一份看似完整的摘要從哪裡來
記者把一百頁政策文件交給 AI 摘要，得到流暢的「五大重點」。問題在於摘要可能把草案寫成正式規則、漏掉例外條款，或混入模型熟悉但文件沒有的內容。速度有價值，但若編輯跳過原文，這份看似完整的摘要會成為錯誤的起點。
使用工具前應定義它的角色：建立索引、提出待查問題、整理已核實訪談，還是草擬文字。越接近對外發表的部分，越需要人依據原始證據逐句確認。不能因工具能顯示引用連結，就假設引用真正支持它旁邊的句子。
把主張拆成可以查的單位
「政策將影響所有居民」包含適用範圍、時間、生效條件與實際影響四個不同主張。AI 有時會把相關段落合併為一句話，看起來更順，卻削弱可查性。編輯可將每個重要句子連到原始文件的頁碼、訪談錄音時間或可重現的數據計算。
新聞時效性也要求分清事件發生、消息公布與文章更新的時間。模型可能引用舊版本網頁，或把後來更正的資訊與原敘述混在一起。沒有時間戳的來源鏈，很難讓讀者了解某篇報導在當時究竟知道什麼。
一則新聞的證據交接
相似的十篇文章可能只有一個來源
搜尋工具列出多家媒體相同說法，不代表已經得到獨立佐證。它們可能都引自一份通稿或同一段社群影片。真正的交叉查證要看資料取得途徑是否獨立、採訪對象是否有不同視角，以及反證是否被認真處理。
AI 擅長擴大搜尋範圍，也會帶來更多低品質重複結果。採訪對象的身分、利益關係、知情程度與同意範圍仍需記者判斷；不能把個人資料丟進未經批准的工具，期待平台替編輯室處理保密責任。
透明揭露應對準影響
若 AI 只用來校對標點，和用來生成虛構現場照片，對讀者的影響完全不同。披露可按實際作用說明：資料整理、翻譯、影像生成、聲音處理或文字草稿。不要用一個含糊的「本稿使用 AI」取代對重要變更的描述。
更正制度也要更新。若錯誤源自模型對資料的誤讀，公開更正應說清錯在哪裡、何時修訂，以及原文如何改動；內部則檢查流程漏洞。把責任全推給工具，不能幫助讀者理解新聞如何產生。
速度應服務於更多查證
AI 真正值得投入的地方，是讓記者更快找到可能被忽略的文件版本、數據矛盾與待訪對象，為人類查證留出時間，而不是單純讓發稿量上升。若產量增加卻缺少來源記錄，整個編輯室只會更快累積不確定資訊。
好的工作流程保留原始主張、證據、獨立核對、反方意見和更正路徑。讀者不必知道每一次工具操作，但有權知道關鍵內容從哪裡來，以及當它出錯時由誰負責修正。
採訪紀錄與模型輸出應分層保存
記者可能請 AI 根據訪談逐字稿找出爭議焦點，但逐字稿本身也可能有辨識錯字、背景語音與不願公開的話。編輯室應先確定採訪同意範圍，再決定哪些內容能送進工具；對未公開線人尤其需要額外保護。由 AI 生成的摘要應與原始錄音或文字分開標記，不能讓後續記者把摘要誤認為受訪者原話。
發稿前可設一張主張清單：每個數字由誰計算，引用是否逐字，圖片是否為現場，外部連結是否仍有效，反方意見是否得到機會回應。這張清單不是為了增加官僚流程，而是讓快速製作有明確的停止點。當工具加快初稿速度，節省的時間應回流到採訪與核對，而非逼迫編輯在更短時間內批准更多內容。 對突發事件的報導，編輯可以在稿件內區分「我們親自取得的資料」「可信來源的說法」「尚未獨立核實的主張」。AI 可以協助整理這些欄位，卻不能替編輯決定消息來源是否可信。若事件仍在發展，寧可保留時間戳與不確定措辭，也不要為了完整敘事補出不存在的因果鏈。讀者需要的是可持續更新的可靠資訊，而不是一篇在最初十分鐘就看似沒有疑問的完美文章。 對編輯而言，使用 AI 的底線不是讓稿件看起來像人工寫的，而是重要事實能回到原始證據，讀者遇到錯誤時能看到更正。
延伸參照：NIST 人工智慧風險管理框架。連結用於理解相關治理或技術背景，不表示合作或認證。