AI风险观测站：从年报AI披露中能学到什么社会韧性？
事件
一项研究提出并验证了用大语言模型规模化处理企业年报的方法，以回答一个核心问题：年报能否提供关于企业如何披露其应对AI的有用信号。研究团队构建了可复现的两阶段分类流程，处理了1362家英国上市公司在2020至2025年间的9821份年报，并包含部分2026年数据。方法先用474段人工标注文本进行验证，结果显示召回率较高、标签级一致性中等。
研究得出三组实证规律。第一，2020至2025年间，提及AI风险的年报占比从2.8%升至41.2%，披露AI采用的比例也从13.8%升至45.2%，被点名的供应商集中在以微软为首的一小批主要厂商。第二，披露情况因关键国家基础设施行业和市场板块差异显著：AIM市场的AI风险披露率远低于主板市场，能源和数据基础设施等行业也落后于其他行业。第三，危害披露几乎不存在，整个语料库中仅有七份报告提及。
研究还开发了实质性分类标准来评估披露质量，发现多数AI风险披露缺乏实质内容：2025年有41.2%的报告将AI列为风险，但只有4.3%包含被判定为实质性的AI风险披露。这一结果对监管机构、投资者和关注社会韧性的研究者具有参考价值，说明当前企业AI风险披露在数量增长的同时，质量仍明显不足。
来源
本条目由采集管线自动抓取并发布，完整内容见下方来源链接。
*采集源：arXiv cs.AI*