«Штраф за ИИ»: как использование алгоритмов увеличивает стоимость долга компаний

Генеративный искусственный интеллект (ИИ) активно используется фирмами для составления корпоративной отчетности. Уже 28% компаний используют ИИ при подготовке финансовых отчетов, и в течение следующих трех лет эта доля вырастет до 83%, показал доклад консалтинговой компании KPMG по итогам опроса 2900 корпораций в 23 странах, проведенного в сентябре 2024 г.

Улучшение качества корпоративной информации напрямую связано со стоимостью займов для компании: более точная, полная и своевременная отчетность позволяет участникам рынка с большей уверенностью оценивать перспективы денежных потоков и параметры риска той или иной фирмы. Это приводит к снижению воспринимаемой премии за риск и, следовательно, к снижению стоимости заемного капитала, показывают исследования (1, 2, 3, 4).

Благодаря использованию ИИ качество корпоративной отчетности улучшается, показало исследование экономистов Чжэцзянского университета и Чжэцзянского университета финансов и экономики. Однако оно выявило парадокс: чем больше в отчетах компаний сгенерированного ИИ текста, тем выше для таких компаний ставки по банковским кредитам, несмотря на улучшение качества отчетов.

Объяснение этого парадокса авторы находят в когнитивном искажении, называющемся «неприятие алгоритмов» (algorithm aversion), при котором люди не доверяют рекомендациям и суждениям автоматизированных систем, предпочитая пусть даже ошибочные, но «человеческие» решения.

ИИ-отчетность и парадокс кредитования

Исследователи проанализировали финансовые данные и годовые отчеты компаний, акции которых торгуются на Шанхайской и Шэньчжэньской биржах, за период с 2009 по 2025 г. – в общей сложности почти 43000 наблюдений «компания – год». Период наблюдений охватывает как время до внедрения генеративного ИИ, так и всплеск его использования.

Чтобы определить в корпоративной отчетности долю контента, сгенерированного ИИ, авторы используют детектор ZeroGPT, который для каждого абзаца отчета присваивает вероятность от 0 до 1, что он был написан машиной, а не людьми. Авторы классифицируют абзац как сгенерированный ИИ, если соответствующая вероятность в детекторе превышает 0,5. Средний отчет содержит ИИ-контент примерно в 35% абзацев – от 5% до 93% в зависимости от компаний и периода времени. При этом резкий скачок ожидаемо произошел после 2022 г., когда появился генеративный ИИ.

Наиболее интенсивно ИИ используется в отчетности компаний технологических секторов, наименее – в первичных секторах, например в сельском хозяйстве.

Качество корпоративных отчетов, созданных с использованием ИИ, становится выше, обнаружили авторы. Такие отчеты:

• становятся понятнее (легче читаются);
• содержат меньше «воды» и шаблонных фраз из прошлых отчетов (больше обновлений);
• как минимум не менее точны, чем отчеты до появления ИИ (вероятность последующих пересмотров отчетов не повышается).

По стандартным критериям литературы по раскрытию информации отчеты, созданные с помощью машин, как минимум не хуже отчетов, написанных людьми, а по читабельности и актуальности даже лучше, заключают авторы.

Но вот парадокс: чем больше доля сгенерированного с помощью ИИ контента в отчетности компании, тем меньше она получает банковских кредитов и тем они дороже.

Увеличение среднего содержания ИИ-контента в отчете на 1 стандартное отклонение снижает отношение банковских кредитов к активам на 1% от его среднего значения. И повышает эффективную процентную ставку по банковскому кредиту примерно на 0,23 процентного пункта (п.п.) от среднего значения по выборке в 8,2%. Переход от наименьшей доли ИИ-контента в отчете к наибольшей в выборке повышает ставку по кредиту примерно на 3 п.п., или почти на треть.

Фактор источника информации

Видимый «штраф» за использование ИИ в корпоративной отчетности не связан с более низким качеством отчетов, поскольку оно, напротив, объективно улучшается. И не может объясняться недостаточностью раскрываемой информации: напротив, по мере роста количества ИИ-контента в отчетности увеличивается аналитическое освещение, ошибки прогнозов аналитиков уменьшаются, и в итоге заключения аналитиков становятся точнее. Можно констатировать, что аналитики воспринимают улучшение текста с помощью ИИ положительно, замечают исследователи.

Однако кредиторы, читая те же самые отчеты, реагируют противоположным образом: повышают ставки и сокращают кредитование. Авторы объясняют это психологическим феноменом – «неприятием алгоритмов», когда люди не доверяют информации, предоставляемой алгоритмами и ИИ, даже если те превосходят человеческое суждение (противоположный эффект – предвзятость автоматизации, когда, напротив, люди безоговорочно доверяют алгоритмам, игнорируя альтернативную информацию).

Машинный текст несет в себе распознаваемый «отпечаток» – равномерность, низкая прерывистость, характерное распределение слов, – который улавливают такие детекторы, как ZeroGPT, и который чувствуют опытные читатели. Люди неохотно доверяют алгоритмическим результатам при принятии решений, которые они считают важными или требующими человеческого суждения, и эта предвзятость не исчезает, даже если алгоритм демонстрирует очевидную эффективность.

Оценка кредитоспособности – именно такое решение. Кредитор принимает решение в условиях высокой ответственности и риска потерь (в отличие от аналитиков, которые делают прогнозы). Он оказывает доверие заемщику и рискует понести убытки, если это доверие окажется неоправданным. Поэтому воспринимаемая им надежность «автора» отчета имеет значение не только с точки зрения простоты восприятия текста.

Столкнувшись с отчетом, который выглядит так, будто он написан машиной, а не человеком, кредитор этому отчету не доверяет не из-за содержания, а из-за источника. Поскольку кредитор закладывает в цену финансирования риски потерь, это неприятие проявляется в более высокой требуемой процентной ставке и ужесточении условий кредитования.

Авторы предупреждают, что, если регуляторы обяжут компании раскрывать факт использования ИИ в отчетах во имя прозрачности, это может навредить компаниям, усилив недоверие кредиторов. При этом со временем негативный эффект «ИИ-отчетности» может сойти на нет, рассуждают исследователи. Некоторые работы показывают, что неприятие алгоритмов, как правило, снижается по мере освоения возможностей их модификации и корректировки, то есть контроля над ними. Поэтому при увеличении опыта кредиторов по оценке раскрытия информации, сгенерированной с помощью ИИ, «штраф» за ИИ-отчетность может уменьшаться.