這其實是個在 AI 時代才產生的、新型態的風險，需要被小心管理。

在過去，身為知識工作者，我們最大的挑戰或許是資訊不足，得大海撈針般地從零散的報告和數據中尋找答案。但現在，情況恰恰相反。我們面臨的，不再是資訊的不夠，而是由 AIGC 生成出過多看似專業、實則可能有誤的資訊。

以下是 PM 小森夢到的：

某天，在一場重要規劃會前，小森用 AI 快速做市場與競品分析，做出了一個漂亮報告；開會時自信地簡報「競品上線時程預測」。結果，技術總監指出這裡所假設的 OOXX 技術，其實已在上個月就公開棄用…

瞬間，全場尷尬，PM 當場臉很腫。

此時小森才深刻意識到：AI 帶來的效率，背後可能是巨大的風險。

AI 犯的錯，我們得背鍋。你又不能在會議上說：「這不是我的錯，是 AI 說的結論。」這就像一個居上位的團隊 Leader 說：「這不是我的問題，是我 Member 做的」一樣不專業。

這帶出了在新時代中，所有知識工作者都必須面對的新樣態風險－ AI 幻覺

幻覺這個問題，不在於 AI 它不知道，反而在於它誤以為自己知道，太過自信地胡說八道。

為什麼 AI 會胡說八道

要避免被 AI 誤導，首先就得要先理解它為什麼會創造出錯誤的回應資訊，也就是所謂的「AI 幻覺」（Hallucination）。這並非 AI 有意欺騙，而是被其底層技術機制天生所限制住的。

簡單來說，大型語言模型（LLM）的本質不是一個擁有知識、能夠真的「理解」世界的生命智慧體，而是一個極其複雜的「文字接龍機」。它的核心任務，是在給定一段文字後，預測下一個最可能出現的詞是什麼，然後一個詞一個詞地串連下去，組成流暢、看似合理的句子。

它的訓練目標是形成說服力與流暢度，而非絕對真實。這個根本性的差異，導致了幾種常見的風險：

• 基於過時資訊回答：它的知識停留在模型訓練完成的當下，無法即時更新。
• 事實性錯誤：把不相關的事實錯誤地連結在一起。
• 過度自信的錯誤論斷：用極其肯定的語氣，給出完全錯誤的分析或結論。
• 幻覺：這是最危險的一種，AI 會憑空編造根本不存在的人物、報告、數據或引用來源。

之所以會形成這些問題，其背後的成因，主要有三點：

1. 訓練數據有限：當你詢問的問題超出其知識範圍時，為了給你一個答案，它會開始根據既有模式進行腦補，像一個不懂裝懂的「好」學生。
2. 文字接龍本質：模型追求的是語句的連貫性，只要聽起來順暢、有邏輯感，模型就會認為這是個「好答案」，即使內容不符事實。
3. 速度與流暢優先：AI 的設計優先確保能快速、流暢地生成回應，事實查核反而是次要的。

因此，當我們在會議上無腦引用 AI 的內容，實際上引用的可能只是「一段非常流暢的胡說八道」。

理解了 AI 的本質只是個「很會接話的模仿人類大師」的原理後，我們該從根本上對它的所有回答，都抱持一種預設的懷疑。

傳統的資訊檢驗方式為什麼不夠？

有些人會想：「我以前查資料也會交叉比對，這不就是同一回事嗎？」但 AI 的挑戰，跟傳統 Google 搜尋完全不同。

過去，我們的流程是：Google 搜尋 → 瀏覽一排藍色連結 → 點開幾個權威來源 → 交叉比對真偽。 在這個過程中，我們的大腦天生就處於一種「篩選、質疑」的模式。

但發展至今，太過聰明的 AI ，如今早已改變了這個遊戲規則，帶來了新的挑戰：

• 信任慣性陷阱：當你連續問了 AI 十個問題，它都回答得又快又好時，你會不自覺地在第十一個問題上放鬆警惕。這種信任慣性是一種強大的認知偏誤，也是我們最容易掉入的心理陷阱。AI 的對話介面，讓我們潛意識裡把它當成一個可靠的「人」來信任。
• 精美的錯誤包裝：AI 的回答不像零散的搜尋結果，它會將錯誤的資訊用清晰的邏輯、結構化的格式（例如條列式、表格）呈現出來，看起來無比專業，讓你很難第一時間察覺破綻。
• 時間壓力下的妥協：身為 PM，你總是在跟時間賽跑。當 AI 能在 30 秒內給你一份看似完整的報告，而手動查證需要 1 小時時，那種「先用了再說」的誘惑是非常巨大的。

因此，只靠過去的「常識 + 搜尋」已經遠遠不夠。我們必須建立一套全新的、為 AI 時代量身打造的驗證流。

建立起應對 AI 的心智防線

既然 AI 的錯誤難以無法避免，我們就要建立一套新的認知守備，讓自己在接收 AI 回答時，預設就啟動「專業的懷疑論者」這種偏激人設。

三道心智防線，就像是進擊的巨人中的三道城牆，層層守護住我們的判斷：

1. 來源真實性

   檢查來源是否真的存在，網址能否點開，報告是否能找到。

2. 來源可信度

   官方網站、學術論文、權威媒體的可信度，高於討論區中的鄉民留言。

3. 資訊時效性

   這份資料是三年前的新聞，還是三天前的報告？在高速變化的產業裡，這往往很關鍵。

同時，也要警覺以下常見的認知偏誤：

• 信任慣性：它給過太多正確答案後，我們就放鬆了防備。
• 權威光環：因為回答方式像專家，就誤以為內容正確。
• 敘事陷阱：只因為故事合邏輯，就忘了檢查證據。
• 確認偏誤：選擇性接受符合自己預期的答案。

不得不說，AI 的產出很高效，但其錯誤往往更隱蔽、更難以察覺。正因如此，我們必須將「AI 內容識讀」視為與「媒體識讀」同等關鍵的基礎底層能力。