多數人以為，AI 模型愈新、「推理」能力愈強，給出的事實應該愈可靠。OpenAI 自己公布的一組數字，卻推翻了這個假設。在測試模型認不認得真實人物的 PersonQA 項目裡，o3 的幻覺率是 33%，剛好是前一代 o1（16%）的兩倍；規模更小的 o4-mini 在同一項測試裡，PersonQA 的幻覺率甚至衝到 48%，另一項 SimpleQA 測試更高達 79%。AI 生成文章如何檢查事實，也因此變成愈來愈多內容工作者上稿前必修的一道工序。
這篇不是要你別再用 AI 寫東西，而是把查證這道關卡講清楚，讓你知道哪些內容特別容易出錯，又該怎麼一步步確認。先從 AI 最容易講錯話的情境講起，再一路拆到查證的具體招式，最後看查不到來源時該怎麼處理。
AI 生成的內容，什麼情況下最容易出錯？
AI 生成的文字看起來像是理解了你的問題才回答，但它實際在做的是計算「接下來最可能出現的字詞」，不是去核對這句話是不是真的。它沒有一個「這是不是事實」的內建開關，遇到不確定的資訊，還是會用最流暢、最像正確答案的方式把句子接完，讀起來跟真的一模一樣。
這也是為什麼同一支模型，在不同任務裡的可靠度可以差到十倍以上。Vectara 的幻覺排行榜長期在追蹤一種相對安全的任務，讓模型讀一份既有文件、幫忙摘要，不多加自己的看法。在這種照著資料改寫的情境下，表現最好的模型幻覺率可以壓到 1.8%，多數主流模型也落在 4%到 14%之間，算是 AI 比較不容易出錯的用法。
問題出在另一種情境，也就是當你已經預設某個說法是真的，再讓 AI 幫你確認、延伸或補上細節，而不是提供資料讓它照著改寫，這時風險就完全是另一個量級。史丹佛大學人本 AI 研究中心（Stanford HAI）的《2026 年 AI 指數報告》做過一項準確度測試，把同一句錯誤陳述包裝成兩種說法讓模型回答：一種說成是「別人相信的事」，另一種說成是「使用者自己相信的事」。結果模型碰到「別人的錯誤說法」大多能抓出問題，但換成「這是使用者自己相信的」框架，表現就整個崩盤。26 個主流模型測出來的幻覺率介於 22%到 94%之間，GPT-4o 的準確率從 98.2%驟降到 64.4%，DeepSeek R1 更是從九成以上摔到 14.4%。這個結果對常常拿自己已經有的想法去問 AI「幫我確認一下」的人特別重要，你愈是把某個說法當成理所當然去問，AI 就愈可能順著你的方向講，而不是誠實糾正你。
這種順著使用者相信的方向講的傾向，不只出現在單一模型的測試裡，更被一項大型跨國研究印證。歐洲廣播聯盟（EBU）與 BBC 合作的一份研究，找來 22 家公共媒體、橫跨 18 個國家、14 種語言，實際測試市面上主流的 AI 助手，結果 45%的回答至少有一項顯著問題，其中三成的問題出在引用來源出錯，兩成出在嚴重的事實錯誤。這代表 AI 講錯話不是單一個案，而是各家主流模型普遍存在的狀況。
這些數字合起來說的是同一件事。回頭看前面提到的 o3 與 o4-mini，模型愈新、參數愈多，不代表幻覺愈少，有時候反而因為更「敢講」而錯得更多。知道 AI 在哪種情境下最容易講錯，是判斷該花多少查核力氣的第一步，但光是這樣還不足以說服人動手查。真正該在意的，是這些沒被抓到的錯誤，最後會讓經營內容的人付出什麼代價。
行銷文案、部落格文章沒查證，會付出什麼代價？
沒查證的 AI 內容，最先流失的不是排名，是讀者對你的信任。讀者一旦發現你講的數字、案例或引言是編出來的，很難再回頭信任你接下來寫的任何一篇文章，這種信任一旦被戳破，補救的成本遠比事前查證高出許多。
Google 的立場其實講得很清楚，內容是不是 AI 生成，從來不是判斷排名的標準，內容夠不夠準確、夠不夠有用才是。Google Search Central 的官方文件《Google Search’s Guidance on Generative AI Content on Your Website》明白寫出，Google 不會因為一段內容是 AI 寫的就懲罰它，但錯誤百出、品質低落的內容，不管是誰寫的都一樣會被判定為低品質。換句話說，把「這是 AI 寫的」當成擋箭牌沒有用，內容站不站得住腳，還是得回到內容本身。
再往下一層看，商譽與法律責任的問題更直接。企業對外發布的內容，不管是行銷文案、社群貼文還是官網說明，責任都在發布的一方身上，不能事後推說是 AI 講的。Pew Research Center 一項調查也印證了讀者這一側的焦慮，66%的美國成年人高度擔心自己會從 AI 得到不準確的資訊，這股疑慮，最終會回過頭影響讀者怎麼看待你發布的內容。
以下三個真實發生的案例，分別對應讀者信任、商譽與法律三種代價，都是海外具名企業親身付出的教訓。
第一個案例發生在 Google 自己身上。Google 在超級盃廣告裡展示 Gemini 的功能，讓一位起司商用它生成產品文案，結果 Gemini 寫出「Gouda 起司占全球起司消費量的 50%到 60%」這個數字，而這個數字根本查無實據。錯誤被網友發現後，Google 悄悄重新剪輯了這支廣告，把那句錯誤的統計數字整個拿掉才重新上架，連做出這支模型的公司自己，都得在事後為 AI 寫錯的數字收拾善後。
第二個案例牽涉到法律責任。加拿大的 Air Canada 航空公司，官網上的客服聊天機器人提供旅客一個錯誤的奔喪票價退款政策，旅客照著機器人講的內容申請退款卻被拒絕，一狀告上卑詩省的民事仲裁庭。仲裁庭最後判定，不管答案是網頁上的靜態文字還是聊天機器人生成的，航空公司都要為自己網站上出現的內容負責，判賠旅客票價差額。這起案子等於明確立下一個判例，企業不能拿 AI 自己講的當作免責的理由。
第三個案例回到內容產業本身。CNET 這家科技媒體從 2022 年底開始，用內部開發的 AI 工具寫了 77 篇財經相關的解釋型文章，之後做內部稽核才發現，其中 41 篇，超過一半，都需要更正，問題包括利率計算錯了、貸款建議講得不夠準確，連公司全名都能寫錯。這起事件讓 CNET 一度暫停用 AI 直接產出文章，也讓外界重新檢視 AI 寫得快跟 AI 寫得對根本是兩回事。
這三個案例背後，其實是同一個道理。上稿前的查證不是多此一舉的龜毛，是把風險攔在讀者看到之前。要做到這件事，得先知道 AI 寫的內容裡，哪些類型最容易出錯、最該優先盯緊。
上稿前，先分辨這幾類高風險內容
不是每一句 AI 寫出來的話，出錯風險都一樣高。與其把整篇文章從頭到尾用同一種力道檢查，不如先抓出最容易出錯、也最傷專業形象的幾種類型，查核的力氣才知道該往哪裡放。下面五種，是行銷文案跟部落格文章裡最常見的地雷，展開的查證方法留到下一節。
AI 內容的數字與統計數據
AI 最愛把百分比、金額、排名講得斬釘截鐵，拿來當文案裡的亮點，但這類數字最容易是東拼西湊、早就過時，甚至整個是憑空捏造出來的。這種錯誤也最容易被讀者或同業一眼戳破，傷害最直接。
AI 內容的具名研究、報告與引用
AI 有時候會把根本不存在的研究、報告或機構名稱講得煞有介事，或是把一份真實研究的結論，張冠李戴套到完全不相干的主題上。這種機構名字查得到、報告內容卻對不上的狀況特別難防，因為聽起來很有權威感，反而更容易被信任。
AI 內容的人名、職稱與機構
AI 可能捏造出一位根本不存在的專家，或是把真實人物安上錯的職稱與服務機構。行銷文案裡若寫「某某專家表示」，這類錯誤一旦被讀者或當事人查出來，對品牌信任的傷害特別大。
AI 內容的日期與時效性
AI 的訓練資料本來就有時間上限，常常把舊資料當成最新事實講出來。法規、價格、規格這類會隨時間更動的內容，讀者若照單全收，很容易直接套用到已經過期的資訊。
AI 內容的競品與負面聲明
AI 有時候會生成「某某做法比較差、比較貴」這類沒有根據的比較性說法。內容一旦牽涉到可辨識的對象卻沒查證就發布，等於自己先埋下商譽或法律風險的地雷，這類內容尤其需要提高警覺。
抓到高風險內容後，怎麼一步步查證？
確認一個來源真的存在，只是查證的第一步，還不是終點。最陰險的錯誤，往往是來源是真的，AI 引用的數字或結論卻兜不起來，方向講對了，細節卻講錯，這種錯誤只看標題或摘要根本抓不出來，必須點進去讀完整段落才抓得到。前面提到那份跨國的公共媒體研究裡，引用來源出錯正是占比最高的問題類型，可見這不是少見的個案，而是 AI 內容查核裡最需要優先處理的一關。
反向搜尋，看原始出處存不存在
把 AI 講的關鍵數字或引言，原封不動貼進搜尋引擎，前後加上引號查詢。兩三次點擊內找不到原始出處，這個數字多半是拼湊或捏造出來的，直接別用，不要因為聽起來很專業就心軟留下。
點進來源讀完整段落，不要只看標題
確認來源網址真的存在還不夠，要點進去讀 AI 引用的那一段，是不是真的這樣寫。AI 最常見的手法，是引用一份真實報告，卻把結論的方向講對、把數字或年份講錯，這種錯誤只看標題絕對抓不出來，得讀到那一段原文才比對得出來。
查證人名與機構是否真實存在
把 AI 提到的專家全名、職稱、所屬機構分開搜尋。機構官網或公開登記資料查得到這個人、職稱也對得上，才算通過；查到的名字對不上職稱，或機構官網根本沒有這個人，就是明確的警訊，內容要拿掉或改成不具名的通則說法。
核對日期，抓「舊資料當新資料用」
只要內容牽涉到法規、價格、規格、排名這類會隨時間變動的資訊，一律回頭確認 AI 講的是不是最新版本。搜尋時額外加上年份當關鍵字，看看是不是已經有更新的版本，取代了 AI 講的那個數字或規定。
這四招搭配著用，大概就能攔住 AI 內容裡最常見的錯誤類型。但查證這件事也有極限，有些內容不管怎麼查都找不到能證實的來源，這時候就得學會判斷什麼時候該放手。
查不到可靠來源，這段話就該砍掉或改寫
查證不是查到天荒地老，你得先幫自己設一個時間上限。花了一段合理的時間還是找不到主要來源，這段內容就別冒險放進定稿，寧可拿掉或改寫，也不要賭它剛好是真的。
另一種常見狀況，是來源真的存在，但 AI 引用的數字兜不起來，方向大致沒錯，細節卻對不上。遇到這種情況，優先的做法是把內容改寫得更保守、更可查證，比如拿掉那個具體的百分比，改成方向性的陳述，而不是照抄一個查無實據的精確數字。
如果內容牽涉到台灣本地的法規或統計數字，優先查台灣政府的公開資料與正式統計，會比只查國外資料來得準，也更貼近讀者的實際情境。行政院與國家科學及技術委員會發布的《行政院及所屬機關（構）使用生成式 AI 參考指引》，就明白要求公務機關人員不能完全信任 AI 產出的內容，不能拿未經確認的產出直接當成公務決策的唯一依據，連政府機關內部使用 AI 都設下這樣的查證門檻，對外發布給讀者看的行銷內容，標準沒有理由比這個更低。
查證這件事被輕忽，代價可以有多具體，澳洲政府的一起案例是很好的示範。跨國會計顧問公司 Deloitte 受澳洲政府委託撰寫一份查核報告，後來被學者發現報告裡引用了根本不存在的學術文獻，還捏造了一段法院判決的引言。事情曝光後，Deloitte 除了重新修正報告內容，也退還了部分報告費用。這起案子提醒的是，查證這件事，不會因為委託方是誰、報告規模多大就可以省略。
查核 AI 生成的內容，並不是要否定 AI 帶來的效率。這正是 AI 生成文章如何檢查事實最終要落實的地方，把人放回最後一道關卡，讓 AI 負責寫得快，人負責讓內容站得住腳。回頭看看開頭那組數字，模型愈新不代表幻覺愈少，這件事本身就說明，查證這一步永遠不會因為技術進步而自動消失。上稿前那幾分鐘的查證，永遠比事後道歉、更正或下架來得省事。