研究用 LLM 分析 9821 份英国年报，量化企业 AI 风险披露

年报经 LLM 规模化处理后，能否成为企业如何披露其应对 AI 的有用信号。

• 场景：作者认为，对先进 AI 的社会韧性取决于在故障出现前知道依赖与风险在经济中、尤其是关键国家基础设施（Critical National Infrastructure, CNI）何处累积。调查昂贵且有应答偏差，事件库是事后记录，监管申报因辖区与行业而异。
• 为何看年报：年报依法强制、董事会负责，与经审计财务报表一并发布；审计师还须确认战略报告与账目一致。《公司法 2006》要求战略报告描述主要风险与不确定性；金融报告委员会（FRC）的非强制指引要求这些内容针对实体，而不是泛泛表述。
• 作者设问：LLM 能否在规模上可靠抽出结构化 AI 信号；把方法用到 2020–2025 年作者所称近乎全量的英国注册上市企业（含部分 2026）会看到什么模式；披露是实质性、具体的，还是多为套话。
• 本文提出：一套可复现的两阶段分类流水线，用于 1,362 家公司的 9,821 份年报；先对照人工标注看可行性，再按 CNI 行业与市场板块描述趋势，并用实质性分级评估信号质量。

论文按四组讨论相关工作。实验没有把其他分类器当作基线，校验对照的是人工标签。

财务披露 NLP

• Loughran 与 McDonald（2011）：把年报当作 NLP 语料，并记录通用词典会误判金融用语。
• Loughran 与 McDonald（2016）：综述金融文本常用的词典分类、可读性与文档相似度。作者称这些通行做法影响了流水线设计。
• Lang 与 Stice-Lawrence（2015）；Park（2025）：前者对包括英国在内的 42 国非美国年报做大样本文本分析。后者用 LLM 与 LLM 智能体，从财务报表的文字风险披露中量化重大实体风险。

实质性与套话

• Dyer 等（2017）：美国 10-K 变长且更冗余。作者据此提出 AI 披露是否同样如此。
• Brown 与 Tucker（2011）：用管理层讨论与分析（MD&A）的逐年文本变化，代理公司披露了多少新信息。

AI 披露与治理

• Uberti-Bona Marin 等（2026）：分析超过 30,000 份美国申报，记录 AI 风险提及增长很快，同时缓解细节持续泛泛。作者称这是最可比的研究，方向与英国结果一致。
• Bonsón 等（2023）：西欧公司报告中的算法决策披露大体自愿且不均匀。
• Chiu（2025）：提出生成式 AI 本身可能被用于撰写叙事披露，从而改变被分析文本的作者身份与可靠性。

观测站式监测

• ClimateBERT（Webersinke 等，2022）：领域适配语言模型使公司披露文本的主题分类变得可行。
• Ferjančič 等（2024）：对可持续发展报告做文本分析，把披露主题与公司 ESG 结果联系起来。作者称自己把同一逻辑纵向用到 AI 相关披露。

作者把首要贡献定位为方法：LLM 抽取可行、可复现，并产生与广泛报道的 AI 采纳进展方向一致的趋势信号。次要贡献上，作者称本文提供了英国上市企业 AI 披露按 CNI 分解的首次大规模视图，覆盖主板、AIM 与 Aquis。

先用固定关键词门控缩小范围，再用 两阶段分类流水线（分类模型为 Gemini 3 Flash）给 AI 提及打类型、风险类、供应商和实质性（substantiveness）标签。附录 F 概述提示词设计，附录 G 给出全文。

语料与预处理

• 范围：英国注册、在伦敦证交所主板与 AIM 以及 Aquis 上市的实体。剔除 191 家非英国注册公司后，全集 1,469 家；1,362 家至少有一份可处理年报，共 9,821 份（2020–2025 年 9,482 份，另有 339 份部分 2026）。分析单位是申报文件而不是公司-年，同一出版年可有多份文件，因此“报告占比”按文件加权。
• 来源：第三方供应 markdown 与元数据。作者称该来源对 FTSE 350 覆盖约 95%，对 AIM 约 28%。缺失的公司-年回退到 Companies House 的 PDF，再用 Mistral OCR 批量接口转成 markdown。107 家没有任何可用年报，作者称通常是较小的 AIM 或 Aquis 发行方。
• 门控：段落须含核心 AI 术语、具名 AI 产品或供应商、或 AI 应用术语之一。单独的 data analytics、digital transformation、automation 不触发。通过后连同前后各两段上下文抽出，得到 24,189 条 AI 提及。缩写可能撞上非 AI 用法，由第一阶段的显式性规则剔除。
• CNI 映射：用一组 LLM 自动评分器映射行业。1,362 家中 970 家有主要 CNI 行业，392 家归入 other。论文未给出该评分器的模型名。

第一阶段：提及类型

• 标签：ADOPTION、RISK、VENDOR、HARM、GENERAL/AMBIGUOUS、NONE。除两类外可并存：NONE 排除其他标签；GENERAL/AMBIGUOUS 只在没有其他标签时使用。一份报告可以同时含不同段落。
• 保守规则：采纳要求第一人称、公司自身、当前部署；未来意图或战略不算，正在进行的试点可以。为客户交付 AI 系统算采纳，纯咨询而不部署不算。风险要求不利或暴露被归于 AI，而不是仅仅出现在 AI 附近。伤害要求过去或正在发生的、具体的、由 AI 造成的事件。供应商要求点名第三方 AI 提供方或平台。
• 保留规则：摘录若未明确提到 AI/ML/LLM/生成式 AI 或明确的 AI 技术，标 NONE。每个标签有 0–1 置信度，保留置信度不低于 0.2 的标签。作者称保守性来自标注细则和关键词门，而不是更严的置信度截止。

第二阶段：细分、归因与实质性

• 采纳类型：NON-LLM、LLM、AGENTIC，信号 0–3，非互斥。流水线会打分，但本文不分析；作者称 agentic 等稀有类型的精确率尚未校验。
• 风险：十类，可多选，定义见附录 H：Strategic/Competitive、Cybersecurity、Operational/Technical、Regulatory/Compliance、Reputational/Ethical、Third-Party/Supply Chain、Information Integrity、Workforce Impacts、Environmental Impact、National Security。归因信号 3 为同一陈述中的明确因果，2 为清楚但需推断，1 为间接或弱。信号为 3 时作者称为 explicit。
• 供应商：预定义名单（含 Microsoft、Google、OpenAI、Amazon、Nvidia、Meta 等）加 INTERNAL、OTHER、UNDISCLOSED、OPEN-SOURCE MODEL。
• 实质性：1 为套话，可几乎原样出现在任何报告；2 为中等，点出领域但缺机制或缓解；3 为实质性，描述具体机制，并给出控制、具名系统或可测目标。报告级取段落数最多的档，并列时取更高档。Figure 3 与 Figure 8 的报告级数字都用这一规则。

校验与分类法检查

• 人工对照：474 段，来自 15 家公司的 30 份报告，覆盖 12 个 CNI 行业中的 10 个，不含 Data Infrastructure 与 Civil Nuclear。一名标注者事后裁定：凡初标与分类器不一致处都复看。没有第二名独立标注者，因此没有标注者间一致性基线。
• 开放分类法：对校验集中 100 条 AI 风险提及做自由标签，96 条成功，得到 107 个标签。正文称人工归并后的主题都没有落在固定十类之外。附录 I 称归成八个主题，六个直接对应固定类；数据治理与模型伦理并不一一对应，但最接近 Regulatory/Compliance 与 Reputational/Ethical。Operational/Technical、Information Integrity、Environmental Impact、National Security 在这 96 段里没有作为涌现主题出现。作者认为这次检查没有提示缺失的大类，但并不独立验证未出现的四类。

实验设置

• 模型：分类用 Gemini 3 Flash。PDF 回退转换用 Mistral OCR。CNI 映射用 LLM 自动评分器，论文未给出模型名。没有单独的 LLM 裁判。
• 语料：9,821 份报告、1,362 家公司。2025 年 1,561 份来自 884 家。各年公司数为 739、896、1,020、1,002、1,032、884、207（2020–2026）。2026 为截至 2026 年 4 月的 339 份，进入趋势图并单独报告，不用于同比。
• 指标：文件加权的报告占比。风险等实质性在报告级按多数档，并列取更高。Stage-1 报告精确率、召回，以及标签集的平均 Jaccard。
• 参照：474 段人工标签，一名标注者加裁定。保留置信度不低于 0.2 的标签。论文未报告重复运行次数。
• 板块：FTSE 100 含于 FTSE 350，FTSE 350 含于主板。2025 年印刷比较用数据商分类：703 份主板、171 份 AIM；其余 687 份（676 份无板块、11 份 Aquis）不进入该比较。
• 行业：12 个 CNI 行业加 other。作者称每年报告数少于 30 的行业比率只作示意。

主结果

据 Table 5（占当年已处理报告的百分比；2026 为部分年份）：

Swipe horizontally to read the table

年份	报告数	任一AI	采纳	风险	供应商
2020	1,007	19.8%	13.8%	2.8%	3.1%
2021	1,328	27.4%	20.9%	4.2%	4.2%
2022	1,853	28.4%	22.5%	4.8%	5.7%
2023	1,905	36.8%	25.8%	9.8%	7.5%
2024	1,828	55.2%	36.8%	30.4%	14.6%
2025	1,561	65.5%	45.2%	41.2%	19.2%
2026部分	339	77.3%	63.1%	66.4%	29.5%

• 分段：作者把走势分成三段。2020–2022 采纳提及上升而风险滞后，二者差距在 2022 年扩到 17.7 个百分点。2023 年的上升出现在 ChatGPT 发布后数月起草的报告中，但这些报告大多对应截至 2022 年的财年。作者称台阶出现在 2024，即其后第一个完整报告周期，并称出版年滞后于财年。
• 一般提及：Table 5 的一般/含糊类从 2020 年 12.2% 到 2025 年 56.1%，超过采纳。仅含一般/含糊提及的报告在 2025 年为 6.9%（108/1,561）。作者认为套话大多叠在更具体披露之上，而不是取而代之。
• 仍未提及与倍数：2025 年 918/1,561（58.8%）完全没有提及 AI 风险。作者称风险提及份额大约是 2020 年的十五倍（28 份到 643 份），报告份数大约是二十三倍。部分 2026 年风险占比高于采纳；作者称这些数字不是定稿。

分类器校验

• Stage-1：474 段上，标签集平均 Jaccard 为 0.73。Table 2 召回为 0.91–0.97；精确率因标签而异：risk 0.82（支持数 101）、vendor 0.67（33）、adoption 0.57（147）、general/ambiguous 0.58（159）、none 0.93（165）。harm 支持数为 0，精确率 0.00；分类器有 40 个假阳性。
• 更细标签：Stage-2 采纳类型 Jaccard 0.41，十类风险 0.33；三类多标签平均 0.49、中位数 0.41。供应商 Stage-2 不能按标签粒度计分，存档只留二元标记；是否出现供应商按 Stage-1 校验。作者认为差距多来自分类器标得更全，且常常仍然成立。
• 作者如何使用：摘要称高召回、标签级一致性中等。正文称提及类型级的高召回和中等精确率足以支持趋势分析；更细标签噪声更大，解释时据此处理。

风险类别、供应商与伤害

• 类别：2025 年领先的是 Strategic/Competitive（27.4% 的报告）、Cybersecurity（25.7%）、Operational/Technical（24.2%）。Information Integrity 从 2020 年 1 份（0.1%）到 2025 年 162 份（10.4%）；Workforce Impacts 从 3 份（0.3%）到 132 份（8.5%），作者称份额大约是原来的 28 倍。Figure 2 给出十类逐年占比；图注称 2026 部分年份超出按 2020–2025 设定的色标。
• 供应商：2025 年 Microsoft 98 份，其后 Google 47、Amazon 42、OpenAI 38；其他具名提供方 154 份，未点名第三方 65 份（正文与 Figure 3）。供应商提及报告中 64.5% 被评为实质性，但作者指出点名本身就满足“具名系统”标准。仅 19.2% 的 2025 年报告含供应商提及，AI 提及报告中 29.2% 点名供应商。图注称 OpenAI 在 2023 年前作为披露供应商基本缺席（2021 年 3 份，2020 与 2022 年 0 份）。
• 伤害：9,821 份中只有 7 份含伤害标签，共 9 段。人工复看后，5 段、跨 4 份报告描述已实现的 AI 造成事件。作者认为年报也许不适合监测已实现事件，该计数也很少说明事件实际有多常发生。

行业、板块与实质性

• 行业：Table 6 中，2025 年任一 AI 提及率 Government 为 87.0%（20/23），Communications 为 86.2%（25/29）；作者称报告太少，二者在统计上无法区分。二者的 AI 风险占比分别为 60.9% 与 51.7%。Communications 的风险占比同比 +26.7 个百分点（29 份）。Finance 占量最大：461/1,362 家以 Finance 为主要 CNI，2025 年 657 份；其中 292 家是投资基金而非经营企业。
• 低风险提及：在至少 10 份 2025 年报告的行业中，Data Infrastructure 最低，20 份里 18 份（90.0%）没有 AI 风险提及；Energy 为 112/140（80.0%）。正文称 Energy 的采纳为 21%、供应商为 9%；Data Infrastructure 采纳 55%、供应商 25%。作者认为不能从披露文本区分这是风险感知、治理过程还是披露惯例。Civil Nuclear 仅 3 份，任一 AI 与风险均为 0.0%，不进入上述“最低”比较。
• 板块：Table 3，2025 年 AI 风险提及率 FTSE 100 为 68.6%（223 份、85 家），FTSE 350 为 63.0%（606 份），主板 57.8%（703 份），AIM 6.4%（171 份）。作者称主板与 AIM 相差 51.4 个百分点、约九倍，并认为很可能反映 AIM 更轻的治理制度以及规模与治理资源差异。脚注写明 AIM 公司仍须按《公司法 2006》第 414C 条描述主要风险，但不受英国上市规则、披露指引与透明度规则和英国公司治理守则约束。Table 3 里主板风险 57.8% 略高于采纳 55.6%，FTSE 350 为 63.0% 对 61.2%；FTSE 100 采纳 79.8% 仍高于风险 68.6%。
• 实质性：Table 4，2025 年实质性 AI 风险占全部报告 4.3%，与全部风险提及 41.2% 相差 36.9 个百分点；该差距 2020 年为 2.5 个百分点。643 份风险提及中 67 份（10.4%）为实质性。Table 7：风险类实质性 10.4%、中等 78.5%、套话 11.0%（n=643）；采纳实质性 33.8%（n=705）；供应商实质性 64.5%（n=299）。作者称风险是最不具体的一类，供应商数字不能直接比较；套话只占各类型的 10.7–11.0%，多数风险披露是中等而非套话。第 5.2 节给出介质上限、治理尚不成熟、合规性提及和报告激励等非互斥解释。

其他消融与分析

• 显式归因（信号 3）：附录 F 为 2025 年 30.3% 对任一风险标签 41.2%；Figure 6 标为 30% 对 41%。作者称只保留实质性后，增长曲线被压平。
• 公司级对文档级，2025：任一 AI 65.6% 对 65.5%，风险 41.6% 对 41.2%，采纳 46.7% 对 45.2%。
• 部分 2026 的 AI 风险：公司级 72.0%，文档级 66.4%。
• 细化主板映射：1,287 份，任一 AI 70.9%，风险 46.9%。作者称印刷版主板比率应读作指数成分与明确标注的主板发行方。
• 开放分类法：100 段中 96 段成功，107 个自由标签；正文与附录 I 对“是否落在十类之外”的说法见第 3 问。
• Figure 12：中等档每年占主导。作者称 2023 起风险提及报告中实质性约占 10%；2020–2022 最高到 18%，但报告很少。

作者指出的局限与后续方向

• 披露不是暴露（第 5.3 节）：分析的是公司选择写什么，不是实际做法或经历。披露多不必然治理更好；披露少可能是未识别、选择不披露，或 AI 尚不重要。文本本身不能区分这些情形。
• 报告不完整（第 5.3 节）：年报面向股东和监管者。公司可能省略商业敏感、法律上有风险或不被要求的细节。中等实质性占比高，可能是内部有信息但未披露，而不一定是信息不存在。作者用了 may。
• 关键词门与误差方向（第 5.3 节）：不把 AI 明确说出来的表述不会被计入，显式披露计数会低估以其他说法框定的讨论。下游分类器也有假阳性，报告比率不是严格下界。作者称没有量化误差的净方向。
• 实质性只是代理（第 5.3 节）：中等与实质性的边界主观，LLM 在边界案例上可能与人类专家不同。应视为近似质量指标，不是精确测量。
• 校验、辖区与 2026（第 5.1、5.3 节）：校验集来自大盘主板、2023–2024 年申报，不独立验证 AIM 或早年报告。稀有标签（如 agentic 采纳、国家安全风险）的子类精确率仍不确定。参照由一名标注者产生，没有独立的标注者间一致性，作者称应读作经整理的基准，而不是无歧义真值。方法只在英国申报上测试过。部分 2026 为截至 2026 年 4 月的 339 份，不应当作定稿。
• 不能回答的解释与下一步（第 5.2 节、结论）：低实质性可能来自介质本身的上限、AI 风险管理框架尚新、主要为向监管者与投资者表示知晓，或为避免责任与投资者反应而选择模糊。作者称这些解释非互斥，政策含义不同，但本研究提出了该问题还不能回答。结论称，把披露模式连到基础风险管理的质量与操作准备度，需要本文范围之外的互补数据与方法。

实验覆盖范围

• 语料为英国注册、主板、AIM 与 Aquis 的年报：全集 1,469 家中的 1,362 家、9,821 份，出版年 2020–2025，另有截至 2026 年 4 月的 339 份（第 3.1 节、Table 1）。
• 分类模型为 Gemini 3 Flash。人工校验为 474 段、30 份报告、15 家公司、12 个 CNI 行业中的 10 个（第 3.4 节、Table 1–2）。论文写明没有第二名标注者，故未报告标注者间一致性。
• 行业数字覆盖 Table 6 的 12 个 CNI 行业。板块印刷表使用 703 份主板与 171 份 AIM，排除 687 份（第 4.5 节、Table 3）。
• 伤害标签的 9 段全部人工复看（第 4.4 节）。采纳类型分数由流水线计算，本文未分析（第 3.3 节）。
• 论文写明 Stage-2 供应商不能按标签粒度计分。开放分类法检查为 100 段中的 96 段（附录 I）。论文未报告分类器的重复运行次数。

用 LLM 从英国上市企业年报抽取 AI 披露，看它能否为社会韧性研究提供信号。

• 问题：作者要在故障前知道 AI 依赖与风险、尤其是 CNI 中的累积。年报依法强制且逐年结构稳定，但是否含有可用的 AI 应对信号，需要实测。
• 做法：对 1,362 家英国注册上市企业的 9,821 份 2020–2025 年报（另有部分 2026）做关键词门控，再用 Gemini 3 Flash 做两阶段分类，标出采纳、风险、供应商和伤害，把风险映到十类，并按套话、中等、实质性定档。
• 可行性：对照 474 段人工标注，Stage-1 召回为 0.91–0.97，风险精确率 0.82，采纳精确率 0.57；Stage-1 Jaccard 为 0.73，十类风险为 0.33。作者称这足以支持趋势，更细标签噪声更大。
• 趋势：提及 AI 风险的报告占比从 2020 年 2.8% 到 2025 年 41.2%，采纳从 13.8% 到 45.2%。2025 年主板为 57.8%，AIM 为 6.4%。具名供应商以 Microsoft 居首，当年 98 份。
• 信号质量：2025 年被归为实质性的 AI 风险披露只占全部报告 4.3%；643 份风险提及中 10.4% 为实质性，78.5% 为中等。伤害标签只出现在 7/9,821 份报告。
• 作者的结论：年报可以追踪各 CNI 行业的 AI 风险披露如何变化，但不适合监测已实现事件。披露广度超过深度。差距来自介质、框架尚新还是策略性模糊，作者称本文不能回答。连到实际风险管理需要其他数据。作者还认为，2024 年英国公司治理守则 Provision 29 可能推动适用该守则的董事会对 AI 相关控制写得更具体，但它不直接规定风险披露的具体程度，也不适用于 AIM。