一份要交給客戶的產業報告，AI 協助寫好了初稿：段落流暢，引用排得整整齊齊，還有幾個知名企業導入 AI 的案例。審稿的主管看了一遍，修了幾處語氣，補了一張圖表，就準備寄出。
這個流程少了最重要的一步。如果引用本身是錯的，漂亮的文字只會讓錯誤更容易被相信。AI 協助寫的報告，審稿的順序要倒過來：先查引用、具名案例和數字能不能對回原始資料，對不回的句子不進正式版；文筆最後再修。
45 個引用，5 個正確
2026 年 6 月，會計顧問公司 KPMG 撤下了一份 2025 年 10 月發布的 AI 採用報告。AI 偵測工具公司 GPTZero 調查了報告裡的 45 個引用，發現只有 5 個正確指向真實的來源；另外 28 個的標題被改寫過，或是把真實來源和虛構的細節混在一起；還有 12 個模糊到無法查證。報告中約一半的論點，引用看起來是假的或張冠李戴。
TechCrunch 的報導提到，報告裡被點名的瑞士銀行 UBS、英國國民保健署 NHS、瑞士聯邦鐵路和倫敦交通局，都表示報告對它們使用 AI 的描述不正確或有誤導性。KPMG 把報告從網站撤下並展開內部調查，聲明表示期待所有員工遵守負責任使用 AI 的規範。
GPTZero 替這種現象取了一個名字：vibe citing，大意是「憑感覺引用」。引用看起來像引用，實際上可能是真來源配上假標題、錯作者，或結論被過度延伸。
有引用，不代表查證過了
很多人檢查 AI 寫的文件，會先看錯字、邏輯、語氣像不像公司。這些都重要，但它們不是最容易傷害信任的地方。
最危險的是「看起來有根據」的錯誤，因為它比完全沒有引用更難發現。例如：引用的研究真的存在，但結論被改寫得太遠；案例中的公司真的存在，但沒有做過報告說的那件事；數字看起來合理，卻找不到原始表格和發布日期。腳註排得越整齊，讀的人越容易以為有人已經核對過。
把會被相信的句子拆出來查
整份報告從頭讀到尾，很容易被流暢的文字帶著走。比較有效的做法，是先把需要查證的東西拆出來，放進一張查證表：
- 引用來源： 文章、研究、法規是否真的存在，內容是否支撐前一句話。
- 具名案例： 公司、機關、客戶是否真的做了文中描述的事。把試點說成全面導入，是最常見的錯。
- 數字與時間： 百分比、金額、日期能不能追到原始資料，有沒有把舊數字當成現況。
每一項至少記下四件事：報告裡的原句、來源連結、來源裡對應的那句話、查證結果。找不到對應句，那句話就不留在正式版裡。
錯誤分三層處理
不是每個錯都一樣嚴重。分層處理，才不會把時間花在小修，卻放過真正會出事的段落：
- 可以直接修： 引用格式不完整、日期格式錯、少一個連結。修完重新點開確認即可。
- 退回重寫： 案例找不到原始來源，或來源只支撐一小部分說法。改寫成來源撐得住的版本。
- 暫停發布： 被點名的機構否認、數字會影響商業決策，或醫療、法律、財務、資安的結論無法證明。由能決定文件是否對外、是否通知相關方的人來處理。
如果團隊要寫進流程，一句話就夠：AI 協助產生的對外文件，沒有找到來源對應句的引用和案例，不進正式版。這比「請大家注意 AI 幻覺」更能執行。
哪些文件值得逐條查
逐條查證很花時間，不可能每份內部筆記都這樣做。值得投入的是會對外、會被引用、會拿去做決定的文件：白皮書、提案、研究報告、新聞稿，以及列出客戶、合作夥伴或政府機關名稱的簡報。內部會議摘要、問卷草稿這類文件，只要原始資料還在、讀者知道是草稿，可以放寬。
時間不夠時，寧可縮小報告範圍，也不要保留一堆沒查證的漂亮案例。少一個案例的誠實報告，比多十個錯誤案例的完整報告安全得多。
下一次交出 AI 協助寫的報告之前，先在附件加一頁查證表。如果報告是用 AI 研究工具蒐集資料寫成的，來源本身也可能有問題，參考〈AI 研究報告附了來源，只代表它從哪裡讀到，不代表那是真的〉。研究範圍越查越大、遲遲收不了尾，參考〈AI 研究查得越多越收不了尾，先寫下它要支持哪一個決定〉。
AI 整理卡
請 AI 幫你把一份報告的引用拆成查證表 這段提示詞會先問清楚報告的用途，再把引用、具名案例和數字拆出來，列成一張你可以逐條核對的表。
我手上有一份 AI 協助寫的報告，送出之前想先查證引用、案例和數字。
判斷方法來自這篇文章：https://boosterminiclass.com/posts/ai-report-citation-failure-review-checklist/
文章的看法是：AI 協助寫的報告，最危險的是看起來有根據的錯誤（例如 KPMG 撤下的報告中，45 個引用只有 5 個正確）。審稿要先查引用、具名案例和數字能不能對回原始資料，對不回的句子不進正式版，最後才修文筆。
請先問我 3 個問題：
1. 這份報告會交給誰，會被拿去做什麼決定；
2. 報告裡有沒有提到具名的公司、機關、客戶或合作夥伴；
3. 我手上有沒有原始資料或來源連結可以對照。
接著，請根據我附在最後的報告內容，完成以下事項：
- 列出所有引用、具名案例和數字，每項一列：原句／標示的來源／需要找的對應證據／查證狀態（先填「待查」）；
- 標出哪些項目若有錯會影響決策或對外信任，建議優先查證；
- 依三層分類給出建議處理方式：可以直接修／退回重寫／暫停發布。
不要替我判斷來源是真是假，也不要補上任何你沒看到的來源；查證要由我或負責的人點開原始資料確認。
查證表只是工具，報告能不能對外，由負責這份文件的人決定。
參考來源
- GPTZero 官方調查報告：Chasing the Hallucinations: KPMG’s AI-Powered Attempt at “Redefining Excellence” — https://gptzero.me/news/investigations-kpmg/（2026-06-12）
- TechCrunch：KPMG pulls report on AI usage due to apparent hallucinations — https://techcrunch.com/2026/06/13/kpmg-pulls-report-on-ai-usage-due-to-apparent-hallucinations/（2026-06-13）
- The Register：KPMG’s AI report becomes an accidental demo of AI hallucinations — https://www.theregister.com/ai-and-ml/2026/06/12/kpmgs-ai-report-turns-into-a-demo-of-ai-hallucinations/5255029 [accessed: 2026-10-11]
