AI 工作實務
ESG 報告每年重做,AI 能接手哪些工作?資料蒐集、證據追溯與內容核對指南
AI ESG如何落地?從資料整理、六步流程、五種企業情境、風險控管到可驗收的 KPI,提供實作與採購決策指南。

內容摘要:ESG 報告不是寫得漂亮,而是每項揭露都有範圍、口徑、依據及責任人。AI 可以節省整理時間,但不能取代衡量和確信。 對永續主管、財會與上市櫃公司資料負責人而言,真正要回答的是「如何讓永續揭露由年度臨時蒐集轉成持續可追溯的證據工作流」,而不是買下哪一套工具。本文提供資料欄位、六段工作流程、五個情境推演、風險清單與可下載的 CSV 範本。所有示範情境與計算參數均是教學假設,不代表特定企業導入績效。

一、先回答管理問題:為什麼原本的工作方式還不夠?
企業最容易把「已投入時間」誤認為「已得到成果」。在AI ESG的情境中,主管看得到資料表、會議紀錄與工作進度,卻未必能看清可追溯至原始證據的重大揭露項目比例。這種斷裂不是因為員工不努力,而是現有紀錄分別服務不同單位:一份用於請款、一份用於稽核、一份用於追蹤進度,彼此欠缺同一事件或同一物件的識別方式。於是主管必須靠口頭問答補洞,重大問題常在交付前才被看見。
從第一性原理看,AI ESG要解決的是「決策能否在足夠時間內,依足夠可信的證據作出,並在事後驗證」。要做到這件事,至少需要三層能力。第一層是把人、物件、日期與規範對起來;第二層是把例外從日常資料中分離出來;第三層才是透過 AI 幫助解讀、排序和寫出建議。若第一層不成立,模型口吻再確信,頂多是在不完整資訊上產生一份流暢報告。
本篇以永續主管、財會與上市櫃公司資料負責人為唯一主角。它不是為了把每一項工作自動化,也不預設一定要購買 AI Agent。優先選擇一個有明確分母、有可回溯單據、可由現場主管驗收的小範圍問題。當資料品質和權責尚未足夠,先採規則、試算表和人工覆核,比急著導入模型更有價值。
實際上什麼情況值得導入?
適合起步的情境有三項共同條件:第一,類似事件每週持續發生,足以形成可比較資料;第二,主管能明確說明錯誤決策的成本,並願意負責最終判斷;第三,輸入資料可以合法取得及保存。相反地,若事件一年只有一次、資料大量只在個人記憶、原始文件無法追溯,應先整理規則與資料,不宜承諾自動預測。ESG 報告不是寫得漂亮,而是每項揭露都有範圍、口徑、依據及責任人。AI 可以節省整理時間,但不能取代衡量和確信。 這是本文所有技術選項的前提。
二、先建立資料地基:八個不能省略的欄位
下列欄位不是要求企業立刻建置大型資料倉儲,而是讓分散的文件有共同語言。附檔 資料字典(CSV) 已提供欄位名稱、資料目的與常見錯誤,使用者可填入所屬系統、更新頻率、權限與承辦人。檢核時要先確認「來源可靠」和「可依相同規則重算」,才談模型效率。
1. 報導邊界與法人清單
先釐清合併或個別、子公司、工廠與報導期間,避免漏算或重複。
驗收與例外:同一企業名稱不代表相同財報邊界。 請以一筆正常及一筆反例追溯來源,保留資料版本和覆核人。
2. 指標字典與計算口徑
定義用電、用水、離職率及職災統計的單位與分母。
驗收與例外:跨年改口徑不得直接呈現成改善。 請以一筆正常及一筆反例追溯來源,保留資料版本和覆核人。
3. 來源文件與憑證
帳單、儀表、採購、出勤與盤查工作底稿應有取得日期與版本。
驗收與例外:模型摘要不等於原始證據。 請以一筆正常及一筆反例追溯來源,保留資料版本和覆核人。
4. 排放因子與年份
保留來源、適用期間、版本、單位與轉換邏輯。
驗收與例外:舊因子混用可能造成重大計算偏差。 請以一筆正常及一筆反例追溯來源,保留資料版本和覆核人。
5. 範疇 1、2、3 類別
按企業適用邊界分類直接與間接排放,對供應鏈估算另外標示品質。
驗收與例外:不能把供應商自述當成無條件驗證值。 請以一筆正常及一筆反例追溯來源,保留資料版本和覆核人。
6. 治理與風險敘述
董事會監督、風險流程、決策與財務關聯需有會議或制度依據。
驗收與例外:只寫願景不能取代實際治理活動。 請以一筆正常及一筆反例追溯來源,保留資料版本和覆核人。
7. 揭露要求版本
IFRS S1/S2、本地分階段適用及其他框架須分開登錄。
驗收與例外:不同主管機關與年份要求不可混為同一義務。 請以一筆正常及一筆反例追溯來源,保留資料版本和覆核人。
8. 審核與確信狀態
標示資料提供者、覆核者、確信範圍與待補證事項。
驗收與例外:尚未被確信的數據不能被宣稱已完成查證。 請以一筆正常及一筆反例追溯來源,保留資料版本和覆核人。
三、六步工作流程:從散落紀錄到可執行的管理決策

不同企業的軟體環境差異很大,但有效流程有共通前提:同一事件不能在匯出、摘要、簽核後失去身分;每個結果都要能回答誰確認、依據何在、何時應重新檢查。下列六步不等同於一定使用六個 AI Agent;前兩步通常以資料清洗、檔案歸檔與規則檢查就可以完成,生成式 AI 主要放在解釋和整理證據的環節。
步驟 1:決定適用準則與範圍
輸入:公司規模、上市櫃身分、揭露年度。執行方式:先核對金管會時程與適用規定。應得到:版本化要求清單。
執行前先確認「公司規模、上市櫃身分、揭露年度」的來源版本與授權範圍。當資料缺漏時,將「版本化要求清單。」標成待補,不能由模型自行補成確定事實。
反例測試:放入過期、缺漏或互相矛盾的公司規模、上市櫃身分、揭露年度;流程應拒絕、標註或要求人工覆核,並留下原始輸入。
步驟 2:建立指標資料字典
輸入:歷年報告、財務與營運資料。執行方式:逐項定義單位、計算方法、責任部門。應得到:可跨年對照的字典。
執行前先確認「歷年報告、財務與營運資料」的來源版本與授權範圍。當資料缺漏時,將「可跨年對照的字典。」標成待補,不能由模型自行補成確定事實。
反例測試:放入過期、缺漏或互相矛盾的歷年報告、財務與營運資料;流程應拒絕、標註或要求人工覆核,並留下原始輸入。
步驟 3:蒐集附證據的數據
輸入:能源帳單、盤查資料、HR 系統、採購資料。執行方式:在受控環境分類與擷取,保留原始檔案指紋。應得到:具來源的資料倉。
執行前先確認「能源帳單、盤查資料、HR 系統、採購資料」的來源版本與授權範圍。當資料缺漏時,將「具來源的資料倉。」標成待補,不能由模型自行補成確定事實。
反例測試:放入過期、缺漏或互相矛盾的能源帳單、盤查資料、HR 系統、採購資料;流程應拒絕、標註或要求人工覆核,並留下原始輸入。
步驟 4:核對單位與加總
輸入:轉換係數、月份與工廠總表。執行方式:採明確公式重算並列出例外。應得到:差異清單與人工覆核記錄。
執行前先確認「轉換係數、月份與工廠總表」的來源版本與授權範圍。當資料缺漏時,將「差異清單與人工覆核記錄。」標成待補,不能由模型自行補成確定事實。
反例測試:放入過期、缺漏或互相矛盾的轉換係數、月份與工廠總表;流程應拒絕、標註或要求人工覆核,並留下原始輸入。
步驟 5:草擬披露敘述
輸入:已核准指標、治理措施、已確認風險。執行方式:讓 AI 組織內容,但每個數字回連來源。應得到:具引註的初稿。
執行前先確認「已核准指標、治理措施、已確認風險」的來源版本與授權範圍。當資料缺漏時,將「具引註的初稿。」標成待補,不能由模型自行補成確定事實。
反例測試:放入過期、缺漏或互相矛盾的已核准指標、治理措施、已確認風險;流程應拒絕、標註或要求人工覆核,並留下原始輸入。
步驟 6:審核與期後維護
輸入:財會、永續、法務、確信人員意見。執行方式:採版本控管與權責簽核,更新修正紀錄。應得到:可稽核的正式版及下一期清單。
執行前先確認「財會、永續、法務、確信人員意見」的來源版本與授權範圍。當資料缺漏時,將「可稽核的正式版及下一期清單。」標成待補,不能由模型自行補成確定事實。
反例測試:放入過期、缺漏或互相矛盾的財會、永續、法務、確信人員意見;流程應拒絕、標註或要求人工覆核,並留下原始輸入。
四、五個現場決策情境:表面相似,判斷方式不能相同
以下均為虛擬教學情境。它們用來演示決策結構,沒有使用企業實際績效,也不表示 AI 一定能自行判斷正確。每一例必須具備場景、輸入、可能誤判、正確處置與驗收五個要素。
情境 1:同一用電量在兩份表不同
業務背景與資料:電費帳單計費期間與工廠月表採不同截止日,先確定時間邊界。
錯誤捷徑:直接取平均會把錯誤藏起來。 先拆解這個假設,列出可能的反證、需要釐清的權責與適用條件。
處置與完成條件:每月差異原因與決議有書面紀錄。 需要由現場權責人核對原始來源;AI 可以整理待查清單,但不得自行下達不可逆的交易、人事或安全指令。
情境 2:報告中的員工總數不一致
業務背景與資料:人資人數可能是年底在職、年度平均或集團合併數。
錯誤捷徑:口徑不一致不能直接由 AI 整合成一個數。 先拆解這個假設,列出可能的反證、需要釐清的權責與適用條件。
處置與完成條件:採明確報導期間與人員定義。 需要由現場權責人核對原始來源;AI 可以整理待查清單,但不得自行下達不可逆的交易、人事或安全指令。
情境 3:範疇三供應鏈估算不足
業務背景與資料:供應商未提供資料時要依適用方法估算,並標示假設與資料品質。
錯誤捷徑:以猜測數字補空白會破壞揭露可信度。 先拆解這個假設,列出可能的反證、需要釐清的權責與適用條件。
處置與完成條件:記錄方法、來源及不確定性。 需要由現場權責人核對原始來源;AI 可以整理待查清單,但不得自行下達不可逆的交易、人事或安全指令。
情境 4:治理政策多但缺決議
業務背景與資料:企業有永續政策 PDF,卻無主管核准和監督紀錄。
錯誤捷徑:公開政策文字不足以證明治理程序已運作。 先拆解這個假設,列出可能的反證、需要釐清的權責與適用條件。
處置與完成條件:會議與權責紀錄可回溯。 需要由現場權責人核對原始來源;AI 可以整理待查清單,但不得自行下達不可逆的交易、人事或安全指令。
情境 5:新年度標準與舊報告不同
業務背景與資料:前期報表架構可能不符合本年度揭露要求;先做差異矩陣。
錯誤捷徑:只把去年文件換年份會漏掉新要求。 先拆解這個假設,列出可能的反證、需要釐清的權責與適用條件。
處置與完成條件:逐項差異有負責人與處理結果。 需要由現場權責人核對原始來源;AI 可以整理待查清單,但不得自行下達不可逆的交易、人事或安全指令。
五、可重現的數字與決策推演(模擬案例)
以下所有數值均為專為教學設計的假設。其目的在於讓讀者檢查公式、分母和決策邊界;並非實際企業導入效果,也不能用作市場統計。
假設某工廠一個月電費帳單顯示 24,000 kWh,為演示乘法暫時採用 0.48 kgCO₂e/kWh 的假設係數,則單純乘積為 24,000×0.48=11,520 kgCO₂e。這不是可直接放入正式報告的碳排量,因為必須先確認帳單期間、是否包含外包區域、採用何種排放核算方法,以及係數的主管機關來源與適用年度。本文係數只為展示資料血緣與單位換算,不是官方公告數字。
如果另一份廠務月表寫的是 22,500 kWh,不應讓 AI 直接把兩個數字平均成 23,250 kWh。可能的原因包括計量涵蓋範圍不同、時間切點不同、設備自用電未入帳或抄表誤差。合格流程要先列出差異,再由資料責任人確認正式揭露使用哪一個來源,以及其他資料如何做輔助驗證。
對上市櫃企業,還須核對年度與身分是否適用金管會分階段接軌規定;對供應鏈企業,客戶要求與法定揭露義務應分開判斷。這就是 AI ESG 的實用邊界:擷取、比對、追索和編排可以自動化,計算邊界、重大性與報告責任不能交給模型猜測。
六、衡量是否有價值:六項指標不能只看漂亮的平均數

「可追溯至原始證據的重大揭露項目比例」是本篇的核心結果指標。其餘指標是診斷原因與保護品質的護欄。請在試辦前確認分子、分母、觀察期間、排除條件、資料更新頻率及責任人。沒有一致口徑時,AI 再快也只是替兩份不同意義的表格做比較。
指標 1:揭露可追溯率
定義與算法:有原始來源、計算與覆核紀錄項數÷應揭露項數。判讀邊界:重大揭露宜完全可追溯。
觀察此指標時,應同時記錄當期值、前期值、來源筆數及資料缺口;若口徑改變,必須另行註記,不能直接對比並宣稱改善。
指標 2:資料準時回覆率
定義與算法:期限前提供有效資料單位÷應提供單位。判讀邊界:缺件別以預估值直接補。
觀察此指標時,應同時記錄當期值、前期值、來源筆數及資料缺口;若口徑改變,必須另行註記,不能直接對比並宣稱改善。
指標 3:跨來源對帳差異
定義與算法:未解決差異金額或數量÷該指標總量。判讀邊界:需保留單位及日期。
觀察此指標時,應同時記錄當期值、前期值、來源筆數及資料缺口;若口徑改變,必須另行註記,不能直接對比並宣稱改善。
指標 4:重大指標覆核完成率
定義與算法:完成權責覆核的重大指標÷重大指標總數。判讀邊界:核准紀錄可查。
觀察此指標時,應同時記錄當期值、前期值、來源筆數及資料缺口;若口徑改變,必須另行註記,不能直接對比並宣稱改善。
指標 5:跨年可比項目比率
定義與算法:口徑一致可直接比較的指標÷追蹤指標。判讀邊界:口徑變更要標示。
觀察此指標時,應同時記錄當期值、前期值、來源筆數及資料缺口;若口徑改變,必須另行註記,不能直接對比並宣稱改善。
指標 6:確信缺失改善率
定義與算法:經複驗完成項目÷到期確信改善事項。判讀邊界:以證據而非文字結案。
觀察此指標時,應同時記錄當期值、前期值、來源筆數及資料缺口;若口徑改變,必須另行註記,不能直接對比並宣稱改善。
七、六項高風險例外:先定義禁止事項,再決定自動化程度
AI 不應只提供「建議採用」的答案,還要清楚辨別何時應停止。只要涉及法律、個人權益、合約義務、付款、公共安全或不可逆的外部行動,系統須回到正式授權人員。下列風險不是裝飾性提醒,而是試辦與擴大導入的停止條件。
風險 1:揭露義務混同
依實際法規及公司身分判定適用,網路文章不能代替正式法規審查。 若情境無法對照規則、證據或負責人,就應把系統輸出標記為「僅供參考」,並保留人員重新審查的空間。若模型與可重現的規則計算不一致,應優先查輸入、口徑及模型版本,而非憑語氣選擇其中一種說法。
驗收時要有解除此風險的具體附件,例如人員核准、重新測試或原始憑證,不能只標示「已改善」。
風險 2:計算錯誤
AI 可擷取,但數據計算由可重現公式與會計底稿驗證。 若情境無法對照規則、證據或負責人,就應把系統輸出標記為「僅供參考」,並保留人員重新審查的空間。若模型與可重現的規則計算不一致,應優先查輸入、口徑及模型版本,而非憑語氣選擇其中一種說法。
驗收時要有解除此風險的具體附件,例如人員核准、重新測試或原始憑證,不能只標示「已改善」。
風險 3:不具可比性
口徑改變與重編應做說明,不應沉默覆寫。 若情境無法對照規則、證據或負責人,就應把系統輸出標記為「僅供參考」,並保留人員重新審查的空間。若模型與可重現的規則計算不一致,應優先查輸入、口徑及模型版本,而非憑語氣選擇其中一種說法。
驗收時要有解除此風險的具體附件,例如人員核准、重新測試或原始憑證,不能只標示「已改善」。
風險 4:綠色洗白風險
未有證據的減碳或淨零宣稱不可先刊登。 若情境無法對照規則、證據或負責人,就應把系統輸出標記為「僅供參考」,並保留人員重新審查的空間。若模型與可重現的規則計算不一致,應優先查輸入、口徑及模型版本,而非憑語氣選擇其中一種說法。
驗收時要有解除此風險的具體附件,例如人員核准、重新測試或原始憑證,不能只標示「已改善」。
風險 5:敏感供應鏈資料
供應商排放資料、成本與契約不得未授權分享。 若情境無法對照規則、證據或負責人,就應把系統輸出標記為「僅供參考」,並保留人員重新審查的空間。若模型與可重現的規則計算不一致,應優先查輸入、口徑及模型版本,而非憑語氣選擇其中一種說法。
驗收時要有解除此風險的具體附件,例如人員核准、重新測試或原始憑證,不能只標示「已改善」。
風險 6:確信範圍誤認
第三方確信只涵蓋特定範圍與期間,不能擴張到整份報告。 若情境無法對照規則、證據或負責人,就應把系統輸出標記為「僅供參考」,並保留人員重新審查的空間。若模型與可重現的規則計算不一致,應優先查輸入、口徑及模型版本,而非憑語氣選擇其中一種說法。
驗收時要有解除此風險的具體附件,例如人員核准、重新測試或原始憑證,不能只標示「已改善」。
八、從零起步的四階段試辦:不靠大型採購也能驗證
第一階段:界定一項成果。不要先列出十個想做的 AI 功能。請選擇一個能代表AI ESG價值的痛點,指定唯一責任人,挑一段資料有足夠紀錄的期間。把目前人工流程的處理時間、退回原因、重大錯誤與檔案缺件數記成基準。不宜事後才補寫基準,因為屆時很容易把任何變化都歸功於新系統。若企業無法取得可比較基準,至少要先保存試辦前的原始工作證據。
第二階段:僅做唯讀整理。先用 Excel、CSV、權限受控的文件庫或現有資料庫接入,不要求操作人員交出管理員密碼。以文件索引、欄位映射、重複資料檢查及缺漏清單為主。導入模型前先對數據格式做測試,對合約、規格、法規等敏感內容保留人工判定。完成後讓另一位同仁按 README 重新執行,得到一致的資料筆數與相同規則檢查結果。
第三階段:在影子模式驗證。讓 AI 產生摘要或候選建議,但不直接改動正式資料,不寄出對外承諾、不作自動付款或人事決策。挑出正常、邊界與高風險樣本,由不同角色覆核;至少記錄對錯、漏判、重複提醒、資料版本及修正原因。特別留意「系統沒提出任何警示」不等於所有事情都正常,因為模型可能沒有看到完整母體。
第四階段:決定擴大、修正或停止。依可追溯至原始證據的重大揭露項目比例與風險護欄同時判斷,計算導入後的人工作業、系統費用、維運、資料清理、誤判及審核成本。若只省下報表整理時間,但工作本身沒有更快解決、錯誤沒有減少或查證無法重現,應先修正資料與流程,而不是立即擴大到其他單位。正式化前還需確認資訊安全、權限、版次、備援、例外處置和負責人交接。
一份可複用的決策紀錄應包含什麼?
建議每次決策寫下:決策編號、業務問題、日期、依據來源、數據時間範圍、模型或公式版本、替代方案、未解決的不確定性、主管決議、責任單位、回看日期。這不是要新增一份供填寫的行政表格,而是把既有AI ESG會議最常遺漏的因果證據留住。當管理團隊可以回頭回答「當時為什麼這樣決定」,系統才開始成為組織資產。
九、常見問題:主管應先問的五個問題
Q1:AI 可以直接算碳排放嗎?
可協助擷取與公式串接,邊界、排放因子、估算方法仍需專業確認。
Q2:所有中小企業都必須遵循 IFRS S1、S2 嗎?
否,須看適用身分與時程,供應鏈要求另行區分。
Q3:永續報告是否一定要有 3 個範疇?
應依適用報導準則與重大性、盤查要求判斷,不能把框架用語當萬用義務。
Q4:沒有 ESG 系統能開始嗎?
可先建立指標字典、證據資料夾和權責簽核。
Q5:最值得先自動化什麼?
年度反覆整理的帳單、核對、來源索引與缺件追蹤。
十、給企業的導入判斷:什麼時候該採購系統,什麼時候只需改善流程?
若只有一個部門、少量固定欄位、每週更新一次,從標準 CSV 和可重現的規則檢查開始往往比較合理。若需要多系統資料自動同步、保留完整簽核歷程、跨部門分權與大量文件檢索,才有條件評估資料整合、工作流程系統與 AI Agent 的必要性。採購時應要求廠商示範錯誤輸入、資料刪除、權限不足、來源連結失效與不同版本對照,而不是只展示一張華麗儀表板。
衡量費用時除了工具授權,還要把人力清理資料、規則修訂、訓練、權限配置、資安審核、資料備份、模型更新與退出成本列入。一旦未來改用另一套系統,原始資料、欄位字典、決策紀錄、圖片授權及核准痕跡應仍可匯出,不能只留下某個供應商專有的聊天歷史。這也是為何本篇提供 CSV 而不綁定特定軟體平台。
本篇結論:ESG 報告不是寫得漂亮,而是每項揭露都有範圍、口徑、依據及責任人。AI 可以節省整理時間,但不能取代衡量和確信。 實際可帶走的第一份成果,是將 文末「操作範本下載」 內的資料字典、試辦檢核表與指標卡,套用在一個真實但可控的工作流程。當主管能用文件證據描述基準、錯誤與驗收,再決定需不需要模型、流程自動化或 AI Agent,專案才有擴大的基礎。
參考來源與證據使用說明
以下是與本篇方法和邊界相關的官方或專業機構資料。本篇的分析框架、案例與 KPI 設計是天地人的編輯性管理建議,不是標準全文的節錄,也不是任何機構核證。不應把任何案例中的假設視為已驗證之企業績效。
- IFRS Foundation:IFRS S1/S2 永續揭露準則說明:治理、策略、風險管理、指標與目標等揭露構面。
- 金管會:接軌 IFRS 永續準則之 2026 年說明:台灣上市櫃公司分階段適用情況。
- GHG Protocol:Corporate Standard:企業溫室氣體盤查與報導框架。
- NIST AI Risk Management Framework:AI 風險治理與評估框架,不能替代各領域專業判斷。
企業需要進一步落地時
天地人提供企業 AI 培訓、工作流程盤點與導入陪跑。若要評估「AI ESG」是否值得投資,建議先整理一個工作情境、三份代表性文件、現行處理時間及需要決定的主管,再由團隊判斷是否適合從培訓、資料治理或 AI Agent 開始。服務資訊可由 天地人官網 了解。
操作範本下載
本文由 TARAISG(TIANDIREN AI SOLUTION GROUP)使用 AI 模型產生正文、整理來源並設計實務工具。方法依據與限制列於文末;案例為明確標示的教學假設。未有具名紀錄時,不宣稱經人工或專家審核。
查看內容製作與更正說明