2026年9月21日，Solidot轉述了英國顧問機構Saturn的一項研究，英國《金融時報》同日報導。數字本身不複雜：研究團隊設計了超過一百個財務與稅務相關問題，向ChatGPT、Gemini、Claude、Copilot等平臺提供的18種模型（含免費與付費版本）合計提問逾10,000次，每題最多重複五次。結果是，這些主流AI模型的財務問答平均有57%給出錯誤答案。表現最好的推理模式Claude Opus 5，錯誤率仍有39%。
這則消息值得重看的原因在於，AI問答已經被大量用於「會產生金錢後果」的場景。錯誤率一旦乘上決策金額，就是另一個量級的帳。
拆解：錯誤的類型與分佈
研究歸納出三類錯誤：計算錯誤、遺漏即將實施的稅制變更、憑空捏造規則。第三類是最貴的一種，因為它附帶正確的語氣與完整的推理外觀，使用者難以在當下辨識。
分層結果有兩個值得記下的數字。其一，付費模型的準確率高於免費模型；其二，較新的模型優於較舊的模型。這說明準確率目前是被當作付費牆的一部分在定價的，而非公共財。換句話說，AI廠商已經把「更少的錯誤」量化成訂閱費差價，只是沒有任何一家在行銷頁面上標明具體錯誤率。
以39%到57%的區間估算，使用者每提問兩個財務問題，大約會得到一個錯誤答案。研究的結論也很直白：最嚴重的情境下，依賴AI的稅務回答可能導致實質經濟損失。
影響推演：誰受惠、誰承壓
傳導鏈可以從三端看。
第一端是專業服務業。會計師、稅務顧問、理財規劃師的價值長期被「AI會不會取代顧問」的敘事壓縮，這份研究提供了一個可引用的數字基準。當免費模型錯誤率過半、頂級推理模型仍近四成，「AI產出加人類覆核」的混合模式反而被鞏固，覆核者的定價權上升。這與我們先前分析的三維大屏外包報價單被AI重寫案例方向相反：在低金額、低風險的開發外包，AI替代是真實發生的；在高金額、有法律責任歸屬的財稅場景，替代曲線明顯更緩。
第二端是AI廠商自身。57%的平均錯誤率對「AI助理處理個人財務」的產品敘事是直接折價。可行的商業路徑是把財稅問答從通用聊天產品中剝離，改走帶免責聲明、帶來源引註、按正確率分級收費的專業版，這意味著研發與法務成本同步上升，毛利結構不會是通用模型的複製。
第三端是監管端。財務建議在多數司法管轄區屬於執業管制的範圍，AI輸出若實質構成稅務建議，責任歸屬目前是空白。研究發表於英國，後續若進入金融行為監管機構的議程，合規成本會最先落在付費模型這一層。
收束判斷
跨週期對照一下。搜尋引擎時代，錯誤資訊的成本由使用者自行過濾，因為搜尋結果標示來源、可交叉比對；生成式AI把過濾成本內化了，使用者拿到的是一個語氣篤定的單一答案。Saturn這份研究做的事情，其實是把這筆被內化的成本重新攤回檯面：以10,000次提問換來一個可驗證的錯誤率區間。
短期內，這組數字不改變AI的使用量，但會改變AI在財務決策鏈中的位置，從「答案來源」退到「草稿來源」。對照組是那些已經被AI完整取代的外包環節：替代是否成立，關鍵從來不在模型能力，而在錯一次要賠多少。