华盛顿大学的 Elizabeth Blankespoor、斯坦福大学的 Ed deHaan 与斯坦福大学的 Qianqian Li 共同撰写文章"Generative AI in Financial Reporting"，在Journal of Accounting Research（UTD24）期刊发表。研究聚焦生成式 AI 在财务报告披露撰写中的应用，是较早针对这一领域的大样本实证探索。其核心亮点在于验证了商业工具（GPTZero）对财务报告中 AI 撰写内容的检测能力，发现 2024 年企业在风险因素、MD&A 等五类披露文件中均存在显著 AI 使用。
一、研究方法及步骤
研究首先验证 GPTZero 工具在财务报告场景下的 AI 检测有效性，通过文档级和句子级替换实验，测试其对不同比例 AI 文本的识别能力；随后选取 2010-2024 年美国企业的风险因素、MD&A、电话会议记录等五类披露文件为样本，以 GenScore 衡量 AI 使用概率，采用含固定效应和时间趋势项的回归模型，分析 AI 使用的时间趋势与横截面差异；最后通过对比报告中高 / 低 AI 概率句子的语言特征，探究 AI 对披露可读性、语气和特异性的影响。
大语言模型生成的内容在可读性、语气和特异性上呈现出有别于人工撰写的特征，为理解大语言模型在财务报告场景的实际应用提供了早期实证依据。
二、研究价值及当前研究状况
该研究的核心价值在于建立了财务报告 AI 使用的检测与分析框架，其对 GPTZero 的场景化验证为后续相关研究提供了可靠的方法参考，且大样本、多披露类型的分析设计填补了当前生成式 AI 在财务报告实际应用领域的实证空白。当前学界对 AI 与财务报告的研究尚处于起步阶段，多聚焦理论探讨或小范围案例分析，该研究通过系统的工具验证、量化分析和语言特征对比，为这一领域提供了可复用的研究范式，也为企业应用、监管规范等实践场景提供了数据支撑。
文献来源：Blankespoor, Elizabeth, Ed deHaan, and Qianqian Li. "Generative AI in financial reporting." Financial Reporting (February 14, 2026). Journal of Accounting Research, Accepted (2026).
资料包福利
关注【数智实证宝典】，对话框回复下列【关键词】，领取相关资料
回复“0001”，获取大语言模型驱动的社科数据挖掘范式重构资料；
回复“0002”，获取中文顶刊最新发表的“大语言模型”论文汇总表；
回复“0003”，获取英文顶刊最新发表的“大语言模型”论文汇总表；
回复“F0001”，获取顶刊复现代码：基于BERT的专利文本多标签分类实战
回复“F0002”，获取顶刊复现代码：基于FinBERT与DeepSeek的企业数字技术风险暴露程度衡量；
