AI 很會寫。但當它手上的資料不夠時，會「自己編一個看起來很合理的答案」。一個假數字、一段假見證，往往比明顯的錯字更難發現——因為沒有人會懷疑它。所以在內容上線、交到你手上之前，我們用一套把關流程，把這些編出來的假內容逐一攔下來。
看起來毫無破綻的一段話，照一張 X 光，就現出五處「骨折」。
先看一個例子。下面是一段乍看正常的品牌介紹：
本品牌成立至今，已服務超過 2,000 家企業客戶，市占率高達 80%，穩居業界第一。所有產品皆採用 德國進口頂級材質，並榮獲 2023 年國家品質金獎的肯定。客戶 王小姐配戴後表示：「效果超自然，完全看不出來！」
這段文字毫無破綻，但其中五個地方，全是 AI 編的：
已服務超過 2,000 家企業
查無此數據
市占率 80%、穩居業界第一
憑空捏造
德國進口頂級材質
無來源依據
2023 年國家品質金獎
查無此獎項
客戶「王小姐」的見證
查無此人
它們講的，全是「你公司的事」——而這正是我們要攔下來的內容。
AI 捏造的內容，最常落在你的得獎紀錄、市占率、產地、客戶好評上。一旦出現在你自己的官網，輕則資訊失準，重則涉及不實宣稱的法律風險，更會直接損害你最在意的——品牌信任。
在生成式搜尋（AIO）的時代，這件事更關鍵。當 AI 引擎開始閱讀、甚至「引用」你的內容時，可被信任、可被查證的內容，才是被引用的基礎；而一段被引用出去的假資訊，傷害只會被放大。內容的真實性，不再只是品牌的面子問題，而是你能不能被機器看見、被機器引用的底層條件。
傷害如何被放大
像對著擴音器說錯話——同一句假資訊，被引用一次就響亮一次。
每一篇內容在交給你之前，都會像出刊前的稿件一樣，經過層層編輯審查。
先立規矩
核對數字
查可疑說法
常識查證
出貨前總掃
內容像一份待出刊的稿件，從左到右通過五道閘門，每一道只放行查得到依據的文字。
最有效的防範，是一開始就別讓它亂寫。我們在請 AI 產生內容時就把話講清楚：沒有根據的數字與說法一律不准填，改成「此處待補真實數據」的留白。與其事後糾錯，不如先把規範立在前面。
不論是「2,000」「80%」，還是國字「三萬家」「五成」，通通挑出來，跟你提供的真實資料逐字比對。對得上就放行；對不上的，再判斷它是常識、可推算、還是純粹捏造——捏造的一律改寫或留白，絕不留下假數字。
有四類說法最常被 AI 無中生有：指名道姓的見證、自家的專利與得獎、公司營運資料（價格／店數／年資／產地），以及跟對手的直接比較。我們逐句檢查依據；查得到外部來源的（如得獎、專利）會上網求證並附上出處，查不到的則維持標記、交人工確認。
屬於「這個行業大家都該知道」的常識，我們綜合維基百科、網路搜尋與網頁原文交叉查證。多個可靠來源一致，就附上出處；查出來是錯的，標記請人工確認。
內容處理完，系統會整篇再檢查一次，把仍有疑慮、但前面沒被自動處理掉的地方，整理成一份提醒清單。不是直接刪掉，而是貼張便利貼：「這裡，請人再看一眼。」
為了更可靠，關鍵判斷我們會用兩套不同的 AI 一起看——它們各有盲點，互相對照才不容易漏。但因為「萬一弄錯」的代價不同，兩種檢查的規則，我們刻意設計成不對稱：
規則：只要其中一套覺得有問題，就攔下來。
為什麼這樣設計：抓錯頂多換成一個留白，損失很小，寧可多抓。
規則：要兩套都同意有問題，才動手刪。
為什麼這樣設計：刪錯一段原本是真的的文字損失很大，所以雙重確認才安全。
就算暫時只接一套 AI，流程一樣正常運作，只是少了一層互相對照。
我們交給你的，不只是「處理過的乾淨內容」，還有一份清楚的報告——把需要你決定的事，全部列出來：
它列出什麼
哪些數字被自動改寫或換成留白
你該做的
上線前補上真實數據
它列出什麼
哪些說法因查無根據被刪或改成籠統講法
你該做的
提供真實資料後補回
它列出什麼
系統覺得可疑、但沒自動處理的地方
你該做的
人工再確認一次
每一項都會附上「原本那句話」，讓你一眼就能回到內容裡，找到對應的位置。
我們從「一開始就不准編」做起，再用逐字核對、雙重確認、上網查證、最後總品管，層層過濾，把 AI 可能編出來的假內容攔下來。攔不掉、需要人決定的，全部攤在報告裡，清楚交還給你。這就是我們對內容的態度——以數據為證，不替你的品牌冒任何一個看不見的險。
沒有帳號？請聯絡 02-2369-8858 或您的業務窗口
