先说一件很多人都碰过的小事。
让 AI 帮忙查个数据，它答得又快又整齐，末尾还贴心地附了一行来源。你看着那行来源，觉得挺靠谱，顺手复制进了材料里。
等到要用的时候回头一查，链接点不开，或者点开之后，里面根本没有那句数据。
这种时候最让人头疼。它答错了不要紧，答错的还带着一副很确定的样子。
Word 里的 Copilot，多了一步
10 月 5 日，微软放出一条消息，Word 里的 Copilot 加了个新功能，名字不花哨，叫引用。
它的作用，是给 Copilot 的回复配上来源链接。你能直接点开，跳到原始网页，或者跳回公司内部的文档。
一句话概括，AI 说完话，得把出处摆上桌。
以前的 Copilot 在 Word 里干活，是这么个流程。你给一段要求，它给你一段文字，中间过程你看不见。它引用的是哪份文件、翻的是哪一页、有没有把原文看反，全凭它自己说。
现在多了一步。每条回复后面挂着来源，你点开就能看到它读的是哪一段。核对的成本，从重新查一遍，降到了点一下。
微软的说法是，这么做为了提高透明度，方便用户理解 Copilot 的信息出处。听着像句官方话，翻译过来很实在：出了问题，你能顺着链子找到它是在哪一环走偏的。
AI 编来源，比答错更难防
业内给这类毛病起了个名字，叫幻觉。
来源出错，大概有三种来路。
一种是训练数据跟不上。模型学会的东西有个截止日期，之后发生的事它不知道，可它不会主动说不知道，而是顺着语境往下编。
这些毛病为什么难根治，得看模型本来的活法。它做的是预测下一个词，把一句话写得通顺，永远比写得正确容易。只要读起来顺、词语搭配合乎习惯，它就会给自己打高分，至于里面那个数字有没有真实文档撑着，它自己也没法确认。落到来源上更明显，正确格式的文献它见过成千上万条，照着拼一条出来并不费劲，比想清楚一句话对不对省力得多。
另一种是读歪了。原文里明明写着“预计”，它读成了“已经”；原文是 A 公司的数据，它安到了 B 公司头上。
最麻烦的是第三种，它直接造一个来源。文献的名字、作者、年份、页码，排得像模像样，你去查，查无此文。前两种错了还能看出来，第三种最容易骗过人，因为它给人一个特别笃定的印象。
有出处，不等于出处对
引用功能解决的，是能不能查到。查到了之后对不对，还得人来判断。
点开链接，要看的就是几件事。这段话有没有被断章取义，数字有没有被改了单位，时间有没有被提前或推后。AI 擅长把一段话压缩成一句结论，压缩的过程里，限定条件最容易掉，一句“预计增长百分之二十”，摘出来就容易变成“增长百分之二十”。
还有一层，公司内部文档的链接，能不能打开，要看你有没有权限。同事能看到的那份文件，你未必进得去。这跟功能没关系，权限的规矩一直是这样。
引用功能更像一把钥匙。门打开了，屋里是什么，还得你自己走进去看。
会用 AI 的人，正在换个姿势
过去一年，关于 AI 的用法有过一轮讨论，中心是怎么让它写得更好。提示词怎么写，人设怎么设，语气怎么调。
引用功能出来之后，重心悄悄挪了。写得好不好，AI 早就不缺这个能力，缺的是能不能被信任。你交出去的东西，迟早会有人问一句，这数据哪来的；到那时，你能不能三秒之内答上来，就看你平时有没有点开看过。
微软这次不只改了 Word。Copilot Chat 的界面和功能一起动了，Copilot App 加了插件、连接器，还增强了 Work IQ，PowerPoint 里也多了技能和连接器。
方向是一致的。让 AI 的每一次输出，都能被追溯，都能被追问。
点开的那一下，才是你的分量
有个细节挺有意思。
工具越是想帮人省事，人反而越得花点时间在核对上。
这笔时间不算白花。以前你信 AI，是因为没法不信，验证的成本太高；现在验证变便宜了，信不信就成了一道你自己的选择题。点开还是直接复制，两个动作之间的差别，慢慢会体现在你的材料被人退回来几次上。
AI 能写，能查，能编。它替不了的那句话是，这个数我核过了。
下次让 Copilot 写东西，顺手点开那行来源看一眼。就一眼。
你被 AI 给过一个假来源吗？说说当时是怎么发现的。