在早些年的热潮过后，近年来全球范围内关于ESG的讨论看似有所降温，但实际上，对于越来越国际化的中国企业而言，当ESG步入战略核心，中国企业亟需补上最缺的“叙事课”。

　　在近日举办的“科技向善：AI驱动下的ESG发展新格局——2026第八届中欧ESG高峰论坛”上，中欧国际工商学院市场营销学教授、副教务长（研究事务）、ESG研究领域主任王雅瑾对记者表示，ESG讨论热度的下降，并不意味着企业实践的减少，可能“反而是一件好事”。在她看来，ESG正在逐渐褪去标签化、口号化的外衣，回归商业本质，成为企业长期价值创造与经营管理的一部分。

　　与此同时，AI技术的爆发式发展正在为ESG实践注入全新动能。SAP中国研究院院长蔡彦斌观察到，越来越多的企业不再把ESG视为单纯的合规负担，而是作为发展的核心策略之一，数字化底座的建设正在让ESG从纸面报告走向业务流程的深度融合。

　　杰克科技副董事长、副总裁、董事会秘书谢云娇用亲身实践证明，即使是在利润压力最大的制造业，ESG与AI的结合也能带来真金白银的效益。AI驱动的能耗管理，可在铸造等高能耗环节实现实时调节和预测预警，“对我们而言，AI已不是选择题，而是必答题。”

　　一个清晰的ESG趋势已现：企业正在从被动合规走向主动创造价值，从标签化宣传走向系统性能力建设，AI与ESG正碰撞出新的火花。

　　从标签到行动：ESG的理性回归

　　ESG的降温不是危机，而是成熟的标志。王雅瑾指出，过去ESG在一定程度上带有风潮性质，企业有时仅凭贴上ESG标签，就能获得资本市场的关注与青睐，这是概念发展早期常见的现象。但当ESG逐渐走向成熟，它反而不再需要被反复讨论了。“讨论的多少与实际做的多少，并不一定相关。关键在于，企业今天是否做得更多了。”

　　她表示，从合规角度看，中国对上市公司的监管要求和披露标准正在持续提高，企业在ESG方面的行动也在不断增加。从出海角度看，越来越多的企业也切身感受到，海外市场对ESG的要求正在提升，海外消费者也越来越关注品牌背后是否真正重视绿色环保与人文关怀。

　　在这一背景下，ESG正在从标签化宣传，转为嵌入企业真实运营与社会环境的实质性议题。王雅瑾认为，这种变化使ESG的比重反而比五年前更高了。“一家公司在ESG上的综合表现，与其在社交媒体上获得的公众反馈和品牌价值直接相关。”

　　这一转变也对企业提出了新的要求。过去中国企业出海很大程度上依赖供应链和成本优势，但这种优势正在减弱。王雅瑾指出，中国企业仍然非常缺乏“叙事能力”——即向外部清晰说明“为什么来这里、怎么做、做了什么”的能力。“过去我们不太注重这方面的沟通，叙事主线基本是‘效率高、价格低’。但这种叙事在今天是否仍能提供强劲竞争力？”

　　她进一步分析称，海外消费者当然喜欢性价比高的产品，但随着产品同质化程度提高，他们也越来越希望了解企业背后的价值观。因此，ESG不仅是合规问题，也是沟通问题。“合规披露与公众沟通不是一回事。中国企业善于满足合规要求，但不善于沟通。如果在这方面能够提升，中国企业的竞争力将大大增强。”

　　关于ESG能否创造价值这一核心问题，王雅瑾给出了清晰的回答：“如果ESG不创造价值，就无法持续。我们之所以努力推动，是因为ESG能够创造价值。”她进一步梳理了ESG创造价值的具体路径：一方面，新的市场需求会带来新的市场机会，企业在环保低碳或人文关怀方面的投入，可能帮助其找到第二曲线和更高质量的客户；另一方面，早期的监管压力或创新合作要求，也可能倒逼企业进行产品创新，形成新的竞争优势；此外，ESG表现好的企业往往在融资方面更具优势，融资成本可能更低；在品牌层面，ESG表现好的企业也更容易积累信任资产，在危机时受到的舆论冲击相对更小。

　　不过，她也坦言，在当前阶段，ESG的价值更多体现为“不做会面临巨大风险”，而不是“做了就一定能带来巨大的额外收益”。因此，她建议企业将ESG视为一项风险自省工具。通过ESG梳理，企业可能发现自身在经营、管理、供应链、员工关系或社会沟通中的潜在风险，并在补救和优化过程中提升长期竞争力。“在不确定环境下，管理风险的能力对企业至关重要。”

　　技术赋能：如何让ESG从纸面走向实践

　　当ESG完成从标签到行动的认知转变后，技术便成为落地的关键支撑。蔡彦斌从数字化底座的角度切入，指出ESG真正落地的核心抓手在于流程治理和数据治理。“很多企业在ESG转型中遇到数据获取难、分布散、合规报表制作紧等问题。但一个积极变化是，许多企业不再把ESG视为单纯的合规负担，而是作为发展的核心策略之一。”

　　这意味着ESG会被分解到不同业务环节，真正落实在业务流程中。蔡彦斌强调，有一个数字化底座来固化这些流程非常重要，“只有把流程固化到底座中，才能标准化流程和数据，从而逐步消除数据孤岛和口径不统一的问题。”在他看来，如果底层数据混乱，再先进的AI技术也难以发挥作用。因此，企业应先充分利用已有的数字化积累，再选择最关键领域切入，“由点及面，稳步推进”。

　　在具体的行业实践中，AI赋能ESG已经产生了可量化的效果。谢云娇分享了制造业能耗管理的经验：数据是基础，过去主要用于统计工作，加入AI后能更好地释放数据价值，可实现风险预判、预测预警和提前应对。她举例说，生产受周期性影响较大，尤其是铸造环节用电量很大，“借助数据实时调节能耗，可以平衡柔性化生产与能耗优化。可借助AI系统实时感知生产效率和各阶段能耗，对各车间空调、空压机进行有效调节，而不是等到年底复盘时再美化报告。”

　　汽车行业的全链条减排面临复杂的挑战。Volvo Cars沃尔沃汽车亚太区战略副总裁吴震皓分享道：“并非所有环保或可持续技术都会增加成本。我们做了大量分析，研究汽车行业碳减排技术的经济性，发现很多技术具有降本潜力。”

　　他以车用铝材料为例说明，如果使用回收铝，成本实际上可能低于原生铝，但需要解决杂质比例等技术问题，还要做大量验证。“目前轮毂上基本能做到70%回收铝，结构件也能做到50%。这类具体工作都需要大量研发投入。”

　　吴震皓同时指出了AI在这个领域的潜力。汽车产业链很长，单靠一家车企难以推动变革。以电动车为例，虽然行驶时节能，但制造过程尤其是电池制造耗能很高。“我们与电池供应商沟通，降低电池制造能耗，甚至推动上游材料厂商向能源成本更低、更清洁的地区布局。”AI在供应链数据透明度等方面，有巨大潜在价值。

　　从风险防御到价值创造：AI与ESG的融合未来

　　当ESG完成从标签到行动的跃迁，当AI技术为这一实践提供落地支撑，更深层的问题随之浮现：企业如何平衡短期成本与长期价值？AI能否让ESG从风险防御工具进化为价值创造引擎？

　　谢云娇用“战略定力”一词给出了制造业的回答，但战略重视不等于盲目铺开。“要活命，要单点突破、分步做。”她建议先选短期见效的场景，比如从能耗最大的车间入手，逐步延伸到产业链，“要求供应链也实现数字化、降碳减排，并将供应链的相关表现纳入ESG评级。”

　　对于“漂绿”风险，王雅瑾认为AI技术的发展实际上正在使“漂绿”越来越难。“漂绿的核心是信息不对称。过去，企业声称做了某些事，消费者无法验证。但今天，信息不对称在减少。企业必须做到表里合一，说一套、做一套的空间越来越小，风险也越来越高。一旦被曝光，企业可能面临严重的声誉危机。”

　　AI与ESG的关系，还体现在更深层的治理议题上。王雅瑾指出，AI给企业，尤其是ESG中的社会（S）板块，带来了新的挑战。例如提高效率、减少人力是否在道德上可持续？用户数据的隐私问题如何处理？数据使用的边界又该如何划定？她表示，过去很多数据难以被系统化留存和分析，而今天，企业拥有前所未有的数据积累和分析能力。AI在一定程度上让数据分析能力变得更加“平权”，但与此同时，也带来了新的伦理问题：企业究竟可以在多大程度上使用这些数据？

　　在王雅瑾看来，负责任的科技创新变得尤为重要。企业不仅要关注AI能够带来什么效率提升，更要明确在数据、隐私等方面“能做什么、不能做什么”。“一些企业即使拥有数据，也没有将其全部用于商业开发，这种边界感本身就是值得学习的。”

　　蔡彦斌补充了AI治理的重要性：“AI会越来越多进入企业流程，但AI的治理和管理非常重要，因为企业对AI的容错性要求很高。”他强调，挑战与机遇共存，如果能用好AI，把ESG先进理念落地，将成为企业核心竞争力。

　　从标签化宣传到实质性行动，从纸面报告到数字化落地，从被动合规到主动价值创造，一条清晰的进化路径显现。在这个过程中，AI不是替代者，而是赋能者；ESG不是成本项，而是通往长期竞争力的入场券。中国企业需要改变的，不仅是技术工具，更是对商业本质的认知——在效率之外，还有价值观；在短期利润之外，还有穿越周期的定力。

（文章来源：21世纪经济报道）