LCA 戰情報 | SSCA 氣候領導力播客第一期延伸閱讀
當沒有預算、客戶規格改不了、上游數據拿不到這三個限制同時存在時，第一步不是找預算，也不是先搭建數據體系——而是把企業的控制力邊界畫清楚。
開場：三個限制同時存在時，從哪裡入手？
❌ 沒有永續發展預算
無法申請額外資金支持減碳投入。
❌ 客戶規格改不了
產品規格由買家主導，企業無法單方面調整。
❌ 上游數據拿不到
供應商無法提供可用的排放數據。
市面上很多建議都預設至少有一個條件是寬鬆的。當三個條件都很緊時，答案不是先找預算，而是先弄清楚一件事：你到底控制著什麼。
為什麼「所有權」容易把問題帶偏
所有權視角
按「工廠是不是我的」劃定供應鏈邊界，容易漏掉最應該管理的那一段。
控制力視角
國際買家評估的是「你實際控制了供應鏈的哪一段」，才能找到真正的著力點。
一個反常的例子：同一家企業，可以是擁有十幾家工廠的實業公司，也可以在轉讓工廠後變成設計和管理型企業。表面上「什麼都沒有了」，但規格制定權、供應商選擇權和數據要求權仍然掌握在企業手裡——控制力沒有變。
先確認你屬於哪一種角色
國際零售商通常按 department/category 分軌評估，同一套做法用在不同角色上，效果可能差別很大。
方法一：沒有預算時，先找可控成本池
可控成本池：規格由企業自己決定、客戶不干預的成本項目。這是不需要追加預算、也不需要驚動客戶就能啟動的方法。
為什麼選包裝？
鞋材改不了，設備動不了，客戶規格不能動——包裝是當時唯一能調整的部分。這不是遠見，而是理性分析後剩下的唯一選項。
代價必須講清楚
採購權花了三年才真正集中；二級供應商中順利推進的約十分之一；更換供應商期間品質投訴和業務壓力持續數月。第一年看到的往往是阻力，而不是成果。
方法二：從包裝延伸到材料，識別負排放機會
鞋類產品約八成排放來自原材料端，真正的減碳槓桿在材料選擇，而非生產環節節能——這也是為什麼一些企業連續節電三年，產品總碳排放卻幾乎沒有變化。
用 LCI 比較候選材料
逐項比較排放特性，找出在特定核算邊界下可被視為低排放甚至負排放的天然材料，如軟木、黃麻等。
不要被動接受高價新材料
客戶指定的新材料常存在良率低、價格高、市場接受度不足等問題。主動提案更有議價空間。
配比銷售：讓低碳產品自己養活自己
客戶訂購低碳款時，需同時搭配一定比例的常規款。低碳產品由此成為整個品類的增長引擎，而非單純的成本中心。
方法三：信任與訂單，兩個引擎同時運轉
造假的成本低，求真的成本高。如果兩種做法回報一樣，供應商自然選擇填表應付——結果就是第一年積極配合，第二年開始應付，第三年只剩表格，沒有可用數據。
數據完整性引擎
企業提供：統一數據規範、可驗證格式、清晰邊界定義
供應商獲得：不需要為每個客戶重複做一套數據
採購激勵引擎
企業提供：把數據質量納入供應商評分和採購配額分配
供應商獲得：做得好，就能拿到更多訂單
兩個引擎缺一不可。只給規範不提供激勵，得到的往往是應付；只給訂單不提供規範，得到的往往是不能使用的數據。
動手做：供應鏈控制力自評
四個維度，每題三選項：完全做不到 = 0分，部分可以 = 1分，可以做到 = 2分（每維度最高6分，總分24分）。
90 天行動路線
第 0–2 週
完成自評和邊界盤點，選定一個可控成本項目作為試點。
第 3–6 週
推動該項目集中採購；向兩到三家上游供應商索取按物料編碼的數據，測試響應能力。
第 7–10 週
算清試點項目基準線，確認減排空間和成本節約空間分別有多大。
第 11–13 週
明確行動目標、數據規則、保密要求和效果跟蹤方式，形成可複製到第二個項目的方法。
最後：控制力決定一切
擁有控制力，減碳就是一次商業設計；缺少控制力，減碳就只能是一次被動配合。
把企業的控制力邊界畫清楚——這件事不需要額外花錢，不需要客戶同意，一個下午就可以完成。它會決定後續所有行動的投入產出比，因為在控制邊界之外用力，再努力也很難產生效果。
方法一
找可控成本池，從內部效率中釋放減碳資金。
方法二
延伸到材料選擇，用配比銷售讓低碳產品自己養活自己。
方法三
信任與訂單雙引擎，讓供應商真正有動力提供可用數據。
本文為《LCA 戰情報》專題內容，配合 SSCA 氣候領導力播客第一期整理。文中案例已作匿名化處理；涉及具體客戶名稱、採購比例和成本結構的內容不在本文公開。
環球境地-內部分享講義-for 上課學員Only
AI 的善平台
Data 資料訓練和整理 ⟹ Logic 做事的方法和經驗法則 ⟹ Agent 代理人和輸出（千軍萬馬）
歷次培訓紀錄：
起心動念：第0期 - 20250729聰哥/台北綠能協會 AI/GEMINI/Google - 如何應用AI當【小編】和【資料輸出】分享
第一次｜20250830
臺中－裕元花園飯店
GPT / GEMINI / GAMMA（資料＋訓練）
第二次｜202607
台中基地，線上
DATA / LOGIC / Claude（用語音＋Claude）
第三次｜20260808
本次培訓
入門：不容易
三個常見的心理障礙，讓人遲遲無法真正踏入 AI 的世界：
不需要
認為這東西跟自己無關，用不到。
夠用了
覺得用 GPT 問答式就已經足夠。
有危險
對 AI 抱有疑慮，不敢深入使用。
真實案例：家人的轉變
他原本不認同要用 AI——第一，他認為這東西他用不到；第二，他覺得用 GPT 問答式就夠了。
一直到一位前同事跟他見面，說現在在做一個新公司的投資案（prediction market 方向），跟他說一定要用 AI，並且手把手教會他，他才真正入門。現在已經固定在用 Codex。
啟示：入門的門檻不是工具，是「有人示範到他信」。
社群訊息實測回報（已去識別）
一則來自實際操作者的回報：
「今天實測操作熟悉了 ChatGPT Codex，並且優化了 2 個網站的 SEO，還寫了 8 篇 blog，做 internal linking。大致完成花了約 60 美元 token，5 小時左右，但是給予的是絕對專業的 SEO 知識，很值。明天繼續。」
「我有 1500 美元 credit，不怕，每週會 renew 一次。但是實測需要 screen capture 的（例如我讓他幫我操作獨立站、谷歌等註冊）很吃 token。所以會存在某些事情 AI 划算（專業知識），有些不划算。」
AI Meetup｜矽谷 SV AI Hub 社群觀察
社群定位
「我希望這個 AI Meetup 不只是分享 AI 工具，而是一個大家可以彼此交流、互相學習、一起成長的地方。不管你今天看到一個新的 AI 工具、一篇好文章、一個有趣的應用，甚至自己做了一個小作品，都非常歡迎分享。很多時候，一個人的發現，可能就是另一個人的靈感。」
成員的實作分享
背景是醫師轉 AI 工程師。習慣把資料用 AI 整理成網站放到 GitHub 上，把峰會場次整理成一份索引，每場附重點並可跳到直播那一段的時間戳，方便直接搜尋有興趣的關鍵字。另外也把 TRIZ 萃思 40 項發明原則整理成網站。
社群回饋
「看了您整理的內容，真的令人佩服，不僅將當天分享的 TRIZ 萃思 40 項發明原則系統化整理成網站，還依主題規劃了 40 項原則、跨時代案例、發展史、詞彙表、翻卡、測驗等學習內容，並提供關鍵字搜尋功能，大幅提升大家學習與查閱的效率，這份資料的價值非常高。」
觀察：社群的價值不在工具清單，在於「有人真的做出東西並且願意公開」。（上面是AI說的）
Ray：AI 會把事情整理得很完善，看起來很全面，四十項發明原則也有了，可是你不會感動一個個去看，除非你有需求。而夥伴有教一個方法，我覺得也是很重要：你怎麼樣用人的觀點找出那個 pivot point，或者是你的感動跟你的判斷。畢竟人被感動是需要有一個理由，你是知道那個理由的，可是 AI 不知道，所以大家要學著把那個理由找出來。
不要做長篇大論的百科全書，沒人看，要做一個能夠吸引別人的亮點，讓大家願意看。願意這件事情在 AI 裡面很重要，所以你需要 SEO，你需要 GEO。
大明 vs 瑞民：AI 導入的兩條路線
美學・行政端 vs 供應鏈・商業端｜互補但不同
這也解釋了為什麼我要從 data → logic → agent 講起，而他可以直接從 prompt 和工具講起。不是誰比較嚴謹，是容錯率不同。
一句話：他讓事情被喜歡，我們讓事情被相信。兩件事都得做，但要分得清楚哪一件事該用哪一套方法。
（延伸參考：各種 AI 應用的名嘴或 YouTube／FB，例如 Claude Taiwan）
參加一個說真話的 AI 社群
為什麼重要
說真話的社群會告訴你哪些事 AI 划算、哪些不划算，而不是只給成功案例。
真正有價值的社群，不是工具清單的集散地，而是有人願意分享真實踩坑經驗、公開自己做出的東西，讓每一個成員都能從他人的發現中獲得靈感。
推薦社群
「軟式生活｜AI 工具交流群」
說真話
不只分享成功案例，也分享踩坑與失敗經驗。
互相學習
一個人的發現，可能就是另一個人的靈感。
一起成長
從工具分享到實作展示，共同提升 AI 應用能力。
重要的 Logic 問題，最好三問三答才給
Data → Logic → 審核｜沒有三問三答，不要直接採用。
示範：一個實際被丟進 AI 的商業模式問題（提問者身分已去識別）
AI 的回答大意——就商業模式而言：（Ray：似是而非的答案，無法回答）
- ESG 學會的社會影響力通常較大，但收入多來自會費、課程、活動及補助，營運模式偏向公共服務。
- 碳交易中心若能建立穩定的企業客戶與交易平台，則可透過顧問服務、交易媒合、平台服務等形成較多元的商業收入。
如果兩者結合呢？近年有些組織會採取「協會＋公司」的雙軌模式：
協會
負責教育、政策倡議、會員交流、論壇活動，建立公信力。
公司（碳交易中心）
提供碳盤查、碳權媒合、減碳專案開發、ESG 顧問及交易平台等商業服務。
這種模式可以兼顧公共推廣與商業營運，同時避免非營利組織直接從事營利活動所可能面臨的限制。
===》 AI的問題和答案，如果沒有經過"知識、方法、審核"三邊界，通常會有問題虛化，答案浮誇的問題。不容易感動，不容易執行。
重點不在答案本身，而在流程：第一問給 data，第二問要 logic，第三問是審核——沒有三問三答，不要直接採用。
控制力，不是所有權：供應鏈減碳的第一個決策點