KPMG 撤下 AI 报告：当专业服务巨头陷入“AI 幻觉”泥潭

背景

近期，全球四大会计师事务所之一的 KPMG（毕马威）面临了一场由其自身发布的内容引发的公关危机。该公司撤下了一份题为《在代理式 AI 时代重新定义卓越》（Redefining excellence in the age of agentic AI）的行业报告。该报告最初于 2025 年 10 月发布，旨在探讨人工智能在企业中的应用前景。然而，发布后不久，多家被报告提及的企业纷纷向外界澄清，报告中关于它们使用 AI 技术的描述严重失实，甚至完全虚构。这一事件迅速引发了业界对大型专业服务公司在使用生成式 AI 进行内容创作时缺乏有效监管的广泛质疑。

核心内容

此次事件的核心在于 KPMG 发布的报告出现了大量事实性错误，且这些错误被证实源于 AI 的“幻觉”（hallucinations）。

1. 报告被撤与事实核查 多家权威机构确认，报告中关于特定企业 AI 使用情况的陈述是不真实的。其中包括瑞士银行（UBS）、英国国家医疗服务体系（NHS）、瑞士联邦铁路（Swiss Federal Railways）以及伦敦交通局（Transport for London）。这些机构均向《金融时报》（FT）表示，报告中声称它们采用了某些 AI 技术或处于某种 AI 应用阶段的说法，要么是完全捏造的，要么是极具误导性的。

2. 错误根源：AI 幻觉 专注于检测 AI 生成内容的研究组织 GPTZero 对这份报告进行了深入分析，指出了其中存在的多处不准确信息。GPTZero 向 FT 透露，这些错误并非人为疏忽，而是典型的 AI 幻觉现象。换言之，毕马威似乎直接使用 AI 辅助撰写了一份关于 AI 应用的行业报告，而 AI 模型在缺乏真实数据支撑的情况下，编造了不存在的案例和数据。

3. KPMG 的回应与调查 面对舆论压力，KPMG 发言人发表声明称，公司已在网站上下架该报告，并正在开展内部调查。发言人强调：“我们期望所有员工遵循我们关于负责任使用 AI 的指导方针，包括通过人工监督来验证内容，并核实独立来源的信息。”这一回应间接承认了公司在内容审核流程中可能存在对 AI 生成内容验证不足的问题。

4. 行业先例 值得注意的是，这并非专业服务行业首次因 AI 幻觉陷入困境。上个月，另一家“四大”会计师事务所 EY（安永）也撤下了一份关于忠诚度奖励计划的报告。该报告被指出包含伪造的脚注和明显的 AI 幻觉内容，显示出生成式 AI 在专业咨询领域的应用仍面临严峻的信任挑战。

关键要点

• 报告撤下原因：KPMG 撤下《在代理式 AI 时代重新定义卓越》报告，原因是多家被提及企业（如 UBS、NHS 等）否认报告中关于其 AI 使用情况的描述。
• 技术根源：研究组织 GPTZero 确认，报告中的错误属于典型的“AI 幻觉”，即 AI 模型生成了看似合理但事实错误的内容。
• 涉事机构：除 KPMG 外，被错误关联的企业包括瑞士银行（UBS）、英国 NHS、瑞士联邦铁路和伦敦交通局。
• 公司回应：KPMG 表示正在内部调查，并重申员工需遵循 AI 使用指南，特别是必须进行人工监督和内容验证。
• 行业趋势：继 EY 此前因类似原因（伪造脚注、AI 幻觉）撤回报告后，KPMG 事件表明“四大”会计师事务所正在经历因盲目信任 AI 生成内容而引发的信任危机。

意义与影响

1. 专业服务行业的信任危机 KPMG 和 EY 的事件对专业服务行业构成了重大打击。这些机构的核心价值在于其专业判断、数据准确性和可靠性。当它们发布的报告被证实包含 AI 编造的“事实”时，客户和合作伙伴对其专业性的信任将受到严重侵蚀。这警示业界，在引入 AI 辅助工作时，必须建立更严格的内容审核机制，不能将 AI 视为完全可信的信息源。

2. “AI 幻觉”成为现实商业风险 此次事件将“AI 幻觉”从一个技术术语转化为具体的商业和法律风险。企业若直接使用 AI 生成面向公众或客户的报告，而未进行充分的人工核实，可能面临声誉损失、法律纠纷以及客户流失。这要求企业在 AI 工作流中嵌入强制性的“人在回路”（Human-in-the-loop）验证环节，确保关键事实经过独立来源确认。

3. 对 AI 生成内容（AIGC）监管的推动 随着更多类似案例的出现，监管机构、行业协会以及企业内部合规部门可能会加强对 AIGC 内容的监管要求。未来，企业在使用 AI 生成报告、营销材料或客户沟通内容时，可能需要遵循更明确的披露义务，即明确标注哪些内容是由 AI 生成，并保留人工审核的记录，以证明其尽职调查过程。

4. 技术应用的反思：辅助而非替代 KPMG 发言人提到的“人工监督”至关重要。这一事件再次证明，目前 AI 更适合作为辅助工具，用于头脑风暴、草稿撰写或数据整理，而非直接作为最终内容的生产者。特别是在涉及具体事实、案例引用和数据统计时，必须依靠人类专家的专业知识和独立验证，以避免因模型训练数据的偏差或随机性导致的错误传播。