人工智能（AI）的快速发展彻底改变了企业的运营、创新和竞争方式。AI使企业能够利用大量数据、自动化流程并开发创新产品，从而在各个行业中获得竞争优势（Agrawal等人，2019年；Babina等人，2024年；Cockburn等人，2018年）。这一变革的核心是AI人才——如数据科学家、机器学习工程师和AI架构师——他们是将AI技术成功应用的关键纽带（Babina等人，2024年）。随着AI技能员工重要性的增加，了解影响其融入企业的因素变得至关重要。
企业治理，特别是董事会，在塑造企业战略和创新成果方面发挥着重要作用（Bhagat等人，2015年；Oehmichen等人，2017年）。董事会规模是一个被广泛研究的治理维度，它影响着决策制定、资源分配和战略灵活性（Boone等人，2007年；Chatjuthamard和Jiraporn，2023年；Eisenberg等人，1998年；Lipton和Lorsch，1992年；Raheja，2005年；Treepongkaruna等人，2024年；Yermack，1996年）。较大的董事会能够获取更多资源和专业知识，但可能会面临协调挑战和决策速度较慢的问题；而较小的董事会则在灵活性和专注度方面表现更优（Adams等人，2010年；Hermalin和Weisbach，1988年；Treepongkaruna等人，2024年；Yermack，1996年）。了解董事会规模如何影响AI员工的采用情况至关重要，因为有效的治理结构可以提升企业整合尖端技术的能力。
我们探讨了董事会规模对AI技能员工采用的影响，这一领域在学术研究中存在显著空白。虽然关于董事会规模及其对企业绩效的影响已有许多研究，但对其对AI员工整合影响的关注却相对较少。我们研究了治理结构如何影响企业采用变革性技术的能力。在技术快速变化的背景下，这一点尤为重要，因为灵活性和创新能力至关重要。
为了解决理解企业AI投资的问题，我们使用了Babina等人（2024年）最新开发的数据集。该数据集利用先进的文本分析技术从简历中识别出与AI相关的职位，为AI员工的规模提供了开创性和精确的衡量方法。历史上，由于缺乏标准化指标，衡量AI员工整合程度一直具有挑战性。这种新方法代表了重大进步，有助于深入分析影响AI采用的各种因素，并揭示企业层面AI整合的动态变化。
根据Babina等人（2024年）的研究，AI员工是企业接触和投资AI的重要指标，因为AI技能劳动力是AI成功实施的关键投入。虽然数据和其他计算基础设施等投入也对AI技能劳动力起到补充作用，但基于人力资本的衡量方法能更有效地评估企业之间的AI投资强度。通过关注AI技能员工，我们更清晰地了解了人力资本在推动AI采用中的战略作用（Babina等人，2024年）。
我们的研究结果表明，较小的董事会在推动AI技能员工的采用方面发挥着关键作用，这一发现强调了精简治理结构所固有的灵活性和决策效率。具体而言，董事会规模减少一个标准差会使AI员工的占比增加8.4%。这一发现不仅在统计上具有显著性，而且具有重要的经济意义，表明董事会规模在塑造AI员工整合方面发挥着重要作用。
较小的董事会较少受到大型董事会常见的协调挑战和低效率的困扰，使它们能够在动态环境中迅速而果断地采取行动。在采用AI等变革性技术的情况下，这种灵活性尤为重要，因为快速整合专业人才的能力往往是成功的关键。这些发现与先前研究的结果一致，这些研究强调了较小董事会在促进快速决策和降低协调成本方面的战略优势（Lipton和Lorsch，1992年；Raheja，2005年；Chatjuthamard等人，2022年；Eisenberg等人，1998年；Treepongkaruna等人，2024年；Yermack，1996年）。较小的董事会更能使组织战略与快速发展的技术创新需求保持一致，成为AI驱动经济中有效企业治理的重要组成部分。
这些发现的可靠性通过一系列严格的验证方法得到了加强。倾向得分匹配确保观察到的效应不会受到企业特征差异的偏见影响，从而创建了可比较的处理组和对照组（Lennox等人，2012年；Rosenbaum和Rubin，1983年）。熵平衡通过加权数据集进一步增强了分析的准确性，实现了协变量之间的近乎完美平衡，从而消除了残余偏差（Hainmueller，2012年；Hainmueller和Xu，2013年）。工具变量分析解决了内生性问题，证实较小董事会对提高AI采用的影响可能是因果关系而非相关性。这些方法共同提供了有力证据，证明较小的董事会是成功整合AI人才的关键因素，这与Babina等人（2024年）的研究结果一致，该研究显示了人力资本在AI采用中的变革性作用。
我们还研究了董事会规模与企业特定属性之间的交互作用，提供了关于哪些情境因素能够提升较小董事会效能的更深入见解。对于研发密集型企业，较小的董事会通过促进快速资源分配和明确的战略方向来促进创新；而在拥有大量现金储备的企业中，较小的董事会在将流动性用于战略举措方面表现出更强的能力。其精简的结构减少了内部冲突和延误，确保财务资源被投入到高影响力领域，如AI员工的扩张，这对于保持竞争优势至关重要（Raheja，2005年；Lipton和Lorsch，1992年；Eisenberg等人，1998年）。
与董事会特征的交互作用表明，虽然董事会的多样性和独立性可以提高治理质量，但它们并不能完全抵消较小董事会的结构优势。研究结果表明，较小董事会的核心优势——灵活性、问责制和战略清晰度——在推动AI技能员工的采用方面至关重要。多样性和独立性有助于改善监督和拓宽视野，但无法完全弥补大型董事会的效率低下问题（Adams和Ferreira，2007年；Adams和Ferreira，2009年）。
为了进一步了解董事会治理的影响，我们还研究了董事会规模如何影响AI员工整合的波动性。利用2010年至2018年间AI员工占比的标准差和范围，我们发现较小的董事会与AI员工构成的更大波动性相关。这与战略灵活性假设相符，表明较小的董事会在动态环境中促进了适应性、实验性和迭代学习。
本文的贡献远远超出了企业治理和AI采用的直接领域。首先，我们的研究通过提供实证证据，证明了较小董事会在推动AI技能员工采用方面的战略作用，从而推进了相关文献的发展。这支持了战略灵活性假设（Lipton和Lorsch，1992年；Raheja，2005年；Eisenberg等人，1998年；Yermack，1996年），强调了较小董事会在快速技术变革时代做出迅速、一致决策的能力。
其次，这项研究通过强调治理结构，特别是董事会规模，作为人力资本战略的关键驱动因素，有助于理解企业层面AI员工整合的决定因素。虽然以往的研究主要集中在数据基础设施或研发投资上（Cockburn等人，2018年；Babina等人，2024年），但本研究将董事会属性与AI员工采用联系起来，为理解治理在AI驱动经济中的作用提供了新的见解。
此外，我们的研究展示了先进文本分析作为研究工具的强大作用。利用Babina等人（2024年）的创新数据集，该数据集从简历数据中识别出与AI相关的职位，解决了捕捉企业层面AI采用的关键问题。这种方法论创新提高了分析人力资本在技术采用中作用的准确性和可扩展性。我们为利用文本分析提取难以获得的变量的文献做出了贡献。尽管这一领域相对较新，但它正在迅速发展并日益受到重视（Buehlmaier和Whited，2018年；Chatjuthamard等人，2024年；Florackis等人，2022年；Li，2010年；Loughran和McDonald，2016年；Loughran和McDonald，2020年；Ongsakul等人，2024年；Trinh，2023年；Wongsinhirun等人，2023年）。
此外，这些发现还补充了关于董事会多样性和独立性的文献，表明尽管这些属性可以提高治理质量，但它们并不能完全弥补大型董事会的效率低下问题（Adams和Ferreira，2007年；Armstrong等人，2014年；Jenwittayaroje和Jiraporn，2019年；Konadu等人，2022年；Nguyen和Nielsen，2010年；Wongsinhirun等人，2023年）。这证明了较小董事会在促进问责制、灵活性和战略清晰度方面的结构优势。
最后，这项研究为AI投资策略和企业的长期绩效提供了可操作的见解。对于研发密集型企业或拥有大量现金储备的企业而言，较小的董事会尤其有效，强调了将治理结构与战略重点相匹配的重要性。通过将治理、创新和AI采用联系起来，本研究为企业适应技术变革和在AI驱动的经济中保持竞争力提供了全面的框架。
