降低企業 AI 幻覺，不能只靠提示詞要求「不要亂答」。可靠做法是同時控制資料來源、使用者權限、工具範圍、引用證據與答案驗證，並允許 AI 在資訊不足時拒答。
幻覺不只是假造事實，也包含用錯資料版本、跨越權限、混淆指標、把相關性當因果，或在資料缺漏時給出過度確定的結論。
企業 AI 為什麼會答錯？
- 問題需要企業內部事實，模型卻只能依通用知識猜測。
- 檢索到過期、衝突或不適用的文件。
- 自然語言問題有歧義，系統自行選了口徑。
- Tool 或 SQL 查詢範圍錯誤，輸入本身就不可信。
- 生成內容缺少引用、驗證與信心表達。
五道防線
- 可信來源：限定核准文件、資料集與版本。
- 權限控制：先判斷使用者與用途，再決定可用來源。
- 受控 Tool：將查詢、計算與 API 操作封裝成有邊界的工具。
- 證據輸出：答案附來源、時間、範圍與採用假設。
- Evaluation：以真實問題、反例與拒答案例持續測試。
實務經驗框：主管問「上季最有價值的會員群是誰？」若系統未定義價值是營收、毛利、回購還是終身價值，直接給出名單就是高風險答案。可靠系統應先澄清指標，或列出採用定義與替代結果。
RAG 有幫助，但不是免死金牌
RAG 能把相關文件放入上下文，降低純憑模型記憶回答的風險；但文件過期、切分錯誤、搜尋漏掉關鍵段落或來源彼此衝突時，仍會產生錯誤。系統需管理文件有效期、權威層級與引用位置。
結構化資料要靠 Tool 與語意治理
營收、會員與訂單問題通常需要計算，不宜只靠文件檢索。受控 Tool 應固定指標、可用欄位、期間與資料量，並回傳查詢條件。模型負責理解問題和整理結果，而不是任意創造計算方式。
什麼時候 AI 應該拒答？
- 必要資料缺失或超過有效期限。
- 來源衝突且無法判定權威版本。
- 使用者沒有資料或操作權限。
- 問題超出核准 Domain 或 Tool 能力。
- 高風險行動尚未獲得人工確認。
LINKY REASON 可透過 Ontology、Agent、Tool、Governance 與 Evaluation 建立上述邊界；LINKY CONNECT 則協助管理資料來源。這些機制降低風險，但不代表能完全消除錯誤，重要決策仍需明確責任節點。
Evaluation 要測什麼？
- 事實與數字是否正確。
- 引用是否真的支持結論。
- 口徑、期間與範圍是否一致。
- 無權限時能否正確拒絕。
- 資訊不足時是否承認未知。
- 同一問題多次執行是否穩定。
- Tool 失敗時是否停止而非編造。
結論：可靠不是「永不出錯」，而是錯誤可被控制
企業 AI 的可信度來自可追溯來源、受控存取、明確語意與持續評估。系統必須讓使用者看得出答案依據，也要知道什麼時候不能回答。會誠實說不知道，往往比什麼都能答更有企業價值。
常見問題 FAQ
把 Temperature 調低就能消除幻覺嗎？
只能降低輸出隨機性，不能修正錯誤資料、歧義、權限或計算問題。
答案有引用就一定正確嗎？
不一定；引用可能過期、斷章取義或無法支持結論，仍需驗證。
能否把錯誤率降到零？
通常不能。企業應依任務風險設定門檻、拒答與人工覆核。