MIT《2026 供應鏈永續現況報告》解析｜AI 可以補數據，不能補治理
【AI 摘要導讀】MIT 運輸與物流中心調查 91 國、1,810 位供應鏈與永續專業人士後發現：企業對永續的承諾創七年新高，但卡關點已經從「要不要做」變成「做不做得到」。最值得注意的一個數字是：使用 AI 的企業中，63.1% 拿 AI 估算缺漏的供應商排放數據，而且這些企業對範疇三數據更有信心。但信心不等於準確，估出來的數字也不會因此變成供應商實測數據。範疇三正在從各自填表變成網絡協作，聯合供應商減碳計畫的參與率一年從約 31% 升到 58%。對亞洲供應鏈來說，結論很清楚：先把數據底座和治理做好，AI 才幫得上忙。
本文看點
- MIT 報告的關鍵數字，以及「信心不等於準確」的反差。
- 把報告重讀成五層能力斷裂：承諾、治理、數據、決策、實體轉型。
- 從 LCA／PCF 角度看 AI 補值：哪些欄位一定要保留。
- 給亞洲供應商的行動清單，以及解讀這份報告的四條紅線。
這份報告在講什麼？
《State of Supply Chain Sustainability 2026》是 MIT 運輸與物流中心（MIT CTL）Sustainable Supply Chain Lab 的第七份年度報告，2026 年 2～4 月調查 91 國、1,810 位供應鏈、採購、營運、物流與永續專業人士，受訪企業分布在歐洲 32%、亞洲 28%、北美 27%。報告主題是「Sustainability Under Pressure：AI、地緣政治與前進之路」。
核心結論是：83% 的受訪者認為永續對長期經營重要，創七年新高；但 68% 表示關稅不確定迫使企業延後、縮減或妥協永續策略。報告的說法是，做的意願更強了，能做的空間卻更小了。
一個數字、一個反差：信心不等於準確
| AI 用在排放量測的哪裡 | 比例 |
|---|---|
| 供應商數據缺漏時估算排放 | 63.1% |
| 從多個來源收集彙整排放數據 | 62.5% |
| 自動化範疇一至三碳會計與報告 | 53.5% |
| 辨識供應鏈排放熱點 | 43.4% |
| 模擬不同供應鏈情境下的排放 | 24.7% |
同一份報告還發現：用 AI 追蹤排放的企業，50.5% 對範疇三數據準確度「非常有信心」；不用 AI 的企業只有 15.3%。報告自己也提醒，這是相關性，不代表 AI 讓數據變準。
問題就在這裡。AI 根據採購金額、產業平均或相似材料推估出來的數字，仍然是模型值或代理值。除非能追溯到那家供應商、那個產品、那段期間的活動數據，否則不能標成供應商特定數據。AI 可以補數據，但不能補治理；量得更多，也不等於減得更多。
把報告重讀成五層能力斷裂
| 層次 | MIT 的數字 | 意思 |
|---|---|---|
| 承諾 | 83% 認為永續對長期經營重要 | 要不要做，已經不是主要爭議 |
| 治理 | 公開承諾的企業中只有 51% 有正式跨部門團隊，董事會監督只有 33%，15% 沒有正式監督 | 承諾還沒轉成決策權、預算與問責 |
| 數據 | 亞洲前三大挑戰是端到端可見度與供應商合規；碳會計軟體與試算表各約 75% 經常使用 | 工具很多，但數據管線還沒接起來 |
| 決策 | 永續最常進入運輸 39%、採購 35%、倉儲 34%；資本支出與網絡設計最少 | 會改善操作，還不一定會重新設計供應鏈 |
| 實體轉型 | 43% 車隊仍全部或主要用柴油；成熟 AI 使用者中 29% 認為總排放上升 | 效率改善與實體減排之間仍有斷點 |
照這個框架看，AI 最多是數據層與決策層的加速器，不能取代治理，也不等於實體轉型本身。這也解釋了為什麼「87% 的 AI 採用者認為有正面影響」，可以和「29% 認為總排放上升」同時成立：前者多半是局部流程效率，後者才接近整體結果。
