How artificial intelligence affects enterprise pollution emission intensity:Based on the perspective of enterprise ESG performance

तकनीकी सारांश: आर्टिफिशियल इंटेलिजेंस (AI) उद्यम प्रदूषण उत्सर्जन तीव्रता को कैसे प्रभावित करता है

समस्या विवरण
औद्योगिक प्रदूषण एक गंभीर वैश्विक चुनौती बना हुआ है, विशेष रूप से विनिर्माण क्षेत्र के भीतर, जिसके लिए पारंपरिक शासन मॉडलों से उन्नत तकनीकी समाधानों की ओर बढ़ने की आवश्यकता है। जबकि मौजूदा साहित्य यह स्वीकार करता है कि आर्टिफिशियल इंटेलिजेंस (AI) पर्यावरण के अनुकूल सतत विकास को सुगम बना सकता है और उत्सर्जन को कम कर सकता है, सूक्ष्म-उद्यम स्तर पर AI के कार्य करने के विशिष्ट तंत्रों के संबंध में एक महत्वपूर्ण शोध अंतराल मौजूद है। इसके अलावा, पूर्व अध्ययनों में AI के प्रदूषण न्यूनीकरण प्रभावों के विश्लेषणात्मक ढांचे में उद्यम पर्यावरणीय, सामाजिक और गवर्नेंस (ESG) प्रदर्शन को एकीकृत करने पर बहुत कम ध्यान दिया गया है। यह अध्ययन इस समझ की कमी को संबोधित करता है कि कैसे उद्यम ESG प्रदर्शन, AI पैठ (penetration) और प्रदूषण उत्सर्जन तीव्रता के बीच के संबंध को नियंत्रित करता है, और कैसे पारंपरिक सांस्कृतिक प्रभाव इस गतिशीलता को आकार देते हैं।

कार्यप्रणाली
यह अध्ययन 2007 से 2022 तक के चीनी विनिर्माण सूचीबद्ध कंपनियों के सूक्ष्म-स्तरीय पैनल डेटा का उपयोग करते हुए एक मात्रात्मक अनुभवजन्य दृष्टिकोण अपनाता है।

• डेटा स्रोत: डेटासेट चीन स्टॉक मार्केट एंड अकाउंटिंग रिसर्च डेटाबेस (CSMR), ब्लूमबर्ग ESG रेटिंग और वार्षिक रिपोर्ट, स्थिरता रिपोर्ट और कॉर्पोरेट वेबसाइटों से मैन्युअल रूप से क्रॉल किए गए डेटा को जोड़ता है।
• चर निर्माण (Variable Construction):
  • आश्रित चर (Dependent Variable): उद्यम प्रदूषण उत्सर्जन तीव्रता ($lnP$), जिसे पांच प्रदूषकों (केमिकल ऑक्सीजन डिमांड, अमोनिया नाइट्रोजन, सल्फर डाइऑक्साइड, नाइट्रोजन ऑक्साइड, और धुआं/कणिका पदार्थ) के एक व्यापक सूचकांक के रूप में निर्मित किया गया है, जो आउटपुट प्रति इकाई मानकीकृत उत्सर्जन के भारित औसत (weighted average) का उपयोग करता है।
  • स्वतंत्र चर (Independent Variable): AI पैठ ($lnWords$), जिसे वार्षिक रिपोर्ट के "प्रबंधन की चर्चा और विश्लेषण" (MD&A) अनुभाग में AI-संबंधित कीवर्ड की आवृत्ति द्वारा मापा गया है, जिसे रिपोर्ट में AI-संबंधित कुल शब्दों द्वारा सामान्यीकृत किया गया है।
  • नियामक चर (Moderating Variable): उद्यम ESG प्रदर्शन, जो ब्लूमबर्ग ESG रेटिंग (पर्यावरणीय, सामाजिक और गवर्नेंस स्कोर का योग) से प्राप्त किया गया है, जिसे नमूना माध्यिका (sample median) के आधार पर एक डमी चर में परिवर्तित किया गया है।
  • नियंत्रण चर (Control Variables): फर्म का आकार, संपत्ति वृद्धि, उत्तोलन (leverage), वित्तीय जोखिम, संस्थागत निवेशक स्वामित्व, और सरकारी राजकोषीय हस्तक्षेप की तीव्रता।
• अर्थमितीय मॉडल (Econometric Models):
  • आधारभूत मॉडल (Baseline Model): प्रदूषण तीव्रता पर AI के प्रत्यक्ष प्रभाव का अनुमान लगाने के लिए एक टू-वे फिक्स्ड इफेक्ट्स रिग्रेशन (फर्म और वर्ष) का उपयोग किया गया है।
  • तंत्र विश्लेषण (Mechanism Analysis): अध्ययन दो मार्गों का परीक्षण करता है: (1) आंतरिक प्रोत्साहन प्रभाव (Internal Incentive Effect), जिसे कार्यकारी मुआवजे के स्तर द्वारा मापा गया है; और (2) बाह्य सहायता प्रभाव (External Support Effect), जिसे वित्तपोषण बाधाओं (Whited-Wu इंडेक्स का उपयोग करके) द्वारा मापा गया है।
  • नियामक प्रभाव (Moderating Effect): AI पैठ और ESG प्रदर्शन के बीच इंटरेक्शन टर्म्स का उपयोग यह परीक्षण करने के लिए किया जाता है कि क्या ESG प्रदर्शन प्रदूषण कम करने के संबंध को नियंत्रित करता है।
  • मजबूती और अंतर्जातता (Robustness and Endogeneity): अंतर्जातता (endogeneity) को संबोधित करने के लिए, अध्ययन एक जनरललाइज्ड मेथड ऑफ मोमेंट्स (GMM) टू-स्टेज लीस्ट स्क्वायर्स (2SLS) दृष्टिकोण का उपयोग करता है जिसमें दो उपकरण चर (instrumental variables) हैं: (1) मर्चेंट गिल्ड संस्कृति का प्रभाव (ऐतिहासिक गिल्ड मूल से दूरी) और पिछले वर्ष के राष्ट्रीय AI उद्यमों की संख्या के बीच का इंटरेक्शन; और (2) उद्यम के उद्योग में प्रति 100 व्यक्तियों पर कंप्यूटरों की संख्या। अतिरिक्त मजबूती जांच में लैगिंग वेरिएबल्स, वैकल्पिक प्रदूषण माप और फिक्स्ड इफेक्ट्स भिन्नताएं शामिल हैं।

प्रमुख परिणाम

1. AI का प्रत्यक्ष प्रभाव: AI पैठ उद्यम प्रदूषण उत्सर्जन तीव्रता को महत्वपूर्ण रूप से कम करती है। AI पैठ में एक मानक विचलन (standard deviation) की वृद्धि प्रदूषण तीव्रता में सांख्यिकीय रूप से महत्वपूर्ण कमी लाती है। यह निष्कर्ष मजबूती परीक्षणों और अंतर्जातता सुधारों के बावजूद बना रहता है।
2. तंत्र सत्यापन:
   • आंतरिक प्रोत्साहन: AI अपनाने का उच्च कार्यकारी मुआवजे के साथ सकारात्मक संबंध है, जो यह सुझाव देता है कि AI आंतरिक प्रोत्साहन तंत्र को बढ़ाता है जो प्रबंधन के लक्ष्यों को पर्यावरणीय प्रदर्शन के साथ संरेखित करता है।
   • बाह्य सहायता: AI अपनाने से वित्तपोषण की बाधाएं कम करने में मदद मिलती है, जिससे प्रदूषण नियंत्रण पहलों के लिए आवश्यक पूंजी उपलब्ध होती है।
3. ESG की नियामक भूमिका: उद्यम ESG प्रदर्शन, AI और प्रदूषण न्यूनीकरण के बीच के संबंध को सकारात्मक रूप से नियंत्रित करता है। विशेष रूप रूप से, उच्च ESG प्रदर्शन वाले फर्मों में AI का प्रदूषण-न्यूनीकरण प्रभाव अधिक मजबूत होता है।
4. सांस्कृतिक संदर्भ: ESG का नियामक प्रभाव उन क्षेत्रों में अधिक स्पष्ट है जहाँ पारंपरिक संस्कृति का प्रभाव कम है। उन क्षेत्रों में जहाँ पारंपरिक सांस्कृतिक प्रभाव (ऐतिहासिक प्रिंटिंग ब्यूरो की दूरी द्वारा प्रॉक्सी किया गया) मजबूत है, ESG के माध्यम से AI के प्रदूषण न्यूनीकरण को बढ़ाने का सीमांत लाभ कम स्पष्ट है, संभवतः इसलिए क्योंकि पारंपरिक सांस्कृतिक मानदंड पहले से ही कुछ पर्यावरणीय बाधाएं लागू करते हैं।
5. विषमता (Heterogeneity):
   • स्वामित्व: AI का प्रदूषण न्यूनीकरण प्रभाव राज्य के स्वामित्व वाले उद्यमों (SOEs) के लिए महत्वपूर्ण है लेकिन गैर-SOEs के लिए सांख्यिकीय रूप से महत्वहीन है। लेखक इसका श्रेय SOEs के पास बड़े संसाधन भंडार, जोखिम सहने की क्षमता और सरकारी नीतियों को लागू करने की क्षमता को देते हैं।
   • उद्योग प्रकार: यह प्रभाव हाई-टेक उद्योगों और गैर-भारी प्रदूषण उद्योगों में महत्वपूर्ण है। भारी प्रदूषण वाले उद्योगों में, प्रभाव सांख्यिकीय रूप से महत्वपूर्ण नहीं है, जिसका कारण उच्च आधार लागत और नियामक दबाव हो सकता है जो AI एकीकरण के तत्काल सीमांत लाभ को सीमित करते हैं।

महत्व और योगदान
यह शोध पत्र मौजूदा साहित्य में दो प्राथमिक योगदान का दावा करता है:

1. सैद्धांतिक एकीकरण: उद्यम ESG प्रदर्शन को विश्लेषणात्मक ढांचे में शामिल करके, यह अध्ययन प्रकट करता है कि कैसे सामाजिक जिम्मेदारी का संकेत और हितधारक अपेक्षाएं प्रदूषण न्यूनीकरण में AI की प्रभावकारिता को बढ़ाती हैं। यह हरित परिवर्तन के संचरण तंत्र (transmission mechanisms) के लिए अधिक व्यापक दृष्टिकोण प्रदान करता है।
2. सांस्कृतिक संदर्भ: अध्ययन इस बात का अनुभवजन्य प्रमाण देता है कि पारंपरिक संस्कृति पर्यावरणीय शासन नीतियों के कार्यान्वयन को कैसे प्रभावित करती है। यह रेखांकित करता है कि ESG-संचालित AI रणनीतियों की प्रभावशीलता स्थानीय सांस्कृतिक परिवेश के आधार पर भिन्न होती है, जो यह सुझाव देती है कि पर्यावरणीय शासन प्रणालियों को स्थानीय सांस्कृतिक संदर्भों के अनुकूल बनाया जाना चाहिए।

निष्कर्ष नीति निर्माताओं और उद्यम प्रबंधकों को उन मार्गों के बारे में अनुभवजन्य साक्ष्य प्रदान करते हैं जिनके माध्यम से AI हरित और सतत आर्थिक विकास को सशक्त बना सकता है, जो तकनीकी अपनाने को मजबूत ESG प्रथाओं के साथ संरेखित करने और स्वामित्व एवं सांस्कृतिक विषमता पर विचार करने के महत्व पर जोर देते हैं।