1. AI 進入企業治理現場
在越來越多的企業裡，AI 的角色已從輔助工具發展成能撰寫會議紀錄、生成財報摘要、草擬永續報告的工作夥伴。它能節省時間、提升效率，同時協助整理龐大的非結構化資料。隨著生成式 AI 被導入治理流程，企業的資訊處理速度與報告產出品質都有顯著提升。AI 的使用讓治理流程更即時，但也帶來新的管理風險。若報告內容出錯、模型運算出現偏誤或資料來源不明，責任的歸屬便成為需要重新檢討的議題。
2. 內控制度與資料信任的挑戰
生成式 AI 的導入，正在改變財務報表與永續揭露的製作流程，也讓企業內部控制與審計制度面臨新的考驗。AI 的使用確實能提高效率，但也可能在資料處理與報告生成過程中引入新的風險。這些風險不僅涉及技術面的錯誤，更挑戰了制度設計與責任界線。
- 責任歸屬模糊：AI 生成的報告內容若有錯誤、模型運算偏誤或資料來源不明，將導致責任難以明確歸屬，挑戰現有強調可追溯性與人工覆核的內控制度。
- 內控制度挑戰：生成式 AI 的「黑箱式」運作模式，使得會計師難以理解模型產生結果的邏輯，也難以驗證其一致性。當企業讓 AI 自動生成報表或風險分析時，這些過程缺乏可驗證的控制點，使得責任鏈條模糊。
- 資料治理與揭露風險：AI 應用於永續報告或 ESG 分析時，可能引用未經授權的資料集或產生偏誤內容，影響報告可信度。未來企業在申報永續資訊時，除了揭露結果，也需說明資料的生成與檢核方式。
- 模型審計需求：會計師除查核報表內容外，還需評估 AI 模型的設計邏輯與資料來源的合理性，增加了審計的複雜性。
面對這些風險，企業需要從制度設計、專業支援、倫理實踐與國際經驗等層面提出具體回應。
- 深化制度設計：企業需將「AI 使用規範」正式寫入內控制度，包括模型選用依據、訓練資料品質審查、輸出結果覆核程序及錯誤發生時的修正責任。大型企業可設立 AI 監督委員會，中小企業則可透過外部顧問導入監控與稽核流程，確保 AI 使用有紀錄可查。
- 擴展專業協助角色：會計師事務所與顧問公司可提供「AI 信任保證服務」，延伸至模型風險評估、資料驗證與演算法透明度審閱。建立 AI 模型審查清單，協助企業確認資料合規、生成過程留痕及輸出內容可再現。
- 更新倫理與企業文化：管理層應重視資訊安全與公平原則，透過內部教育訓練，建立對資料倫理、模型偏誤與透明揭露的基本認識。將 AI 使用準則納入員工守則，要求生成內容標註來源，禁止輸入涉及個資或客戶資訊，使倫理成為日常營運的一部分。
- 借鑑國際經驗：參考日本在模型審計與倫理審查的導入經驗，台灣可盡早建立透明與可追溯的使用紀錄，並在模型審計、資料揭露與風險管理上與國際交流經驗，形成更成熟的治理模式。
3. 日本的制度應對與台灣的課題
- 日本的政策與企業實踐：日本政府與產業界已開始正視生成式 AI 對治理透明度的影響。根據日本經濟產業省於 2024 年發布的《生成式 AI 活用指南（生成 AI 活用ガイドブック）》，企業在導入 AI 系統時應確保可解釋性、可追蹤性與問責性，並設置內部負責部門以管理風險。大型企業如日立與富士通已設立 AI 倫理審查委員會，將模型風險管理與內控制度結合。日本金融廳也已開始研究 AI 應用對 J-SOX 報告制度的影響，探討是否需要增訂內控揭露指引。日本長期以來的企業文化重視人際信任與自律，現在則逐漸將這種信任轉化為制度化與可驗證的治理流程。這一趨勢顯示，日本正嘗試讓技術風險納入治理架構，並透過制度維持透明性與社會信任。
- 台灣的現況與可能方向：相較之下，台灣企業雖已在財報數位化與永續報告自動化方面投入資源，但 AI 治理仍在初期階段。金管會與會計研究發展基金會已開始研究 AI 生成財報的合規性，但目前尚無具體規範。多數企業將 AI 視為效率工具，而非治理對象，因此未建立明確的使用紀錄或責任制度。隨著 IFRS S1、S2 永續揭露準則預計於 2026 年實施，台灣企業將必須面對由 AI 生成的數據能否被查核信任的問題。日本在制度設計上的經驗，特別是模型審計與倫理審查的導入，對台灣是重要參考。
4. 專業服務與未來方向
- 制度設計的深化：企業若要在治理結構中納入 AI，需要把「AI 使用規範」正式寫入內控制度。這包括模型選用的依據、訓練資料的品質審查、輸出結果的覆核程序，以及錯誤發生時的修正責任。大型企業可以設立專責的 AI 監督委員會或技術風險小組，中小企業則可透過外部顧問協助，導入基本的監控與稽核流程。這些措施能使 AI 的使用有紀錄可查，避免因技術黑箱造成的責任空白。
- 專業協助的角色擴展：隨著生成式 AI 被廣泛應用，會計師事務所與顧問公司開始進入「AI 信任保證服務」領域。這類服務不僅限於財報查核，而是延伸至模型風險評估、資料驗證與演算法透明度的審閱。部分事務所已嘗試建立 AI 模型審查清單，協助企業確認資料是否合規、生成過程是否留痕，以及輸出內容是否可再現。這類服務的出現，讓企業能以外部第三方的觀點檢視自身系統，提升社會對報導資訊的信任度。
- 倫理與企業文化的更新：AI 治理最終仍與企業文化有關。若管理層只關注效率，忽視資訊安全與公平原則，再完備的制度也難以長期發揮作用。企業可以從內部教育與訓練著手，建立對資料倫理、模型偏誤與透明揭露的基本認識。日本部分企業已在員工守則中納入 AI 使用準則，要求生成內容須標註來源，禁止輸入涉及個資或客戶資訊。這些做法使倫理不再停留於宣示，而是成為日常營運的一部分。
5. 讓技術回到責任的框架中
台日兩地的 AI 治理正走向不同但互補的方向。日本透過政策引導與產業自律建立制度化基礎，台灣則可藉由早期導入標準與審計制度，避免在國際永續報導要求下落後。生成式 AI 的普及正在改變企業治理的基礎，制度設計與倫理準則將決定企業能否在技術發展中維持信任。隨著 AI 技術逐漸進入決策、報告與審計流程，企業需要更清楚地規範其使用方式與責任界線，否則可能在提升效率的同時增加治理風險。日本面臨的是如何讓制度維持彈性，台灣則需要盡早建立透明與可追蹤的使用紀錄。若兩地能在模型審計、資料揭露與風險管理上交流經驗，未來或可形成更成熟的治理模式。AI 的出現讓企業治理開始包含新的理解層面。當技術被納入制度架構並持續受到檢驗，它就能成為治理的一環，而不是潛在的風險來源。
延伸閱讀：AI浪潮下，台日企業合作的新課題