KnowRisk系列
更多資訊
資訊專欄
個案：
GRI 發布新版102與103標準，強化氣候與能源揭露，全球永續報告邁入整合時代
一、更新背景與整合方向
2024年6月26日，全球報告倡議組織（GRI）於倫敦氣候行動週宣布新版「GRI 102：氣候變遷 2025」與「GRI 103：能源 2025」，兩項標準將於2027年1月起正式生效，並與 IFRS S2 等標準保持一致性，以推動永續揭露整合化、標準化與透明化。
二、GRI 102：氣候變遷 2025
1. 納入「公正轉型」元素：
＊揭露氣候轉型對勞工與社區的社會影響（如解僱、重部署、影響原住民與生態等）。
2. 強化溫室氣體減量行動揭露：
＊必須揭露具體減緩計畫（減碳政策、行動、目標與進度），
＊對齊最新科學證據（如淘汰化石燃料目標與公正轉型原則）。
3. 對接 IFRS S2 溫室氣體揭露：
＊GRI 102 承認 IFRS S2 所揭露之範疇一、二、三的排放數據，
＊減少重複申報並降低申報成本。
三、GRI 103：能源 2025
1. 能源類型揭露更具體：
＊明確區分再生能源（太陽能、風能）與非再生能源（煤炭、天然氣）之占比與來源。
2. 去碳化轉型與目標揭露：
＊揭示能源效率、減碳措施與能源目標，並評估其經濟與社會影響。
3. 擴大揭露至供應鏈：
＊針對範疇三類別（供應鏈上下游）重大能源使用進行揭露，提升數據透明度。
四、未來永續報告的發展趨勢
＊GRI 102 和 IFRS S2 可互補使用，以一套資料滿足雙重揭露要求。
＊ESG揭露進入「整合」與「氣候問責制」階段，不再只是數據提供，而是管理與策略對齊。
＊國際間正逐步推動揭露效率與互通性，如 ISSB 正與 GRI 合作減少企業重複揭露負擔。
五、稽核觀察與建議
＊建議內部稽核人員預先熟悉新標準，掌握與 IFRS S2 的對應項目。
＊應針對供應鏈碳揭露與再生能源轉型政策建立內控流程與揭露審查機制。
＊強化 ESG 稽核技能，可結合 JCAATs AI 稽核工具進行揭露一致性與資料品質檢核，迎接未來標準化揭露時代。
本篇整理可用於 ESG 稽核實務訓練教材與內控制度規劃參考，適用對象包含：永續主管、稽核人員、內控負責人與報告撰寫單位。
相關課程推薦：
【進階課程】運用AI人工智慧協助ESG稽核實務案例演練(含ICEA國際ESG稽核師認證考試)
2025/07/31(四)、08/01(五)、08/04(一) 09:00AM~18:00PM
個案：
從溫布頓到智慧稽核：一場夢想與科技的交會
在資訊爆炸與AI浪潮席捲全球的今天，夢想不再遙不可及。2025年夏季，我踏上了一場意義非凡的旅程——參加英國網球聖地「溫布頓錦標賽」。這不只是實現一個網球迷的畢生願望，更是一次專業與熱情交會的深刻體悟。
我清晨六點半便排進傳奇的「The Queue」，歷經近五個半小時的等待，終於踏入那片充滿歷史與榮耀的綠茵聖殿。這一天，我沒有孤身前往，而是穿上印有「JCAATs」標誌的T恤，將我們在AI智慧稽核上的努力與成就，帶進這個全球矚目的體育盛會。
為何選擇將JCAATs帶進溫布頓？因為，對我而言，這兩者竟有異曲同工之妙。
網球講求優雅、精準與全神貫注；而智慧稽核，也是一場追求極致的比賽。在資訊如海的環境中，稽核人員面對的是龐大、異質化的資料挑戰。JCAATs 3.5 正是為此而生——結合AI資料融合、文字探勘、資料爬蟲、情緒分析等先進技術，協助使用者洞察問題、預測風險，化被動為主動，轉複雜為清晰。
在這場溫布頓之旅裡，我體悟到：不論是站上中央球場的選手，還是在稽核流程中奮戰的我們，都在追求同一件事－卓越。
正如選手日復一日鍛鍊、強化每一拍揮擊，我們也不斷迭代JCAATs系統，讓每一位稽核人員得以迅速掌握資料關聯、發現潛在風險、實現智慧稽核的「Game, Set, Match」時刻。
當我坐在觀眾席中，望著選手奮戰的身影，我不禁聯想到我們面對ESG查核、數位轉型、內控時的堅持與努力。我們也許不在鎂光燈下，但每一次的查核改善，每一項的風險預防，都是為組織建構更穩健的明天。
夢想不只是抵達，而是過程中的每一步。而我今天的每一步，從踏入溫布頓，到持續推動 JCAATs智慧稽核 的落地與應用，都是我對這份專業最深刻的承諾。
無論你站在哪個舞台上，記得：精準、準備與目的，是通往卓越的不變法則。
個案：
高中生改電子支付編碼「無本儲值」再退費A數十萬
高中生利用透過網購NFC讀寫器破解電子支付金額編碼，半年內進行超過40次「無本儲值」詐騙，成功從電子支付公司詐取數十萬元。電子支付公司於發現異常金流後，經追查監視器及刷退紀錄，終於鎖定嫌犯，該案目前仍在司法調查中，並可能牽涉更多背後人士。
(參考來源：EBC東森新聞|2025.06.25)
如何善用 JCAATs AI 稽核軟體強化電子支付公司內控管理與風險防範？
電子支付公司面臨日益增長的交易量與風險，若缺乏有效的數據分析與異常行為偵測，易發生資金外流等風險，如本案例高中生利用NFC讀寫器進行電子支付詐騙事件。以下是可透過內外部稽核與 JCAATs 技術有效改善的面向：
1.異常退費金流預警：
比對交易資料與退費紀錄，辨識是否有同一卡片多次退費或頻繁操作情形。
2.卡片金額篡改與交易行為監控：
分析電子支付交易紀錄，結合交易時間與頻率，檢測是否有異常金額變動或篡改痕跡，確保每筆交易符合公司內部控制規範。
3.硬體設備使用與非授權存取追蹤：
結合硬體設備使用紀錄與卡片資料，辨識是否有設備遭濫用或技術漏洞，即時偵測異常偵測與資金外流。
透過上述措施，電子支付公司可有效利用 JCAATs AI 稽核軟體提升內控管理與風險防範能力，避免類似詐騙事件再次發生。
個案：
AI成企業戰略核心－結合JCAATs，啟動智慧稽核轉型！
隨著生成式AI與人工智慧應用的加速演進，AI已不再只是技術部門的輔助工具，而成為企業策略規劃的核心資產。根據AI專家Thomas H. Davenport的分析，未來AI的企業應用可分為三大主軸：創造新價值、轉型營運效率、影響顧客行為。
而針對稽核領域，如何讓AI不只是「點綴技術」，而是真正「落地應用」，JCAATs 3.5 AI稽核軟體正是一套實現策略轉型的最佳工具，協助稽核人員快速升級戰力，在AI浪潮中不被取代，反而成為先行者。
如同加拿大Loblaw推出AI健康平台、豐田開發高齡駕駛專用的「護衛模式」，稽核領域也需創造「在地」與「產業特化」的新服務。
JCAATs 3.5 即是以AI為核心打造的智慧稽核生態工具，整合資料分析、PDF文字探勘、異常模式偵測與Open Data風險串聯技術，讓稽核人員能深入非結構化資料、診斷潛在風險訊號，掌握文字背後的風險脈動。
如Kroger導入AI進行供應鏈優化與智慧配送，稽核作業同樣可透過AI提升效率與反應速度。
JCAATs 提供超過50項AI指令與21個強大函數，內建Python-Based無程式碼分析介面，支援批判式思考、數據融合與風險偵測，大幅減少人工作業負擔，同時提升風險判斷與預測力。
從FICO信用模型、健康行為平台Well皆可見AI如何改變使用者行為。在稽核領域，JCAATs也透過「文字雲」、「詞性分析」、「情緒分析圖」、「文字集群」等模組，幫助使用者快速發現異常模式與潛在舞弊，真正將資料價值轉化為策略洞見。
高階支持與導入主導：AI稽核策略應由內部稽核主管與高層主導推動，確保整合組織資源。
跨部門合作與教育：導入JCAATs可作為企業AI教育平台，強化稽核、資訊、永續部門間的協作機制。
深度整合稽核流程與KPI：透過JCAATs的報表整合與視覺化功能，讓AI成果與績效指標直接掛鉤，落實價值創造。
AI時代擁有大數據分析與智能稽核技能已成為必備核心競爭力。本課程聚焦資料分析、CAATs應用、多格式資料取得、篩選與運算欄位建立、資料完整性驗證、文字探勘、機器學習等AI人工智慧於稽核應用，結合實務案例上機實作演練與測驗，透過三天學習，讓學員可有效提升電腦稽核與法遵科技專業素養，將所學技能有效應用於實際工作，提升國際競爭力。
課程時間：2025/07/24（四）、07/25（五）、07/28（一）09:00AM～18:00PM
地點與報名詳情：立即前往報名 ➜
文章參考：工商時報｜2025.07.04
個案：
AI與機器學習：改變內部審計的未來格局
AI與機器學習：改變內部審計的未來格局
隨著全球商業環境越來越複雜，企業在應對風險與挑戰時，無法再依賴傳統的審計方法。傳統內部審計往往過於依賴人為判斷，且集中在過去資料的回顧與事後檢查，這使得許多潛在風險無法及時被發現或預防。因此，如何提升風險偵測的效率與準確性，成為內部審計部門極需解決的問題。
然而隨著科技的進步，尤其是機器學習（Machine Learning, ML）和人工智慧（AI）的引入，內部審計的功能已經開始進入一個嶄新的階段。機器學習不僅改變了我們處理資料的方式，還徹底改變了審計師的工作重點，從事後查核轉向事前風險偵測與預防。
機器學習：改變內部審計的遊戲規則
機器學習的出現，對於內部審計來說無疑是一場革命。過去，審計人員通常依賴大量手動操作，如資料比對、報表分析等，這不僅浪費時間，還容易因為人為疏漏而忽略潛在的風險。而現在，機器學習使得這些繁瑣的工作得以自動化，並且能夠在海量數據中快速識別出異常模式，幫助審計師及時發現潛在的風險。
機器學習的核心價值在於其預測能力。通過不斷分析歷史數據，機器學習模型能夠識別出未來可能出現的風險事件，並自動將其標示為高風險區域，供審計人員進行重點關注。這一點，在金融詐騙、內部盜領等風險防範上，展現了巨大的潛力。例如，某國際銀行已經成功運用機器學習模型，通過分析過去的金融詐騙案例，自動識別可疑交易並觸發警報，減少了30%以上的詐騙損失。
機器學習的應用：提升審計效能
機器學習不僅能夠在風險預測方面發揮作用，還能在數據清理、分析和報告生成等多方面提升審計效率。例如，通過使用自動化的資料清理技術，機器學習能夠自動識別和清理錯誤數據，減少審計人員的重複性工作。進一步地，機器學習可以分析數據中的模式，並根據不同的風險指標生成精確的風險評估報告，讓管理層能夠迅速作出決策。
另外，機器學習還能在異常檢測方面大顯身手。在傳統的審計過程中，異常交易或不合規行為通常需要審計人員手動檢查大量交易資料。機器學習模型可以學習這些數據中的正常行為模式，一旦出現異常，就能立即發現並進行標記，顯著提升風險管理的效率和準確性。
智能化未來：從事後查核到事前防範
隨著機器學習技術的不斷發展，內部審計的角色也將不再局限於事後的審查。未來的審計師將不僅是過去數據的解釋者，而是風險預測的設計者與領導者。機器學習將賦予審計師更多主動防範風險的能力，從被動的事後反應轉變為主動的事前防範。
舉例來說，當企業使用機器學習來監控和分析交易數據時，這些模型可以不斷學習和進化，隨著數據量的增長，模型的預測準確度也會隨之提高。最終，這不僅有助於提高內部控制的效率，還能幫助企業實現更高效的資源配置和風險控制。
機器學習是內部審計的未來
機器學習技術正在深刻改變內部審計的方式，從事後查核到事前風險偵測，從繁瑣的數據處理到智能化的風險預測，機器學習無疑是內部審計未來的核心。隨著 JCAATs 等智能稽核工具的出現，非程式背景的使用者也能輕鬆進行機器學習模型的訓練與應用，這為審計行業帶來了前所未有的機遇與挑戰。
面對這一變革，審計專業人員需要不斷學習並掌握這些新興技術，成為智慧稽核的設計者與領導者。隨著技術的進步，未來的內部審計將不僅是一項保證和諮詢活動，而是成為促進企業穩定與增長的強大推動力。
KnowRisk系列
更多資訊
