讓 AI 標出最可能編錯的五類資訊

回答越流暢，越容易讓人跳過核對。Alice 的數字、日期和介面名稱到了現場才被發現沒有出處。

週五下午，Alice 要把一份 AI 整理的活動方案交給同事。答案讀起來很順：參與率預計 47%，新流程從 6 月 1 日啟用，資料可透過 syncRecords() 匯出，舊版附錄還寫了跨裝置自動還原。標題、項目符號、結論都排得很完整。

她沒有看到語病，也沒發現前後矛盾，於是直接搬進報告。現場打開原始公告和說明文件，數字、日期、介面名稱都找不到，所謂自動還原也沒有上線。幾句具體細節把整份方案一起拖去重做。

問題不在答案是否像真的。真正省時間的動作，是先定位最值得核對的位置。可疑表示「需要證據」，不表示「已經寫錯」。

Alice

AI 風險核對練習 · 只標風險，不代替原始材料

在線

一段 AI 答案寫得很流暢，你準備怎麼核對？ 三種做法都很常見，也都只能涵蓋一部分風險。先選一種。

再讀一遍，確認邏輯順、前後沒有矛盾 隨機抽一個數字，算對了就繼續使用 追問 AI「你確定嗎」，看它會不會改口

傳送給 Alice

更穩的起點：先把答案裡的五類高風險資訊原樣摘出，再逐項找證據。這樣不會因為全文通順，就漏掉一句短小但後果很大的功能聲明。

現在請選擇 3～5 個片段或檢查動作。裡面混有三項看起來可靠、實際不能證明事實的線索。

「參與率 47%」→ 查原始統計表 「6 月 1 日啟用」→ 查正式公告 「syncRecords()」→ 查官方介面文件 「舊版附錄寫明」→ 打開附錄原頁 「支援自動還原」→ 查功能說明頁 語氣很有把握，所以可以信 排版很完整，所以來源可靠 兩個 AI 都這樣說，所以不用再查

傳送所選內容 已選 0 項，還需至少 3 項

換一組再判斷

1. 數字：金額、比例、閾值、版本號和精確到小數的參數。
2. 時間線：發布時間、啟用日期、先後順序和更新節點。
3. 設定項或介面名稱：名字很像產品原文，仍要回到真實介面或官方文件。
4. 冷門細節：舊手冊、附件、會議紀錄中的一句話，外部很難交叉驗證。
5. 功能聲明：聲稱支援、能夠、自動完成某件事，尤其要防止用常見經驗填空。

五類只是風險標籤。原始統計表能對上 47%，這條就成立；說明頁沒有自動還原，功能聲明才算被證據否定。標可疑負責排隊，查原文負責定案。