近日，中国科学技术大学科技商学院、管理学院特任副教授李春晓博士作为第一作者，与美国德克萨斯大学达拉斯分校Hongchang Wang教授、波士顿大学Bin Gu教授、氪信科技（CreditAI）Songtao Jiang先生合作的论文《The Effect of AI－Enabled Credit Scoring on Financial Inclusion： Evidence from One Million Underserved Population》（https://doi.org/10.25300/MISQ/2024/18340） 荣获美国运筹学与管理学研究协会信息系统分会（INFORMS Information Systems Society， ISS）2025 Bapna－Ghose Social Justice 最佳论文奖。
这是全球信息系统领域以“社会公正”（Social Justice）为主题的年度最高荣誉，旨在表彰在推动人工智能技术负责任应用、促进社会公平与包容方面做出卓越贡献的学术研究成果。这也是该奖项设立以来，国内学者首次摘得此项国际殊荣，标志着我国在“AI for Good”（技术向善）领域的原创性研究获得国际权威认可，跻身世界AI for Social Justice前沿并引领议题方向。
聚焦社会公正
AI破解普惠金融难题
本次获奖研究聚焦人工智能如何推动金融包容性这一全球性议题。
研究团队通过对一家服务超五千万客户的国有银行近九百万笔信贷申请数据进行实证分析后发现：在引入AI驱动的信贷评分模型后，低收入、无信用记录等长期被传统金融体系“排斥”的“被忽视群体”，贷款通过率显著提升，同时违约率反而下降，实现了“普惠”与“风控”的双赢。
研究揭示，AI模型之所以能打破“信贷排斥”悖论，关键在于其能够整合传统“强信号”（如信用历史、资产状况）与非传统“弱信号”（如社保缴纳、公积金、APP使用行为等），精准识别个体潜在信用价值，从而减少因群体标签导致的统计性歧视，真正实现“数据可见、人群可及”。
“AI的意义不在于取代人，而在于放大人类的善意。”李春晓副教授表示，“当技术被设计为服务公平时，它就能成为缩小金融鸿沟的强大引擎。”
构建中国版“AI社会价值”研究样本
金融包容性是联合国可持续发展目标（SDGs）的重要组成部分。然而，全球数亿“隐形人群”因缺乏传统信用记录，长期被排除在正规金融服务之外。
本研究以大规模真实场景数据为基础，系统验证了AI在缓解结构性金融不公中的实际成效，为“AI公平”向“AI社会公正”跃迁提供了坚实的经验证据。
尤为值得关注的是，研究发现即使在数据基础相对薄弱的金融机构中，AI模型仍能带来显著的公平性增益，展现出技术路径的高度普适性。这一成果为发展中国家推进普惠金融提供了可复制、可推广的技术方案与政策启示，被誉为“AI for Good”领域的“中国产业样本”。
深度赋能国家数字经济与人工智能战略
随着人工智能深度嵌入金融、教育、医疗等关键民生领域，其社会责任属性日益凸显。该研究不仅具有重要学术价值，更对国家数字金融实践、科技治理战略与产业发展具有深远启示。
中国科大科技商学院相关负责人表示，政府、企业与科研机构应携手将“AI＋社会公正”纳入国家数字经济战略与企业社会责任体系。鼓励科技企业开放真实业务场景与数据资源，与学术界共建“负责任AI”实验场，在提升技术竞争力的同时，增强社会信任，助力我国在全球AI治理中掌握更多话语权。
“人工智能的社会价值，已超越效率提升，成为衡量技术进步的新维度。”学院相关负责人表示，“我们期待更多研究关注技术背后的人文关怀，让科技创新真正惠及每一个人。”
【新闻延伸】
李春晓博士毕业于美国亚利桑那州立大学WP Carey商学院，现任中国科学技术大学科技商学院、管理学院特任副教授，研究方向聚焦人工智能在复杂决策与平台经济中的应用，成果发表于MIS Quarterly （UTD－24， FT50， ABS－4）、JAIS （ABS－4）、TKDE （CCF－A）等国际顶级期刊，并多次荣获INFORMS、AIS、IEEE等国际学会奖项。其团队多次获得INFORMS、AIS、IEEE等国际学会奖项，主持国家自然科学基金青年项目，并长期担任多家科技企业和行业协会顾问。
INFORMS Information Systems Society（ISS）是全球管理信息系统领域（Management Information Systems）领域最具影响力的学术组织之一，汇聚了全球商学院的顶尖学者，在国际学界、业界形成良好口碑，历经多年发展，已成为中国信息系统及相关领域学者与国际顶级学者深度交流的关键桥梁。其年度Bapna－Ghose Social Justice Best Paper Award设立于2021年，旨在鼓励学者探索技术创新如何推动社会公正与人类福祉。
