一、案例定位

理解生成式 AI 在高度受監管的財務報告中，應扮演「預先整理與草擬」角色，而不是最終簽核者。

二、學習目標

• 認識大型語言模型（Large Language Model, LLM）在 10-K／10-Q 文件中的用途。
• 將文字草擬與財務分析、法規審查分開。

三、案例情境

原書指出，美國上市公司的 Form 10-K／10-Q 涵蓋公司營運、風險因素、市場狀況與財務報表等內容。GPT、LLaMA、Claude 等模型可協助整理財務資料、產生營運結果與風險因素的敘述初稿，並支援因應法規變動更新內容。

四、開始資料

五、Excel／AI 分析方法

用 章節｜必要來源｜初稿負責人｜是否使用 AI 草擬｜審查者｜是否核准 管理流程；所有數字仍以正式財務來源為準。

六、計算結果

原書沒有提供財務報告製作時間節省或錯誤率數字，因此不補造量化結果。

七、結果分析與管理解讀

生成式 AI 最適合降低文字撰寫與格式整理負擔，讓財務人員集中在分析與解讀。強制性財務申報的準確性與法規責任不能交由模型單獨決定。

八、AI 提問詞

只依已核准的財務表格與揭露資料草擬指定段落；所有數字保持不變，沒有來源的敘述一律標記 [待確認]。

九、思考／情境變動

**題目：**模型為了讓文字更流暢，自行新增一項風險因素，可以嗎？

**參考解答：**不可以。正式申報內容必須來自可驗證資料並經正式審查。