论文速递 || 上市公司已经在用AI写财报了吗?

本文为『家族企业治理与传承研究平台』第 442 篇论文推送

生成式人工智能（Generative AI，简称GAI）正在进入财务报告这一高度专业化、制度化的文本生产场景。与传统信息系统不同，GAI最突出的能力在于理解、组织和生成自然语言，而财务报告恰恰依赖大量叙事性披露：风险因素需要解释企业面临的不确定性，管理层讨论与分析需要说明业绩变化与未来趋势，业绩电话会和盈余公告则要将复杂财务信息转化为投资者能够理解的语言。因此，报告写作成为GAI影响会计工作的天然切入口。企业若能恰当使用GAI，可能降低起草和修改成本，提升可读性、一致性和表达效率，并回应监管长期倡导的“平实英语”披露目标。

但财务报告并不是普通文本写作。它直接面向投资者、分析师、审计师与监管者，任何错误金额、模糊因果或过度乐观表达，都可能引发市场误读、诉讼风险或监管关注。在代理冲突下，GAI既可能帮助企业更清楚地解释经营情况，也可能被用于美化语气、淡化坏消息，甚至在缺乏授权和监督的情况下节省员工个人工作时间。已有调查显示，部分美国公司已在财务报告流程中正式使用或试点使用GAI，但企业究竟在真实披露中用了多少、哪些企业更可能使用、AI改写后的文本呈现何种语言特征，仍缺乏大样本证据。本文正是围绕这一问题，刻画ChatGPT发布后上市公司财务报告写作中GAI使用的早期图景。

从成本与收益权衡的视角，当GAI带来的写作效率提升、表达质量改善和资源节约超过潜在风险时，企业更可能在报告撰写中采用GAI。由于小公司通常资源有限、员工职责更分散、外部支持不足，GAI可以像一个低成本的额外撰稿人，帮助其完成起草、改写和格式转换等任务，因此作者预期小公司更可能使用GAI。类似地，没有投资者关系负责人（No IR）的企业可能投入较少财务沟通资源，近期发生并购、剥离或业绩剧烈变动的企业需要大量更新披露，审计费用较低的企业可能获得的外部专业支持较弱，因而这些企业也更可能依赖GAI。

在语言特征方面，作者关注GAI是否改变披露的可读性、语气和具体性。GAI可能帮助企业压缩冗余表述、降低投资者的信息处理成本，也可能在管理层激励影响下强化积极语气、修饰负面信息。至于具体性，GAI能够降低准备细节性披露的写作成本，但具体事实仍需由管理层提供；若缺乏有效提示和人工编辑，模型反而可能生成笼统、模板化内容。因此，GAI对披露质量的影响并非单向改善，而取决于企业激励、提示词设计和人机协作程度。

本文以2010-2024年美国上市公司为样本，覆盖四类披露文本：10-Q/K中的风险因素（RF）和管理层讨论与分析（MD&A）、季度电话会议准备发言（CC）、盈余公告新闻稿（PR）；并补充专项分析IPO的S-1文件。核心变量为GenScore，由商业检测工具GPTZero生成，用以衡量文本由GAI撰写的概率。由于ChatGPT于2022年11月底推出，作者将2022年12月以后界定为后GAI时期，并利用前期数据识别和控制检测工具的测量误差。为验证测度可靠性，作者将已知比例的AI改写文本嵌入真实报告，发现即使全样本中仅0.0625%的文字被AI改写，回归模型仍能识别其存在，说明GenScore在财报情境下具有较强检测能力。

本文研究发现：第一，GAI使用规模有限但已经真实存在。后GAI时期，五类披露均出现统计上显著的AI写作痕迹；到2024年，新增文本中由GAI撰写的比例最高约为4.5%，风险因素和MD&A分别约为4.3%和2.5%。由于正式报告往往经过人工大幅审阅和修改，这些数字更可能是真实使用的下限，也说明财务报告场景中的AI采用更接近“谨慎嵌入”而非“全面替代”。第二，GAI使用存在清晰的横截面差异。小公司、无IR负责人、近期发生重大经济事件以及审计费用较低的企业使用更多；其中，小公司在电话会议中的GAI使用量约为大公司三倍，在新闻稿中也显著更高。从行业和主题看，信息技术与通信行业采用更多，公用事业和能源行业较少；企业在撰写负面业绩增长和特殊项目相关内容时，也更倾向于使用GAI。第三，AI文本留下了可识别的语言印记。含GAI更多的内容通常更易读、语气更正面、也更具体。尤其是“更具体”这一结果，意味着真实报告中的AI文本并非模型自然生成的笼统文本，而是经过管理层提供事实、精心提示和人工编辑后形成的人机协作产物。

本文的首要贡献在于，为GAI进入财务报告写作提供了首批大样本证据。不同于停留在调查或案例层面的讨论，文章直接考察上市公司真实披露文本，回答了“企业是否已经在用AI写财报、使用程度有多高、哪些场景更可能使用”这一现实问题。研究表明，AI并未像流行叙事所暗示的那样大规模替代人工，但已经以可检测、可量化的方式进入正式披露流程。

第二，本文拓展了财务报告文本研究和技术采用研究。文章不仅关注GAI是否被使用，还进一步分析其与可读性、语气和具体性等披露语言特征的关系，从而将“AI采用”与“信息披露质量”联系起来。

第三，本文具有方法论贡献。作者没有直接相信AI检测工具，而是先在财务报告语境下验证GPTZero的检测能力，并通过剔除粘性文本、控制时间趋势、开展横截面检验和报告内句子比较，尽可能缓解测量误差与内生性问题。

最后，本文公开GenScore数据，为未来研究GAI对报告成本、审计监督、监管关注、资本市场定价和投资者信息处理的影响奠定了基础。