近年來,ESG、淨零碳排、永續揭露與企業治理已逐漸從企業加分項目,轉變為資本市場與供應鏈中的基本要求。從 GRI、SASB 到 IFRS 永續揭露準則,全球企業正快速建立一套又一套的永續資訊揭露框架,希望透過標準化資料,提高透明度與治理品質。
然而,當市場開始高度依賴 ESG 指標與永續報告書時,一個新的問題也逐漸浮現:企業真的只是缺少 ESG 資料嗎?還是更深層的問題,在於「這些資料是如何被定義、分類與框架化」?
這也讓「框架稽核(Framework Audit)」逐漸成為國際治理與永續查核領域的重要新議題。
ESG 揭露的核心問題:資料存在,不代表風險被看見
過去企業推動 ESG 時,多半聚焦於資料蒐集與揭露,例如碳排放量、能源使用、水資源管理、員工性別比例等資訊。這些揭露確實讓企業風險逐漸被看見,也使永續議題開始能被量化、比較與納入決策。
但企業實務上開始發現,即使揭露內容越來越多,也不一定代表治理能力同步提升。
原因在於,ESG 架構本身其實也在「定義」企業應該注意哪些風險。當市場普遍採用同一套框架時,容易造成企業傾向優先揭露「容易量化」或「市場重視」的資訊,而忽略真正關鍵但較難被分類的治理問題。
例如,企業揭露女性員工比例,並不代表能真正看見女性是否進入核心決策職位;揭露碳排數據,也不一定代表能完整反映供應鏈中的實際永續風險。
這代表企業未來需要的不只是「資料揭露」,而是更高層次的「框架檢視能力」。
從資料稽核走向「框架稽核」
傳統稽核多半關注資料是否正確、一致與完整,但框架稽核則更進一步檢視:
-
現有 ESG 指標是否真正反映風險?
-
哪些問題被框架放大?哪些被忽略?
-
揭露內容是否具備決策價值?
-
是否存在漂綠(Greenwashing)風險?
-
永續資訊是否與企業實際營運一致?
這樣的觀點,正逐漸改變企業對 ESG 稽核的理解。
未來的永續治理,不再只是確認「有沒有揭露」,而是必須進一步確認「揭露內容是否可信、可驗證、可解釋」。
尤其當 AI、ESG 與數據治理開始融合後,企業更需要具備分析大量非結構化資料的能力,包括:
-
永續報告書
-
供應鏈文件
-
客戶回饋
-
ESG 聲明
-
法遵文件
-
社群與新聞資訊
這些資料往往無法單純透過人工閱讀完成分析。
AI 稽核與文字探勘,成為 ESG 治理的重要工具
近年來,AI 稽核與文字探勘技術開始被導入 ESG 與法遵治理領域,協助企業提升永續資訊的可信度與透明度。
透過 AI 技術,企業可針對大量 ESG 文件進行:
-
文字趨勢分析
-
關鍵風險字辨識
-
情緒分析
-
異常揭露偵測
-
跨年度比對
-
永續資訊一致性分析
這也使「AI 電腦稽核」逐漸成為企業治理的重要新方向。
特別是在漂綠風險日益受到監理單位與投資市場關注的背景下,企業不只需要 AI,更需要「可解釋 AI(Explainable AI, XAI)」能力。
因為在稽核、金融與法遵領域,AI 判斷不能只是給出結果,更必須能說明判斷依據、風險來源與分析邏輯,才能符合可追溯、可審查的治理要求。
ESG 稽核正在從「揭露導向」走向「治理導向」
全球企業正逐漸意識到,永續治理的核心不只是發布 ESG 報告書,而是建立一套真正能反映風險、支援決策與強化治理的資料架構。
這代表未來企業將更需要:
透過科技工具協助企業從大量資料中辨識風險、驗證揭露品質與建立可信任的治理基礎。
當 ESG 從揭露走向監理、從報告走向驗證,企業真正需要的,將不只是更多資料,而是能夠「看懂資料背後風險」的治理能力。
而這,也正是 AI 稽核與智慧治理快速崛起的原因。
參考文獻:天下雜誌|2026.05.25