。政府圍繞物流行業信息透明度，搭建全方位政策與監管架構。制定法規標準時，充分考量物流數據特性，明確各業務場景數據公開細則，如運輸環節實時公開車輛位置、預計到達時間等；倉儲環節公開庫存數量、保質期等信息。同時，設置嚴格信息安全條款，保障數據公開安全合規，促進行業數據共享整合。政府牽頭搭建中立公共數據平臺，擬定公平的數據共享規則與利益分配機制，對數據共享貢獻大的企業，在政策、項目合作上予以優先支持。強化企業監管審查，構建科學評估指標體系，兼顧數據準確、完整、及時及公開渠道便捷穩定等要素，定期普查與不定期抽查并行。針對信息不透明或違規企業，依情節嚴重程度，采取警告、罰款、責令整改到吊銷執照等遞進式處罰，處理結果及時公示，維護市場公平與行業形象。

參考文獻

夏晉杰.基于內部控制框架的公立醫院財務風險分析[J].財會學習，2017（8）：249-250.

倪靜潔，郭檬楠.工業機器人應用如何影響企業內部控制質量？[J].經濟與管理研究，2023，44（6）：19-37.

易露霞，吳非，常曦.企業數字化轉型進程與主業績效：來自中國上市企業年報文本識別的經驗證據[J].現代財經（天津財經大學學報），2021（10）：24-38.

黃大禹，謝獲寶，鄒夢婷.金融化抑制了企業數字化轉型嗎： 證據與機制解釋[J]現代財經（天津財經大學學報），2022（7）：57-73.

曾德麟，蔡家瑋，歐陽桃花.數字化轉型研究：整合框架與未來展望[J]外國經濟與管理，2021（5）：63-76.

倪克金，劉修巖.數字化轉型與企業成長：理論邏輯與中國實踐[J]經濟管理，2021（12）：79-97.

童勇，史慶義.代理成本、股權質押與非效率投資關系的實證研究[J].商業研究，2021（6）：93-101.

王薇.上市公司經理人股票期權激勵機制探討[J].財會研究， 2010（18）：51-53.

吳育輝，吳世農.高管薪酬：激勵還是自利： 來自中國上市公司的證據[J].會計研究，2010（11）：40-48+96-97.

許汝俊，龍子午.股權激勵與經理人機會主義行為研究[J].財會通訊，2014（9）：39-42.

趙息，許寧寧.管理層權力、機會主義動機與內部控制缺陷信息披露[J].審計研究，2013（4）：101-109.

Bergstresser，D.，Philippon，T.|CEOincentivesandearningsmanagement[J].JournalofFinancialEconomics，2006，80（3）：511-529.

MarkusJ.Milne;;RalphW.Adler.Exploringthereliabilityofsocialandenvironmentaldisclosurescontentanalysis[J].Accounting，Auditingamp;AccountabilityJournal，1999（2）.

BushmanRM，PiotroskiJD，SmithAJ.WhatDeterminesCorporateTransparency？[J].JournalofAccountingResearch，2004，42（2）：207-252.

朱彩婕，馬玉婷.上市公司內部控制重大缺陷暴露對信息透明度的影響研究：基于治理行為的中介效應[J].山東財經大學學報，2014（5）：93-102.

周琦瑋，劉鑫，李東紅.企業數字化轉型的多重作用與開放性研究框架[J].西安交通大學學報（社會科學版），2022，42（3）：10-19.

楊志勇，翟少鈴.服務消費中人工智能信息透明與顧客契合的關系研究：基于顧客信任和擬人化的分析[J].價格理論與實踐，2022（4）：193-196.

肖紅軍，陽鎮，劉美玉.企業數字化的社會責任促進效應： 內外雙重路徑的檢驗[J].經濟管理，2021，43（11）：52-69.

陳駿，徐玉德.高管薪酬激勵會關注債權人利益嗎： 基于我國上市公司債務期限約束視角的經驗證據[J].會計研究，2012（9）：73-81+97.

杜閃，王生年.高管薪酬信息披露與薪酬業績敏感性：基于中介效應的檢驗[J].中央財經大學學報，2018（9）：71-81.

盧銳，柳建華，許寧.內部控制、產權與高管薪酬業績敏感性[J].會計研究，2011（10）：42-48+96.

邵平，劉林，孔愛國.高管薪酬與公司業績的敏感性因素分析：金融業的證據（2000—2005年）[J].財經研究，2008（1）：94-105.

聶興凱，王穩華，裴璇.企業數字化轉型會影響會計信息可比性嗎[J].會計研究，2022（5）：17-39.

李瑞敬，黨素婷，李百興，等.CEO的信息技術背景與企業內部控制質量[J].審計研究，2022（1）：118-128．

姚加權，張錕澎，郭李鵬，等.人工智能如何提升企業生產效率：基于勞動力技能結構調整的視角[J].管理世界，2024，40（2）：101-116+133+117-122.