有个做工程的老板，让 AI 帮他查一个招投标的规定，AI 答得又快又顺，连条款号都给了。他去翻原文——那份文件里根本没有这一条。这就是 AI幻觉：它不知道答案的时候，不会说「我不知道」，而是按最像样的说法编一个出来，语气比真话还笃定。
先把定义说清：AI幻觉指的是模型在缺少依据的情况下，仍然生成内容详实、格式规范、看起来可信的回答，包括编事实、编来源、编数字。企业里真正要防的不是它答不上来，是它答得太像真的。
它为什么会编？
理解这一点，防起来就有方向了：大模型本质上是按概率往下接话，不是先去查资料再回答。它的目标是「说得像」，不是「说得对」。所以有依据的时候它写得准，没依据的时候它照写不误——这两种情况，对使用者来说看起来一模一样。最容易中招的是四类内容：模型训练时没见过的，各方口径本来就不一致的，时间敏感的（政策、价格、标准），以及只存在于你公司内部的。拿这四类去问，答案要格外当心。
AI幻觉一般出在哪三种地方？
- 编事实。把不存在的规定、案例、结论说得有模有样。这类最容易被当成真的转给客户。
- 编来源。给出条款号、文件名、文献出处，看着能查，实际查不到。判断办法很土但有效：只信能在原文里点出来的引用。
- 编数字。数值看着合理，口径和时间却对不上——比如把几年前的占比当成现在的说。
我们的判断：按后果排序，别按概率排序
防幻觉的资源是有限的，先防哪一类，不该看它多大可能出错，要看错了之后谁承担后果。我们的判断是这样一个顺序：对外承诺最要先防（报价、交期、合规口径，错了直接是钱和信誉）；其次是法务与资质类（条款、资格、审批要求）；再次是数字与口径（报表、指标、统计）；内部草稿相对最安全（头脑风暴、初稿、翻译），错了改一下就好。同一句话，放在对外邮件里和放在内部笔记里，处理规格应该完全不同。
企业能做的四件事
不复杂，但要真的做：第一，先给资料再提问。把相关文件交给它，要求只在文件范围内回答，找不到就说找不到。第二，要出处。凡是结论，让它标出依据在哪一段；标不出的，按没有处理。第三，定复核人。哪一类输出必须由谁看过才能出门，提前写清楚，别等出事再补。第四，高风险问法先禁。涉及金额、承诺、法务的问题，直接规定不由 AI 单独回答。
AI幻觉最危险的地方不是它答错了，是它答错的时候，看上去和答对没有区别。
常见问题
AI幻觉是什么意思？
指 AI 在缺少依据时生成看似可信的内容，包括编事实、编来源、编数字。它不是说错一个字，而是整段答案都建立在虚构的依据上。
哪些情况下最容易出现？
四类：训练数据里没有的、各方口径不一致的、时间敏感的（政策、价格、标准）、只存在于你公司内部的。越具体、越私有的问题，越要先给资料。
怎么避免 AI 幻觉？
做不到完全避免，但可以压到可接受：先给资料限定范围、要求标出处、关键结论回到原文做事实核查、高风险问题交人工复核。这四条比换模型更管用。
网上那些「幻觉率排名」可信吗？
看看可以，别当依据。不同榜单的测试题、口径、时间都不同，横向比没有意义，也不能代表你自己业务里的表现。要判断准不准，拿自己的真实问题测一轮更实在——可以用识度的《AI 落地三问自查》把「怎么算有效、谁兜底」先定下来：打开自查清单。
如果您正准备把 AI 用在对外沟通或数据环节，又不确定哪些地方必须留人复核，欢迎预约一次适配沟通：我们按您的真实流程，把该设的检查点先划出来。
相关阅读：AI出错怎么办？上线前先定好三件事｜AI智能体是什么？｜识度的自检工具
← 返回识度词典