AI风险观测站：从英国上市公司年报中，我们能看到怎样的社会韧性信号？
一份年报，能告诉我们多少关于 AI 风险的事？
当一家公司开始谈论 AI，它究竟是在展示创新，还是在承认隐患？一项新研究尝试用大语言模型（LLM）大规模扫描英国上市公司的年报，试图从这些官方文件中挖掘出企业如何披露自身对 AI 的回应。
这篇题为《AI 风险观测站：从年报中的 AI 披露能学到什么关于社会韧性的知识？》的论文，由 Bart Jaworski 撰写，已被 arXiv 收录。研究团队构建了一套可复现的两阶段分类流程，对 1,362 家英国上市公司在 2020 至 2025 年间（含部分 2026 年数据）的 9,821 份年报进行了系统分析。
验证方法：与人类标注对齐
在正式分析前，研究者先用 474 段人工标注文本验证了分类流程。结果显示，该方法在召回率上表现较高，但在标签级别的一致性上仅为中等。这意味着，模型能较好地“发现”相关内容，但在具体分类上仍有改进空间。
三个值得注意的发现
研究揭示了三个实证模式：
AI 风险提及率飙升，但“实质性”披露稀缺
2020 年至 2025 年间，提及 AI 风险的年报比例从 2.8% 跃升至 41.2%；同时，披露 AI 采用情况的比例也从 13.8% 上升至 45.2%。供应商提及则高度集中于少数几家主要厂商，微软位居榜首。然而，研究者进一步开发了“实质性分类”来评估披露质量，发现大多数 AI 风险披露并不实质性：2025 年，41.2% 的年报提及 AI 风险，但只有 4.3% 包含被归类为实质性的 AI 风险披露。
披露情况因行业和市场板块差异显著
在关键国家基础设施（CNI）领域，AI 风险披露率差异巨大。AIM 市场（另类投资市场）的年报披露 AI 风险的比例远低于主板市场；能源和数据基础设施等行业在 AI 风险披露方面也落后于其他行业。危害披露几乎缺席
在整个语料库中，仅有 7 份年报提及了 AI 带来的实际危害。这一数字之低，令人关注。
这对社会韧性意味着什么？
社会韧性研究依赖于有用且可操作的数据。这项研究的意义在于，它提出了一种利用 LLM 从海量非结构化文本中提取信号的方法，并揭示了当前企业 AI 披露的“言行差距”：谈论风险的公司很多，但真正严肃对待并披露实质性风险的公司很少。
对于政策制定者、投资者和研究者而言，这或许是一个提醒：年报中的 AI 风险披露，目前更多是形式上的合规动作，而非实质性的风险治理。
论文代码和数据已公开（数据集版本 v1.1），为后续研究提供了可复现的基础。