生成式 AI 會讓供應鏈更容易 ESG 投機嗎

1. 基本資訊

這篇文章由 Zhe Sun、Lei Liu、Liang Zhao、Hind Alofaysan 與 Bhumika Gupta 發表於 2026 年的 Technological Forecasting and Social Change，題目是〈Generative AI and ESG opportunism in supply chains: A utilitarian perspective on unintended consequences for sustainability〉，DOI 為 10.1016/j.techfore.2025.124498。文章處理的不是「GenAI 能不能幫企業做 ESG」這種樂觀敘事，而是反過來問：當企業開始大量採用 GenAI 之後，會不會更容易把 ESG 做成一種表面上偏綠、實際上失衡的資源配置遊戲。

2. 研究問題

作者主要問四件事。第一，GenAI adoption 是否會提高企業的 ESG opportunism。第二，這個影響是否透過 agency costs 上升與 internal controls 弱化來實現。第三，這種失衡是否會沿著供應鏈向 upstream suppliers 與 downstream customers 外溢。第四，哪些外部條件會放大或抑制這個效果，特別是政府環境管制、green investor preference、analyst attention 與資訊揭露品質。

3. 理論基礎

本文的核心理論是 utilitarian theory。作者認為，企業在 ESG 維度之間做資源配置時，會傾向選擇短期回報更高、可見度更強、成本更低的行動。GenAI 剛好強化了這種偏好，因為它特別擅長快速生成可被看見的 environmental solution、永續敘事與報告內容，卻不一定同等強化 social responsibility 與 governance 改善。於是企業容易走向一種效用最大化的偏斜選擇：優先投資 E，而犧牲 S 與 G。

4. 研究架構

整體架構可寫成：GenAI adoption → ESG opportunism，其中 agency costs 與 internal control deterioration 為中介機制；government environmental regulation 與 green investor preference 為放大條件；analyst attention 與 information disclosure quality 為抑制條件；同時 focal firms 的 GenAI adoption 還會透過 supply-chain relationship 對 suppliers 與 customers 產生 spillover。作者也把 ESG opportunism 明確界定為一種結構性失衡，而不是單純總分高低。

5. 假設邏輯

作者的邏輯很直接。當企業採用 GenAI 時，它更容易以較低成本產出可量化、可展示、可回應監管與市場偏好的 environmental performance，因此會傾向把 ESG 資源往環境面集中。這種偏斜會伴隨兩個治理後果：一是 manager 更有空間利用 GenAI 去追逐對自己有利的短期績效與聲譽，推高 agency costs；二是 GenAI 的黑箱與流程複雜化會削弱企業內控品質，使 selective compliance 更容易發生。再往外看，若核心企業以這種 utilitarian logic 經營 ESG，供應商與客戶也會在壓力、模仿或交易依賴下複製同樣的 opportunistic pattern。

6. 方法

實證資料來自 2010 到 2023 年中國 A-share 上市公司。作者先以年報文字探勘建立 firm-level 的 GenAI adoption 指標，再建構 ESG opportunistic tendency 與 ESG opportunistic degree 兩個結果變數。主樣本使用上市公司 panel data，另外也依年報揭露的前五大 suppliers 與 customers 建立 focal firm-supplier / customer-year 資料，檢驗供應鏈 spillover。分析上使用固定效果模型，並做 IV-2SLS、residual-based estimation、Heckman 等穩健性檢驗。

7. 結果

結果相當完整。第一，GenAI adoption 顯著提高 ESG opportunistic tendency 與 degree，支持主效果假說。第二，中介分析顯示，GenAI 會降低 internal control quality，也會提高 agency costs，而這兩條路徑都會進一步推高 ESG opportunism；其中 internal control 的中介效果比 agency cost 更強。第三，供應鏈分析顯示 focal firms 的 GenAI adoption 會顯著提高 upstream suppliers 與 downstream customers 的 ESG opportunism，且這種 spillover 也與對方 agency cost 上升有關；對 suppliers 的影響還比對 customers 更強。第四，外部條件方面，較強的政府環境管制與 green investor preference 會放大 GenAI 對 ESG opportunism 的推升效果；相反地，較高 analyst attention 與較佳資訊揭露品質會削弱這種效果。第五，industry heterogeneity 顯示 asset-intensive industries 的效果更明顯，而 technology-intensive 與 labor-intensive 產業相對弱一些。

8. 理論貢獻

這篇最重要的理論貢獻，是把 ESG 從整體分數邏輯拉回到內部維度配置問題。第一，它提出並實證化了 ESG opportunism，補上過去 greenwashing、ESG decoupling 常把 ESG 當總分看待的盲點。第二，它把 GenAI 放進 utilitarian decision-making 框架，指出技術不是中性的，而是會改變企業對 ESG 三維度的成本收益計算。第三，它補上黑箱機制，說明 GenAI 不是抽象地讓 ESG 變差，而是透過 agency costs 與 internal control deterioration 具體作用。第四，它把 ESG 失衡從單一企業問題擴展到 supply chain spillover 問題，這點對後續治理研究很重要。

9. 實務意涵

對企業與監管者來說，這篇的提醒很強。若只把 GenAI 當成 ESG 報告、自動化分析或綠色敘事工具，企業很容易在環境面做得更漂亮，卻同步弱化勞動、隱私、治理與內控面向。對核心企業而言，這不只會影響自己，還會把這套偏斜邏輯傳遞給供應商與客戶。對政策與市場治理來說，單純提高環境監管或強化 green finance，不一定自動讓 ESG 更平衡；若缺少分析師監督、資訊揭露品質與內控要求，反而可能把企業推向更精緻的 opportunism。

10. 研究限制

限制主要有四點。第一，資料來自中國 A-share 上市公司，制度環境與供應鏈治理邏輯未必能直接外推到其他國家。第二，GenAI adoption 主要透過年報文字探勘衡量，雖有合理性，但仍是 proxy。第三，ESG opportunism 的操作化雖然新穎，但仍有一定建構判斷空間。第四，本文雖做了多種穩健性檢驗，但整體仍以觀察性 panel 資料為主，對微觀決策歷程的因果辨識還可再深化。

11. 對我研究的啟發

這篇對我特別有價值，因為它把 GenAI 的 dark side 從個人層次的 trust、dependency、stress，往組織與供應鏈治理層次推進。我如果之後要研究 human-GenAI collaboration 或 AI-enabled decision making，這篇提供一個很可重用的角度：GenAI 可能不是單純提升能力，而是重塑了資源配置與績效表演的邏輯。另一個很值得保留的點，是它把後果從 focal actor 擴展到 network spillover，這對我之後若想把人機協作接到知識治理、創新治理或責任治理，非常有幫助。

12. 整體評價

我認為這篇非常值得先讀，因為它成功跳脫「GenAI 幫助永續」的單向樂觀敘事，改用更嚴格的治理視角去問技術如何放大失衡與投機。它的強項是理論定位明確、機制與邊界條件完整、而且把 supply chain spillover 一起做進來。若要挑剔，主要是變數操作仍偏二手資料與 proxy；但作為我文獻池裡理解 GenAI 與 ESG / governance dark side 的關鍵文，這篇非常夠格。