---
title: "老同事一走，經驗就跟著走？日本大型會計師事務所把團隊的信件和資料交給生成 AI 整理，但判斷仍由會計師來做"
slug: ey-japan-audit-team-knowledge-generative-ai
url: https://pgylab.ai/posts/ey-japan-audit-team-knowledge-generative-ai
published_at: 2026-11-20
modified_at: 2026-11-20
author: "劉虔瑋 Dalson LIU"
category: "蒲公英知識報"
access: public_access
---

# 老同事一走，經驗就跟著走？日本大型會計師事務所把團隊的信件和資料交給生成 AI 整理，但判斷仍由會計師來做

By **劉虔瑋 Dalson LIU** - 蒲公英 PGY LAB 執行長 | 2026-11-20

每家公司都有這一幕：做了很多年的老同事要離職，交接那天，他指著電腦說：「資料都在共用資料夾裡。」兩個月後，客戶打來問：「去年那件事，你們不是說好這樣處理嗎？」接手的人翻遍資料夾，找不到。資料明明都留下來了，為什麼經驗還是跟著人走了？因為真正重要的東西，常常不在手冊裡，而是在那個人的信箱、對話和記憶裡。資料留下了，經驗跟著人走了。經驗藏在信件裡，不在手冊裡日本的 EY新日本有限責任監査法人，在 11 月 18 日發布新聞稿（原文），說他們從今年 11 月開始，導入一套讓每個查核團隊共用知識的機制。做法是：把每個查核團隊累積的信件、資料和團隊內部的規則，讓生成 AI 讀進去，變成這個團隊專用的 AI 助理。它根據團隊自己的資料，幫忙搜尋、整理資訊，以及起草文字。新聞稿點出的痛點很真實：除了會計準則、作業程序這些整理好的知識，過去幾年怎麼處理、客戶有哪些特殊情況，這類知識很多都只留在個別成員的經驗和記憶裡。公司最值錢的經驗，常常不在手冊，而在信箱。AI 負責找出來，人負責做決定這套機制有一條寫得很清楚：會計上、查核上的判斷，由會計師來做。新聞稿的說法是，由生成 AI 推薦相關資訊，再由專業人員自己確認、選擇參照的原始資料。使用的人先確認作為根據的資料，再用在工作上。這個分工很重要。AI 讀得再快，也不該替專業的人拍板；但它可以把那些散落在幾百封信裡的來龍去脈，在需要的時候找出來，還附上出處。AI 把東西找出來，人決定怎麼用。AI 負責挖，人負責看。最受惠的，是新人和交接EY新日本提到幾個用得上的場景：新成員加入團隊的培育、客戶應對，以及負責人更換時的交接。新人可以一邊查看作為根據的資料，一邊理解前幾年怎麼處理、當時判斷的背景。在向客戶提問或要資料之前，也能先查一下團隊已經有的資訊。他們把這定位成在職訓練（OJT）的補充。想想看，新人最怕的不是不會做，是不知道「為什麼以前這樣做」，又不好意思一直問。新人怕的不是不會做，是不知道為什麼以前這樣做。小公司，也有一堆「只有他知道」你可能覺得：這是大型會計師事務所的事，跟我們十幾個人的公司有什麼關係？關係很大。規模越小，越容易一個人扛一整塊。舉個假設情境（不是真實公司）：一家十五人的貿易公司，某個客戶的發票抬頭要分兩張開、某家廠商只接受月底匯款、某個老客戶下單前一定要先打電話。這些規則，全都在一位資深業務的腦袋和手機對話紀錄裡。她請一週假，公司就少了一半的記憶。她一休假，公司少了一半記憶。明天就能開始的四件事下面是我們依這則新聞整理的做法，不是 EY新日本的建議。第一，列出「只有某某知道」的十件事。不用寫很長，一件事一句話：誰知道、在哪裡找得到。第二，交接時不只交檔案，要交「為什麼」。每一個例外處理，都補一句原因。AI 讀得懂原因，才找得出脈絡。第三，資料先分兩堆：可以給 AI 讀的，和不能給的。客戶個資、合約、報價底線，先想清楚放不放、放在哪種工具裡。第四，要求 AI 的回答附上出處。看得到原始信件或文件，再拿來用；看不到出處的答案，先當作還沒確認。也要提醒：這是 EY新日本自己的公告，新聞稿沒有公布導入後的成效數字；大型事務所的做法，也不能原封不動搬到小公司。先從一個團隊、一類資料開始試，比一次全上更實際。先把「只有他知道」寫下來。經驗留得住，公司才長得大人會離職、會請假、會換部門，這很正常。不正常的是，每走一個人，公司就要重新學一次。生成 AI 最值得期待的，也許不是寫得多快，而是讓經驗不再只存在某一個人身上；但做決定的，還是人。Kyber 在意的就是這件事：讓公司裡的經驗和數字，在要做決定的那一刻找得到、說得出根據。你們公司裡，最怕哪一位同事請假？留言說說看，他知道的哪一件事，最應該先寫下來。經驗留得住，新人才接得住。
