你把一段話丟給 AI，三秒後拿到一份看起來很完整的回覆。條列整齊、語氣篤定、連你沒想到的角度都補上了。你掃過一遍，心裡有個聲音說「這裡好像怪怪的」，但你趕時間，而且它看起來真的很有道理。於是你複製、貼上、送出。三天後開會，主管指著其中一個數字問你「這是哪裡來的」，你才發現自己答不出來。
大部分時候不會出事。真正麻煩的是那少數幾次，而它們不是隨機發生的。這篇給你三個具體時刻：在這些時刻，不管回覆看起來多完整，你都要自己再確認一次。順便講怎麼問，以及拿到回覆之後做哪幾個動作。
文章導讀
- 不是每次都要查。要查的是三種時刻：會被別人拿去用、你問題裡藏了假設、你自己判斷不出對錯。
- 問「你確定嗎」沒有用。在同一個對話裡追問，它只會順著剛才的立場再講一次。
- AI 給你的是成品，不是過程。而你會的東西，多半是從做錯裡學來的。
明明覺得怪怪的，為什麼還是照抄了？
因為一段文字只要結構清楚、用詞篤定，我們就會自動把它歸類成可靠。這招用在人身上還可以，因為一個人講話有沒有把握，通常真的跟他知不知道有關。
AI 剛好打破了這個對應關係。它把「講得很有把握」跟「真的知道」拆開了。一段完全編出來的內容，跟一段完全正確的內容，讀起來的自信程度是一樣的。你原本用來判斷可信度的線索，在 AI 身上大多失效。
所以這不是警覺心的問題，是你原本的偵測方式沒東西可以偵測。你需要的不是更小心，是知道在哪幾個時刻停下來。
3 個一定要自己確認的時刻
先說清楚，不是每次都要查。找靈感、改語氣、整理雜亂筆記，錯了成本很低，查反而浪費時間。真正要停下來的是下面這三種。至於哪些任務適合交給哪種工具，我整理在〈知識工作者的 AI 工具地圖：5 大環節該用哪些工具、怎麼搭配？（2026 持續更新）〉。
一、這份東西會被別人拿去用
判斷方式：這段內容出去之後，有沒有人會根據它做決定或花錢？自己看的筆記錯了你自己承擔；提案的數字、報告的引用、發給客戶的說明，那就換人承擔了。
這一類最典型的坑是引用。AI 很擅長生成一個聽起來完全合理的出處，格式完美，但那個研究可能不存在，或者存在但沒說過那句話。凡是回覆裡出現具體的數字、年份、人名、機構名、法規條文，一律當作待確認。
不會查論文也沒關係，有個三十秒的土法：把那句話原封不動貼進搜尋框，前後加上引號，看有沒有第二個跟 AI 無關的來源講一樣的話。找不到，就當它不存在。
二、你的問題裡藏了一個假設
這一種最不容易察覺，因為它不是 AI 答錯，是它太配合你。你問「為什麼這個做法效果比較好」，它就會給你三個理由，即使那個做法根本沒有比較好。你問「這條規定要怎麼申請」，它就會給你申請流程，即使那條規定不存在。你問題裡的前提，AI 通常會直接收下，然後在那個前提上把答案蓋完。整棟建築蓋得很漂亮，地基是你自己隨口說的。
判斷方式：把你的問題唸一次，找出裡面被當成事實的那句話。你其實不確定的話，就先單獨確認它，而不是直接問後半段。或者換個問法，先問「這個說法成不成立」，再問「為什麼」。
三、你自己看不出來它對不對
前兩種你至少知道要小心，這一種是你連「有問題」都感覺不到。你請 AI 寫一份你很熟的東西，它寫錯了你一眼就看得出來。但你請它處理一個你完全不懂的領域，它寫錯了呢？你只會覺得「哇，好專業」。AI 最容易騙過你的地方，剛好就是你最需要它的地方。
判斷方式：問自己「如果這段話有一句是錯的，我看得出來嗎」。答案不確定，就不能直接用。有懂的人可以問最好，花三分鐘請他看一眼。身邊沒有這種人的話，挑出最關鍵的那一兩句，用上面的搜尋法找第二個來源，其餘的寫得再漂亮也先別當真。
| 時刻 | 怎麼判斷 | 要確認什麼 |
|---|---|---|
| 會被別人拿去用 | 有人會根據它做決定或花錢嗎 | 所有數字、年份、人名、機構、法規 |
| 問題裡藏了假設 | 我的問題裡有哪句被當成事實 | 先單獨確認那個前提成不成立 |
| 自己看不出對錯 | 如果有一句錯了，我看得出來嗎 | 找懂的人看，或搜尋關鍵句找第二來源 |
怎麼問，才不會被牽著走？
第一步不是學提示詞技巧，是在打開 AI 之前，用一句話寫下你猜答案大概是什麼。
這一步最容易被跳過，卻很關鍵。一旦先看到 AI 的答案，你很難再還原自己原本會怎麼想，也就失去了能拿來對照的東西。先寫下來，就算只是一句粗糙的猜測，它也會變成一把尺。
然後才是問法。記住兩句話就好：講清楚誰會看、在什麼場合看，不然你拿到的就是最平均的版本；再講清楚你不要什麼，因為講不要什麼比講要什麼有效，那會擋掉它最順手的那個寫法。
下面這個框架不用背，複製起來把內容換掉就好。以「請 AI 幫忙寫一封說明信」為例，括號裡就是填進去長什麼樣：
【任務】（寫一封信，跟主管說明下週交付會延到週三）
【誰會看】（我的直屬主管，他在通勤時用手機看）
【已知事實】以下為確定資訊，不得超出此範圍新增任何事實：
（1. 延誤原因是資料方尚未回覆 2. 新日期是週三下午）
【不要出現】（不要道歉五次、不要超過 150 字）
【請標出】哪幾句是你自己推論的，哪幾句需要我另外確認最後一項要注意：它圈出來的一定要查，但它沒圈的也不等於安全。這一步只是幫你縮小起點，不是完整清單。
但這個框架本身，也在牽著你走
這一節有個我必須講出來的矛盾：我給你一個可以複製貼上的框架，本身就是在替你決定「一個好問題長什麼樣」。你照著填，省下的是力氣，讓掉的是「這件事我原本會怎麼想」。
所以用法要顛倒過來。先自己把問題寫完，再拿框架回頭檢查漏了什麼，而不是打開框架照著填空。前者框架是尺，後者框架是模具。
真正擋得住「被牽著走」的不是範本，是問完之後停三十秒，問自己三件事：
- 這是我真正想問的，還是我覺得它比較好回答的？人很容易為了遷就工具而悄悄改寫自己的問題，把「我該不該做這件事」換成「幫我寫做這件事的計畫」。問題被換掉的那一刻，後面問得再細都沒用。
- 我希望答案是什麼？寫下來。這句話會決定你等一下對哪些內容特別寬容、對哪些特別挑剔。沒寫下來，這個偏好還是在運作，只是你看不見它。
- 如果它給我完全相反的答案，我會改變主意嗎？如果不會，那你要的不是答案，是背書。這時候問誰都一樣，AI 只是比較有耐心的那一個。
被牽著走的訊號，不是「我用了範本」，是你說不出自己為什麼要這樣問。框架用久了會內化成直覺，那時候就該把它丟掉。
拿到回覆之後，怎麼確認？
先講一個沒有用的做法：問它「你確定嗎」。在同一個對話裡追問，它會被前面的答案綁住，只會順著原本的立場再講一次，可能道歉、可能改口、也可能更堅定，但都不是回頭去確認。
有用的是這三個動作：
一、把回覆分成兩堆。一堆是可以被查證對錯的（有數字、有出處），一堆是它的看法跟建議，只查前面那堆。這樣要查的量會很小，通常一份回覆裡不超過五句。分堆時順手把「所有」「一律」「完全」圈出來，每個都想一個反例，十秒就能做完。
二、關鍵事實一定要回到原始出處。不接受「有研究指出」「根據報導」這種轉述。真的要用那個數字，就自己去看它原本待的地方。這件事有工具可以幫忙，我寫在〈Gemini Deep Research 怎麼用？把 3 小時研究工作壓縮到 10 分鐘的實戰指南〉。
三、另開一個新對話，要它講反面。要求它列出反對這個結論的最強理由。重點是「另開」，在原本的對話裡它會被自己剛才的立場綁住。要提醒的是，這一步產出的一樣是生成文字，價值在於幫你找到該查的切入點，找到的反例仍然要自己確認。
更值得擔心的事：判斷力是在摸索裡長出來的
前面講的都是怎麼避免用到錯的答案。但還有一件事更慢、更難察覺。你知道某個簡報結構會在會議室裡冷場，是因為你曾經站在那裡看著它冷場。這種判斷不是從別人給的正確答案裡拿到的，是從你卡住、繞路、做錯、然後重來的那段時間裡長出來的。而 AI 最擅長的事，恰好就是把那段時間拿掉。你拿到的第一版就已經還不錯，於是你永遠不會知道為什麼不是另外那三個版本。
這不是要你少用 AI。差別在於 AI 是替你想完，還是逼你自己想完，同一個工具，要它給答案跟要它給提示，養出來的東西完全不同。如果你的產出品質一直有 AI 撐著，你就沒辦法從產出品質判斷自己的能力是升還是降。所以給自己一個規定：每週挑一個任務，從頭到尾不用 AI 做完。那一次的慢，是你看得到自己底子的機會。
不同處境，該先做哪一件？
不要三件事同時開工，先看你現在卡在哪裡。
| 你的處境 | 先做 | 為什麼 |
|---|---|---|
| 剛開始大量用 AI，還沒出過事 | 建立「打開之前先寫一句預期」的習慣 | 成本最低，而且用得愈久愈難回頭建立 |
| 已經被錯誤資訊坑過一次 | 把數字、年份、人名列為必查 | 被編出來的東西幾乎都集中在這幾類 |
| 用 AI 處理自己不懂的領域 | 找懂的人把關，或搜尋關鍵句找第二來源 | 你看不出錯的地方，檢查清單也擋不住 |
| 帶新人，或自己還在累積經驗 | 每週留一個任務不用 AI 做完 | 短期效率是負的，但判斷力主要在這裡長 |
| 團隊多人一起產出 | 先寫「什麼情況不准用 AI 交付」 | 沒有邊界，任何驗證流程都掛不上去 |
一個人做得到，團隊要怎麼做得到？
靠寫進流程，不靠自律。因為上面這些動作，體感上都是卡卡的、拖慢速度的，靠意志力撐不了幾個月。能撐住的做法是把它從「我今天想不想做」搬到「流程裡本來就有這一步」。
在企業內訓的現場，卡住的環節通常不是不會用工具，而是沒有人定義什麼時候不該用。一套能用的內部規範至少要回答三個問題：哪些產出必須有人複核才能對外、複核的人要看哪幾項、哪些新人任務刻意不給 AI 輔助。第三項最常被砍掉，因為短期看起來是浪費，但它正是判斷力最難被替代的那一段。
內文精華總結
不用每次都查，但有三個時刻一定要自己確認，而且要在打開 AI 之前就先寫下你的預期。
- 三個時刻：會被別人拿去用、你問題裡藏了假設、你自己看不出對錯。
- 自信不等於正確：AI 把「講得有把握」跟「真的知道」拆開了，你原本判斷可信度的線索大多失效。
- 問「你確定嗎」沒有用：同一個對話裡它會被前面的立場綁住。
- 框架是尺，不是模具：先自己把問題寫完再回頭檢查，並停三十秒問自己「這是我真正想問的嗎、我希望答案是什麼、相反的答案我會接受嗎」。
- 有效的三個動作：把可查證的與看法分兩堆只查前者、關鍵事實回到原始出處、另開對話要它講反面。
- 最大的代價不是答錯：是摸索的過程被拿走，所以每週留一個任務不用 AI 做完。
延伸閱讀
- 知識工作者的 AI 工具地圖：5 大環節該用哪些工具、怎麼搭配？（2026 持續更新）
- 告別 AI 焦慮！高效學習 AI 數位工具的 4 階段實戰框架
- AI 時代教學與反思：過度依賴 AI 背後的隱形代價及認知負債
- Gemini Deep Research 怎麼用？把 3 小時研究工作壓縮到 10 分鐘的實戰指南
- AI 生成內容有著作權嗎？台灣、美國、歐盟 3 地官方立場與標示義務
- Claude Computer Use 是什麼？AI 執行代理的 3 種應用場景與避雷指南
重點整理
AI 說的可以直接相信嗎？
日常的找靈感、改語氣、整理筆記，直接用沒問題，錯了成本也低。要停下來的是三種時刻：這份東西會被別人拿去做決定、你的問題裡藏了一個你其實不確定的前提、以及你自己根本看不出它對不對。前兩種你還會警覺，第三種最危險。重點不是每次都查，是知道什麼時候該查。
不會查資料的人，怎麼確認 AI 給的數字是真的？
有個三十秒就能做完的土法：把那句話原封不動貼進搜尋框，前後加上引號，看看有沒有第二個跟 AI 無關的來源講一樣的話。找得到就再點進去看原文有沒有真的那樣寫；找不到，就當它不存在，不要放進你要交出去的東西裡。不需要懂學術檢索，也不用花錢買資料庫。
身邊沒有懂的人可以問，怎麼辦？
先降低要驗的量。整份回覆裡，真正撐起結論的通常只有一兩句，把那一兩句挑出來，用搜尋找第二個來源。其餘的部分寫得再漂亮，都先當成參考而不是依據。另外可以另開一個新對話，要 AI 講反對這個結論的最強理由，用它給的反例當作要查什麼的線索，但那些反例本身一樣要自己確認。
問 AI「你確定嗎」有用嗎？
沒有用。在同一個對話裡追問，它會被前面已經給過的答案綁住，只會順著原本的立場再講一次，可能道歉、可能改口、也可能講得更堅定，但那都是再生成一段文字，不是回頭確認。算數的做法只有兩個：回到原始出處自己看一眼，或者另開一個乾淨的新對話重新問一次。
拿到 AI 的回覆後，具體要做哪些動作？
先分堆：可以被查證對錯的（有數字、有出處）放一邊，它的看法與建議放另一邊，只查前者，通常不超過五句。分堆時順手把「所有」「一律」「完全」圈出來，每個想一個反例。接著關鍵事實回到原始出處，不接受「有研究指出」這種轉述。最後另開新對話要它論證反面，用來找該查的切入點。
怎麼問，AI 才不會順著我的想法亂講？
先檢查你的問題裡有沒有被當成事實的句子。你問「為什麼這個做法效果比較好」，它就會給你三個理由，即使那個做法根本沒有比較好。改成先問「這個說法成不成立」，再問「為什麼」。另外把你確定為真的資訊列出來，明講不准超出這個範圍新增事實，這一句話能擋掉很多順著你編下去的內容。
常用 AI 會不會讓自己的能力退步？
有這個風險，但關鍵不在用多少，而在有沒有保留自己摸索的環節。你會判斷一份簡報哪裡不對，通常是因為你自己做壞過；AI 最擅長的就是把那段做壞的時間拿掉，直接給你成品。實際可行的做法是每週挑一個任務，從頭到尾不用 AI 做完，讓自己還看得見不靠工具時的水準在哪裡。
團隊要一起用 AI，內部規範該從哪裡開始訂？
從寫下「什麼情況不准用 AI 交付」開始，而不是從買工具開始。沒有邊界，任何驗證流程都掛不上去。一套能用的規範至少要回答三個問題：哪些產出必須有人複核才能對外、複核的人要看哪幾項、哪些新人任務刻意不給 AI 輔助。第三項最常被砍掉，因為短期效率是負的，但那正是判斷力最難被替代的一段。
