一、這是什麼：AI幻覺的定義
AI幻覺（AI Hallucination）是指 AI 模型生成的內容看起來很合理、很專業，但實際上是憑空捏造、與事實不符的現象。
2026年6月，全球四大會計師事務所之一的 KPMG 就踩到了這個大坑。根據 TechCrunch 2026年6月13日報導，KPMG 在 2025年10月發布了一份名為「Redefining excellence in the age of agentic AI」的報告，這份報告用 AI 撰寫，聲稱分析了多家大公司的 AI 應用情況。
問題是，研究組織 GPTZero 發現這份報告充斥著 AI 幻覺：
- UBS（瑞銀集團）表示報告中關於他們的描述「不實或誤導性」
- 英國 NHS（國民保健署）同樣否認報告內容
- 瑞士聯邦鐵路（Swiss Federal Railways）也跳出來澄清
- 倫敦交通局（Transport for London）也表示內容有誤
最終，KPMG 緊急撤稿並下架整份報告。
這不是個案。同樣是四大會計師事務所的 EY（安永），也曾撤回一份含有 AI 捏造腳注的忠誠度獎勵報告。
AI幻覺不是 AI 故意說謊，而是 AI 模型的結構性問題：它會用看起來很專業的語言，組裝出根本不存在的「事實」。
二、比喻：像一個很自信但記性超差的員工
想像你公司有個員工，講話超級流暢、PPT 做得很漂亮、數據圖表排版專業，但問題是——他講的內容有一半是他自己腦補的。
你問他：「上個月 UBS 有沒有用我們的 AI 系統？」
他回答：「有！而且他們用了三個月，效率提升 40%，員工滿意度提高 25%。」
聽起來超專業對吧？數字精確、用詞嚴謹。
結果你打電話給 UBS 確認，對方說：「我們根本沒用過你們的系統。」
這就是 AI 幻覺。
AI 模型訓練時吸收了大量文字，它學會了「顧問報告應該長什麼樣子」，但它並不知道哪些是真的、哪些是假的。當它找不到答案時，它會用「聽起來很合理」的方式填補空白——這就是幻覺的來源。
三、拆解：KPMG AI 報告事件完整時間軸
2025年10月：報告發布
KPMG 發布一份名為「Redefining excellence in the age of agentic AI」的報告，主題是企業如何應用 AI 代理（Agentic AI）技術。
報告中引用了多家大公司的案例，包括：
- UBS 的 AI 客戶服務系統
- NHS 的醫療記錄 AI 分析
- 瑞士聯邦鐵路的調度優化
- 倫敦交通局的運輸規劃 AI
報告寫得很專業，引用數據、圖表、分析框架一應俱全。
2026年初：GPTZero 開始調查
AI 偵測工具公司 GPTZero 注意到這份報告，開始進行事實查證。
他們聯繫報告中提到的公司，逐一確認內容是否屬實。
2026年6月：真相曝光
GPTZero 發現，報告中大量內容根本沒有事實依據：
- UBS 回應：報告中關於我們的描述「不實或誤導性」
- NHS 回應：我們沒有部署報告中提到的 AI 系統
- 瑞士聯邦鐵路 回應：報告內容與實際情況不符
- 倫敦交通局 回應:報告中的案例描述有誤
2026年6月13日：KPMG 緊急撤稿
事件曝光後，KPMG 迅速下架整份報告，並發布聲明強調：
「企業必須確保人工監督來驗證內容和獨立核實來源。」
諷刺的是，這正是 KPMG 自己沒有做到的事。
四、故事：其他 AI 幻覺真實案例
案例一：EY 的忠誠度獎勵報告
同樣是四大會計師事務所的 EY（安永），也曾發布一份關於企業忠誠度獎勵計劃的研究報告。
報告中引用了大量學術研究和統計數據，看起來非常專業。
問題是，有讀者發現報告中的腳注引用根本查不到原文——那些論文、期刊、研究報告，全是 AI 捏造的。
EY 最終也緊急撤回報告。
案例二:律師用 ChatGPT 引用不存在的判決
2023年，美國一位律師在法庭提交的文件中，引用了六個判例來支持他的論點。
問題是，這六個判例全部不存在。
原來這位律師用 ChatGPT 搜尋相關判例,ChatGPT 生成了看起來很真實的案號、法官名字、判決摘要——但全是幻覺。
法官發現後非常生氣，這位律師最終被罰款並受到紀律處分。
案例三：學術論文的假引用
有研究者用 AI 撰寫論文初稿,AI 生成了十幾條看起來很學術的引用文獻。
結果去圖書館查證時發現：
- 有些期刊名稱根本不存在
- 有些作者名字是真的,但從沒寫過那篇論文
- 有些論文標題看起來很合理,但搜遍資料庫都找不到
AI 完美模仿了「學術引用格式」,但內容全是捏造。
五、發問：為什麼這樣的事還在發生？為什麼大公司也會中招？
問題一：AI 看起來太專業了
KPMG 這種等級的顧問公司,員工都是受過嚴格訓練的專業人士。
但 AI 生成的內容格式完美、用詞專業、數據漂亮——這讓人很容易誤以為「內容也一定是對的」。
實際上,格式正確≠內容正確。
問題二：驗證成本太高
想像一下,你用 AI 生成了一份 50 頁的報告,裡面有 100 個數據點、20 個案例、30 條引用。
要逐一驗證這些內容是否屬實,可能需要花比寫報告還多的時間。
很多公司為了省時間,選擇「相信 AI」——結果就出事了。
問題三：AI 幻覺很難被發現
AI 不會生成明顯的錯誤,比如「1+1=3」這種。
它生成的幻覺內容通常是：
- 聽起來很合理
- 符合常識邏輯
- 用詞專業精準
- 數據看起來很真實
只有實際去查證原始來源,才會發現「這根本不存在」。
問題四：過度信任 AI
KPMG 自己在聲明中強調「需要人工監督」,但他們自己顯然沒做到。
很多公司把 AI 當成「萬能工具」,以為 AI 生成的內容可以直接使用,不需要檢查。
這是最危險的心態。
六、總結：AI 幻覺不是 AI 的「謊言」,而是模型的結構性問題
很多人會問：「AI 為什麼要說謊？」
答案是：AI 根本不知道什麼是謊言。
AI 語言模型的運作方式是：
- 根據訓練資料,學習「什麼樣的文字應該接在什麼文字後面」
- 當你問它問題時,它會預測「最可能的答案是什麼」
- 如果訓練資料中沒有答案,它會用「聽起來最合理」的方式填補
AI 不會說「我不知道」,因為它的設計目標就是「無論如何都要生成一個答案」。
這就是為什麼 AI 會生成：
- 不存在的論文引用
- 捏造的公司案例
- 虛構的統計數據
- 編造的判決案例
而且全部都看起來很真。
KPMG 事件告訴我們：
- AI 可以提高效率 — 這是事實
- 但 AI 不能取代查證 — 這是底線
七、步驟：企業如何防範 AI 幻覺的實用5步驟
步驟一：建立查證機制
所有 AI 生成的內容,必須經過人工查證才能對外發布。
查證重點：
- 引用的來源是否真實存在？
- 數據是否有官方出處？
- 案例是否經過當事人確認？
步驟二：分層使用 AI
不同風險等級的內容,使用不同程度的 AI：
- 低風險內容（內部會議記錄、草稿整理）— 可以大量使用 AI
- 中風險內容（行銷文案、部落格文章）— AI 生成後,人工編輯確認
- 高風險內容（法律文件、顧問報告、學術論文）— AI 只能輔助研究,最終內容必須人工撰寫並查證
步驟三：要求 AI 附上來源
使用 AI 時,明確要求它：
- 「請附上每個數據的來源連結」
- 「請標注哪些是事實、哪些是推測」
- 「如果不確定,請明確說『我不確定』」
有些 AI 工具（如 Perplexity、Bing Chat）會自動附上來源連結,這類工具相對安全。
步驟四：交叉驗證
不要只依賴一個 AI 工具的輸出。
可以：
- 用不同 AI 工具生成同一主題的內容,比對差異
- 用 AI 生成初稿,再用另一個 AI 做事實查核
- 重要資訊直接去官方網站或資料庫確認
步驟五：建立問責機制
明確規定：
- 誰負責查證 AI 生成的內容？
- 出錯時誰要負責？
- 什麼類型的內容禁止使用 AI？
KPMG 事件就是因為沒有明確的查證責任歸屬,導致一份充滿幻覺的報告直接對外發布。
八、指令：你用 AI 工具的時候,有沒有遇過明顯的幻覺？
AI 幻覺不只發生在大公司的顧問報告,也可能出現在你每天使用的 AI 工具中。
你可能遇過：
- 問 ChatGPT「XX書的作者是誰」,它給你一個錯誤答案
- 問 AI「某個軟體有沒有XX功能」,它說有,結果根本沒有
- 問 AI「XX公司的創辦人是誰」,它給你一個聽起來很合理但完全錯誤的名字
這些都是 AI 幻覺的日常版本。
重要提醒：
- AI 是強大的輔助工具,但不是萬能的真理機器
- 越重要的資訊,越需要查證
- 「AI 說的」≠「事實」
KPMG 這種全球頂尖顧問公司都會栽在 AI 幻覺上,我們一般使用者更要小心。
下次用 AI 時,記得多問一句：「這是真的嗎？來源在哪裡？」
常見問題（FAQ）
AI幻覺是什麼意思？
AI幻覺（AI Hallucination）是指 AI 模型生成看起來很專業、很合理,但實際上是憑空捏造、與事實不符的內容。AI 會用正確的格式、專業的用詞,組裝出根本不存在的「事實」,比如虛構的論文引用、編造的公司案例、捏造的統計數據等。
AI幻覺為什麼會發生？
AI 語言模型的設計目標是「無論如何都要生成一個答案」。當訓練資料中沒有答案時,AI 會用「聽起來最合理」的方式填補空白。AI 並不知道什麼是真、什麼是假,它只學會了「什麼樣的文字應該接在什麼文字後面」,所以會生成看起來很真實但實際上是虛構的內容。
怎麼確認 AI 的回答有沒有幻覺？
最有效的方法是查證原始來源。如果 AI 提供數據,去官方網站確認；如果 AI 引用論文,去學術資料庫查詢；如果 AI 描述公司案例,直接聯繫該公司確認。使用有附來源連結功能的 AI 工具（如 Perplexity、Bing Chat）會相對安全,但重要資訊仍需人工查證。
KPMG 為什麼要撤掉 AI 報告？
KPMG 在 2025年10月發布的「Redefining excellence in the age of agentic AI」報告中,引用了 UBS、NHS、瑞士聯邦鐵路、倫敦交通局等大型組織的 AI 應用案例。但 GPTZero 調查發現,這些組織紛紛表示報告內容「不實或誤導性」。因為報告充滿 AI 幻覺內容,KPMG 最終在 2026年6月緊急撤稿。
企業用 AI 寫報告有哪些風險？
主要風險包括：①內容不實（AI 可能捏造數據、案例、引用）②信譽受損（如 KPMG、EY 的撤稿事件）③法律風險（如律師引用不存在的判例被罰款）④商業決策錯誤（基於錯誤資訊做決策）。企業必須建立查證機制,高風險內容（法律文件、顧問報告）不能完全依賴 AI 生成。
延伸閱讀
把公開實價登錄資料整理成可以查詢、比較、分析的房價助理
適合這些問題：
買方：附近成交多少？這間開價合理嗎？
屋主：我的房子該怎麼抓合理開價？
地主：同區土地、透天、大樓行情差在哪？
房仲：臨時被問行情，也能整理成交依據與議價說法
支援 Claude.ai 自訂 connector / MCP 連接
用成交資料，先把房價問題問清楚
登入、方案與 MCP 連接以實價AI官網為準
AI 分析與公開資料查詢僅供決策參考，不構成投資保證或成交保證