DeepCare:人工智能公司是否会保护员工的权利?
《British Accounting Review》:DeepCare: Do Artificial Intelligence firms safeguard employee rights?
【字体:
大
中
小
】
时间:2026年09月28日
来源:British Accounting Review 8.0
编辑推荐:
摘要
关于人工智能(AI)的主流观点强调其生产力和创新能力,但可能忽略了与员工相关的组织和合规成本。通过使用根据其在专注于AI的交易所交易基金中的包含情况分类的美国上市公司,并结合工作场所违规数据,我们发现,AI密集型公司比同类非AI公司更频繁地发生工作场所违规行为,且违规事
摘要
关于人工智能(AI)的主流观点强调其生产力和创新能力,但可能忽略了与员工相关的组织和合规成本。通过使用根据其在专注于AI的交易所交易基金中的包含情况分类的美国上市公司,并结合工作场所违规数据,我们发现,AI密集型公司比同类非AI公司更频繁地发生工作场所违规行为,且违规事件更为严重。中介证据表明,更高的工作强度是一个重要因素。我们进一步发现,财务状况在控制这些成本方面比传统的治理和监管指标更为重要:更大的现金流灵活性和更少的融资限制与较低的违规频率相关,尽管这些因素并不能降低违规事件的严重程度。AI密集型公司似乎还更有可能参与ESG相关的虚假报告和基于应计项目的收益管理,这表明在报告和问责方面存在更广泛的影响。这些发现扩展了现有研究,表明AI密集型商业模式可能会产生现有的生产力和创新叙述未能捕捉到的与员工相关的合规成本,而公司吸收运营压力的财务能力对于限制这些成本至关重要。
引言
人工智能(AI)的迅速发展正在改变公司的生产流程、决策系统和竞争策略。先前研究已经记录了与AI相关的显著经济利益,包括更高的生产力、改进的运营绩效和更多的创新(Babina等人,2024;Brynjolfsson等人,2023;Pereira等人,2023)。然而,如果这种生产力和创新的观点不考虑员工所承担的组织和合规成本,那么它可能无法全面解释AI密集型商业模式所带来的影响。AI支持的监控、自动化和绩效管理可能使公司能够扩大规模并提高效率,但这些技术也可能增加工作压力、降低员工自主权,并削弱对工作场所标准的遵守(Acemoglu等人,2022;Brougham & Haar,2018;Jiang等人,2025)。因此,我们研究了AI密集型公司是否与那些传统评估AI创造价值的方法未能充分捕捉到的与员工相关的成本有关。我们关注工作场所违规行为作为这些成本的可观察表现。我们将工作场所违规行为定义为管理层在保护员工权利方面的失败,而不是员工主动发起的不当行为(Amiram等人,2018;Chircop等人,2025;Raghunandan,2021)。这些违规行为包括违反劳动法律、工作场所安全规定以及其他反映管理层责任和组织合规性不足的行为。这一视角使得工作场所违规行为不仅成为劳动成果的指标,也成为公司如何分配资源、设计管理控制以及平衡运营目标与利益相关者保护之间关系的指标。在AI密集型公司中,这个问题尤为突出,因为算法监控和绩效评估可能会创造一个“全天候”的工作环境,并设定严格的目标(Babina等人,2024;Brougham & Haar,2018)。因此,AI带来的利益是否与工作场所合规成本共存,是会计和金融研究中的一个重要问题。
我们使用2007年至2023年的美国上市公司样本来探讨这个问题。我们通过这些公司是否被纳入专注于AI的交易所交易基金(ETFs)来识别AI密集型公司,这提供了一种基于市场的衡量其AI相关业务暴露程度的方法(Katsiampa等人,2024)。我们使用两种互补的数据来源来衡量工作场所违规行为:Violation Tracker记录基于执法的工作场所违规频率,而RepRisk记录外部媒体和利益相关者报告的严重工作场所事件的发生情况。最终样本包含12,219个公司年的观测数据,代表1,050家公司。在控制了公司、董事会、CEO和员工层面的特征后,我们发现AI密集型公司比同类非AI公司更频繁地发生工作场所违规行为,且违规事件更为严重。结果对于不同的AI暴露度衡量方法、样本平衡程序、内生性分析和其他控制措施都保持稳健。
接下来,我们探讨了这些与员工相关的成本是如何产生的,以及在什么条件下可以控制这些成本。机制测试考虑了更高的工作强度和异常自由裁量支出削减。结果表明,工作强度是一个重要因素:AI密集型公司表现出更高的工作强度,而这又与更频繁的工作场所违规行为相关。通过工作强度估计的间接关联大约占总关联程度的45%。相比之下,我们发现减少异常自由裁量支出的证据有限。这种区别表明,AI密集型公司中的与员工相关的成本更多地来自于工作强度的增加,而不是支出减少。我们还比较了财务状况与传统的治理和外部制度机制的相关性。更大的现金流灵活性和更少的融资限制与AI密集型公司较低的违规频率相关,但这些调节关系并未扩展到违规事件的严重程度。相比之下,我们没有发现董事会性别、政治因素、劳动监管和州级不平等厌恶指标具有显著的缓解效果。这些结果并不意味着治理和监管普遍不重要。相反,它们表明,在本研究中考虑的各种机制中,公司吸收运营压力而不损害工作场所标准的能力与限制违规频率更为密切相关。
我们的主要贡献在于会计和金融文献,特别是关于AI密集型商业模式的经济后果。以往的研究主要集中在生产力、创新和运营绩效上,而我们记录了这一传统叙述未能充分捕捉到的与员工相关的组织和合规成本。具体来说,AI密集型公司更频繁地发生基于执法的工作场所违规行为,且外部报告的违规事件更为严重,其中更高的工作强度是一个重要因素。我们进一步发现,公司的财务能力在控制这些成本方面尤为重要。更大的现金流灵活性和更少的融资限制与较低的违规频率相关,而传统的治理和监管机制则未能提供类似的缓解证据。这些发现将注意力从AI是否创造经济价值转向公司是否具有防止这种价值创造以牺牲员工利益为代价的组织和财务能力。补充分析进一步证实了这些发现的重要性,表明AI密集型公司还涉及ESG相关的虚假报告和基于应计项目的收益管理,而且这些公司的工作场所违规行为会导致多个维度的财务绩效下降。
本文的其余部分安排如下:第2节回顾相关文献并发展假设;第3节描述样本、变量测量和研究设计;第4节展示主要结果及稳健性和内生性分析;第5节探讨潜在机制;第6节比较财务能力与传统的治理和制度机制;第7节讨论与报告相关的问题和工作场所违规的财务后果;第8节总结。
**文献综述和假设发展**
越来越多的研究考察了AI的组织后果,指出了AI对工作场所行为的正面和负面影响。这种双重视角有助于理解AI公司和非AI公司在管理工作实践、技术采用和组织治理方面的差异。我们将工作场所违规行为定义为管理层在保护员工权利方面的失败,而不是员工主动造成的不当行为。
**样本和数据来源**
我们的样本包括在纽约证券交易所(NYSE)和纳斯达克上市的公司。该样本是通过合并Violation Tracker、RepRisk、Compustat和ExecuComp数据库中的观测数据构建的。样本时间范围为2007年至2023年,起始年份取决于RepRisk数据的可用性。为了避免将没有明确母子公司关系的公司错误地分类为零违规和补贴情况,我们将分析限制在至少有一个观测记录的公司。
**表1报告了关键变量的描述性统计信息。NumEmpi,t+1的值范围从0到78,平均值为0.235,与Chircop等人(2025)的最新研究结果一致。较高的数值表示更多的工作场所违规行为。NumEmpSi,t+1的值范围从0到43(平均值=0.291),反映了严重工作场所事件的数量。AIfirmi,t是一个虚拟变量,平均值为0.116,表示样本中有108家公司被归类为AI公司。**
**机制:组织压力和工作强度**
与其他公司相比,以增长为导向的公司往往面临更大的绩效压力,这可能会无意中增加工作场所违规的风险(Zhou & Park, 2020)。先前的研究(Chircop等人,2025)指出了AI采用可能导致这些结果的两种主要组织机制:(1)提高员工的工作强度;(2)减少员工福利。AI工具通常被引入以优化生产率监控和绩效评估。
**AI公司如何减轻工作场所违规行为?**
一个重要问题是AI公司如何减轻工作场所违规行为。本节从四个互补的角度探讨了这个问题:财务灵活性、财政压力、公司治理和制度监管,代表了内部和外部控制机制。
**AI公司中的伦理考量**
除了工作场所违规行为外,AI公司还可能从事其他不道德的行为,如虚假报告和基于应计项目的收益管理(AEM)。这些行为提供了AI公司更广泛伦理挑战的补充证据。重要的是,这些行为可以被视为违规后的应对措施:在发生负面事件或工作场所违规后,公司可能会战略性地进行象征性的公司披露或收益管理,以转移关注并恢复合法性。
**结论**
本研究记录了与员工相关的组织和合规成本,这些成本并未被传统的人工智能生产和创新叙述充分捕捉到。通过使用2007年至2023年的美国上市公司数据,我们发现AI密集型公司比同类非AI公司更频繁地发生基于执法的工作场所违规行为,且违规事件更为严重。这些发现对于不同的AI暴露度衡量方法、模型规格、样本平衡程序和内生性分析都保持稳健。
**在写作过程中使用生成式AI和AI辅助技术**
在准备这项工作时,作者使用了ChatGPT来提高语言的清晰度和可读性。使用该工具/服务后,作者根据需要审查和编辑了内容,并对出版物的内容承担全部责任。
**变量定义**
**Dependent变量**
NumEmpi,t+1:公司i在t+1年的工作场所处罚频率。仅包括最终处罚金额达到5,000美元或以上且发生在2000年之后的记录;Kai Xing|Zhengyang Lei|Hanxiong Zhang|Fulong Xiao
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号