（点击可看大图）

一、引言

可持续发展是当代企业发展的核心议题，企业在环境、社会和公司治理（ESG）方面的表现，成为决定其未来生存与竞争力的关键因素。为此，我国加速出台ESG相关政策，包括2024年国务院国资委发布的《关于新时代中央企业高标准履行社会责任的指导意见》、财政部会同相关部门制定的《企业可持续披露准则——基本准则（试行）》、沪深北交易所制定的《上市公司可持续发展报告编制指南》，以及2026年财政部发布的《可持续信息鉴证业务准则第6101号——基本准则（试行）》等。这些政策意在完善企业ESG的制度环境，激发资本市场在推进企业ESG实践中的治理效力（肖红军和丁凤茹，2025）。如何提升我国企业ESG的整体水平，是当前经济社会发展中的重要议题。

2025年《中共中央办公厅 国务院办公厅关于完善中国特色现代企业制度的意见》强调要完善公司治理。现代公司治理中，公司董事会成员可在两家及以上企业同时担任董事职务，即形成连锁董事形式（Mizruchi，1996）。连锁董事借助其所兼任企业（连锁企业）间网络，促进企业间合作与资源传递（Foroughi等，2022；Ebbes等，2025），实现与其主要任职企业（焦点企业）在战略规划、技术提升、管理经验上的共享，发挥治理的同群效应（Davis，1991；吴昊洋，2019；Chen等，2025）。尤其随着人工智能在公司治理中的深度运用，连锁董事的群体治理作用得到进一步激发（廖辉等，2024）。因此，连锁董事能否发挥其在所联结企业网络中的正向治理效力，从而促进企业间ESG表现的高质量扩散，有待深入探究。

综上，本文基于社会学习理论，选取2010~2023年中国沪深A股上市公司样本，考察企业ESG表现通过连锁董事网络实现扩散的机制。研究发现：连锁企业ESG表现平均水平越高，连锁董事任职的焦点企业ESG表现越好；当连锁企业人工智能运用程度越高时，这种学习效应越强。连锁董事学习效应通过强化符号编码、认知组织、行为演习三项传导机制实现。企业ESG表现的学习效应同时体现在环境、社会和治理三个维度，且在连锁企业数量较多以及非重污染行业的焦点企业中更强。连锁董事学习带来的焦点企业ESG表现提升会进一步在行业和地区扩散，发挥长期效用。

本文的研究贡献在于：第一，尝试性地将社会学习理论引入到连锁董事治理研究中。已有研究多基于公司治理理论考察连锁董事的治理效应，本文则从社会学习的三项传导机制，揭示了连锁董事学习效应在提升企业ESG表现上的作用，打开了群体治理的黑箱。第二，从人工智能接入视角实现了认知边界突破的检验。现有文献中，社会学习理论更多被运用于传统场景下的学习问题研究，本文则考察了人工智能接入的数字经济场景，发展和延伸了社会学习理论的相关研究。第三，从连锁董事网络这一学习视角探究企业ESG表现的提升路径。已有关于企业ESG表现提升的研究虽然关注到供应链关系的影响，但多聚焦单一节点，本研究基于连锁企业网络揭示了焦点企业如何通过该网络学习，实现ESG表现提升。

二、研究假设

（一）连锁董事的学习效应

社会学习理论指出，学习主体不仅可以通过过去的经验进行学习，同时也会借助外部示范主体的示范效应进行学习。学习主体基于观察到的外部示范行为和结果，获取和形成有关新行为如何操作的编码，该编码成为后续行动的导向以及行为的对标（Nabavi和Bijand，2012）。对于具有一定执行难度的复杂行为，借助外部主体的示范作用形成新行为的学习，是习得新行为的重要途径，即使存在其他途径，示范作用也能显著提升行为学习过程的效率。企业ESG履行是具有创新性和复杂性的行为，已有研究发现企业ESG水平提升呈现出同行模仿学习特征（李宗泽和李志斌，2023），而连锁董事因其联结不同企业，能够更好地促进连锁网络上的行为学习。

连锁企业的ESG示范作用，可通过连锁董事传导至焦点企业，契合社会学习理论的四个子过程（注意过程—保持过程—运动再现过程—动机过程）。其中，连锁企业为示范主体，焦点企业为学习主体，连锁董事是跨企业学习的核心传导载体。在企业经营活动中，连锁董事能够观察到其兼职的连锁企业ESG行为如何开展并获取实践经验，接收示范刺激，即进入第一个子过程——注意过程。注意过程中的示范刺激通过提高连锁董事的“注意”，将改善企业ESG表现的知识转化后引入到焦点企业中，为焦点企业后续ESG行动提供方向和参照，即进入第二个子过程——保持过程。尽管ESG活动内容较为广泛，体现出一定的行为复杂性，但连锁董事网络能够让焦点企业不断依托多个连锁企业的示范开展学习，将观察获取的ESG实践经验转化为可执行的实际行动，加速社会学习第三个子过程——运动再现过程，缩短企业ESG表现提升行为的习得周期。企业ESG活动的开展，往往基于“意向—行为—结果”框架，其是否表现出习得行为取决于动机激励，该动机转化与价值实现周期较长（暴莹和韵江，2024），而连锁董事网络能够加速这第四个子过程——动机过程。由此，基于社会学习的四个子过程，当连锁企业的ESG表现越好时，焦点企业经连锁董事从网络中获取的学习效应越强（翟华云和高雅馨，2025），最终体现为焦点企业能够更大程度地改善其ESG表现。

根据社会学习理论，依托连锁董事传导的ESG学习效应，主要通过保持过程这一核心环节分化出的符号编码、认知组织、行为演习三项传导机制实现（Bandura和Walters，1977）。其一，符号编码机制。当示范活动被转换成易于利用的言语符号后，这些记忆代码就可以进行重复性操作。在观察学习中，将示范活动编码成简明标记或者鲜明表象，示范者的示范行为能够通过符号编码成为学习者的知识储备。因此，在跨企业ESG学习场景中，连锁企业作为示范主体开展ESG行动后，连锁董事可精准捕捉、整合这类示范行为的学习资料，将连锁企业ESG行动转换为符号编码，实现知识转化并发挥显性知识共享的类似效用（Lin等，2023），用于指导焦点企业改善ESG表现。同时，高质量的示范信息在网络群体中能够更好地传递（Treadgold等，2025），当连锁企业ESG披露的质量较高时，连锁董事能够获取更多提升ESG表现的有效符号编码，进而更大程度改善焦点企业ESG表现。其二，认知组织机制。学习过程中观察者即便注意到了相应示范刺激，但最终的知识转化仍受观察者自身认知组织能力的影响，存在信息遗漏、认知偏差等问题（Bandura，1965）。在企业ESG治理场景下，连锁企业良好的ESG表现能够通过连锁董事的学习传导至焦点企业，有效增强焦点企业高管对ESG行动的认知组织能力（刘洋等，2025）。最终表现为焦点企业借助连锁董事的学习，提升自身认知组织能力，进而推动ESG表现改善。其三，行为演习机制。当学习主体思考或实践示范行为模式，即开展行为演习时，更容易强化示范记忆、巩固学习成效。对连锁董事而言，ESG表现好的连锁企业，往往通过召开更多的董事会会议等措施保障ESG行动落地。连锁董事深度参与连锁企业董事会事务，有助于其对ESG经验的总结和复盘（Horsburgh和Ippolito，2018），完成行为演习。因此，连锁企业ESG表现越好，董事会ESG治理活动越频繁，连锁董事行为演习越充分，学习效应越显著，焦点企业ESG表现提升越明显。

综上，本文提出如下假设：

H1：在连锁董事网络中，连锁企业ESG表现平均水平越高，焦点企业ESG表现越好。

（二）人工智能运用的调节效应

连锁企业人工智能运用水平的提升，使其向焦点企业输出的示范内容更精准、传导路径更高效，从而有助于增强连锁董事的学习效应。连锁企业人工智能运用的调节效应具体体现在四个子过程中。其一，注意过程。该过程决定了学习主体如何从大量范例中选择观察对象，并从中提取示范行为（Nabavi和Bijand，2012）。连锁企业人工智能的运用能够增加示范行为的呈现途径和手段，同时为连锁董事对ESG表现信息的观察筛选提供便利，从而强化注意过程。其二，保持过程。学习主体通过观察，把示范经验转换成知识认知并保持在记忆中，用于指导操作（Bandura和Walters，1977）。而人工智能的运用能够突破认知转化和知识存储的方式，进一步提升示范经验到记忆存储的转化质量和效率，从而增强焦点企业ESG学习的保持效果。其三，运动再现过程。当经由示范习得的知识辅助于行为时，学习主体的第一次知识—行为转化很少是正确无误的，容易出现转化障碍（Anderson等，2004）。而人工智能技术运用使得再现行为更容易，能够减少不必要的转化错误，从而提高运动再现过程的有效性。其四，动机过程。通过学习获得新知识，并不能保证学习主体自动操作与示范原型相当的行为。学习主体行为转化需要持续的动机激励，示范行为只有获得适当的实践反馈，才能形成学习转化的稳定范式（Boud和Molloy，2013）。随着连锁企业人工智能运用水平的提升，ESG治理反馈更充分，进而更利于连锁董事形成关于ESG表现的学习范式，动机过程得到强化。由此，连锁企业人工智能运用程度越高，连锁董事学习效应越显著，即呈现出正向调节效应。

连锁企业人工智能运用的调节效应进一步细化体现在保持过程的三项传导机制上。当学习主体感知到某个示范行为具有价值回馈或能有效避开负面结果时，他们会增强对示范行为的保持（Bandura和Walters，1977）。连锁企业人工智能的运用能够强化保持过程，发挥正向调节作用。符号编码上，随着连锁企业人工智能运用水平的提升，示范行为的符号编码质量和效率也会相应提高：连锁企业通过人工智能技术在ESG信息编制与披露中的运用，有利于实现ESG示范行为的高质量知识转化，同时也提升连锁董事获取连锁企业ESG信息这一符号编码的效率（Asif等，2023），进而加速向焦点企业的知识传导。认知组织上，人工智能的运用有利于高效、便捷的知识存储，也更直接地展示连锁企业ESG行为过程，由此提高学习观察的直观性和知识获取速度，进而更大程度提升焦点企业的认知组织能力（郑隆威等，2025）。行为演习上，人工智能运用水平的提升有利于拓展ESG行动的行为演习场景，提升ESG行动的可复刻性，同时提高ESG行为的演习效率，促使连锁董事的学习有效性提升。

综上，本文提出如下假设：

H2：当连锁企业人工智能运用程度越高时，连锁董事学习效应越强，即焦点企业经由连锁董事网络学习提升ESG表现的程度越高。

六、研究结论与政策启示

本文基于社会学习理论框架，利用2010~2023年的A股上市公司样本，实证检验了人工智能运用场景下连锁董事在连锁企业这一社会学习网络上学习提升焦点企业ESG表现的治理效应。具体结论如下：连锁董事能够通过对连锁企业ESG表现的学习，来提升焦点企业的ESG表现；而连锁企业人工智能运用能够突破学习的认知边界，在以上学习过程中发挥正向调节效应。连锁董事的学习，分别通过强化符号编码、提升认知组织、增强行为演习三项传导机制实现。连锁董事在环境、社会、治理三个维度上均存在学习效应，连锁企业人工智能运用的调节效应仅存在于环境和治理维度。连锁企业数量越多以及非重污染行业企业中连锁董事更易通过连锁董事网络提升焦点企业ESG表现。连锁董事的学习会在行业和区域网络中进一步扩散，且这种学习存在显著的长期效用。

本研究有着如下启示：（1）企业在选择连锁董事时，不仅要关注其财务背景与行业资源，同时可将ESG专业知识、跨企业的绿色治理经验作为核心考量，以发挥连锁董事的“信息中介”与“标杆传递”作用。同步建立激励机制，鼓励连锁董事将连锁企业成功的ESG实践借鉴到焦点企业。可以将连锁董事对企业ESG表现的提升贡献纳入绩效考核，细致挖掘董事会会议的交流资源，将连锁董事的网络资源优势有效转化为企业高管团队ESG认知水平和可持续发展能力。（2）监管部门可构建“治理协同+数智赋能”的双轮政策体系，引导企业充分挖掘多重机制的协同红利。一方面，鼓励企业利用连锁董事的网络嵌入优势，细化ESG行动指引，促使连锁董事成为企业间ESG最佳实践的“传导节点”，促进网络中企业ESG表现协同提升。另一方面，激活人工智能在连锁董事治理场景中的应用效能，实质性延伸治理机制对企业可持续发展的赋能效果。（3）企业ESG的推进应从“单点突破”转向“生态共建”，着力构建跨企业、跨区域的ESG群体协同治理体系。鼓励优势企业发挥“节点扩散效应”，促进网络中企业实施集群式转型，破解单一企业ESG提升能力不足的问题。引导企业间开展ESG实践交流互鉴，形成比学赶超的良性竞争氛围，驱动企业在连锁网络中实现从“分散实践”到“协同提升”的集体跃升。

（以上为部分节选，阅读全文欢迎订阅杂志）