AI 輔助 OSINT 簡報怎麼做？從監測結果到人工審核

公開情資（OSINT）簡報要同時處理大量資料、良莠不齊的來源與查證上的限制。生成式 AI 可以分擔彙整、翻譯與起草，但查證與判斷仍要由分析人員負責。本文整理 AI 輔助 OSINT 簡報的輸入資料、處理方式、必須由人審核的節點、使用 AI 時的風險，並附一則輸出示意。

AI 與分析人員怎麼分工？

輸入：簡報的資料從哪裡來？

常見的輸入有四類，各有要注意的限制：

• 監測結果：輿情監測平台依關鍵字與來源設定產生的告警與文章清單。涵蓋範圍取決於監測設定，沒有出現在結果中不代表沒有相關討論。
• 社群平台的公開內容：透過資料服務或自行蒐集取得的公開貼文與留言。內容可能事後被刪除或改為不公開，應在蒐集當下記錄網址與蒐集時間。
• 內部背景資料：過往報告、人物與組織背景、既有判斷紀錄。可提供脈絡，但舊判斷可能已過時，引用時應標註日期。
• 分析人員的問題：這份簡報要回答什麼、時間範圍、平台與語言。應先寫明要回答的問題，並用它檢查 AI 產出的摘要是否切題。

處理方式：從原始資料到可審核的草稿

聯合國人權事務高級專員辦事處（OHCHR）與加州大學柏克萊分校法學院人權中心出版的《柏克萊數位開源調查準則》（本文譯名；Berkeley Protocol on Digital Open Source Investigations），把開源調查分成線上查詢、初步評估、蒐集、保存、查證與調查分析六個階段，並建議在每個階段記錄所做的工作。這套準則針對違反國際刑法、人權法與人道法行為的調查；本文認為其階段劃分與留存紀錄的做法，也可供一般 OSINT 簡報參考。以下五項是本文對 AI 輔助簡報的整理建議，並非準則原列的六個階段或 AI 作業規範：

一、先界定問題與範圍

由分析人員決定要回答的問題、時間範圍、平台與語言，AI 只在這個範圍內處理資料。範圍寫清楚，事後也比較容易說明哪些資料沒有看過。

二、蒐集與保存

保存原始內容、網址與蒐集時間，需要時另存截圖或檔案並計算雜湊值，方便日後確認檔案未被更動。雜湊值比對只能確認檔案自記錄後是否改變，不能單獨證明內容真實。AI 產出的摘要也不能取代原始資料的保存。

三、分群、去重與時間線

AI 可以協助把同一內容的轉貼歸成一組、依時間排列，並標出網路上目前找到的最早版本，但分群結果與時間資訊仍須核對。柏克萊準則提醒，應稱為「網路上目前找到的最早版本」，而不是「網路上最早的版本」，因為原始內容可能已被刪除，或先透過電子郵件、私訊與封閉群組流傳。

四、查證：來源與內容分開評估

柏克萊準則把查證分成來源分析、技術分析與內容分析三部分。來源分析涵蓋出處、可信度（例如發文紀錄）、獨立性與公正性、說法的具體程度，以及記錄與事件之間的時間距離；技術分析檢查檔案本身與詮釋資料；內容分析檢查畫面與文字本身，並與其他獨立來源比對。來源與內容應分開評估：可信的帳號也可能轉發錯誤內容，陌生帳號也可能發布真實的現場畫面。AI 可以列出待查線索，但查證結論應由分析人員做出。

五、起草：事實、判斷與待確認分開寫

請 AI 起草時，要求每一句話附上所依據的來源，並把已確認的事實、分析判斷與尚待確認的事項分段呈現。團隊最好事先固定一套可能性用語（例如：幾乎確定、很可能、可能、不太可能），並與判斷的信心程度分開標示，避免不同簡報對同一個詞有不同解讀。

哪些節點一定要由人審核？

• 範圍設定：要看哪些平台、語言與時間範圍，由分析人員決定。
• 查證結論：某則內容是真是假、是不是舊圖重發，由分析人員依查證結果判斷。
• 引用核對：逐一點開草稿中的來源，確認來源確實支持該句話，而不只是主題相關。
• 涉及特定對象的判斷：把內容歸因於特定帳號、組織或人物，或判斷帳號之間是否有協同行為時，應列明支持證據、其他可能的解釋與尚未排除的限制；證據不足就保留為待確認。
• 發送前：確認可能性用語一致、個人資料只保留必要部分，並寫明資料涵蓋範圍與截止時間。

使用 AI 時要注意哪些風險？

虛構內容與錯誤引用

美國國家標準暨技術研究院（NIST）在 2024 年 7 月發布的《AI 風險管理框架：生成式 AI 概況》（NIST AI 600-1）把這類問題稱為「虛構」（confabulation）：系統以肯定的語氣產出錯誤或不實的內容，也可能產出看似支持論點、實際不成立的推理或引用。這份文件建議在上線前與日常監測中檢查並核實輸出中的來源與引用。檢查引用時，除了確認連結可以開啟，也要確認來源內容確實支持所引用的說法。

蒐集來的內容可能夾帶指令

OWASP 的大型語言模型應用十大風險（2025 年版）把提示注入列為第一項，其中「間接提示注入」是指大型語言模型處理網站、檔案等外部輸入時，其中的內容使模型產生非預期的行為或輸出。以大型語言模型處理 OSINT 資料時，模型會讀取大量不受信任的外部內容，一則貼文或網頁就可能寫著要模型忽略原本指示的文字。OWASP 建議的做法包括把外部內容區隔並標示為不受信任、只給模型完成任務所需的最小權限，以及高風險動作須經人工核准。

聲量不等於可信

審核摘要時，應檢查是否把討論熱度當成了查證依據。轉貼數量反映的是擴散程度，不代表內容正確；大量相似內容也可能來自協同操作的帳號。排序時應把聲量與查證狀態分開標示。

翻譯與網路用語

機器翻譯可能誤解俚語、反諷、諧音與地方用語。引用外語內容時應附原文，並請熟悉該語言及地區用法的人員複核關鍵句。

過度依賴自動化

NIST 的同一份文件也提到自動化偏誤：使用者可能過度信任自動化系統的輸出。審核者若只看摘要、不點開來源，人工審核就形同虛設。可以要求審核者在草稿上標記已核對的引用，讓審核有實際紀錄。

輸出示意：一則查證項目

以下為虛構示例，用來說明事實、判斷與待確認事項如何分開呈現：