Discernment 判別：怎麼看出 AI 的輸出到底好不好？

AI 最可怕的地方，不是它會錯，是它錯得跟對的時候一樣自信。寫對的時候流暢，寫錯的時候一樣流暢，你光看「讀起來順不順」是抓不到問題的，遲早會把一段講得煞有其事的錯誤直接拿去用，然後在客戶面前出糗。

4D 框架的第三個 D，練的就是這雙眼睛：Discernment 判別。它不是一句空話「要批判思考」就交代過去，而是給你三個角度、外加一個跟描述互相搭配的迴圈，讓你照著檢查就好。這篇我把它整理成一份你真的可以拿去用的清單。

判別是「批判地看」，不是「挑毛病」

Discernment 的定義是：深思且批判地評估 AI 產出了什麼、怎麼產出的、以及它如何表現。注意這裡有三個受詞，對應三個檢查角度。多數人只檢查第一個（內容對不對），但另外兩個常常才是問題的根源。

還有一個心態上的提醒：判別的目的不是證明 AI 不可靠，而是弄清楚哪些部分可以放心用、哪些部分需要修或需要查。全盤接受和全盤懷疑一樣省事，也一樣沒用。

①產出判別：準確、恰當、連貫、切題，四個都要過

產出判別，評的是AI 產出的品質本身。四個指標：

• 準確：事實、數字、引用是真的嗎？有沒有一本正經的胡說（hallucination）？
• 恰當：放到你的情境合適嗎？語氣對受眾、內容對場合嗎？
• 連貫：前後說法一致嗎？段落之間的邏輯接得起來嗎？
• 切題：它回答的真的是你問的問題嗎？還是答了一個很像但不同的題目？

四項裡最容易被騙過的是準確：AI 的文字表面永遠通順，錯誤不會自己長出紅字。所以要出手的內容，關鍵事實一定回頭查。

②過程判別：看它怎麼想出這個答案

過程判別，評的是AI 怎麼得出這個產出：推理裡有沒有邏輯錯誤？有沒有注意力疏漏（例如你給的條件它漏看了一個）？有沒有不當的推理步驟？這在推理過程可見的時候特別好用：請 AI 先列出它的思路或步驟，你就有東西可以檢查。

我自己的習慣是遇到重要任務就多問一句「你是怎麼得出這個結論的？」。答案本身也許沒錯，但攤開過程常會發現它漏掉了我給的某個條件，或在中間某步偷偷換了假設。抓到這種問題，比抓到一個錯字有價值得多，因為它告訴你這一類任務該不該信任它。

③表現判別：它跟你相處的方式對不對

表現判別，評的是AI 在互動中的行為：它的溝通方式對你的需要有效嗎？回答太長讓你抓不到重點？太順從不敢指出你的錯？每次都要你重講一次背景？這些都不是「內容錯誤」，但都會拖垮協作效率，而且都可以透過表現描述（Performance Description）去修正。

判別與描述：一個持續轉動的迴圈

Discernment 與 Description 手牽手，構成持續的回饋迴圈：判別不是驗收完就結束，它產出的每一條觀察，都是下一輪描述的素材：發現它語氣不對，下次就把語氣寫進描述；發現它漏看條件，下次就要求它先複述條件再動工。

把這個迴圈內化之後，你對「第一次就要完美」的執念會下降，取而代之的是「每一輪都要更接近」的節奏感。這正是把 AI 當協作夥伴而不是自動販賣機的關鍵差別。

實際演練：檢查一份 AI 寫的活動企劃

假設你請 AI 起草了一份工作坊的招生企劃。用三個角度各走一遍。產出判別：文案裡宣稱的「上完課就能獨立操作」符合你課程的實際強度嗎？

日期、費用、地點這些硬資訊有沒有它自己腦補的？產出的語氣放在你的品牌上恰不恰當？過程判別：請它說明「為什麼把目標受眾設定成這群人」，看看推論是根據你給的資訊，還是憑空假設；如果你給過三個限制條件，數一數它照顧到幾個。

表現判別：它是每次都重寫整份，還是能針對你指出的段落修？它的回覆長度讓你好接話嗎？

這樣走完一輪，你手上會有一張具體的落差清單，而不是一句模糊的「感覺不太對」。把清單裡的每一條翻譯成下一輪的描述，第二版通常就有明顯的跳躍。判別練得越熟，你會發現自己不只更會用 AI，連看人寫的東西都變得更利。