前陣子協助一家長期合作的星級酒店客戶做年度溫室氣體盤查（ISO 14064-1）。曾做過碳盤查的讀者可能比較熟悉，這類盤查案的資料現場，實際狀況是這樣的：十幾個部門，各自用自己習慣的格式填報相關數據（如用電量、用水量、設備冷媒填充量、各能源耗用量等）——有的按月分頁、有的按設備分頁、有的甚至把去年的舊表格複製貼上接著填，命名方式也不統一。查核當天要處理的表單，加起來有幾十份。
同一次查核，十幾個部門、格式各異的表單
工程部用水
我使用 Claude Code 來進行這些複雜的數字統整，其中一個部門的「統計」分頁顯示合計用水量是 61,040 度。但把該分頁逐月填報的數字重新加總一次，實際數字是 67,233 度——落差超過 6,000 度，接近一成。兩個數字都在同一份 Excel 檔案裡，肉眼看起來完全正常，沒有紅字、沒有錯誤提示；如果依照傳統的人力審閱方式，這個錯誤也許永遠不會被發現。
AI 的價值不只是「找出錯誤」，而是它「能夠看懂整個專案」
如果只把這件事講成「AI 重新加總、抓到一個錯誤」，其實低估了背後真正發生的事。要在幾十份格式不一的表單裡精準定位到這一筆異常，AI 得先做到三件事：
- 看懂整個專案的資料結構——不同部門的表單對應盤查範疇裡不同排放源，文件格式可能完全不同（如圖片、Excel 檔、PDF 檔等），過去需要靠人力一一審閱，並手動整理成統一格式，現在不必再花時間了，AI 完全能夠直接理解各文件格式，並擷取正確的資訊
- 跨部門、跨資料夾同時處理——AI 不是一份一份文件人工打開核對，而是同時掌握十幾個部門的填報邏輯與彼此的關聯
- 逐筆重新運算，而不是只看表面數字——重新讀取每個分頁的逐月原始數字、重新加總，再跟表單自己的合計欄比對
數值的錯誤只是這套系統性理解「順手」抓到的其中一個「副產品」。真正被壓縮掉的，是原本要花費大量人工時間、去統整格式不一的跨部門資料所需要的時間成本——而這件事，人力原本就很難做到逐份逐筆核對。
以我個人過去實際查核經驗來說，同樣規模（十幾個部門、幾十份表單）的人工逐份核對，通常得花掉一整天的工作時間；這次交給 AI 系統協作處理，從讀取到比對出這筆落差，大約只花了 20 分鐘，這個速度簡直就像腳踏車和超跑的區別。
一個小落差，指向一個更大的問題
碳盤查、ESG 報告最終比的是數字的可信度。但實務上，多數查核流程仍然仰賴人工抽查與經驗判斷，而人力本來就很難對每一份表單的每一個分頁都做逐筆重算，更別說先理解十幾個部門各自不同的填報邏輯。這中間留下的空隙有多大，沒有人真正統計過——這次 AI 幫我們抓到的，也只是眾多可能錯誤裡，剛好被看見的一筆。
我不會說這代表整個產業的報告都不可信，但至少值得每一位負責彙整資料的人問自己一句：你信任的那份數據與報表，上一次是什麼時候被重新驗算過的？
如果你也要處理類似的資料查核
不需要導入複雜的系統，下次拿到部門填報的 Excel，你可以先做這件事：全選整份活頁簿後按 Ctrl + Alt + F9 強制重新計算所有公式，再抽查合計欄是否與逐月數字吻合。這是最低成本、立刻能做的第一步。
而讓 AI 承擔「理解整個專案結構、跨部門跨格式比對」這類工作，只是我在顧問專案裡實際使用 AI 的其中一個例子。這條「AI × 淨零碳」的內容線，之後會陸續分享更多這類真實案例裡，AI 實際改變了哪些顧問工作的執行方式。