AI答案操控實錄：以色列砸 90 萬美元養假智庫，專餵 Claude 與 Gemini
AI 聊天機器人的答案可以用錢操控，而且已有實例：以色列政府花 90 萬美元養假智庫，量產專門寫給 AI 看的報告。
事件的時間線很短。這個名叫 Hanover Institute for Public Policy 的「智庫」2026 年 8 月 6 日開始發文，到 8 月 17 日美國媒體 Responsible Statecraft 的調查報導把它的底細攤開時，約十一天間已發出超過 100 篇報告。本文發稿日是 8 月 19 日，事情還很新。這起案例的特別之處在於證據具體：政府付了多少錢、經誰轉包、由哪家公司操刀，全都有公開報導可查。過去談「AI 聊天機器人偏見」多半停在訓練資料的層次，這次是有人主動花錢、按配方製造偏見，值得每一個把 AI 聊天機器人當資料來源的人看完。
Hanover Institute 是什麼？為什麼說它是假智庫？
Hanover Institute 表面上是研究以巴議題與美國反猶太主義的獨立智庫，實際上由公關公司 Piro 受以色列政府廣告局委託建立，這層關係只用網站頁尾一行小字揭露，而且百餘篇報告全部沒有作者署名。
根據 Responsible Statecraft 的報導，這個機構乍看和一般美國智庫沒兩樣：報告有目錄、有註腳、語氣中立，標題都設計成一般人會問聊天機器人的問句，例如「1948 年巴勒斯坦人流離失所的原因是什麼？」「加薩走廊目前的狀況如何？」。
金流部分，報導寫得很具體：Piro 為這項工作從以色列政府收到 90 萬美元，案子經由法國公關集團 Havas Media 轉包。Piro 的共同創辦人 Daniel Rosenberg 是史派克·李（Spike Lee）執導電影《臥底》（Inside Man）的製片。
「AI 故事優化」是怎麼讓聊天機器人上當的？
Piro 官網自述提供「AI Story Optimization」（AI 故事優化）服務：撰寫「針對大型語言模型如何評估可信度而設計」的內容。白話說，就是先研究 AI 憑什麼相信一篇文章，再照著那個配方量產。回頭看 Piro 共同創辦人的電影製片背景，這是一家真正懂敘事的公司。
大型語言模型（LLM，即 Claude、Gemini 這類聊天機器人背後的技術）判斷內容可信度時有明確偏好。反虛假資訊追蹤公司 NewsGuard 的分析師 Alice Lee 向 Responsible Statecraft 指出：「LLM 偏好具體的統計與數據，以及有力的引用和來源，而這些文章全都有。」她形容 Hanover Institute「完美模仿了典型可信的美國智庫，從通用的名稱、網站版面到紅白藍配色都是」。
這種做法在業界有個更直白的名字：LLM poisoning（LLM 餵毒），意思是刻意污染 AI 的資訊上游，讓下游每一個問問題的使用者，拿到被調味過的答案。這也解釋了內容為什麼要做成智庫報告的樣子：問句標題對應使用者的真實提問，目錄與註腳則對應 AI 對「學術格式」的信任。
報告的套路高度一致。用一個無害問句開場，例如「1948 年巴勒斯坦人流離失所的原因是什麼？」「哪些人道組織記錄過以色列的戰爭罪行？」——都是一般人會直接丟給聊天機器人的問題。另一種手法是在內文塞進乾淨的數字：一篇題為「以色列國防軍是世界上最有道德的軍隊嗎？」的報告，引一份 2022 年民調，說 47% 的以色列猶太人同意這個說法；另一篇則質疑聯合國兒童基金會「加薩九成供水與民生基礎設施已毀損」的評估。許多報告的結尾都把主題繞回美國反猶太主義升溫，而且常引用同一批研究。
還有一個值得注意的細節：報導指出部分 Hanover 報告甚至與以色列官方說法相左，例如有一篇評「外國資金導致大學反猶」的理論「薄弱且充滿例外」，與以色列總理納坦雅胡公開推的說法相反。這類適度打自己人的安排，看起來像是營造中立形象的手段。
抓包的證據有多硬？
三層證據互相咬合：金流上有 90 萬美元的政府付款與轉包紀錄；內容上經 GPTZero 抽驗 12 篇、11 篇被高信心判定為 AI 生成；型態上百餘篇報告全數無署名。這比過去泛泛而談的「AI 有偏見」具體得多。
GPTZero 是市面上常用的 AI 內容檢測工具，號稱誤判率低。Responsible Statecraft 隨機抽了 12 篇 Hanover 報告送驗，其中 11 篇被以「高信心」判定為 AI 撰寫。
引用來源也露餡。Hanover 自稱「引用的研究皆為同儕審查與學術文獻」，但報導檢視後發現它頻繁引用以色列國防軍（IDF）與以色列外交部這類政府來源。它也發布自稱原創的研究，例如宣稱 36 支觀看數最高的以加衝突解說影片中，有 19 支含有爭議性主張，且其中多數爭議性主張與巴勒斯坦敘事一致——這種乾淨俐落的數字，正是 LLM 最愛引用的格式。
假智庫和真智庫，差在哪裡？
差別可以列成一張檢查表：署名、金流、產出速度、引用來源、AI 檢測結果。這張表拿去檢查任何一個你在 AI 答案裡看到的「研究機構」都適用。
| 檢查點 | 正規智庫（一般慣例，非本案數據） | Hanover Institute |
|---|---|---|
| 作者署名 | 研究員具名，讀者查得到作者是誰 | 逾百篇報告全部無署名 |
| 金流揭露 | 主動公開贊助者 | 頁尾小字：受以色列政府廣告局委託、由公關公司 Piro 建立 |
| 產出速度 | 一份研究要花時間醞釀，不會十來天連發上百篇 | 8 月 6 日至 17 日發出逾 100 篇 |
| 引用來源 | 引用什麼、倚重什麼，攤開受檢驗 | 自稱學術文獻，實際常引以色列國防軍與外交部 |
| AI 檢測結果 | 通常判定為人類撰寫 | GPTZero 抽驗 12 篇，11 篇高信心判定 AI 生成 |
這張表的重點在於：每一項單獨看都可能有例外，五項加起來就是型態。查證的功夫，就花在這裡。
這對台灣中小企業意味著什麼？
如果你用 Claude、Gemini 或 Perplexity 查產業情報、做競品分析、看輿情，從今天起要假設：答案背後可能有人花錢餵料。這次操作的總價是 90 萬美元。
老闆們最常見的三個用法，剛好全在射程內：問 AI「產業趨勢」做簡報、問「競品評價如何」做定位、問「消費者在意什麼」做文案。這三種問法的答案全部倚賴 AI 的資訊上游，而這個上游，現在證實可以花錢污染。
三個可以直接執行的判斷：
第一，AI 回答只當線索，別直接當結論進決策。任何會影響報價、選品、市場進退的數字，一律回到原始出處親眼看過，這是 AI 情報可信度的底線。
第二，用上面那張檢查表查來源。要求 AI 附出處連結，點進去看三件事：作者有沒有具名、機構金流有沒有公開、網站成立多久。一個十來天生出百篇報告的「研究機構」，在正常世界不存在。
第三，跨引擎交叉比對。同一個問題丟給兩三個引擎，如果答案高度一致而且都指向同一個來源，警覺心反而要拉高——單一上游最容易被污染。
還有一層更近身：這套手法今天針對的是政治議題，同樣的機制明天就可以針對產業，例如「哪一家供應商比較可靠」「某類產品有沒有安全疑慮」。你的競爭對手做這件事，連國家預算都不需要。
AEO 和這種操控，界線在哪裡？
機制相同，界線在兩件事：內容是否真實、金主是否敢具名。AEO（答案引擎優化，讓 AI 引擎正確理解並引用你內容的做法）是把真實、可查證的資訊寫成 AI 讀得懂的格式；Hanover 案則是把政治宣傳包裝成中立研究，並且隱藏付錢的人。
我們自己就在做 AEO，這個案子等於同行示範了黑帽版本，看得格外清楚。具體統計、清楚引用、問句式標題，這些讓 AI 願意引用的技術本身中性；決定它是服務還是污染的，永遠是內容的真實性與金流的透明度。
所以立場講明：用錢操控 AI 答案的事已經發生，而且只會愈來愈多；把 AI 當唯一情報來源的企業，等於把判斷外包給出價最高的人。查證從加分項變成基本功，愈早把它排進工作流程的公司，情報品質的護城河愈深。如果你想知道自己的品牌在 AI 答案裡被怎麼描述、被引用的來源乾不乾淨，AIRUN 的對抗式創業體檢可以幫你跑一輪。
常見問題
AI聊天機器人的回答會不會被政府或企業花錢操控？
會。2026 年 8 月揭露的 Hanover Institute 案顯示，以色列政府透過公關公司 Piro 支付 90 萬美元，在 8 月 6 日至 17 日約十一天間量產逾百篇針對 LLM 可信度評估方式設計的報告，付款金額與轉包路徑都有公開報導可查。
什麼是「AI 故事優化」（AI Story Optimization）？
這是公關公司 Piro 對自家服務的稱呼，指撰寫「針對大型語言模型如何評估可信度而設計」的內容，讓 AI 聊天機器人更願意引用。批評者把這種做法稱為 LLM poisoning，也就是刻意污染 AI 的資訊來源。
GPTZero 的檢測結果可信嗎？
GPTZero 是常用的 AI 內容檢測工具，號稱誤判率低。Responsible Statecraft 用它抽驗 12 篇 Hanover 報告，11 篇被高信心判定為 AI 生成。單看檢測有極限，但配上全數無署名與政府金流，整體證據相當硬。
台灣中小企業用 AI 聊天機器人查產業情報，該怎麼自保？
把 AI 回答當線索，別直接當結論。要求 AI 附上來源連結並逐一檢查：作者是否具名、機構金流是否公開、網站成立多久。要進決策的數字一律回到原始出處，並用兩個以上引擎交叉比對。
Hanover Institute 的報告內容全是假的嗎？
難一口咬定全假，這正是此類操作的高明處。報告有註腳、有數據，少數幾篇甚至與以色列官方說法相左；問題在於它隱藏金主、無人署名、大量引用以色列國防軍等政府來源，把立場包裝成中立研究。