一、案例定位

原書以律師使用 ChatGPT 進行法律研究為警示案例：系統提供了看似可信、實際卻不存在或資訊錯誤的航空事故判例，說明生成式 AI 的輸出必須驗證。

二、學習目標

• 辨識 hallucination 對高風險決策的影響。
• 建立「生成 → 查證 → 引用」流程。

三、案例情境

律師希望用 ChatGPT 找支持客戶立場的判例。模型產生多個案例，但其中有判例不存在、法官辨識錯誤，甚至涉及不存在的航空公司。

四、開始資料

五、Excel／AI 分析方法

建立 citation verification sheet：每列放 AI 輸出的判例名稱、法院、日期、來源網址、是否查證、查證者與備註。AI 可以整理候選來源，但不得把「找不到」補成「存在」。

六、計算結果

本案例的核心不是數值計算，而是 0 個未查證引用可直接提交 的控制原則。

七、結果分析與管理解讀

生成式 AI 的問題不是只會「答錯」，而是能以高度可信的語氣產生錯誤。高風險專業場景必須把驗證設計進流程，而不是留給使用者臨時判斷。

八、AI 提問詞

請把下列 AI 產生的法律引用整理成查證清單，只列出需要核對的欄位與風險，不得自行確認任何判例為真。

九、思考／情境變動

**題目：**若 AI 一次產生 12 個判例，而團隊只能完整核對 4 個，應如何處理其餘 8 個？

**參考解答：**其餘 8 個不可作為已驗證證據使用；應標示 pending／unverified，或縮小引用範圍至已完成核對的 4 個。