周益强 a，陈良华 a，周芳芳 a，叶茂然 b,* a 东南大学经济管理学院，南京 211189，中国 b 南京财经大学会计学院，南京 211816，中国
该研究发表于 Journal of Business Research，第207卷，2026年，文章编号116019，于2026年1月31日在线发表。
随着人工智能（AI）商业化进程的加速，越来越多的企业为吸引资本而在AI信息披露中进行夸大宣传，即所谓的“AI漂洗”（AI washing）。这一现象不仅侵蚀市场信任，也阻碍了真正的技术创新。本研究将“AI漂洗”定义为企业在AI领域的象征性披露（symbolic disclosure）与实质性投资（substantive investment）之间的偏离程度。在此背景下，近年来企业高管薪酬体系正经历变革，将环境、社会和治理（ESG）指标纳入高管薪酬（ESG compensation）已成为公司治理研究和实践的重要议题。本研究旨在探讨这种责任导向的激励机制是否能作为一种内部治理工具，有效抑制企业的AI漂洗行为，并阐明其作用机制。
为检验ESG薪酬的治理效应，本研究选取了2013年至2024年的中国A股上市公司作为研究样本，并排除了金融企业、ST公司及数据缺失的样本。
研究的核心难点在于如何量化“ESG薪酬”与“AI漂洗”。针对ESG薪酬，由于中国尚无专门的数据库，研究团队提出了一种基于自然语言处理（NLP）的创新识别方法。具体流程分为三步：首先，利用一个包含169个薪酬相关关键词的词典，对年报文本中的句子进行预筛选。其次，随机抽取20,000个句子，由三位研究人员根据世界经济论坛（WEF）的ESG标准进行独立人工标注，仅当句子明确将高管薪酬与具体的ESG绩效指标挂钩时，才被标注为正例。最后，利用中国本土化的“BERT”深度语义模型，对人工标注的数据进行微调（fine-tuning）训练，并用于批处理所有年报文本，自动识别出企业是否采用了ESG薪酬。该方法在测试集上的准确率、精度、召回率和F1值均超过0.90，保证了识别的可靠性。
针对AI漂洗（AIW），研究遵循经典的“言行不一”测量框架，构建了AI漂洗指数。该指数量化了企业在“说”（象征性披露）与“做”（实质性投资）两个维度上的偏差。一方面，通过构建包含585个关键词的综合性AI术语词典，对年报文本进行加权词频统计，测量企业的AI披露强度。另一方面，利用CSMAR数据库中经过行业年度均值调整的AI资本化支出数据，测量企业的AI实质性投资。最终，将两指标的标准化值相减，计算出AI漂洗指数（AIW），该值越高，代表漂洗程度越严重。研究采用包含公司和年份固定效应的基线回归模型，并聚类稳健标准误在公司层面。
1. 基线回归结果与机制检验 研究发现，ESG薪酬对下一年度的AI漂洗指数有显著的负向影响，表明实施ESG薪酬的企业，其AI漂洗程度更低。在将AI漂洗拆分为披露与投资两个独立指标后发现，ESG薪酬主要通过显著减少象征性披露来降低漂洗，而对实质性投资没有显著影响，显示出一种“约束性契约”效应，而非“激励性”效应。
研究进一步揭示了两个中介机制。第一，管理者长期导向：通过分析年报文本中的时间取向词汇，发现ESG薪酬能够增强管理层的长期决策视野，从而抑制其为追求短期声誉回报而夸大AI披露的行为。第二，员工组织认同：基于公开的员工评价数据发现，ESG薪酬通过传递公司对长期价值和道德规范的承诺，增强了员工的组织认同感。这种认同感会促使员工自发地对有损公司声誉的“AI漂洗”行为形成软性约束和监督。
2. 稳健性与内生性检验 为确保结论的可靠性，研究进行了多项检验。为缓解因遗漏变量或反向因果导致的内生性问题，研究采用了工具变量法，选取了“历史开放度”（城市在1842-1949年间是否被迫开埠）和“地区生活成本”（当地最低工资标准）作为工具变量进行两阶段回归，结果依然稳健。此外，通过排除有股权激励或高管变更的样本、将ESG薪酬细分为环境（E）、社会（S）和治理（G）三个维度进行检验、Heckman两步法、倾向得分匹配（PSM）、熵平衡法以及使用大语言模型（LLM）进行语义过滤后重新构建指标等一系列方法后，核心结论均保持不变。
3. 进一步分析 研究从合法性管理视角进行了情境分析。结果发现，ESG薪酬对AI漂洗的治理效应并非在所有情境下都一致，其效果在AI技术依赖度高、媒体关注度强以及管理层能力强的企业中更为显著。这表明，当企业面临更强的外部制度压力或内部具备更强的执行能力时，ESG薪酬这一制度安排能更有效地发挥其治理作用。研究还发现，AI漂洗会侵蚀企业市场价值，而面临合法性损失的企业更可能采取这种象征性行为。
本研究的结论明确指出，将ESG指标纳入高管薪酬合同能够有效抑制企业的AI漂洗行为，且该效应主要通过约束象征性披露而非促进实质性投入来实现，管理者长期导向和员工组织认同在其中扮演了关键的中介角色。
本研究的价值体现在多个层面。在理论贡献上，它将“漂洗”研究从传统的绿色、CSR领域拓展至新兴的AI领域，并首次探讨了内部薪酬激励在约束AI信息披露真实性上的作用，丰富了AI治理与公司治理的交叉研究。同时，研究也回应了关于ESG薪酬是“实质治理”还是“象征合规”的争论，为其治理有效性提供了新的实证证据。在方法论贡献上，研究不仅构建了可量化的AI漂洗指数，为识别AI领域的“言行不一”提供了可复制的测量工具，还开创性地运用BERT模型从文本中识别ESG薪酬信息，为在数据可得性受限的新兴市场开展此类研究提供了可行路径。在实践价值上，该研究为监管机构打击“AI漂洗”乱象提供了企业内部治理的新思路，也为企业设计更有效的薪酬契约以推动负责任的AI实践提供了深刻的洞见。