从痛点到突破：生成式AI与数字化如何提升永续报告效率

生成式 AI（Generative AI）是一种能从海量数据中学习并自动生成文字、图表、图像甚至代码的人工智能技术，具备理解语境、归纳信息与产出内容的能力。数字工具则涵盖云端数据库、跨部门协作平台、流程自动化系统及机器可读的报告模板，强调以数字化流程取代传统人工操作。对必须定期编制永续报告的企业而言，这两项技术的结合，正是突破长期瓶颈的关键。

本文将从痛点、运作机制、效率、挑战、导入流程逐步说明，并搭配实际案例，带你了解企业如何运用生成式AI与数字工具简化并加速永续报告流程。

传统永续报告的三大痛点

• 数据收集分散：各部门碳排放、能源、水资源及供应链信息格式不一，手动汇整耗时且易出错。
  
• 框架对应复杂：企业往往需同时符合 GRI、SASB、IFRS S1/S2 等国际准则并兼顾本地法规与各项永续评比要求。
  
• 撰写与审核负担沉重：报告动辄上百页，需反复校对与多层内外部审查，流程冗长且耗费人力。

AI 与数字化的实际运作机制

自动数据整合／清洗：

随着AI技术的发展，现在数据收集已可大幅仰赖系统自动完成，以柏林的气候科技初创公司 Climatiq为例，其开发AI驱动的数据引擎，可以处理杂乱的原始业务数据如发票、采购单，自动化收集碳排放原始数据并与排放系数比对，最终产出碳排放数据。有别于传统的数据收集模式，透过AI与数字工具可大幅降低过程中所耗费的人力与工时，降低数据取得难度。

来源: Climatiq

自动生成报告：

使用AI生成报告早已不是新闻，许多永续从业人员都会使用ChatGPT、Gemini等AI工具来生成文稿，永訊智庫的Syber报告书系统中也内建AI文稿助手协助企业快速完成报告书。不过随着AI技术的持续进化，或许我们不只能使用AI完成草稿?

Google今年所发布的2024永续报告书就与过往有所不同，其报告书负责人Luke Elder表示，今年度的报告书首次运用AI来完成制作并发布，并同时包含了传统pdf版本与新型态的AI聊天机器人版本。在机器人版本中，可透过与机器人交谈快速取得需要的永续信息。

来源: Google

问卷与数据自动摘要

针对繁复的数据、问卷，AI与数字化工具可自动归纳与排序，降低工作时间。

例如将各部门填答的原始信息交给AI，由其产出归纳性的摘要说明；回收重大性问卷后，透过数字化工具的使用自动产出矩阵与排序，并结合AI针对各议题归纳重点。

数据验证

永续报告时常需要面临大量的数据处理以及许多篇幅的文字产出，过程中的一致性与正确性格外重要。AI与数字工具可透过格式化的数据验证处理、AI文字判读等等方式，协助企业在面对大量信息时，快速比对并找出差异部分以进一步厘清。

框架与标准对应

面对 GRI、SASB、IFRS S1/S2 等国际准则、本地法规及CDP、DJSI等各项永续评比要求，企业在信息收集环节与披露上时常发生无法对应、连结度不一致的问题，除增加数据收集的工时外，亦容易导致整体报告架构混乱。而AI与数字工具可透过数据与报告的指标对应连结，协助企业改善，AI可透过大量数据协助企业辨识对应指标，而数字化工具如永訊智庫的Syber管理系统，可依据不同框架连结数据收集表，并透过报告书指标连结方式，协助企业产出结构、信息完整一致的报告。

来源: Sustaihub

成效与案例

Mitie集团在英国针对永续发展决策者的一项调查中发现，55%左右的受访者表示准备报告时有过多的行政事项、70%的受访者表示相关要求降低了他们执行战略规划的能力，并且已有80%的受访者已经投资数字解决方案，以简化相关作业。

可见多数的永续从业者的确面临工作繁杂的问题，也希冀透过数字工具来解决，而下一个问题就会是 AI及数字工具可减少多少负担?

数据分析公司 Gardenia Technologies 与 AWS 团队合作开发了 Report GenAI，由 Amazon Bedrock 上的最新生成式 AI 模型提供支持，使用具有检索增强生成（RAG）和文字转 SQL 功能的工具，帮助客户自动化无差异的繁杂工作，将 ESG 报告时间缩短多达 75%。

来源: Gardenia

而永訊智庫在自身多家国内企业辅导的案例统计中，透过报告书、碳盘查系统及数据资料库的导入，整体数字转型将可有效降低约 30%编制成本并节省 50%作业时间，可有效降低企业的负担。

生成式 AI 在永续报告中的现实挑战

虽然生成式 AI 与数字工具能有效提升永续报告效率，但仍存在多项限制与风险，使得并非所有流程都能被大幅缩短。企业在导入前必须了解并正视以下挑战：

• 数据质量问题：若数据来源分散、不完整或格式不统一，AI 难以直接套用，仍需耗时进行清洗、验证与校正，否则可能产生偏差或错误结论。
  
• 法规与准则变动：永续报告需符合 GRI、SASB、IFRS S1/S2 等多种框架，而各国法规亦持续更新，AI 模型必须不断调整与再训练，增加维护与监管成本。
  
• 可追溯性与错误风险：生成式 AI 生成的文字虽然流畅，但可能包含不精确或误导性的叙述。若缺乏人工审核，将影响报告可信度并带来声誉与合规风险。
  
• 安全与隐私疑虑：永续报告涉及供应链数据、员工信息及内部营运细节，若缺乏严谨的存取控管与加密措施，可能导致数据外泄或违反个资法规。

综合而言，AI 与数字工具是加速永续报告的利器，但仍必须搭配完整的验证、风险控管流程，才能真正发挥效益并降低潜在风险。

企业如何导入生成式AI与数字工具?

在导入生成式 AI 与数字工具以缩短永续报告时程时，企业应以系统化的步骤稳健推进，具体可参考以下步骤：

• 盘点现有数据并标准化：全面盘点并整理现有数据，找出分散或不结构化的信息，进行标准化处理，奠定后续自动化的基础。
• 选择合适工具与平台：根据公司规模与需求，选择合适的工具与平台，例如整合碳排放与数据管理的 Climatiq，或能预填报告草稿的 Report GenAI，确保能与既有系统无缝对接。
• 建立人机协作机制：导入过程中要建立人机协作机制，让 AI 成为辅助而非取代角色，尤其在数据校对与叙述精准度方面需由具专业背景的成员把关。
• 设立内部版控与审核流程：随着内控与法规的严谨度逐渐提升，公司需设立内部版控与多层审核流程，使 AI 生成的内容经法务与永续主管审查后方可对外披露，确保报告合规。
• 试点与渐进式实施：先在特定部门或单一报告章节小规模应用，累积经验并优化流程，再逐步扩大范围。透过这一系列策略，企业能有效提升报告效率与正确性，同时保持永续披露的专业与可信度。

生成式AI 生成式AI工具 永续报告书 永续AI