文献来源：Industry exposure to artificial intelligence, board network heterogeneity, and firm idiosyncratic risk [J]. Journal of Management Studies, 2026, 63(2): 596-630.
作者：Hudson K, Morgan R E.
当下人工智能持续重塑企业经营与竞争格局，董事会既要履行传统风险监督职能，又要深度参与数字化战略决策，但现有研究尚未系统厘清行业AI环境、董事连锁网络如何共同影响企业特质风险。依托信号理论搭建分析框架，本文提出，行业AI暴露与董事会跨行业网络异质性会作为两类关键市场信号，独立及交互改变投资者对企业盈利不确定性的判断，同时企业多元化经营能够缓解二者叠加带来的负面市场预期。研究选取2010至2019年美国1736家企业共11878组年度面板数据，整合S&P Capital IQ、Compustat、BoardEx以及AIOE行业AI暴露指数多套数据库开展实证检验，以Carhart四因子模型残差标准差衡量企业特质风险，用行业职业AI指数刻画行业整体数字化机遇与竞争压力，以跨行业董事连锁占比定义董事会网络异质性，同时纳入董事会结构、企业财务、行业特征多维度控制变量，采用GEE广义估计方程作为基准模型，并通过稳健标准误、随机效应、AB-GMM工具变量、新增多类控制变量完成多重稳健检验，还将样本划分为多元化与非多元化两组开展机制验证。
实证结果显示，行业AI暴露、董事会网络异质性均能显著降低企业特质风险，这意味着资本市场更担忧企业固守传统模式、错失AI转型机会带来的长期衰退风险，而非数字化探索本身的不确定性。但二者存在显著正向交互效应，在AI技术高度普及的前沿行业，多元化董事网络会削弱AI原本的风险缓释作用，当行业AI暴露指数突破1.8后，双重高特征组合会直接推升企业特质风险，约9%身处技术前沿的企业会受到该负面作用冲击。从信号理论逻辑来看，高AI行业叠加大量跨行业董事联结，会向投资者传递企业AI研发与业务布局脱离自身核心能力的信号，放大信息不对称，加剧市场对未来收益波动的担忧。分组异质性检验进一步证实，多元化经营可以有效缓冲这一负面交互影响：仅开展单一业务的企业中，高AI暴露搭配多元董事网络会显著抬升特质风险，而布局多业务板块的多元化企业不存在显著负面交互，跨领域运营形成的高成本可信信号，能够证明企业具备多赛道运营与技术落地能力，消解投资者对企业跨界探索能力的质疑，各类稳健检验也证明主效应、交互效应结论具备稳定性。
本研究有以下三个方面的理论贡献，首先拓展了人工智能相关公司金融研究，跳出企业内部AI投入的一阶效应，从投资者感知的二阶信号视角解释AI对股价波动的差异化影响，打破“AI必然增加企业风险”的固有认知；其次丰富了信号理论体系，区分信号成本与信号强度的动态制衡关系，重点讨论董事会网络这类非偶然信号在技术变革环境下的逻辑，证实高成本多元化信号可以对冲不利市场预期；最后补充了技术变革场景下董事连锁网络的相关研究，揭示董事会跨行业联结存在两面性，常规环境下能够拓宽信息渠道、降低风险，前沿AI行业中却容易引发市场对企业能力边界的负面预判。
研究结论也具备实践价值。对于身处高AI竞争的企业，无需盲目搭建大量跨行业董事网络，过度分散的外部联结会加重市场对战略脱离主业的顾虑，加剧股价波动；若企业同时布局多元董事网络与前沿AI业务，可通过跨板块多元化经营对冲特质风险上涨压力。同时本文指出现代董事会存在职能内在冲突，用于获取外部数字化信息的跨行业董事资源，反而会削弱市场层面的风险管控效果，企业需要平衡董事行业背景多元性与主业聚焦程度。对二级市场分析师与投资者而言，评估科技企业数字化风险不能只关注行业AI热度，还需要结合董事会网络结构、业务多元化水平综合判断长期股价波动潜力。
本研究仍存在一定局限，样本仅覆盖美国大型上市公司，新兴市场、中小规模企业的结论普适性有待验证，不同国家资本市场对AI、董事会治理信号的解读差异也可进一步深挖；研究仅采用行业层面AI暴露指标，未区分企业自身数字化投入、AI专利等微观落地情况，后续可结合企业层面AI细分数据完善检验；文中多元化仅采用二元划分标准，未来可区分相关、非多元化模式，细致探究不同多元化类型的缓冲效果差异。
供稿：李鑫鑫
