我们以验证为卖点，却在自己的文章里发现了只借用机构名称的句子

我把“不使用未经确认的数据”定为内容原则。每篇文章末尾都会附上一条名为本文未使用的数据的脚注，连删掉了什么、为什么删掉都一并公开。

我把这条原则套用到了自己写过的全部文章上。花了一整天，结果并不理想。

1. 只有机构名称、没有研究的句子

最先被查出来的是这句话。

"根据 BCG/HBR 2026 年的研究，越是大量使用 AI 工具的创业者……" — 这样的研究并不存在。这是原样照搬我文章中那句错误的话。

它出现在我的两篇文章里。看起来很可信：有两个机构名称，还标了年份。

但我实际核实过的哈佛·BCG 研究是另一项。那是一项以 758 名咨询顾问为对象的预注册实验，结果显示，在 AI 擅长领域之内的任务上，质量提升了 40%。发表于 2025 年。

内容不同，年份也不同。那句话所说的“越多使用 AI 越会出现的问题”，并不是那项研究探讨的主题。

也就是说，那不是引用，而是借用了机构的名称。如果是在别人的文章里看到，我一定会立刻指出来。

2. 没有出处、四处流传的数据

一同被查出来的还有这些。

• 市场增长率“CAGR 175%”
• “MVP 上线成本降低 90%”
• 失败原因第 1 位的具体比例

三者都没有标注出处。这些都是被广泛引用的数字，大概是从某处流入，就此在句子里扎了根。

有一点尤其让人不舒服。含有这些数据的那篇文章，第一节里写着：“未经确认的数据将暂缓使用或删除。”同一篇文章里，原则与正文自相矛盾。

3. 先出错的是检查工具

接下来发生了更棘手的事。

我在用一套内容检查用的关卡卡片。共有事实、语气、法务、质量、衡量五项，其中质量一项有“话题标签不超过 2 个”的标准。

用这个标准检查 Instagram 稿件，结果判定为违规，因为话题标签有 5 个。

可是重新翻看自己的运营标准才发现，话题标签的数量是按渠道分别规定的。LinkedIn 要少，Instagram 可以比它宽松一些。

“不超过 2 个”是 LinkedIn 的标准。不能套用到 Instagram 上。如果照着要求删减，就会低于我自己定下的下限。

用同样的方法复查后发现，当天提出的 8 条问题中，有 3 条是误判。如果完全相信检查结果去修改，差点就把没问题的内容改坏了。

4. 人工检查漏掉的问题

于是，我不再靠人眼逐一查看，而是实际运行了验证工具。结果不一样。

那是一篇讨论电商流失率的文章。人工检查时，我把标题里的数据判断为没有出处的数字。我错了。正文里其实规范地附上了调研机构原文的链接。

真正的问题在别处。

正文在写这个比例时，带着“约”这个限定词，并且使用的是购物车放弃率这一指标名称。可标题却去掉了限定词，还把指标改成了**“付款前流失”**。

两者是不同的指标。把商品放进购物车却没有购买的比例，与进入付款环节后才离开的比例差别很大，后者要低得多。

这是出处没有问题，标题却歪曲了正文的情况。这种问题靠关键词搜索抓不到——只要看数字有没有登记，它就能通过。

（这个比例的实际数值，我没有搬到本文里。这里需要的不是数字，而是限定词消失了这一事实；把未经确认的外部数据在本文中再印一次，等于重复同样的错误。）

5. 我做了什么

一天之内，我做了如下处理。

• 无法核实出处的数据，从正文中删除。论点保持不变，只删掉数字
• 只借用机构名称的句子，直接删除，不补替代引用。仓促补上别的依据，是在重复同样的错误
• 自动生成的 16 篇文章不发布，作归档处理。没有依据的比例甚至写进了标题，相似的主题还重复了六七次
• 把检查卡片的话题标签标准按渠道拆分。不修正根源，同样的误判还会重复出现

有一处最终没能挽救。那是一个知名增长案例的三个数据，只在二手来源中能查到，找不到一手资料。我保留了句子，只删掉了数字。等核实原始资料后，再打算放回去。

6. 为什么要公开这些

因为我卖的就是验证。

如果卖验证的一方连自己的文章都没验证过，那这个产品就只有说明、没有证据。而且这类问题，通常是先被外部发现的。

还有一点。今天发现的问题里，相当一部分是AI 写的草稿未经人充分审阅就被放行的痕迹。挂上机构名称、看似可信的句子，AI 非常擅长生成，读者也很容易一眼带过。

所以我得出的结论不是“少用 AI”。而是AI 生成的句子是待检查的对象，而不是成品。两者之间需要一道关卡，而这道关卡本身也需要定期检查。今天其中一道关卡出了错，所以我动手修正了它。

如果今天只做一件事

打开一篇你目前已对外发布的文章，只挑一句含有数据的句子。然后真正打开那个数字的出处看一看。

如果没有链接，或者打开后写的是另一回事——那就是我今天遇到的同一种问题。

---

脚注

① 参考资料（确认日期 2026-07-26）

• Dell'Acqua, F. 等 — Navigating the Jagged Technological Frontier. Harvard Business School Working Paper 24-013 · Organization Science (2025). 以 758 名咨询顾问为对象的预注册实验，边界之内任务质量 +40%。https://www.hbs.edu/faculty/Pages/item.aspx?num=64700
• 正文中的审查结果与处理记录来自我们自己的运营日志。对象为我的博客稿件 5 篇、待发布稿件 10 篇、自动生成稿件 16 篇。

② 本文未使用的数据

• 审查中删除的数据的原始数值 — 原样写进正文，等于再次传播未经确认的数字，因此没有列出。只保留了“市场增长率”“成本降低率”这样的项目名称。
• 增长案例中推荐计划的 3 项数据 — 只在二手来源中得到确认，因此删除。本文中也不列数字，只写了“找不到一手资料”。
• 第 4 节所讨论流失率的实际数值 — 这是审查对象稿件中引用的外部数据。那篇稿件附有出处，但它只是案例，而不是支撑本文主张的依据，因此没有搬用数值。目的是防止其在未经确认的情况下被再次刊载。
• 归档处理的自动生成稿件中的各项比例 — 这些无依据的数据只是作为归档判断的理由，没有必要搬到这里，因此只提及了项目。

③ 制作方式

用 AI 生成草稿，再由人进行验证和编辑。本文作为主张依据的外部数据，仅有①中已核对原文的 1 项，其余叙述均来自自己的运营日志。第 4 节的流失率仅作为审查案例提及，未搬用数值（参见脚注②）。未使用生成式图像或语音。

---

CTA

如果你从未回头核对过已发布文章中的数据，可以通过 2 分钟诊断，确认最先需要检查的地方。按你方便的程度作答即可。 https://www.star-t.io/zh/ai-readiness?entry=content_buildlog_citation&utm_source=blog&utm_medium=organic&utm_campaign=buildlog_2026&utm_content=blog-p1-borrowed-citation

---