多数人关注 AI 会不会说错事实。对内容工作者来说，还有一类更隐蔽的风险：它说得都对，但立场和表述方式不对。
事实错误的特征是明显——数字不对、条文不存在、人名张冠李戴。这类问题容易发现，核查方法也明确。
价值偏差则隐蔽得多。它可能表现为：对某些议题的表述倾向、对历史事件的评价角度、对社会现象的归因方式。这类问题往往藏在语气和用词里，不容易一眼看出。
语言模型的输出基于训练数据中的统计规律。如果训练语料中包含大量特定倾向的表述，模型在生成时就会不自觉地复现这种倾向。
更麻烦的是，模型会给出看起来很客观的表述，让人放松警惕。
第一，划定不可让渡的范围。涉及政治表述、理论阐释、政策解读的结论，一律由人依据权威原文确定，AI 只能参与格式整理和语言优化。
第二，建立表述核对清单。把本单位常用的规范表述整理成对照表，AI 参与的每一份材料定稿前逐条比对。
第三，避免整体采用。把 AI 的输出当作素材而不是成品，逐句判断后再用。
本文为主办方基于公开信息的整理与分析，不构成专业意见。文中涉及的政策文件请以官方发布的最新版本为准；涉及法律、医疗、投资等专业领域的决策，请咨询具备相应资质的专业人士。