事件背景:被撤下的不只是一份報告
KPMG於2025年10月發布《Total Experience: Redefining Excellence in the Age of Agentic AI》,把代理型AI描繪為金融、醫療與交通服務的新引擎。2026年6月,多個報告案例遭當事機構否認後,KPMG將報告自部分網站撤下,並表示正檢視製作過程。遭質疑的對象包括UBS、瑞士聯邦鐵路、NHS Greater Manchester與倫敦交通局。這項撤稿及各機構回應,見於最初報導:https://www.internationalaccountingbulletin.com/news/kpmg-drops-ai-report-after-false-case-studies-exposed/。
事件的關鍵不是報告出現幾個錯字,而是它以真實機構、看似正式的註腳及具體應用情境,組合出未獲來源支持的成功案例。KPMG原始PDF仍可看見這些敘述,例如聲稱UBS在投資顧問、風險管理及法遵監控中整合AI代理;NHS Greater Manchester則被描述為利用AI預測再住院、分流病人及自動轉介。原始文件:https://assets.kpmg.com/content/dam/kpmg/co/sac/pdf/2025/12/GM-TL-01804_ADV_CEE-Report_FY25_V12_Web.pdf。
錯誤如何變得「像真的」
獨立研究團隊GPTZero逐項檢查報告45筆引用,判定只有5筆能準確對應真實來源;28筆雖可能找到相關資料,卻含有改寫過的標題或錯誤成分,另有12筆模糊到無法確認。團隊並認為,約半數由註腳支撐的主張可能是捏造或錯置。其完整調查及逐筆判定可見:https://gptzero.me/news/investigations-kpmg/。
最具代表性的例子是NHS案例。報告註腳指向一則運用AI加速肺癌診斷的新聞稿,正文卻擴張為跨機構的再住院預測、病患分流與自動轉介。來源確實存在,但來源沒有證明那些更廣泛的功能。這不是憑空生成一個完全不存在的網址,而是以一小塊真實資訊,補出一整套符合「代理型AI」敘事的能力。
來源事實是引用與正文不相符、相關機構否認部分描述,且KPMG已撤下報告。合理推論是製作流程可能使用了AI搜尋或生成工具,把「相關」誤當成「可證明」。但現有資料尚不足以確認使用了哪一套工具、哪些段落由AI產生,或哪一道內部簽核失效;因此不能把AI偵測結果本身當成製作流程的直接證據。
商業邏輯:案例比技術定義更能賣出轉型
顧問報告同時具有研究與市場教育功能。抽象地談代理型AI,難以讓企業編列預算;若能說明銀行、醫院與大眾運輸已經落地,便能降低決策者對新技術的心理門檻。KPMG原報告也在介紹研究之餘,說明旗下事務所可協助客戶推動整體體驗轉型。
作者的觀點是:這種商業誘因不代表案例必然失真,卻會形成結構性壓力——研究者被期待快速找到足以支撐趨勢的故事,AI工具又擅長產生語意流暢、方向正確但證據不足的敘述。當審稿只檢查文句、品牌調性與版面,而未逐項比對「主張—原始來源」,錯誤便可能穿過多層流程。
為何現在值得注意
代理型AI的賣點正是能自行搜尋、規劃與執行任務;同一特性也會放大研究風險。一個錯誤案例一旦進入知名顧問報告,可能再被簡報、媒體、採購需求及其他AI系統引用,逐步取得「多個來源都這樣說」的外觀。美國NIST亦指出,生成式AI可大規模促成錯誤或誤導資訊的非故意傳播,並建議追蹤內容來源與人機協作結果:https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.600-1.pdf。
實際影響與容易忽略的限制
最直接的損失是信任:客戶購買顧問服務,部分價值來自其研究方法、產業網絡與專業把關,而不是文字產能。若案例無法追溯,企業據此製作投資效益模型、標案規格或董事會簡報,都可能從錯誤前提開始。
不過,撤稿不等於整份研究的所有數據皆錯,也不能僅憑文風判斷內容由AI撰寫。GPTZero本身提供AI與引用檢測產品,其分類仍應視為調查線索;本案較強的證據,是逐筆來源比對以及被點名機構的直接否認。另一項限制是KPMG尚未公開完整調查結果,外界目前無法判定問題源於個別作者、外包製作、工具設定,還是組織性的審核缺口。
對台灣企業與公部門的意義
行政院的生成式AI指引已要求承辦人作最終專業判斷,不得完全信任未確認的AI產出,也要求採購案得標者注意相關規範:https://www.ey.gov.tw/Page/448DE008087A1971/40c1a925-121d-4b6b-8f40-7e9e1a5401f2。KPMG事件顯示,原則若沒有轉化成驗收項目,仍可能只停留在宣示。
台灣企業與機關採購顧問研究時,可把下列要求寫進契約與驗收程序:
- 交付「主張—來源對照表」,保留可開啟的原始網址、文件日期與相關頁碼。
- 要求揭露生成式AI的使用範圍,並由具名領域專家對高風險事實簽核。
- 醫療、金融、公共政策等內容採逐項查核,其餘案例至少抽樣回查第一方來源。
- 約定發現錯誤後的更正時限、通知對象、版本紀錄及重大失實的退費或重作機制。
後續觀察指標
接下來應觀察KPMG是否公布調查範圍、責任歸屬與修正流程;是否重新發布附完整來源的版本;被點名機構是否接受更正;以及其他大型顧問公司會否建立可供客戶稽核的AI使用與引用政策。真正的分水嶺,不在於企業宣稱「有人審過」,而在於能否證明每項重要主張究竟由誰、根據哪一份原始資料查核。