生成式 AI 該不該用？三道關卡評估任務、資料與查證成本

週一晨會，老闆把一份同仁交上來的活動文案推到你面前，開頭就問：這是 ChatGPT 寫的，能不能直接上？以後是不是都用這一套？你掃過一遍，句子通順、結構漂亮，唯獨把合作單位的名字寫錯了。會議室安靜了幾秒，所有人等你的答案。

這個場景難的地方不是 AI 有多深，是問題被問成了是非題。回一句「可以用」，出了事你扛；回一句「先不要」，年底檢討時別的團隊已經快你一截。省下來的工時是真實的，出包的代價也是真實的，兩邊都有帳要算，回「看情況」等於沒有回答。

可行的做法，是把「能不能用 AI」換成三道當場答得出來的關卡：這件工作的壞結果你看不看得見（任務容錯度）、要送進對話框的資料屬於哪一級（資料分級）、產出的東西回頭檢查要花多少力氣（查證成本）。過關就交，不過關就停，三關各自攔一種事故。生成式 AI 的定義一句話就夠：依你給的提示，產生文字、圖片、程式、聲音等新內容的系統；它不是搜尋引擎，也不是資料庫，沒有一個地方存著標準答案，這一點後面每一關都會用到。

快速重點：生成式 AI 依提示產生文字、圖片、程式等新內容，壓低的是產出成本，不保證內容正確。該不該交給它，看三道關卡：任務容錯度、資料分級、查證成本；過關就交，不過關就停。加速可以外包，判斷不能。

開會被問「能不能用 AI」之前，先把問題換成三道關卡

多數人答不好這題，卡的不是知識，是流程：手上沒有一套說得出理由的判斷順序，被追問第二句就站不住。把大問題拆成三道小關卡，每道三十秒內可答，答案還能寫進會議記錄，這比背十個工具名稱有用得多。

問題本身也要跟著換。問「AI 能做什麼」，得到的永遠是列不完的功能清單，而且每一項都對；問「這件事交出去會怎麼出事」，答案會直接指向你該檢查的地方。錯的問題就算答對也沒用，對的問題就算答得粗，方向也不會偏太遠。三道關卡對應三種最常見的事故：用錯地方、送錯資料、低估查證。

回到晨會那一題，三關在手就能當場回答：這份文案的好壞我看得出來，可以交給它起草，但它是對外內容，名字與數字要有人核過才能上；至於以後是不是都用這一套，要看任務，不能看工具。三十秒，兩句話，立場有了，理由也有了。這種答案的價值不在說服老闆，在於它把你後續要做的檢查動作，一次交代清楚。

↔ 左右捲動檢視完整表格

關卡	要回答的問題	沒過關的下場
任務容錯度	結果的好壞你看不看得見？出錯的代價高不高？	把它當查詢工具用，錯誤直接進到對外成品
資料分級	要送進對話框的內容屬於可公開、受限還是機密？	個資或未公開計畫離開你的控制範圍
查證成本	產出要核對哪些項目、由誰來核對？	省下的撰寫時間，低於多出的檢查與善後

後面每一節都是這三關的決策輸入。原理只講會影響判斷的部分，工具只講選擇的條件；應用不按產業漫遊，而是按任務型態出現，因為你真正要交出去的是一件一件的任務，不是一整個產業。

品檢員與生產線：一種 AI 給分數，一種 AI 做東西

在對話助手走紅之前，你每天其實已經被幾十個 AI 包圍：信箱把廣告信分去垃圾匣、銀行擋下疑似盜刷、相簿認出誰是誰、購物網站猜你下一個想買什麼。這類系統做的是判斷，輸入一筆資料，輸出一個分數或標籤。生成式 AI 做的是另一件事：輸入一段要求，做出一個本來不存在的成品。

用工廠來想會很具體。同一條生產線上，品檢員站在輸送帶旁，逐件蓋下良品或不良品的章，不負責把東西做出來；生產線把原料組合、加工，產出要送到市場上的新產品，不負責幫別人的貨把關。一種 AI 給分數，一種 AI 做東西，兩站互補而不互替；辦公室裡多數的爭執，其實是把後者誤當成前者在期待。

分清楚這件事，錢的方向就跟著清楚了。生成式 AI 壓低的是產出的單位成本：一封客戶信、二十個標題變體、一張活動示意圖，過去每一項都得排進某個人的行事曆、占掉實實在在的半天，現在這條門檻被壓到接近零。所以最先被改寫的是產出導向的工作，行銷、內容、設計、客服排在隊伍前面；需要現場判斷的工作，它使力的角度完全不同。

成本結構一變，瓶頸就跟著搬家。過去內容流程貴在寫，現在寫變便宜，貴的是審：判斷內容能不能出去的那雙眼睛，沒有跟著產出一起變多。產出放大好幾倍，把關產能原地不動，多出來的量全堵在覆核這一站。這也是三道關卡把查證獨立成一關的原因：它已經是新的瓶頸，值得被單獨管理，而不是當成使用手冊裡的注意事項。

也因為它被放在「生成」這個位置上，最常見的誤判是把它當成快一點的搜尋引擎來查事實，這剛好撞上它最不擅長的任務。查事實要的是檢索與比對，它給的是機率上最順的接法，兩者的差別不是速度，是工作原理。這條界線先記著，第一關會直接用到。

↔ 左右捲動檢視完整表格

面向	給分數的那種	做東西的那種
輸入到輸出	一筆資料進，一個分數或標籤出	一段提示進，一段新內容出
怎麼被評估	看準確率與誤報，有標準答案可對	看能不能用、像不像，沒有單一標準答案
身邊的例子	垃圾信過濾、盜刷偵測、人臉辨識	對話助手、AI 繪圖、文案與程式草稿
出錯的長相	判錯邊界，把正常信當成廣告	內容完整流暢，細節卻可能是編的

實際產品常把兩者接在一起：先判斷你要什麼，再生成內容，輸出之後又用判斷來檢查。所以與其問哪種 AI 會贏，不如問你手上這件工作，需要的是輸送帶上的哪一站。

原理快診：為什麼它會把猜的講得像結論

這一節只處理一件事：模型的運作目標，決定了它可以被信任到哪裡。看完不需要任何數學，但三道關卡裡所有的「為什麼」，源頭都在這裡。

文字類的生成模型，也就是大型語言模型，運作方式可以想成擲一顆灌了鉛的骰子。它把你的前文讀進來，估計下一段內容出現的機率分布，從裡面抽一個，接上去，再擲下一次。骰面的配重來自訓練資料的統計：哪些說法經常接在哪些說法後面，冷門組合的配重就低。你給的前文會改變配重，所以指令越具體、背景給得越足，分布就越收斂，輸出就越貼近你要的形狀。要注意的是，這套機制追求的是「接下來最順」，不是「講的是事實」，順不順跟對不對，在它眼裡本來就是兩件事。

由此可以推出第一個可預測的失效：它會把猜的講得像結論。遇到冷門事實、具體數字、法條條號、引用來源，模型一樣照機率接下去，而機率上最像樣的接法，常常是一個格式完整、口氣平穩、內容卻不存在的東西。這種篤定地講錯，就是一般說的 AI 幻覺；它不是偶發的程式問題，是這種運作方式的直接產物，成因與應對方式可以看AI 幻覺的成因與對策。

第二個失效一樣推得出來：同一個問題，每次答案不同。每接一段就是抽一次樣，抽樣有隨機性，長一點的回答自然走向不同分支。這是特性，不是故障；也別指望換上新版模型就會消失，改版通常是把錯誤換個地方出現，不是把錯誤變不見。

抽樣特性也有用得上的地方。同一份指令跑三次，得到三個版本，挑最順的那個再修，常常比反覆琢磨一份指令更快；發想階段要的本來就是分歧，收斂留給人做。把隨機性放對位置，它是優點；放錯位置，它才叫不穩定。

那為什麼它講起話來有條有理，多半也願意說自己不確定？因為出廠前還有一段後訓練：微調與對齊教它應對進退，例如回絕明顯有害的請求、口氣保持平穩。但得體是行為訓練出來的，不是知識保證；對齊後的模型仍有迎合提問者的傾向，問題裡帶了前提，答案就容易被帶著走。模型講得再客氣，關鍵結論仍然要人核。

對評估的人來說，這一節的用處很實際。知道它在冷門事實、具體數字、引用來源這三個地方會篤定出錯，第三關的查證成本才估得出來；知道它會順著你的前提走，提問的設計與覆核的安排才有依據。

圖片生成的擴散模型走另一條路：從一堆雜訊開始，一步步修出一張符合描述的畫面。機制不同，毛病相通：畫面很像真的，細節不保真，多一根手指、商標字樣差一個字母，都屬於同一族系的錯誤。跨介質的共通結論只有一句：像，不等於對。

第一關看任務：這件工作壞了，你看得出來嗎

第一關用兩個問題就能畫出四象限：結果的好壞，你看不看得見？出錯的代價，高不高？看得見又代價低的先做，看不見又代價高的先停，中間地帶只讓它當起點，不當終點。

↔ 左右捲動檢視完整表格

區位	判定	例子	對待方式
綠區	好壞秒判，出錯代價低	會議摘要、改寫語氣、標題變體、翻譯草稿	放心交，產出當成品用
黃區	看得出好壞，但內容會對外	客戶信、產品文案、對外簡報	交它起草，人工覆核後放行
紅區	好壞難判，出錯代價高	引用數字與法條、最新資訊、第一手經驗	不交，或不把它當最終來源

綠區的共通點是成敗由你一眼判定：摘要對不對，讀一遍就知道；變體好不好，你挑得比它快。想在文字與圖像兩條線都開出綠區任務，文案的基本功決定你判斷文案好壞的能力，Canva 的 AI 工具則適合拿來快速產版面與素材變體。判斷力在前面，工具在後面，順序顛倒就會把黃區當綠區用。

評估綠區還要算總帳。AI 初稿省下的是寫的時間，沒省下的是查的時間：核對數字、改錯名字、順語氣，全都算在內。某些題目這樣算下來，用 AI 反而比你自己寫慢，這很正常，把這類任務移出清單就是了。真正的效率數字，是寫、查、改三段的總和，不是單看產出速度。

看不看得見，怎麼判定？靠的是領域熟悉度，不是聰明程度。在一個領域待得夠久的人，掃一眼就知道摘要漏了重點、語氣不對、結論接不起來；不熟的人連錯都認不出來，因為他沒有可以對照的樣本。所以綠區清單因人而異：資深者能交出去的任務比新手多，這是能力差距，不是膽量差距。把清單按人開，不要全公司一套。

黃區的覆核也要設計，逐句重寫等於自己再寫一遍，白忙。核三件事就夠：事實類的東西，名字、數字、日期；語氣與承諾，有沒有答應辦不到的事、有沒有越權發言；對外風險，法遵用語、對競品的說法。三件事核完，草稿的速度優勢才真正落袋。

紅區任務也不是全數退回，拆開處理常常有效：敘述與結構讓它起草，數字、法條、日期由人對著原文補上，出處一條一條核。拆完會發現，真正需要人做的是其中一小段，剩下的部分本來就落在綠區裡。

紅區裡最容易被低估的是第一手經驗。模型讀過很多人寫過的做法，所以能描述一個流程應該怎麼走；但它沒有到過現場，生成不了「這一步其實會卡」的判斷。一篇講導入的文章，讀者很快能分辨哪些段落是整理來的通則，哪些是有做過的人才寫得出的細節。經驗斷層是內容信任度的分水嶺，也是你該親自補上的那一段。

第一關的產出是一張任務清單：綠區先跑，黃區設覆核，紅區收回來。清單上每個任務，接著進第二關，檢查要送進去的資料。

第二關看資料：送出對話框之前先分三級

第二關處理送出前的猶豫：這份資料可以貼進對話框嗎？答案先分級、再對動作：可公開的直接用，受限的去掉可辨識的部分再用，機密的不進對話框。分級在前，工具設定在後，順序對了，就不必每次靠當下的感覺決定。

• 可公開：產品頁內容、公開報導、已上線的文案，直接貼，沒有額外條件。
• 受限：客戶名單、內部報告、還沒公開的活動內容，先去識別化再貼，把公司名換成甲公司乙公司，刪掉能對到具體個人的欄位。
• 機密：未公開財報、員工個資、還沒遞出的專利內容、涉訟文件，不進對話框，要處理就走別的路。

分級之後才看服務設定。輸入的內容會如何被儲存、會不會用於改進模型，取決於服務、方案與資料控制設定：依 OpenAI 的資料控制說明，ChatGPT 個人方案可以關閉新對話用於模型改進，Business、Enterprise 與 API 預設不以輸入和輸出訓練模型。關閉訓練仍然不代表可以任意上傳：服務條款、組織權限與留存期間照樣有效，方案等級擋不住有人把機密貼上去這個動作。

去識別化做起來比想像中快。一份客戶訪談稿，刪掉姓名與公司名，把採購金額換成區間，留下需求結構與決策流程的描述，多數任務照樣完成，而且結論不會因為匿名而失真。真正需要原文的時刻其實很少，多數是偷懶的藉口。

同一份文件也可能跨級。一份投標文件，公司簡介段早就公開，報價段是機密，技術規格段算受限；送出前逐段判斷，不要因為一個封面把整份文件壓成一級處理，也不要因為圖方便整份貼上去。分級的基本單位是段落，不是檔案。

機密任務也不是死路，只是不該出現在個人對話框裡。組織要處理機密，走資安與法務核准過的環境，方案、部署方式、誰能看紀錄，先談好再開工；這一段是管理題，不是行銷題。把界線畫在這裡，第二關才算真正閘住。

落到操作，送出前依序問三個問題：這份內容誰可能存取？完成任務有必要提供原文嗎？能去識別化嗎？對應的順序是先刪、再換、必要時不送。把流程畫成圖照著走一遍，比每次重新判斷省力，也少了僥倖的空間。

第三關看查證：回頭檢查的力氣，要算進成本

第三關算的是回頭檢查的力氣。這段力氣是導入成本的一部分，沒算進去的一切效率都是帳面數字；能獨立核對的項目逐一查，權利問題在商用前確認，這一關才算走完。

查核清單不用長，五項就抓得到大多數事故：

• 具體數字與統計：對到原始資料，連單位與統計期間一起核。
• 日期與時間：事件發生日、資料發布日、規則改版日，三種日期最常被混為一談。
• 人名與機構名：最常錯的地方，也最傷信任。
• 法條條號與引用來源：查無此條、查無此文的，整段退回。
• 宣稱的因果關係：把「有關聯」講成「造成」的句子，逐一標出來。

誰來查，比查幾遍更重要。產出者自查，加另一個看得懂那個領域的人複核，比同一個人反覆看三遍有用；查核者的盲區，就是下一輪事故的發生地。

查核也要排順序：先查出事的，再查丟臉的。數字與法條出事最貴，第一批查；人名機構名錯了最傷信任，第二批；語氣不順只是難看，放在尾端再說。順序寫進清單，覆核的人才不會把時間花在改字句，漏掉真正花錢的錯。

權利這關不要用感覺答。訓練資料怎麼取得、作者能不能選擇退出，每家供應商的做法都不一樣，沒有一句話的通則；生成物的權利歸屬，各司法管轄還在發展，可否商用要看服務條款與實際輸出。涉及商標、產品外觀、核心資產的內容保守處理，正式合約與對外授權，先讓法務看過。

市面上有AI 內容偵測工具，但對潤飾過的 AI 文字，可靠度有限，拿它當唯一守門員一定會漏。更穩的做法是改審稿標準：作者要講得出資訊從哪來、哪一段是自己實際做過的，講不出來的段落就退回。這個標準對人對 AI 一體適用，也比任何偵測分數誠實。

第三關沒過的任務，退回第一關重新歸類：也許它根本是紅區，也許要拆成兩半，AI 做得起、人來收尾。三道關卡是一個迴圈，走完一圈，任務清單會變得更準。邊界不是限制使用，而是告訴你流程該在哪裡設閘；閘設對了，速度才留得住。

三關都過了，再來挑工具與接工作流

關卡都過了，工具的選擇反而單純，看三個條件：資料敏感度決定方案等級，任務型態決定模型類別，生態整合決定留用率。先讓少數任務真的省時間，再談擴大。

資料敏感度對到第二關的分級：可公開資料的任務，免費方案就能跑；受限資料，至少進團隊方案再檢查設定；機密任務本來就不該出現在對話框裡。任務型態決定你要文字見長的模型、圖像工具，還是一個能同時吃文字與圖片的多模態模型。生態整合看它接不接得上你已在用的軟體：開在辦公文件旁邊的工具，會比每次都要切換分頁的工具活得久，因為少一次切換，就多一分留在流程裡的機會。實際挑選時，先看主流 AI 工具的整理與比較把候選限縮到兩三個再實測；要起步，ChatGPT 入門或Gemini 的操作全覽選一條，用滿一週再說。

多模態是這兩年的共同方向：同一個模型既能讀文字也能看圖，文字工具與圖像工具的界線變模糊，對使用者是好事，工具負擔變小。但能看圖不等於看懂圖，它描述得出照片裡有什麼，未必判讀得了關鍵細節；判讀仍然回到專業，模型的輸出當線索，不當結論。

生態整合聽起來抽象，例子很具體：在文件裡直接把選起來的段落丟給助手改寫，會議記錄講完自動整理成分派事項，信件草稿開在信箱旁邊。這類位置的價值不在功能最強，在摩擦最小；獨立工具功能再全，需要切換視窗才會被想起來的那種，多數人在新鮮感過了之後就不再打開。

採用狀況可以看外部調查。依 HubSpot 的行銷現況報告，相當比例的行銷人已在日常流程裡使用 AI，內容製作是報告中明確出現的應用之一。採用之後誰真的拿到好處，調查本身沒有直接回答；一個可檢驗的推論是：把流程跟著調整的團隊，省下的時間會累積成可重複的做法；只增加用量、流程原地不動的，多半只換到更快的草稿與更多的覆核。

兩個建構情境，示範關卡怎麼落地。情境一（假設）：一家在地烘焙坊讓 AI 產檔期促購文案與圖文變體的草稿，品項、價格、庫存由門市的人換上實際數字後才上架，綠區任務加人工覆核。情境二（假設）：一個 SaaS 團隊讓 AI 草擬客服回信，熟悉產品的人覆核技術細節後送出，把回信的起草時間壓下來。兩個都是建構出來的示範，不是實績；要看的是結構：AI 做得起，人收尾，資料在送出前完成分級。

從對話到系統：token 帳單與四個升級訊號

免費額度用完，開始按用量付費、接 API，規格表上的名詞就會自己找上門。先講最常被誤解的那一個。

計費與脈絡限制的單位是 token，模型把文字切成這樣的小片段來處理，用量、長度上限與費用都以它計算。中文字與 token 之間沒有固定換算：實際數量依模型、編碼方式與語言而異，同一句話在不同模型上算出來的 token 數可以不同。依 OpenAI 的繁中說明頁，估算成本時用服務提供的計數工具實測，不要靠固定比率心算；計算邏輯與範例可再延伸看token 的計算與計費細節。

脈絡限制是 token 的另一面。模型一次能讀進的內容有上限，超過時的處理方式依服務與設定而異：走 API 預設會直接回報錯誤，要你縮短輸入再送一次；開啟自動刪減的服務，則優先捨棄對話裡較舊的前段內容，而且未必說明刪掉了哪些。送出前的長度控制因此不能省：先摘要再提問，或切段處理，每段各自帶著必要的背景。到這一步，token 就從計費單位變成工作流的設計單位，帳單和流程讀的是同一份規格。

其餘名詞不用先背，它們出現的順序，就是你會用到的順序。產出一直不穩，該練的是提問：把角色、對象、格式與語氣寫進指令，輸出就會跟著收斂，提示詞的寫法是第一門課。模型不知道你公司的內部資料，回答老是泛泛而談，該上的是檢索：先讓它翻你餵給它的資料、再根據裡面的內容作答，這是檢索增強生成在解的問題。要它讀你的行事曆、資料庫或內部系統，就會碰到連接的標準，MCP 協定入門講的是這層介面。要它把多個步驟串起來自己跑，從查資料到整理成報表，那是在往AI Agent 的運作方式走。四個訊號各對應一個明確的痛，痛還沒出現之前，不必先買單。

再多走一步，想把生成能力按用量接進自家產品，而不是替每個同仁買席位，就會碰到 AIaaS 這種服務模式；AIaaS 按用量接服務的模式把這條路的成本與取捨整理得很清楚，看過再決定要不要走。

AI 生成的內容敢不敢上架：搜尋引擎的判準

做內容的人常卡在這題：用 AI 生成或協作的內容放上網站，會不會被搜尋引擎處罰？官方的判準是內容品質，不是產出者的身分；會被處理的，是量產出來的低價值內容。

Google 的立場講得很白：它判斷的是內容對搜尋者有沒有價值，由誰或由什麼產出，並不是處罰的理由；複製、聚合、沒有原創價值的量產，才是系統會處理的對象。對應回第三關，能上架的條件其實已經寫好了：過得了查核清單，再加上只有你才給得出的價值。官方立場的完整整理，可以看Google 對 AI 內容的官方立場。

更值得想的題目在後面：讀者找答案的入口正在移動。越來越多人直接在 AI 工具裡問問題，拿到整理過的答案就離開，連結果頁都不看；這對內容經營者的意義是，內容不能再只寫給搜尋引擎看：AI 引擎也在讀同一批頁面，要讓它查得到、讀得懂、願意引用。AI 搜尋怎麼改變流量分配先建立整體圖像，AI 時代的 SEO 整體策略講因應的架構，讓內容被 AI 引用的準備則是可以照做的清單。搜尋環境的變動不是不用 AI 的理由，它是第三關查證項目的延伸：內容要經得起機器引用，也經得起人回頭查。

被引用的條件，說穿了還是基本功：結構清楚、事實可查、署名與更新時間齊全。這些恰好是第三關查核完之後自然留下的東西；把關卡走完，搜尋這一關順便就過了大半，兩邊做的是同一件事。

一週實驗與團隊規則：把關卡變成 SOP

判斷流程要變成團隊每天真的在用的東西，靠兩個動作：先跑一週實驗拿數據，再把三道關卡寫成一頁規則。

實驗設計很簡單：挑一件第一關綠區的任務，固定一個工具用滿一週，每天記兩個數字，省下的時間與需要修正的次數。期滿用數據說話，真的省時間就擴大，沒有就收手，兩種結果都算成功的實驗。工具任選一個用到底：ChatGPT 操作教學、Claude 入門，或直接從把 Claude 接進工作流開始；偏好課程式節奏的，Claude 官方免費課程是免費的起點。工具不是重點，固定使用才會有數據。

規則寫成一頁就夠，四個欄位：誰可以核准新任務進清單；哪一級資料可以送進對話框，直接引用第二關的三級；查核清單五項，直接引用第三關；上架前由誰複核。一頁的好處是它會被用：放進共用文件，新人第一天就看得到，月底覆盤時拿來對照實際狀況，改完仍然是同一頁。三道關卡從個人的判斷，變成組織的資產。

月底覆盤問三個問題就夠：這個月哪些任務擴大了、哪些收掉了；哪一級資料曾經讓人猶豫，規則要不要再細化；查核清單有沒有抓到新形態的錯。三個答案寫回同一頁規則，它就會越長越像你們公司的流程，別人的範本抄不來的那種。

工具會換，模型每年都在改版，今年的主流明年就可能退場；但你對自己產業的理解、判斷內容好壞的能力、親手做過的事，沒有一樣會過期。把 AI 放在加速的位置，把判斷留在自己手上，這條線畫清楚，工具再怎麼換，你都在位置上。加速可以外包，判斷不能。

如果你正在想辦法讓網站在 AI 搜尋時代持續被看見，Whoops 做的就是這件事：用白帽的方式，把網站與內容經營成長期資產。真的卡關時再來聊，把你的三道關卡版本一起帶著，討論會快很多。