氣候變遷及企業永續發展電子報 - 2026年04月號

近期人工智慧（AI）在醫療保健、金融、教育、司法等領域快速發展和廣泛部署，具備目標導向與自主執行特質的代理式人工智慧（Agentic AI）正加速崛起，而其能夠自主拆解任務並執行決策的特性，亦使治理問題變得更加複雜。AI治理已成為當代國際法中最迫切的課題之一，如何在科技創新、人權保障與社會影響之間取得平衡，是各國共同面臨的關鍵問題。

AI自律治理的優勢與局限

在AI發展初期，法律框架往往跟不上技術變化的速度，AI治理主要仰賴如經濟合作暨發展組織《AI原則》、聯合國教科文組織《人工智慧倫理建議書》以及聯合國《工商企業與人權指導原則》等非強制性國際準則。

這些自律機制具備靈活性與跨國協作效果，得以在AI技術快速演進的環境中提供基本行為框架，然而其缺乏強制力與問責機制，當AI發生歧視、侵害權益或造成財產損失時，受害者難以獲得明確的救濟路徑與責任歸屬。因此，即使自願性規範能提供最佳實踐的標竿，仍不足以確保有效監控與合規落實，亦促使各國逐漸轉向具強制力的監管法制，成為近年AI治理的重要趨勢。

全球AI治理趨勢：強制性法案逐步成形

近年來，各國開始由自願性規範走向法制化治理。歐盟先推動的《人工智慧法案》（EU AI Act）已於2024年正式生效並分階段適用，預計於2026年8月全面實施，並帶動法規外溢效應；義大利於2025年10月透過第132號法律，補充歐盟人工智慧法案之國內立法，美國白宮近期也提出聯邦層級的立法藍圖，期望促使國會制定統一的AI監管法律。

而臺灣則於2026年初正式公佈《人工智慧基本法》，宣告臺灣的AI發展納入國家法制治理，確立了包含隱私保護、問責與透明度等在內的七大AI治理原則，並與歐盟接軌採取風險分級治理。從上述發展顯示，AI治理已由「原則導向的規範」，逐步邁向「以責任與風險管理為核心的強制性法制架構」。

歐盟人工智慧法案問責制度的核心

從自律轉向問責，其核心在於將責任制度化。歐盟的《人工智慧法案》作為全球首部全面性AI監管法規，其關鍵機制包括：

• 風險分級

根據AI系統對健康、安全和基本權利的影響分為４級。其中涉及關鍵基礎設施、教育、就業及勞工管理等領域的高風險系統雖未被直接禁止，但需完成合格性評估。

• 技術審查與文件製作要求

企業必須記錄AI的訓練數據來源、演算法邏輯與測試結果。問責不僅是結果的承擔，更是對開發過程的可追溯性要求。

• 實質法律義務

透過立法明確界定AI價值鏈各參與者的責任，並賦予監管機關對違規行為課以高額罰鍰的權力。

這些規範意味著高風險AI系統在進入歐盟市場前，必須進行風險和合規性評估、落實完善的數據治理、技術文件整備。此外，法案亦要求設計適當的人類監督機制，以確保系統運作符合基本權利保障。

國際非強制性準則在建構AI治理發揮了不可或缺的作用，其具有靈活性，並支持對監管模式的試驗。隨著強制性法案逐漸成熟，治理重心逐步轉向確保責任歸屬與權益保障。而此項轉向並非壓抑創新，而是為了建立可信賴的AI環境；企業競爭力亦因此不再僅取決於演算法效能，而更繫於其治理體系與社會信任的累積。

資料來源：BIICL、Kennedys、BARR advisory、The White House、遠見、Future of Life Institute

過去十多年來，企業不斷透過數位轉型引領組織改造與商業模式創新，近年來更藉助AI執行複雜任務。導入AI初期，企業多半著重於風險較低且以提升效率為主的應用，例如文件梳理與常規報告撰寫，企業主要關注的風險也集中在機密資料外洩等資安議題。但是當AI開始深入決策、營運、人資、公關等涉及「企業價值」的部門任務時，其風險範疇也從技術面擴大至治理與永續面向，成為企業無法迴避的新興風險。

以美國標普500企業為例，已有72%的企業在2025年度揭露至少一項與AI相關的重大風險，比例遠高於2023年的12%。而在眾多AI風險類別中，企業最為關注的是攸關公司治理層面的聲譽風險，卻僅有38%的標普500企業為此訂定AI治理政策，其中多數企業則是空有政策卻礙於內部認知落差而難以向下推行，反映出新興風險管理與治理實務的落差。

為解決企業導入AI治理所面臨的執行痛點，除了訂定政策及規章細則，首要任務是使企業從上到下理解AI可能導致的負面衝擊為何重要，以及相關預防或補救措施如何可行。OECD已於2026年2月19日發布《責任AI盡職調查指引》（OECD Due Diligence Guidance for Responsible AI），針對AI價值鏈相關企業（包括商用AI使用者）提出一套六步驟的盡職調查框架，協助企業建立責任商業行為政策，並邁向可信賴人工智慧（trustworthy AI）的發展方向。六步驟包括：

• 將責任商業行為融入企業政策與管理系統

承諾遵循國際相關RBC與可信賴人工智慧的標準，對標國內AI法規意旨並強化既有的RBC相關政策與風險管理政策，推動責任AI盡職調查機制。

• 鑑別並評估與企業營運、產品或服務相關的實質及潛在負面衝擊

界定AI相關風險涉及的價值鏈及業務範疇，鑑別各項風險的實質及潛在負面衝擊的重大性風險，並與相關利害關係人議合，決定AI相關風險的重大性排序。

• 停止、預防並緩解負面衝擊

釐清各項風險的傳導路徑，停止造成負面衝擊的源頭，並依責任採購與培訓、透明可追溯、安全可靠、意見回饋等政策機制，發展企業內部規章與作業程序，以預防或緩解負面衝擊。

• 追蹤盡職調查的實施情形與結果

針對列管的負面衝擊擬定追蹤指標，並定期實施盡職調查，驗證相關預防或緩解負面衝擊的措施是否仍持續有效。

• 對外溝通的行動

舉辦利害關係人溝通活動或設立溝通管道，定期對外揭露風險鑑別過程、盡職調查成果，以及因應策略與措施。

• 適時提供或配合補救措施

當企業發生相關負面衝擊事件，應儘速透過法律或自身資源採取補救措施。

此盡職調查框架源自於OECD的RBC盡職調查框架（RBC due diligence framework）與《AI原則》，強調企業應將AI治理提升至責任商業行為的治理層級。透過縝密的盡職調查流程，鑑別AI相關風險的實質及潛在負面衝擊後建立追蹤指標，擬定因應策略與行動，以及政策回饋修正機制，使AI治理成為企業永續策略的核心一環。

隨著AI逐步滲透企業核心營運與決策，其帶來的風險已超越技術層面，成為影響企業聲譽、治理品質與永續價值的跨領域議題。企業唯有將AI治理置於責任商業行為的高度，建立一套從政策、風險鑑別、預防緩解、追蹤、溝通到補救的完整治理機制，才能真正落實可持續且可信賴的AI發展。

資料來源：Harvard Law School Forum on Corporate Governance、Thomson Reuters、OECD

國際能源總署（IEA）《2025世界能源展望》指出，資料中心和人工智慧的電力需求爆炸性成長，預計到2035年，全球資料中心電力的總消耗量將成長至目前的三倍。2026年初美國政府連同多州州長，敦促北美最大電網營運商PJM Interconnection舉行緊急電力採購拍賣（Emergency Power Auction），要求大型科技企業以競標方式承擔新增發電容量的成本，將AI資料中心用電擴張的成本，從一般用戶電費帳單中部分移轉至主要需求方，顯示在AI電力需求快速成長的過程中，其電力成本正逐步外顯，並成為推升企業排放量的重要因素。

Google母公司Alphabet揭露其排放量自 2019 年以來增長了近 50%，並指出主要因素為資料中心用電；亞馬遜雖是全球最大的再生能源企業買家，但其公司報告揭露，到 2024 年其碳足跡將接近 6,800 萬噸二氧化碳當量，其中亞馬遜網路服務（AWS） 資料中心消耗了其大部分電力，顯現AI電力需求導致長期氣候承諾與短期營運現實之間的差距日益擴大。

投資人對氣候議題的關注進入更成熟的階段，從要求企業設定氣候目標，到現今期望企業提供更加明確氣候策略的解釋。2025年Alphabet股東提案即聚焦於公司氣候策略是否仍具可行性，投資人指出Alphabet 2023年碳排放量比起前一年成長13%，且其能源消耗超越公司推動再生能源的專案；投資人要求Alphabet提供情境分析、壓力測試，以及揭露預期排放的軌跡，上述工具有助於投資人評估Alphabet是否具備如期推動氣候計畫能力。

全球知名ESG機構Morningstar Sustainalytics，分析在AI算力需求增長與淨零承諾的衝突下，投資者所在乎的面向如下：

• 計畫的可行性

企業是否針對 AI 與雲端運算的高成長需求，對其減碳路徑進行壓力測試。

• 執行的實質性

企業主要是依賴再生能源憑證（REC）等會計抵換工具，抑或是將在資料中心實質推動新的再生能源發電。

• 透明度

企業是否清楚揭露其再生能源的採購實務，並在主流報告中同時提供「市場基礎（market-based）」與「地理位置基礎（location-based）」的排放數據，使投資人掌握第一線的真實情況。

對於投資人而言，誇大再生能源的表現將扭曲氣候指標，掩蓋未來企業的責任，同時更削弱信任。在這個電力需求成長速度超越再生能源發展的現況下，投資人期望看見企業需解釋其計劃如何履行現有承諾，在實際條件下是否可行，以及如何轉化為實際的減排效果，氣候聲譽已演變成公司綠色治理的議題，相關策略須具備韌性、透明度和可行性才得以回應投資人。

資料來源：iea、U.S. Department of Energy、Sustainalytics、Securities and Exchange Commission

AI帶動資料中心快速擴張，企業需兼顧在地社會責任

隨著大型科技公司大規模擴張 AI 資料中心，高度算力需求引發的電價上漲等問題逐漸受到政府與地方社區的關注。路透社（Reuters）報導指出，微軟總裁Brad Smith在2026年3月CERAWeek全球能源年度會議公開表示，在美國興建大型資料中心時，取得在地社區同意已成為重要前提。近幾個月，美國部分資料中心開發案亦因地方對電價上升與環境衝擊的疑慮而遭到取消，僅在2025年10月至2026年1月之間就有26個資料中心建置計劃遭到取消的案例，顯示資料中心擴張已不再僅是能源議題，亦逐漸成為企業責任治理與社區關係的重要考驗。

社區反對聲浪的背後，反映電力成本分配問題

美國智庫布魯金斯研究院（Brookings Institution）的研究指出，新增資料中心確實可能推升住宅電價。首先，資料中心耗電量極高，儘管美國目前正進行大規模的電力建設，但至 2028 年預計仍面臨高達49 吉瓦（GW）的供電缺口，約占美國總發電量的 5%。其次，除了發電端的需求外，資料中心還需要新建置高壓電線、變電站等電力傳輸與配送基礎建設。依據哈佛法學院與勞倫斯伯克萊國家實驗室近期的研究，這些發電與基礎建設的成本通常會透過調漲電價轉嫁給消費者。

政府要求大型科技公司承諾自行負擔資料中心開發成本

面對日益高漲的質疑與反對聲浪，美國總統川普於2026年3月要求大型科技公司簽署《電力用戶保護承諾》，主張企業應自行承擔大型資料中心所帶來的電力成本，避免將電力成本轉嫁至當地社區。在此背景下，科技公司也開始對此提出具體回應方案，2026年1月，OpenAI公布「星際之門社區計畫」（Stargate Community Plan），透過「能源自付盈虧」的方式，確保資料中心營運不會提高所在地社區的用電成本。同年2月，Anthropic亦宣布將透過提高自身每月電費、承擔電網升級費用，以及新增電網容量而非排擠既有供電的方式來滿足資料中心用電需求，避免將成本轉嫁給一般用戶。

台灣 AI 基礎設施布局的警訊：以國際爭議為戒，強化能源治理與社區信任

國際 AI 資料中心開發案因社區反對而受阻的案例顯示，能源取得不再僅是基礎建設問題，更是企業是否能與社區共存並永續營運的治理能力考驗。對台灣企業而言，這樣的國際爭議具有高度警示性。

台電於 2026 年 3 月公布，台灣在 2030 年前將新增超過 500 萬瓩的用電需求，未來10年的用電需求年平均增量更將是過去10年的2倍以上。同時，現行申設的資料中心多集中於北部，而根據國家智庫DEST報告指出，新北市及台北市電力自給率低於51%，若未來AI資料中心持續集中，可能加劇區域電力供需失衡與電網負荷壓力，並使當地社區承受更高的基礎設施與用電成本壓力。

因此，台灣企業在推動 AI 基礎設施時，除了追求效率與產能擴張，更應提前將電力乘載能力、區域平衡與社區溝通納入考量，才能確保營運穩定，並與在地社區建立長期共利的發展模式。

資料來源：Reuters、Guardian News & Media、The Brookings Institution、The White House、

科技新報、經濟部、聯合報

在永續揭露與合規要求持續增加的情況下，企業永續團隊正面臨前所未有的工作壓力：一方面需快速回應多國法規與投資人要求，另一方面又必須在資料分散、內部資源有限的情況下，確保揭露內容具備一致性與可稽核性。在此背景下，AI逐漸被視為協助永續團隊維持運作效率與品質的重要工具。

BSR（Business for Social Responsibility）於2025年底訪談20家跨地區、跨產業的永續團隊。受訪主管普遍預期，AI將在未來12個月內顯著改變其工作方式。從訪談中可觀察到，AI大致上可在四個面向協助永續團隊提升效率與品質：

• 生產力與溝通

協助撰寫報告摘要、郵件與利害關係人回覆，並依不同受眾調整語氣與重點；也能快速彙整與對比外部資訊，用於法規摘要、同業標竿與內部簡報，縮短寫作、編輯與校閱時間。有部分受訪團隊亦以AI模擬投資人或媒體提問，提早暴露揭露盲點並補強論述。

• 資料收集與合規

將分散的內外部資料結構化，協助依CSRD、CSDDD等框架產出揭露內容，並支援跨期比較與初步驗證（例如自動檢查缺漏、異常值與一致性），降低人工彙整成本與錯誤風險。

• 策略與風險管理

支援重要性議題盤點、情境規劃與壓力測試（結合實體風險資料辨識供應鏈與營運風險），以及趨勢監測（追蹤新聞、研究與利害關係人動態），協助團隊更快形成可追溯的判斷依據。

• 利害關係人參與

以AI驅動的客服或知識庫，回覆客戶、投資人與內部單位的永續提問並提供客製化資訊；讓團隊把時間留給更複雜的專案。

不過，世界經濟論壇（WEF）指出，若把AI視為萬靈丹而無節制擴張使用量，可能導致能源需求與環境衝擊被低估，甚至超出地球所能承載的範圍（Planetary Boundaries）。這也意味，AI不僅是協助企業回應永續要求的工作，本身同樣需要被納入永續治理的對象。

在實務層面，AI驅動的自動化確實能降低單位作業成本，但也可能引發「反彈效應」（Jevons paradox）：當成本下降，整體使用量反而上升，抵消最初的資源節省，並進一步加劇能源需求。對企業而言，這不只是環境議題，更是管理問題，若缺乏對AI使用情境、頻率與規模的控管，企業可能在不自覺中推升能源需求、資料中心負荷與供應鏈壓力，讓「以AI提升效率」反而成為新的永續風險來源。

因此，真正的關鍵不在於企業是否使用AI，而在於企業是否有能力管理自身對AI的使用方式。成功導入 AI 於永續工作的企業，往往已建立清楚的治理機制，將 AI 的開發與使用納入既有的治理與決策流程，包括：訂定以責任與人權為基礎的 AI 使用準則、建立透明與監督機制，以及確保相關應用符合日益增多的AI 法規要求。同時，永續、IT 與資料團隊之間的跨部門協作亦為關鍵要素，在部分企業中，永續主管或成員更進一步扮演「AI 推動者」的角色，主動橋接永續目標與技術執行之間的落差，使 AI 得以在受控且一致的框架下被運用。

從收集資料、撰寫報告到回應利害關係人，AI確實為永續團隊帶來前所未有的效率提升。但唯有當企業能夠同時管理「用AI做永續」所衍生的長期影響，AI才不會成為侵蝕永續目標的隱性風險。在AI時代，永續不只是做得更快，而是是否能在效率與責任之間，建立足夠成熟的治理能力。

資料來源：BSR、World Economic Forum、Elsevier