DOI: https://doi.org/10.1080/00036846.2025.2482927
تاريخ النشر: 2025-03-28
المؤلف: Qiang Wu وآخرون
الموضوع الرئيسي: الطاقة والبيئة والنمو الاقتصادي
نظرة عامة
تستكشف هذه الورقة البحثية دور الذكاء الاصطناعي (AI) في تقليل كثافة انبعاثات الكربون عبر مراحل مختلفة من دورات حياة الشركات، مع معالجة فجوة في الأدبيات الحالية التي تركزت بشكل أساسي على التحليلات المقطعية. باستخدام بيانات بانل من الشركات الصينية المدرجة بين عامي 2010 و2021، تستخدم الدراسة نموذج التأثيرات الثابتة ذات الاتجاهين ونهج الفرق في الفروق. تكشف النتائج أن اعتماد الذكاء الاصطناعي يقلل بشكل كبير من كثافة انبعاثات الكربون، خاصة في الشركات في مرحلة النمو، بينما يكون تأثيره أقل وضوحًا في الشركات في مرحلة الانحدار. تشمل الآليات المحددة زيادة الإنتاجية في الشركات في مرحلة النمو وزيادة الابتكار في الشركات في مرحلة الانحدار، مع ملاحظة تباين ملحوظ عبر خصائص الشركات المختلفة مثل الحجم والملكية ونوع الصناعة.
تساهم الدراسة في فهم التقنيات الرقمية والاستدامة البيئية من خلال تأطير تأثير الذكاء الاصطناعي ضمن سياق دورات حياة الشركات، مما يوفر منظورًا ديناميكيًا يتناقض مع التحليلات الثابتة السابقة. كما تسلط الضوء على أهمية تخصيص استراتيجيات اعتماد الذكاء الاصطناعي لتلبية الاحتياجات المحددة للشركات في مراحل دورة الحياة المختلفة. بالإضافة إلى ذلك، تؤكد الأبحاث على ضرورة أن تستكشف الدراسات المستقبلية الآثار طويلة الأجل للذكاء الاصطناعي على الاستدامة المؤسسية وأن تدمج بيانات على المستوى الجزئي حول تقنيات الذكاء الاصطناعي لفهم أكثر دقة لدورها في إدارة الانبعاثات. بشكل عام، توفر هذه الورقة رؤى قيمة لصانعي السياسات وقادة الأعمال الذين يسعون للاستفادة من الذكاء الاصطناعي لتحقيق فوائد بيئية مع معالجة تعقيدات عمليات الشركات عبر مراحل دورة حياتها.
مقدمة
تتناول مقدمة هذه الورقة البحثية القضية الملحة لتغير المناخ ودور الذكاء الاصطناعي (AI) في مساعدة الشركات، وخاصة في الصين، لتحقيق أهداف تقليل الكربون. باعتبارها أكبر مصدر للكربون في العالم، شهدت الصين زيادة كبيرة في اعتماد الذكاء الاصطناعي بين شركاتها، حيث أفادت ما يقرب من نصف جميع الشركات المدرجة باستخدام الذكاء الاصطناعي بحلول عام 2021. بينما يتمتع الذكاء الاصطناعي بالقدرة على تعزيز الكفاءة التشغيلية والاستدامة من خلال تحليل البيانات والتحسين، لا تزال العلاقة بين اعتماد الذكاء الاصطناعي وانبعاثات الكربون المؤسسية مثيرة للجدل. تسلط الورقة الضوء على الطبيعة المزدوجة لتأثير الذكاء الاصطناعي: يمكنه تحسين إدارة الطاقة لتقليل الانبعاثات، ومع ذلك قد يؤدي تطويره أيضًا إلى زيادة الطلبات الحاسوبية، مما يساهم في انبعاثات الكربون.
لتعزيز النقاش، تستخدم الدراسة نظرية دورة حياة الشركة لاستكشاف كيف يؤثر الذكاء الاصطناعي على كثافة انبعاثات الكربون عبر مراحل مختلفة من دورة حياة الشركة – النمو، النضج، والانحدار. يهدف هذا الإطار الديناميكي إلى معالجة قيود التحليلات الثابتة السابقة من خلال مراعاة القدرات المتنوعة والأهداف الاستراتيجية للشركات في مراحل التنمية المختلفة. تطرح الأبحاث سؤالين رئيسيين: تأثير الذكاء الاصطناعي على كثافة انبعاثات الكربون في مراحل دورة الحياة المختلفة والآليات التي تحرك هذه التأثيرات. تفترض أن الذكاء الاصطناعي يعزز الإنتاجية ويعزز الابتكار، مع استفادة الشركات في مرحلة النمو أكثر من تحسينات الإنتاجية واستفادة الشركات في مرحلة الانحدار من الابتكار. يهدف هذا الفهم الدقيق إلى التوفيق بين النتائج المتضاربة في الأدبيات الحالية ويقدم رؤى عملية لاستراتيجيات الذكاء الاصطناعي المخصصة عبر دورات حياة الشركات.
الطرق
في هذه الدراسة، نستخدم ثلاث طرق مضادة للواقع كاختبارات وهمية لتعزيز موثوقية نتائجنا. تم تصميم هذه الطرق لتقييم صحة نتائجنا من خلال محاكاة سيناريوهات بديلة كان من الممكن أن تحدث في غياب العلاج أو التدخل قيد البحث. من خلال تطبيق هذه الأساليب المضادة للواقع، نهدف إلى تعزيز مصداقية استنتاجاتنا وضمان أن التأثيرات الملحوظة ليست مجرد آثار جانبية للبيانات أو انحيازات منهجية.
النتائج
تشير النتائج المعروضة في الجدول 4 إلى أن اعتماد الذكاء الاصطناعي (AI) له تأثير كبير على تقليل كثافة انبعاثات الكربون المؤسسية. على وجه التحديد، بعد أخذ الوقت وتأثيرات الشركة الثابتة في الاعتبار، يؤدي اعتماد الذكاء الاصطناعي إلى تقليل يقارب 9 كيلوغرامات من انبعاثات الكربون لكل 10,000 يوان من الإيرادات، مما يدعم الفرضية H1. تتماشى هذه النتيجة مع الأبحاث السابقة على المستويات الصناعية والإقليمية (تاو، وانغ، وزهاي 2023).
يكشف التحليل الإضافي حسب مرحلة دورة حياة الشركة أن فعالية الذكاء الاصطناعي تختلف بشكل كبير. بالنسبة للشركات في مرحلة النمو، يكون الانخفاض في كثافة الكربون أعلى بشكل ملحوظ، بمتوسط حوالي 15 وحدة، مما يدعم الفرضية H2a. على العكس من ذلك، فإن التأثير على الشركات الناضجة والشركات في مرحلة الانحدار ليس ذا دلالة إحصائية، مما يتماشى مع الفرضيات H2b وH2c. يمكن أن يُعزى هذا التباين إلى اختلافات في الموارد المالية وسلوكيات الاستثمار والأولويات الاستراتيجية. تستفيد الشركات في مرحلة النمو من الذكاء الاصطناعي لتعزيز الإنتاجية وكفاءة الطاقة، بينما تواجه الشركات في مرحلة الانحدار قيودًا تعيق فعالية الذكاء الاصطناعي. تشير هذه النتائج إلى ضرورة وجود استراتيجيات تنفيذ مخصصة للذكاء الاصطناعي تركز على تعظيم الإنتاجية في الشركات في مرحلة النمو وتوفير دعم مستهدف للشركات في مرحلة الانحدار.
المناقشة
تسلط قسم المناقشة في الورقة البحثية الضوء على الأدبيات الحالية حول العلاقة بين الذكاء الاصطناعي (AI) وكثافة انبعاثات الكربون، مع التأكيد على وجود فجوة في التحليلات على مستوى الشركات. بينما أظهرت الدراسات السابقة أن الذكاء الاصطناعي يمكن أن يقلل من كثافة الكربون على المستويات الصناعية والإقليمية، يجادل المؤلفون بأن التأثيرات على مستوى الشركات لا تزال غير مستكشفة بشكل كاف. يقترحون أن قدرة الذكاء الاصطناعي على مراقبة وإدارة انبعاثات الكربون يمكن أن تؤدي إلى تخفيضات كبيرة، خاصة في الشركات في مرحلة النمو التي تكون أكثر استعدادًا للاستثمار في تقنيات جديدة من أجل الكفاءة وتوسيع السوق. على النقيض من ذلك، قد تقاوم الشركات الناضجة والشركات في مرحلة الانحدار اعتماد الذكاء الاصطناعي بسبب الممارسات التشغيلية الراسخة والتركيز على الاستقرار، مما يؤدي إلى تقليل أقل فعالية في كثافة الكربون.
يقدم المؤلفون عدة فرضيات بناءً على نظرية دورة حياة الشركات، مقترحين أن تأثير الذكاء الاصطناعي على كثافة انبعاثات الكربون يختلف عبر مراحل دورة الحياة المختلفة. على وجه التحديد، يفترضون أن الذكاء الاصطناعي سيقلل بشكل كبير من كثافة الكربون في الشركات في مرحلة النمو (H2a)، بينما قد لا يكون له نفس التأثير في الشركات الناضجة (H2b) والشركات في مرحلة الانحدار (H2c). بالإضافة إلى ذلك، يستكشفون الآليات التي يؤثر من خلالها الذكاء الاصطناعي على انبعاثات الكربون، مقترحين أن تحسينات في إنتاجية العمل (H3a) والابتكار (H3c) هي المسارات الرئيسية. كما يعترف المؤلفون بأن تأثيرات الذكاء الاصطناعي قد تختلف بناءً على خصائص الشركات والصناعات، مما يؤدي إلى فرضيتهم النهائية (H4) بشأن تباين تأثير الذكاء الاصطناعي عبر سياقات مختلفة. يضع هذا الإطار الشامل الأساس للتحليل التجريبي، بهدف دعم هذه الفرضيات من خلال أساليب منهجية قوية.
DOI: https://doi.org/10.1080/00036846.2025.2482927
Publication Date: 2025-03-28
Author(s): Qiang Wu et al.
Primary Topic: Energy, Environment, Economic Growth
Overview
This research paper investigates the role of artificial intelligence (AI) in reducing carbon emission intensity across different stages of firm lifecycles, addressing a gap in existing literature that has primarily focused on cross-sectional analyses. Utilizing panel data from Chinese listed companies between 2010 and 2021, the study employs a two-way fixed-effects model and a difference-in-differences approach. The findings reveal that AI adoption significantly decreases carbon emission intensity, particularly in growth-stage enterprises, while its impact is less pronounced in decline-stage firms. The mechanisms identified include enhanced productivity in growth-stage firms and increased innovation in decline-stage firms, with notable heterogeneity observed across various enterprise characteristics such as size, ownership, and industry type.
The study contributes to the understanding of digital technologies and environmental sustainability by framing AI’s impact within the context of firm lifecycles, thus offering a dynamic perspective that contrasts with previous static analyses. It highlights the importance of tailoring AI adoption strategies to the specific needs of firms at different lifecycle stages. Additionally, the research underscores the necessity for future studies to explore the long-term effects of AI on corporate sustainability and to incorporate micro-level data on AI technologies for a more nuanced understanding of their role in emission management. Overall, this paper provides valuable insights for policymakers and business leaders aiming to leverage AI for environmental benefits while addressing the complexities of firm operations across their lifecycle stages.
Introduction
The introduction of this research paper addresses the pressing issue of climate change and the role of artificial intelligence (AI) in helping enterprises, particularly in China, meet carbon reduction targets. As the world’s largest carbon emitter, China has seen a significant increase in AI adoption among its enterprises, with nearly half of all listed companies reporting AI usage by 2021. While AI has the potential to enhance operational efficiency and sustainability through data analysis and optimization, the relationship between AI adoption and corporate carbon emissions remains contentious. The paper highlights the dual nature of AI’s impact: it can optimize energy management to reduce emissions, yet its development may also escalate computational demands, contributing to carbon emissions.
To advance the discourse, the study employs Firm Lifecycle Theory to explore how AI affects carbon emission intensity across different stages of a firm’s lifecycle—growth, maturity, and decline. This dynamic framework aims to address the limitations of previous static analyses by considering the varying capabilities and strategic objectives of firms at different developmental stages. The research poses two key questions: the effect of AI on carbon emission intensity at various lifecycle stages and the mechanisms driving these effects. It posits that AI enhances productivity and fosters innovation, with growth-stage firms benefiting more from productivity improvements and decline-stage firms gaining from innovation. This nuanced understanding aims to reconcile conflicting findings in existing literature and offers practical insights for tailored AI strategies across firm lifecycles.
Methods
In this study, we utilize three counterfactual methods as placebo tests to enhance the robustness of our findings. These methods are designed to assess the validity of our results by simulating alternative scenarios that could have occurred in the absence of the treatment or intervention under investigation. By applying these counterfactual approaches, we aim to strengthen the credibility of our conclusions and ensure that the observed effects are not merely artifacts of the data or methodological biases.
Results
The results presented in Table 4 indicate that the adoption of artificial intelligence (AI) has a significant impact on reducing corporate carbon emission intensity. Specifically, after accounting for time and firm fixed effects, AI adoption leads to a reduction of approximately 9 kilograms of carbon emissions per 10,000 yuan of revenue, thereby supporting hypothesis H1. This finding is consistent with prior research at the industrial and regional levels (Tao, Wang, and Zhai 2023).
Further analysis by firm lifecycle stage reveals that AI’s effectiveness varies significantly. For growth-stage firms, the reduction in carbon intensity is notably higher, averaging around 15 units, which supports hypothesis H2a. Conversely, the impact on mature and decline-stage firms is not statistically significant, aligning with hypotheses H2b and H2c. This disparity can be attributed to differences in financial resources, investment behaviors, and strategic priorities. Growth-stage firms leverage AI to enhance productivity and energy efficiency, while decline-stage firms face constraints that hinder AI’s effectiveness. These findings suggest the necessity for tailored AI implementation strategies that focus on maximizing productivity in growth-stage firms and providing targeted support for decline-stage firms.
Discussion
The discussion section of the research paper highlights the existing literature on the relationship between artificial intelligence (AI) and carbon emission intensity, emphasizing a gap in firm-level analyses. While previous studies have shown that AI can reduce carbon intensity at the industrial and regional levels, the authors argue that firm-level impacts remain underexplored. They propose that AI’s ability to monitor and manage carbon emissions can lead to significant reductions, particularly in growth-stage enterprises that are more willing to invest in new technologies for efficiency and market expansion. In contrast, mature and decline-stage firms may resist adopting AI due to established operational practices and a focus on stability, leading to less effective reductions in carbon intensity.
The authors present several hypotheses based on the enterprise lifecycle theory, suggesting that the impact of AI on carbon emission intensity varies across different lifecycle stages. Specifically, they hypothesize that AI will significantly reduce carbon intensity in growth-stage firms (H2a), while it may not have the same effect in mature (H2b) and decline-stage enterprises (H2c). Additionally, they explore the mechanisms through which AI influences carbon emissions, proposing that improvements in labor productivity (H3a) and innovation (H3c) are key pathways. The authors also acknowledge that the effects of AI may differ based on enterprise and industry characteristics, leading to their final hypothesis (H4) regarding the variability of AI’s impact across different contexts. This comprehensive framework sets the stage for empirical analysis, aiming to substantiate these hypotheses through robust methodological approaches.