AI 做的報告能直接交嗎？用 6 項驗收清單抓出數字、日期與來源錯誤
ChatGPT 可以把檔案、表格與網頁整理成一份看起來很完整的成果。真正危險的不是明顯亂碼， 而是那種語氣篤定、格式漂亮、只有一個數字或一句事實錯掉的成品。這份清單讓你在交給主管、客戶或家長前，知道該查哪裡。
先講結論
AI 的第一版是草稿，不是交付。真正的完成線是：重要內容能回到來源、關鍵數字能重算、未知內容被標出，而且所有外部動作仍停在你手上。
為什麼「看起來很好」反而最需要驗收？
OpenAI 的官方說明顯示，ChatGPT Work 可以接收檔案與上下文、持續執行任務，並讓使用者在過程中回答問題、改方向與批准重要動作。這代表它已經不只是聊天框，但官方同樣把「review progress」與「approve important actions」留給人。
這次選題不是憑空想像。我先看了公開 X 與 Reddit 的近期討論：反覆出現的不是「AI 不會做報告」，而是「報告很快做好，人工卻不知道該信、該查還是該丟掉」。有人談到需要核對來源與數字，也有人分享假統計差點進入客戶報告。這些貼文只用來發現問題，不用來證明 AI 的錯誤率。
老師與上班族先做資料分流：不是所有材料都該丟給 AI
2026 年 8 月 17 日至 18 日的教師社群討論出現兩個很具體的警訊：一是主管把沒有驗收的 AI 投影片、信件與教材直接交出去；二是有人把成績或學生資料上傳後，才開始問這樣是否安全。這些討論不是法規證據， 但很清楚地指出同一個工作問題：材料若沒有先分流，後面的提示詞寫得再好也救不了。
教育部《中小學數位教學指引 3.0》把兩條線說得很直接：教師要先用教學專業評估生成內容， 對話中也應避免提供個人資訊，只分享不涉及隱私的必要資料。工具方案也不能靠名稱猜；例如 OpenAI 對 Business、Enterprise 與 Edu 等組織方案承諾預設不以組織資料訓練模型，但個人工作區仍要另外確認資料控制設定。
上傳前 30 秒分流
- 不放：姓名、學號、成績、個案紀錄、客戶個資、未公開文件或你無權分享的內容。
- 必要才放：先去識別，只留下完成任務需要的欄位與片段，並使用組織核准的帳號、工具與設定。
- 交件仍要查：要求來源、未知項目與變更摘要；教材、評量、對外文件與會影響他人的決定，由負責的人最後核准。
一張 AI 成果驗收回條：交件前查這 6 項
01
來源：每個重要結論從哪裡來？
不要只要求「附來源」，要能回到檔名、網址、段落、表格欄位，甚至 CSV 行號。找不到來源的句子，不是自動刪掉，就是明確標成待確認。
可以直接交給 AI 的補充要求
「請替每個關鍵結論加上來源；來源必須包含檔名或網址，以及可以讓我直接找到原文的位置。」
02
數字：總額與百分比能不能重算？
漂亮圖表最容易讓人放下戒心。要求 AI 列出計算式、納入哪些列、排除哪些列，再由人抽查關鍵數字。不要用「你確定嗎？」代替重算。
可以直接交給 AI 的補充要求
「所有總額、差異與百分比請列出計算式和資料列；負數、退款、空白與重複列要分別說明如何處理。」
03
日期：到底是發生日、截止日還是檔名？
同一份工作常同時出現寄信日期、下單期限、會議日期與檔案月份。把日期旁邊補上事件名稱與原句，避免 AI 抄到另一個看起來相近的數字。
可以直接交給 AI 的補充要求
「列出成品中的每一個日期、它代表的事件，以及來源原句；有衝突時不要自行選一個。」
04
事實與推論：哪些是材料寫的，哪些是 AI 補的？
「官網沒寫」不等於「一定沒有」，也不等於可以補成肯定句。把已證實事實、合理推論、建議與待確認分欄，決策者才知道哪裡能信。
可以直接交給 AI 的補充要求
「把內容標成已證實事實、推論、建議或待確認；沒有來源支持的內容不得寫成事實。」
05
變更：AI 改了什麼，而不只是做了什麼？
若 AI 重寫原稿、改表格或更新簡報，請它列出新增、刪除與改寫處。你要驗收的是差異，不必每次從第一頁重新讀到最後一頁。
可以直接交給 AI 的補充要求
「交件時附一份變更摘要：新增、刪除、改寫與仍未處理的項目分開列。」
06
批准線：下一步會不會造成外部後果？
寄送、提交、發布、付款、刪除、分享與改權限以前，一律停下來。AI 可以把草稿與表單準備好，但最後的批准責任不能偷偷外包。
可以直接交給 AI 的補充要求
「做到可供我檢查的最後一步後停止；未經我明確批准，不得寄送、提交、發布、付款、刪除、分享或修改權限。」
用一個六份材料案例，看三種錯怎麼被抓出來
以下不是學員成果，而是《AI 交辦術》為課堂壓測設計的虛構材料：主管的一句模糊要求、兩封供應商 Email、一封倉管 Email、180 筆訂單 CSV、一張客戶訊息截圖與供應商官網。成品要變成明早會議能使用的決策包。
| 埋錯類型 | 成品可能出現的錯 | 用哪一欄抓 |
|---|---|---|
| 日期抄錯 | Email 的 8/15 截止日被寫成 8/25 | 日期＋來源原句 |
| 漏算負數 | 總額沒有納入一筆退貨 | 數字＋計算列 |
| 憑空補事實 | 官網沒寫，卻說供應商有環保材質 | 事實／推論／待確認 |
重點不是預測每一次 AI 會錯在哪，而是讓成品留下可查的路。當你知道日期要回到原句、數字要回到資料列、事實要回到來源，錯誤就不必靠運氣發現。
可直接複製：交件前的最後一次自檢
先不要繼續寄送、提交或發布。請替目前成品做一次交件前自檢： 1. 列出每個重要結論，以及它對應的檔名、網址或原文位置。 2. 列出所有總額、差異與百分比的計算式，說明納入與排除哪些資料列。 3. 列出所有日期、事件名稱與來源原句；來源衝突時標成待確認。 4. 把內容分成：已證實事實、推論、建議、待確認。 5. 列出你相較原始材料新增、刪除或改寫的內容。 6. 列出下一步可能造成外部後果的動作，停在需要我批准的位置。 最後交付：修正版成品＋驗收摘要。不要因為我要求自檢，就假設原稿一定有錯或一定沒錯。
這段指令能讓 AI 先整理驗收材料，但不能取代人的抽查。尤其數字、合約、醫療、法律、財務、個資與任何會影響他人的內容，仍要由具備責任與專業的人核准。
真正的 AI 能力，不是敢把工作丟出去
是你能把目標、材料與界線說清楚，看著它執行，知道何時喊停，最後對交出去的成果負責。 《AI 交辦術》把這個循環拆成可以跟做、抓錯與重跑的一套工作方法。
查看 AI 交辦術與 8/22 工作坊