AI 回答很順，仍要問來源
把 AI 當成起點很好；要拿它做決定前，先把最關鍵的一句帶回原始資料。
AI 最讓人放鬆的時候，往往不是它只回一行，而是它把背景、原因、做法和結論排得很完整。看起來像已經有人替你讀完一整疊資料。
這份省力很有吸引力。不過，準備把內容拿去寫信、提案、轉告同事，或當成自己下一步的依據前，我會多留一個小動作：挑出最會影響決定的一句，回到它的原始來源。
NIST 在生成式 AI 的風險文件裡，把模型自信呈現錯誤或虛假內容稱為 confabulation，也就是大家常說的幻覺。這不是說每個回答都不可信；比較像是提醒我們，流暢的語氣不是證據。OpenAI 對幻覺的說明也提到：模型在不確定時，承認不知道往往比猜測更好。
所以我不會要求自己把每一句都查到腳軟。那很容易做兩天就放棄。先查一個句子就好：它如果錯了，會不會讓我做出不同的決定？
例如 AI 說「這個規定已經改了」。先找它引用的官方頁面，確認原文真的有這個改動，再看發布或更新日期。它若只給了一串看似正式的名字，也可以直接搜尋那份文件。找不到，就把那句話留在「待確認」，不要急著把它寫進簡報。
這個步驟不保證你永遠不會判斷錯。來源本身也可能過時、斷章取義，或根本沒有支持那個結論。但它至少把工作從「相信一段寫得很像答案的話」，拉回「我知道這句話從哪裡來」。
慢一點不是跟工具作對。AI 可以幫忙整理問題、列出要查的地方，甚至提醒你漏了什麼。最後要送出去的那一句，還是值得由人看過它的來處。
今天若要試一次，選一段你本來要直接採用的 AI 回答。只核對其中一個關鍵句：來源是什麼、日期是什麼、原文有沒有真的這樣說。確認後再用，心裡會比較踏實。