点击蓝字，关注我们
文献来源：Blankespoor, E., DEHAAN, E., & Li, Q. (2025). Generative AI in financial reporting. Journal of Accounting Research.
趣味解读
前阵子高盛 CEO 大卫・所罗门一句话刷屏了财经圈：“起草一份 S1 招股书可能需要 6 人团队两周时间，但现在 AI 几分钟就能完成 95%。”
当时我就在想，这话是不是有点夸张了？毕竟财务报告这东西，字字千金，错一个数字、漏一个风险都可能惹上投资者诉讼和监管处罚，公司真敢这么放心用 AI 吗？
正好看到一篇刚发表的顶级会计学期刊论文，专门研究了这个问题。看完之后发现，现实和我们想象的，还真不太一样。
这篇论文发表在《Journal of Accounting Research》上 —— 会计学领域公认的四大顶级国际期刊之一，以研究方法严谨、结论可靠著称，论文题目为《生成式人工智能在财务报告中的应用》。
一、怎么证明财报里的文字是 AI 写的？
很多人质疑 AI 检测工具的准确性，但这篇论文用严格实验验证了 GPTZero 在财务报告语境下的可靠性：研究团队找了 2018-2020 年（ChatGPT 出现前）的 1500 份真实财报，用 GPT-3.5 从修改 1% 到 100% 的句子不等，再用 GPTZero 检测。
结果显示，哪怕只有 2.5% 的公司、每家仅修改 2.5% 的句子（总计 0.0625% 的文本是 AI 写的），回归模型依然能 100% 准确检测。
值得注意的是，检测结果仅反映最终财报中保留的 AI 内容，被人类修改掉的 AI 痕迹无法检测，因此所有估计值都是实际 AI 使用量的下限。
二、核心发现 1：AI 在财报中的使用量，比传言低得多
研究分析了 2010-2024 年美国上市公司的五类核心披露文件（10-Q/K 风险因素、MD&A、业绩电话会议准备稿、业绩新闻稿、IPO 招股书），以 2022 年 12 月 ChatGPT 发布为 “后 AI 时代” 节点对比 AI 生成概率得分（GenScore）如下图所示：
ChatGPT 发布前，各类文件 AI 得分基本在 0 附近波动；2022 年底后，所有得分均明显上升，但幅度远不及高盛 CEO 所言 —— 到 2024 年，各类文件新文本的 AI 生成比例为：
风险因素：4.3%
管理层讨论与分析（MD&A）：2.5%
业绩电话会议：1.7%
业绩新闻稿：2.4%
IPO 招股书业务描述：4.5%
哪怕是使用最多的场景，AI 生成文本也不足 5%，和 95% 的说法差了 20 倍。核心原因有二：一是财报需多层审核，AI 草稿被人类大量修改，痕迹被抹除；二是公司对 AI 使用极度谨慎，核心财务数据、重大风险部分仍由人工撰写。
三、核心发现 2：哪些公司最爱用 AI？
研究分析 AI 使用的横截面差异，发现 4 个清晰规律：
1. 小公司用得远比大公司多
这是最显著的差异：小公司在业绩电话会议中的 AI 使用量是大公司的292%，业绩新闻稿中是184%。原因是小公司资源有限，财务和投资者关系团队人手不足，更需要 AI 分担重复性写作；而大公司人力充足，也更忌惮 AI 出错的声誉、法律风险。
2. 无投资者关系（IR）部门的公司用得更多
无内部 IR 团队的公司，各类披露文件 AI 使用量显著更高 —— 业绩新闻稿中，这类公司 AI 使用比例比有 IR 团队的高出73%。IR 部门核心职责是撰写披露文件，无 IR 部门的公司多由财务人员兼职，自然更依赖 AI。
3. 最近有重大事件的公司用得更多
公司经历股价大幅波动、并购重组等重大事件时，需更新大量披露内容，AI 使用量会明显上升，尤其在业绩电话会议和新闻稿中差异最显著。
4. 审计费用低的公司用得更多
审计费用越低的公司，风险因素部分 AI 使用量越高：审计费用最低的三分之一公司，风险因素 AI 使用比例比最高的三分之一公司高出57%。这是因为审计费用低的公司财报流程更简单，对外部审计依赖低，更愿意尝试 AI。
四、核心发现 3：AI 都用在财报的哪些地方？
从场景和行业维度，AI 使用呈现明显特征：
文件类型：风险因素、IPO 业务描述使用最多（结构化程度高、表述可标准化）；业绩电话会议、新闻稿使用较少（需个性化表达和对业务的深度理解）。
行业维度：科技和通信行业使用最多，公用事业、能源行业最少（科技公司对新技术接受度高，公用事业受监管更严、风险容忍度低）。
话题维度：MD&A 中 AI 使用最多的是 “负面业绩增长”“特殊项目（资产减值、重组等）”—— 公司最爱用 AI 写最难写、最需斟酌措辞的 “坏消息”；而公允价值计量、非 GAAP 指标等技术性会计话题，AI 使用反而很少。
五、核心发现 4：用了 AI 之后，财报会变成什么样？
对比同一份报告中 AI 写和人写部分的语言特征，得出 3 个结论：
1. AI 写的内容更易读
AI 生成文本更短、句子结构更简单，Fog 可读性指数更低 —— 业绩新闻稿中，AI 写的部分比人写的短19.2%，符合 SEC 倡导的 “简明英语” 要求。
2. AI 写的内容语气更积极
风险因素、MD&A、业绩新闻稿中，AI 生成文本的积极语气更明显，契合公司 “用正面方式传达信息，尤其是解释负面业绩” 的诉求。
3. AI 写的内容更具体
这一反直觉的发现，源于公司使用 AI 时会提供具体提示词和数据，并仔细编辑输出 ——AI 在财报中更多是 “写作助手”，而非 “内容创作者”，因此文本包含更多数字、专有名词和具体信息。
总结
这篇论文描绘了 AI 在财务报告应用的真实图景：它既未如吹嘘般取代人类，也未如担忧般引发灾难性后果。
目前 AI 主要辅助人类完成重复性高、耗时的写作工作，尤其在资源有限的小公司中更常见；公司对 AI 使用极度谨慎，会严格审核编辑，确保内容准确。
但这只是开始 —— 随着大模型技术进步、公司对 AI 的熟悉度提升，未来 AI 会更多参与财报全流程（数据收集、交易记录、内部控制、审计分析）。
而更深层的问题是：当 AI 成为财报流程的核心部分，监管规则、审计标准、投资者信息处理方式，该如何适配？
这篇论文未给出答案，但为后续研究和思考打下了坚实基础。
变量定义表
【声明】文献来源于FT50/UTD24权威期刊，版权归出版机构所有。本推文仅供学术交流，如需转载，请注明出处。若有疏漏，敬请谅解，恳请批评指正。参考引用前，请务必核对原文，理性甄别。感谢您的理解与支持！
排版：肉沫土豆泥
编辑：肉沫土豆泥
FT50&UTD24
经管文献领读
扫码关注，
解锁优质学术内容
