AI助理新聞摘要錯誤率達45%！BBC研究：Gemini引用品質最差、年輕世代盲信恐釀媒體信任危機|數位時代 BusinessNext

AI助理新聞摘要錯誤率達45%！

重點一： 跨國大規模研究顯示，AI助理對新聞內容的表述有高達 45% 的錯誤，此系統性問題無關語言或平台，恐危及大眾信任。
重點二： 4大主流 AI 平台中，Gemini 的表現最差，有 76% 的回覆存在重大問題，主因是其引用來源的品質不佳。
重點三： 儘管錯誤率高，但仍有許多閱聽人（尤其年輕族群）信任 AI 助理提供的新聞摘要，且AI發生錯誤時認為新聞機構責無旁貸。

歐洲廣播聯盟（EBU）、英國廣播公司（BBC）近期公布一項大型跨國研究《AI 助理在新聞中的使用與認知》，揭發AI助理在處理新聞內容時，存在嚴重的系統性錯誤。

這項橫跨 18個國家、涵蓋 14 種語言的調查顯示，無論使用哪種語言、地區或平台， ChatGPT、Copilot、Gemini 或 Perplexity等AI 助理在回覆新聞相關問題時，高達 45% 的內容至少存在一個重大錯誤，其中，31%的內容在辨識、引用或連結所使用的原始資訊來源時出現錯誤，而20%的內容含有「重大準確性問題」，包括AI幻覺或引用過時資訊。

如今有愈來愈多人使用AI 助理作為獲取資訊的主要入口， 特別是 25 歲以下族群中有 15% 就使用 AI 助理看新聞 。高錯誤率不僅威脅到新聞內容的準確性，更可能動搖民眾對新聞媒體乃至民主參與的信任。

EBU 媒體總監暨副總幹事德・騰德（Jean Philip De Tender）強調，這些錯誤並非單一事件，而是「跨越國界和多語言的系統性問題」，大眾若無法信任資訊來源，最終將「什麼都不信」。

觀察一：4大平台表現評比，Gemini 來源引用最棘手

這項研究評估了 ChatGPT、Copilot、Gemini 和 Perplexity 4大主流 AI 助理平台共 3,000 多個回覆，根據準確性、來源引用、事實與觀點的區分，以及提供背景資訊等關鍵標準進行評估。

結果顯示，錯誤的分布在不同平台間存在顯著差異， 其中 Gemini 的表現最為不佳，有 76% 的回覆被判定存在重大問題，這個比率是其他 AI 助理的2倍以上 。主要症結在於 Gemini 糟糕的「來源引用」表現，整體調查中，有 31% 的回覆存在嚴重來源問題，包括引用來源遺失、具誤導性或根本錯誤。

BBC 生成式 AI 專案總監亞契（Peter Archer）表示，雖然樂見 AI 帶來的價值，但大眾必須能夠信任他們所閱讀、觀看和聽到的內容，並願意與 AI 公司合作，共同解決這些明顯存在的重大問題。

觀察二：4大AI錯誤類型，「事實錯誤」最損信任感

為了深入了解錯誤對大眾信任的實際影響，研究測試了4種常見的 AI 錯誤類型，包括事實錯誤（Factual Errors）、觀點作為事實呈現（Opinion as Fact）、來源與歸屬錯誤（Sourcing Errors）和自行加入觀點（Introduction of Opinions）。 結果表明，所有錯誤都會嚴重損害用戶的信心，其中事實錯誤最具破壞力。

高達 84% 的英國成年人表示，事實錯誤（如日期、數字不準確）將對他們對 AI 摘要的信任產生重大影響，因為準確性是用戶對新聞內容最基本的底線。

觀點作為事實呈現類型中，有 81% 的人認為這會嚴重損害信任，因其破壞了公正性讓用戶感覺 AI 系統在選邊站或有隱藏偏見。

即使是更為技術性的來源與歸屬錯誤（如錯誤引用新聞機構），也有 76% 的人表示會破壞信任，讓人質疑內容真實性。

當 AI 助理自行加入原始報導中沒有的觀點時，模糊了報導與評論的界線，有 73% 的人會因此對其信任大打折扣。

報告強調，在大家習慣快速瀏覽資訊的時代，任何一個小錯誤，都會在用戶心中留下負面印象。

觀察三：AI 錯誤回應闖禍，媒體恐背連坐黑鍋

這項研究還揭露了一個對新聞媒體來說很頭痛的問題：當AI發生錯誤時，閱聽人不僅會責怪 AI 服務提供商，也會將矛頭指向新聞提供者。

許多人錯誤地假定 AI 助理提供的新聞摘要是準確的。在英國成年人中，超過三分之一新信AI 能產生準確的摘要，而在 35 歲以下的年輕族群中，這個比例更攀升至近一半。

而當AI內容出現錯誤時，大多數英國成年人認為 AI 服務提供商 (36%) 和政府／監管機構 (31%) 應負責確保 AI 回覆的準確性。

即使錯誤是由 AI 摘要生成所致，仍有 23% 的人認為「新聞提供商」應該為與他們名稱相關聯的內容負責，有 35% 的人本能地同意新聞來源就該為 AI 摘要中的錯誤負責。這些都表明 AI 助理的失誤，可能連帶對新聞媒體的信譽造成負面影響，即使錯誤並非新聞機構所致。

報告也指出，若想恢復民眾的信任，AI 平台必須提供清楚的來源、時間和連結，並且一旦修正錯誤，要確保在所有地方都能同步更新，避免讓新聞媒體成為 AI 錯誤的替罪羔羊。

AI新聞摘要仍是演算法，動搖新聞品牌信任度

這份報告警告 AI 摘要中立的可靠表象創造了用戶的盲點。由演算法帶來的虛假確定性，導致用戶在接收資訊時鬆懈了查證的本能。

如果這種情況持續，AI 的系統性錯誤不僅會讓用戶失去對技術本身的信任，還可能悄悄侵蝕用戶對整體新聞品牌的可信度與信任感，最終對整個新聞環境造成負面衝擊。

延伸閱讀：好險，AI文章還沒有占據你的世界！AI文章數量與人寫文章曾出現「黃金交叉」，現在呈55波
 「只懂古典物理的LLM，無法提出相對論！」學者解密AI思維鏈：為何光寫提示詞，配不上「工程」兩字？

資料來源：BBC

本文初稿為AI編撰，整理．編輯/ 蘇柔瑋

AI 與數據正快速落地至各行各業，從製造、金融、電信、醫療到零售，應用速度不斷加快。但在每年交易規模至少新台幣 1900 億元的商用地產領域，卻長期受到數據破碎且不透明的限制，只能仰賴人力蒐集資訊，再憑直覺和經驗去解讀資訊、做出決策，使 AI 潛在價值難以真正發揮。為回應產業轉型的核心痛點，方睿科技首度舉辦「商用地產生態系年會 2026 Raise Day」，以開放式平台為核心，串聯專業地產服務商、空間相關企業服務商、產業專業人士等多元角色，勾勒出 B2B 企業服務生態系的全貌，希望能透過科技促進數據流動，為商用地產企業協作模式開啟新的可能性。

方睿科技雙軌策略，讓 AI 成為商用地產的決策引擎

方睿科技創辦人暨執行長吳健宇指出，在 AI 時代，人應該專注於「最有價值」的工作；然而在商用地產業中，專業人士卻有約 70% 的時間耗費在資料蒐集與整理上，真正用於判斷與決策的時間僅約 10%。方睿科技希望翻轉這樣的時間分配，讓人力從低價值的資料處理中解放，將更多心力投入在判斷、溝通與決策等創造價值的商業活動。

為此，方睿科技提出兩條實踐路徑。第一條是建構出具備完整性、易用性與進化性的商用地產智慧平台，運用 AI 技術，將過去產業中破碎、非結構化的資料，重塑為可被運算、可驗證的標準化數據，並結合圖表與互動式介面，讓使用者能夠快速得到完整市場資訊，實現「用戶即專家」的目標。

第二條則是推動生態系聯盟，將不動產視為企業服務的核心載體，串聯設計、家具、搬遷、清潔等多元服務夥伴，使空間不再只是靜態標的，而是承載案例、服務與數據回饋的生態系節點。透過生態系夥伴累積的實務資料與服務紀錄，平台得以發展「資料即推薦」模式，推動商用地產從單點交易，邁向可擴張的 B2B 服務網絡。

獨創「資料飛輪」機制，實現用戶即專家目標

在 AI 模型日益普及的當下，真正的競爭關鍵已不在模型本身，而是能否有效率地收集資料、提高資料品質，並將其與實際決策流程緊密結合。為此，方睿科技獨家設計出一個由「資料收集、資料精煉、專家把關、決策反饋」組成的資料飛輪，回應商用地產長期面臨的資料破碎與決策效率低落問題，成為方睿科技實踐願景的第一條路徑。

方睿科技技術長郭彥良進一步說明，資料飛輪機制的運作架構。首先在資料收集階段，必須系統性蒐集公開資料、內部檔案與報告，並透過 AI 協作將圖片等非結構化資訊轉換為可用的結構化數據。接著進入資料精煉，透過資料清洗與實體對齊，將原始資訊從單純的可閱讀升級為可比較、可推論的決策依據。第三步專家把關，則引入不動產專家進行校正與產業判讀，補上模型難以理解的規則與慣例，確保關鍵數據的正確性。最後的決策反饋階段，藉由收集使用者提問與行為，檢視現有資料是否足夠精準，再回到專家校正與補齊流程，使整個系統能隨使用頻率提升而持續進化。

在資料飛輪的運作基礎上，方睿科技正積極研發商用地產智慧平台 PickPeak。郭彥良表示，PickPeak 並非單純的物件搜尋工具，而是結合深度資料與 AI 的決策輔助平台。使用者可透過自然語言互動，提出人數、預算、區位、產業屬性等多重條件，再由系統動態生成可比較、可驗證的選址方案，真正將 AI 從「回答問題的工具」，轉化為「陪伴決策的數位專家」。

創新 Data to win 模式，讓 AI 深入商用地產各階段決策流程

不過，單靠數據整合與 AI 應用仍不足以支撐產業全面升級，因此，方睿科技提出的第二條路就是，推動產業生態系聯盟，整合商用地產市場上不同角色的數據，讓 AI 能夠真正成為商用地產決策時的智慧引擎。

方睿科技不動產知識創新中心總監曾凡綱指出，目前在企業、房東或物業主與各類服務供應商之間，缺乏有效的整合機制，導致企業在選址與空間規劃過程中，難以快速找到真正合適的服務與解決方案，形成明顯的產業斷點。

為解決這些斷點，方睿科技提出「Data to win」模式，以資料取代傳統「Pay to win（付費買廣告）」思維，讓真正具備經驗與實績的服務夥伴，在適當的決策節點被看見。

曾凡綱說明，在廣告投放效益越來越低的情況下，企業服務商面臨的問題已不只是「如何曝光」，而是「如何在對的地方被看見」，這將是未來的市場勝出指標；而 Data to win 正好可以協助企業服務商建立此能力，方睿科技將生態系夥伴所擁有的案例、服務紀錄與產業知識等資料，經過去識別化與結構化處理後，再嵌入企業決策流程中，讓推薦不再來自廣告投放，而是真實、可被驗證的使用經驗，透過這樣的機制，不僅提升企業決策的準確度，也能同步放大生態系夥伴在合作中的實質價值。

舉例來說，方睿科技整合辦公傢俱夥伴 Backbone 班朋實業長期累積的辦公室規劃案例與平面圖資料，讓企業在選址階段，就能同步評估空間規劃方案，加速決策流程。又如，整合出行服務夥伴 USPACE 悠勢科技的服務資料，並呈現在地圖上，協助企業評估辦公據點的交通便利性，優化員工日常通勤與出行體驗。此外，平台也可整合大樓的 ESG 認證、公共設施與服務層資訊，協助企業快速篩選符合需求的辦公大樓，提升進駐媒合效率。

「Raise Day 只是這場變革的起點。」吳健宇強調，方睿科技已經透過投資與合夥模式，將布局延伸至專業地產服務與空間經營領域，至今旗下已有商用不動產仲介、顧問與估價等專業服務的宇豐睿星，以及聚焦商用地產代銷市場的希睿創新置業。透過直接參與第一線實務運作，方睿得以更深入理解產業真實痛點，讓科技不只是工具，而能真正回應實際決策與服務需求。

此外，方睿科技未來也將持續擴大「商用地產 x 企業服務生態系」聯盟，目前包括 Backbone、USPACE、IKEA For Business、潔客幫等企業服務夥伴已率先加入；接下來，方睿科技將邀請更多擁有關鍵數據與專業能力的企業服務商加入，讓數據在安全、可控的前提下流動，進一步釋放商用地產在選址、營運與企業服務等全生命週期中的結構性價值，為產業轉型啟動下一個關鍵階段。

右起方睿科技共同創辦人暨營運長陳致瑋、USPACE悠勢科技共同創辦人暨執行長宋捷仁、Backbone班朋實業創辦人暨執行長廖家葳，透過企業服務生態系合作共同為產業啟動下一個關鍵階段。

圖／數位時代

方睿科技官網： https://www.funraise.com.tw