Writing · 2026-08-27

大廠碳盤查蔓延到你頭上了：供應商老闆用 AI 準備這些文件，才來得及接下一張大單

以前碳盤查是大廠自己的事，現在不是了。大廠開始要求盤查範圍涵蓋 100% 的營收，這代表它不能只算自己的工廠，還得把供應鏈算進去。這股壓力正在一層一層往下傳，已經傳到二階、三階的供應商身上。

很多二三階供應商的老闆還在想：「我們規模這麼小，應該輪不到我們。」但大廠的採購不會因為你小就放過你，它只會在下一次評選供應商的時候，把「能不能提供碳資料」放進評分表。你還沒動作，下一張訂單可能就被刷掉了，而且你不會收到任何通知。

大廠要的，其實是一套能被追溯的資料

先搞清楚對方要什麼。大廠要的不是一份漂亮的永續報告書，是一套能被追溯、能被查核的資料：你的排放從哪裡來、數字怎麼算出來的、原始單據在哪裡。

所以準備的重點是「可追溯」，不是「好看」。一份數字精美但說不出來源的報告，遇到查核會比什麼都沒有更糟。

最該先準備的四份文件

第一，邊界說明。 用一兩頁寫清楚：你盤查的是哪幾個廠區、哪些營運活動算在裡面。這是所有數字的前提，邊界沒寫清楚，後面的數字都站不住。

第二，活動數據清冊。 電費單、燃料單據、冷媒補充紀錄、主要原物料的採購量，按月整理成表，每一筆都要能對回原始單據。

第三，係數來源表。 每一種活動數據用哪個排放係數、係數出自哪個公開來源、是哪一年的版本，列成一張表。查核的人一定會問這個。

第四，產品分攤說明。 如果客戶要的是某個產品的碳排，你要說明全廠的排放怎麼分到這個產品上，是按產量、工時還是用電。

用 AI 準備，分工要切清楚

AI 在這四份文件裡能幫上大忙，但前提是分工切對。

交給 AI 的： 把一疊 PDF 單據抽成表格、找出哪幾個月缺資料、把你口述的廠區與製程整理成邊界說明的初稿、把係數來源排成整齊的表。

留給人的： 核對抽出來的數字、決定邊界要劃到哪裡、選擇分攤方法、在文件上簽名負責。

AI 可以幫你把文件寫得快，但不能幫你為數字負責。 會被客戶查核的東西，最後一道一定是人。

算一筆帳：人工整理 vs AI 輔助

用示意數字算整理活動數據這一段。

假設一家二階供應商每個月有電費、燃料、冷媒、主要原料採購等單據約 30 份，一年就是 360 份。人工逐張打開、找數字、輸入表格，平均每份 5 分鐘，總共 1,800 分鐘，也就是 30 個小時。

改用 AI 批次抽取，人只負責抽查核對，平均每份約 1 分鐘，總共 6 個小時。同樣一年份的資料，從 30 小時降到 6 小時，省下的 24 小時剛好可以拿去做 AI 做不了的事：劃邊界、選分攤方法、跟客戶確認格式。

而且這不是一次性的。碳盤查是每年都要做的事，今年把流程建起來，明年只要照做一次。

反模式：花錢做一份漂亮報告，卻沒留下可追溯的原始資料。 報告交出去了，明年要更新的時候，發現當初的數字是怎麼來的沒有人記得，又要從頭再做一次。

今日一個行動

今天用一頁紙，把你公司的邊界寫下來：有幾個廠區、每個廠區做什麼、主要用電和用燃料的設備是哪些。

寫不出來的地方，就是你第一個要補的洞。這一頁紙是四份文件的地基，有了它，其他三份才有東西可以接上去。

交流與邀約 ── lidien.fu@peakstargroup.com | lidien.net