作者：陳怡彣（冠誠數位行銷）｜本篇為去識別化情境示範，依產業實務經驗整理，非單一客戶的成效保證。本文以一封寫給診所院長的信改寫而成，人物與診所皆為虛構綜合，不對應任何真實機構。
診所可以用生成式 AI 協助整理衛教文章的草稿，但事實判斷、專業內容與最後署名，必須由醫療專業人員負責。AI 適合做的是整理結構、改寫語氣與檢查前後不一致，不適合做的是決定醫療事實、下標題定調結論，或替診所寫任何療效說法。
院長您好，關於您問的那個問題
上週您在電話裡問我：「現在大家都用 AI 寫文章，我們診所的衛教專欄能不能也這樣做，省下護理師的時間？」我當時只回答了一句「可以，但要有規矩」，這封信想把那個規矩寫完整。我不打算勸您用或不用，只想讓您知道，用了之後，責任落在誰身上。
先講 Google 怎麼看這件事
很多人以為搜尋引擎會懲罰 AI 寫的內容，這其實是常見的誤會。Google 官方文件的說法是，重點在於內容是否有幫助、是否以人為本，而不是產生內容的工具。相關說明可以看Google 搜尋中心關於生成式 AI 內容的指引。同一份文件也提醒，若以大量產出內容的方式操縱排名，會被視為垃圾內容。也就是說，工具本身不是問題，用工具去量產缺乏審查的文章才是問題。
而醫療類的內容，還有另一層。民眾會依這些文章決定要不要就醫、要不要停藥，所以搜尋引擎對這類內容的品質要求特別高，內容的可信度也直接關係到診所的專業形象。Google 對實用內容的整體期待，可以參考實用、可靠、以人為本的內容指南。
我把 AI 的工作分成紅黃綠三區
為了讓護理師與醫師都好記，我用紅綠燈把 AI 可以碰與不可以碰的工作分開。
| 燈號 | 工作內容 | 規矩 |
|---|---|---|
| 綠燈 | 把已審定的文字改成較口語的版本、調整段落順序、統一用語、找出前後矛盾 | 可以用，但輸出要由撰稿人與審稿人各讀一次 |
| 黃燈 | 整理一份主題的提問清單、列出讀者可能想問的問題、產生標題備選 | 可以用，但只當靈感，所有事實內容要重新查證 |
| 紅燈 | 撰寫疾病成因、症狀描述、治療方式、用藥說明、風險與預後、任何比較性的說法 | 不由 AI 決定內容，必須由醫師依可靠資料撰寫或審定 |
您會發現，紅燈區幾乎涵蓋了衛教文章最核心的部分。這是刻意的，因為醫療事實的錯誤成本，遠高於省下的時間。
AI 寫的衛教稿，最常見的三種問題是什麼？
這是我在協助診所審稿時，反覆看到的三種狀況，我不把它寫成統計，只是經驗的整理。
- 語氣過度肯定。AI 傾向用流暢、確定的語氣寫作，但醫療事實往往有條件與例外，被寫成斬釘截鐵的句子，就容易被讀成保證或療效宣稱
- 把不同來源的資訊混在一起。某個說法可能來自國外的資料，不一定適用於本地的醫療環境與制度，而文章讀起來卻很順，看不出接縫
- 把「常見作法」寫成「建議作法」。這是最隱蔽的一種，讀者會誤以為是診所針對他個人的建議
這三種問題，靠語感很難抓出來，必須有專人逐句對照可靠資料。醫療廣告與資訊揭露的具體限制，請以衛生福利部官方網站公告為準，這封信不做法律解讀。
一個實際的改稿示範，看紅燈怎麼發生
為了讓您有具體的感覺，我用一段虛構的草稿說明。假設 AI 產出了一句話：「規律運動可以有效預防某類問題，建議每位民眾都應該做到。」這句話讀起來很順，但拆開看有三個問題。「有效預防」是結果宣稱，需要有可靠依據與適用條件；「建議每位民眾」把一般性建議寫成對所有人的指示，忽略了個別差異；「都應該做到」則帶有壓迫感，讀者若做不到，可能產生不必要的焦慮。
審稿人的處理方式，不是把這句話改得更漂亮，而是回到資料：這個說法出自哪份可靠的資料？適用哪些族群？有沒有例外？改完之後，句子往往變得更長、更多但書，讀起來沒那麼流暢，但比較誠實。我常跟診所說，衛教文章讀起來太順的時候，反而要多看一眼。
另一個常見狀況是標題。AI 很擅長寫吸引點擊的標題，但醫療內容的標題應該描述文章實際涵蓋的範圍，而不是製造懸念或暗示結果。標題一旦誇大，即使內文寫得再謹慎，整篇文章的調性也會被拉偏。因此標題屬於黃燈中偏紅的一類，我要求一定由署名者親自決定，不能直接採用備選。
這些都是很小的細節，但醫療內容的可信度，就是由這些細節一點一點累積起來的。
署名與責任，誰的名字會出現在文章上？
這是我最想跟您談的部分。文章上署名的醫師或專業人員，等於對內容負責，不能因為草稿是機器產生的，就說「我只是簽名」。我建議診所訂三條內部規則：
- 署名者必須真的讀過全文、真的核對過每一個事實主張，並在內部審稿紀錄留下日期
- 文章末尾標示最後審閱日期，日後資料更新時同步修訂
- 若診所決定對外說明「本文曾使用工具協助整理」，措辭要準確，不能以此暗示內容已經過額外的技術驗證
至於審稿流程的設計，我們在預防保健衛教文章的十二週審稿復盤裡有更完整的描述，包含風險分級與覆核順序，您可以請護理長一起讀。
資料外流的問題，也請一併考慮
另一個常被忽略的風險是輸入內容。護理師為了讓 AI 寫得更貼近，可能會把病人的真實案例貼進去當背景。這一定要禁止：任何可辨識病人的資訊，包含病歷片段、檢查數值、就診時間與病人描述，都不可以輸入到外部的 AI 工具。我的建議是把這條寫進診所的內部規範，並在使用前做一次全員說明。個資的處理原則，也可以參考常見問題頁中我們對資料最小化的基本立場。
如果您決定試行，四週的小型試驗
我不建議一次全面導入。一個比較穩妥的做法，是選一個低風險主題，例如「初診前要準備什麼」「如何更改預約」這類行政與流程型內容，做為試驗：
- 第一週：訂出紅黃綠規則，並讓所有相關同仁簽閱
- 第二週：用 AI 協助整理一篇行政類文章，記錄各階段花費的時間
- 第三週：撰稿人與審稿人各自標記 AI 輸出中需要修改的地方，歸類錯誤型態
- 第四週：開會檢討，決定是否擴大到衛教類，或維持只用於行政類
觀察重點是：整體時間有沒有真的減少、審稿人有沒有變得更累、錯誤的類型是不是集中在某些地方。這些沒有預設答案，只有您診所自己的紀錄才算數。如果院內對於要不要擴大使用有不同意見，也可以用AI 決策艙把各方論點先攤開再討論。
哪些情況我會勸您不要用
最後，也誠實說說不適合的情況。如果診所現在連一位固定的審稿人都沒有，那 AI 只會把問題放大，因為稿子產得更快，審查卻跟不上。如果院內對於「誰負責」還有模糊地帶，也請先釐清再談工具。還有，如果您期待的是靠大量文章去換取搜尋排名，我會直接建議您放棄，因為那不是這個領域該追求的目標，也不符合 Google 對內容品質的期待。
工具會一直變，但診所的專業與責任不會變。願這封信對您有幫助，若您想進一步討論，我隨時可以到診所當面聊。
陳怡彣 敬上