作為新聞工作者，如果有一天，你突然收到二十萬份內部文件，你會怎麼開始？ 這不是假設，而是真實發生過的新聞現場。
作為新聞工作者，如果有一天，你突然收到二十萬份內部文件，你會怎麼開始？ 這不是假設，而是真實發生過的新聞現場。
2019年，國際調查記者聯盟（International Consortium of Investigative Journalists，ICIJ）取得一批涉及跨國避稅安排的機密文件，後來發展成著名的 Mauritius Leaks 調查報導。這批資料多達二十餘萬份，涵蓋電子郵件、公司文件、法律意見、財務紀錄等各種格式。對任何新聞團隊而言，真正的困難並不是沒有資料，而是資料實在太多，根本不知道該從哪裡開始閱讀。
ICIJ並沒有選擇增加更多記者，而是讓人工智慧先「閱讀」。
透過機器學習（Machine Learning）與自然語言處理（NLP）技術，系統讓AI 先完成 OCR（Optical Character Recognition光學文字辨識），將原本只是掃描影像的文件轉換成可搜尋的文字，再建立全文索引、人名與公司辨識及關聯分析，讓記者不必逐頁翻閱，也能快速找到值得追查的線索。AI並沒有替記者寫出任何一篇報導，它做的，是把二十萬份文件縮減成幾百份最值得深入檢視的資料，讓記者把有限的時間放在真正重要的地方。[1]
另一個更具代表性的案例，是國際知名調查新聞組織 OCCRP（Organized Crime and Corruption Reporting Project） 建立的 Aleph 平台。
Aleph目前整合了數十億筆公開資料與數億份文件，近年更結合大型語言模型（LLM），可以自動完成文件摘要、人名與公司實體辨識、地址比對、OCR、關聯分析及跨國搜尋。原本需要數天甚至數星期才能完成的跨境資料搜尋，如今往往只需要幾分鐘，便能找出值得追查的線索，再由記者進一步採訪與查證。[2]
這兩個案例看似都在談AI，但真正改變的，其實不是新聞寫作，而是調查新聞的方法。
台灣也出現了AI協助調查的案例
這樣的新聞實驗並不只發生在國際大型調查新聞組織。2026年8月，《天下雜誌》推出〈消失的第一島鏈〉專題，也是台灣值得注意的資料調查案例。[3]
這項調查面對的不是二十萬份文件，而是更驚人的18億筆船舶訊號。《天下》團隊整合Global Fishing Watch、台灣海域船舶動態資訊系統、海巡署、國防部等不同來源資料，從龐大的船舶航行訊號中辨識中國公務船，重建其活動軌跡，試圖回答一個單靠傳統採訪很難回答的問題：中國海警與其他公務船，究竟如何在第一島鏈逐步擴張活動範圍？
分析結果呈現的已不再是單一船艦、單一日期的海上事件，而是一幅橫跨東亞海域的圖像。從北方的日韓爭議海域，到台灣周邊，再一路向南延伸至太平島，中國公務船的航跡讓原本零散、難以彼此連結的事件，逐漸呈現出具有地緣政治意義的模式。
例如2026年6月，中國四艘大型公務船從廈門出發，航經台灣西南及東部海域，不僅一度進入台灣限制水域，也向航經台灣附近的外籍商船進行所謂「執法」廣播；同一時期，中國公務船也出現在太平島附近，甚至進入禁、限制水域。《天下》再透過海巡資料、船舶航跡以及相關人士採訪交叉驗證，才把資料中的異常訊號轉化成一則完整的調查報導。
這個案例特別值得注意，因為它再次說明AI與大規模資料分析在調查新聞中的真正價值：不是替記者寫出報導，而是從人類根本不可能逐筆閱讀的資料中，找到值得調查的模式。
如果說ICIJ利用機器學習從二十萬份文件中尋找線索，OCCRP利用Aleph串連跨國人物、公司與資產關係，那麼《天下》解析18億筆船舶訊號所呈現的，則是另一種可能：讓機器協助記者從龐大的即時資料流中辨識異常，再由記者透過採訪、官方資料與專家判讀，回答那些真正具有公共意義的問題。
三個案例使用的資料與技術不同，卻共同指向調查新聞正在發生的一項重要轉變：AI最重要的新聞功能，不是「生成」（generation），而是「發現」（discovery）。
調查新聞最大的敵人，已經不是沒有資料
長久以來，大家對調查新聞都有一種印象：最大的困難，是拿不到資料。 二十年前，這樣的描述沒有錯。無論是政府資訊、法院判決、公司資料，許多都沒有公開，記者最大的挑戰是如何取得資料。
但今天，情況幾乎完全翻轉。
政府開放資料、法院判決資料庫、公開資訊觀測站、政府採購公告、公司登記、政治獻金、土地資料、衛星影像，以及每天持續更新的社群平台內容，構成了一個龐大的數位資訊世界。資訊不再匱乏，而是過度充裕。
真正的問題變成：沒有人有能力把資料全部看完。
以台灣為例，每年新增的法院判決、政府採購案件、公開資訊公告，都以數十萬筆計；如果再加上PDF、公文、影像、影音與社群內容，任何一位記者都不可能靠人工完成全面閱讀。
因此，AI真正解決的，不是「沒有資料」，而是「資料太多」。它補上的，是人類閱讀速度的極限。
AI改變的，是調查新聞的工作流程
許多人討論AI進入新聞業時，焦點往往放在「AI會不會寫新聞」。 然而，從國際調查新聞的發展來看，真正成熟的應用幾乎都不是生成新聞，而是重新設計調查新聞的工作流程。
過去，一件調查報導的典型流程是：取得資料 → 人工閱讀 → 找出線索 → 採訪查證 → 完成報導。
如今，許多國際新聞機構已逐漸演變為：取得資料 → AI整理與分類 → AI辨識人名、公司及異常模式 → 記者判斷新聞價值 → 採訪查證 → 完成報導。
AI接手的是重複、耗時且規模龐大的資料處理工作；真正涉及新聞判斷、公共利益、法律風險與倫理思考的部分，仍然牢牢掌握在人類記者手中。
目前AI在調查新聞中最成熟的能力，大致包括五項：
第一，是大量文件的OCR、索引與搜尋；第二，是辨識人名、公司、地址等實體資訊，建立關聯網絡；第三，是分析大量資料中的異常模式，例如重複得標、異常金流或特殊交易；第四，是摘要數百頁甚至數千頁文件，協助記者快速掌握重點；第五，是持續監測公開資料，一旦出現異常變化便主動提醒記者。
這些工作，都讓調查記者把時間重新放回最重要的工作：提出問題、現場採訪、交叉查證，以及建立完整的證據鏈。
換句話說，AI並沒有降低調查新聞的專業門檻，而是讓記者有能力處理過去根本無法完成的調查規模。
AI不能取代記者，但可以放大記者的能力
今年，美國 Center for News, Technology & Innovation（CNTI） 發表《AI Applications in Investigative Journalism》研究，彙整四十四篇近年的學術文獻與新聞實務案例，得到一個十分一致的結論：AI最成功的角色，是調查記者的能力放大器，而不是替代者。[4]
研究指出，目前AI最成熟的應用，包括大量文件分析、公開資料搜尋、OCR辨識、模式分析、線索發掘及事實查核等工作；但涉及新聞判斷、消息來源經營、採訪技巧、法律責任及新聞倫理等核心能力，仍然完全依賴人類記者。
報告中特別引用一句調查新聞界經常使用的比喻：AI最大的價值，就是幫助記者在「乾草堆裡找到那根針（Finding Needles in Haystacks）」。
這句話，道出了AI在調查新聞中的真正定位。它不是代替記者思考，而是協助記者更快找到值得思考的地方。
對台灣新聞業的啟示
近年來，台灣新聞界談AI，大多集中在自動生成新聞、字幕、翻譯或影音製作等應用。然而，從ICIJ、OCCRP及《天下》的案例來看，真正值得投入的，也許不是「生成內容」，而是「提升調查能力」。
例如，若能整合公開資訊觀測站、政府採購、法院判決、政治獻金、公司登記等資料，建立結合OCR、知識圖譜、實體辨識及大型語言模型的調查平台，不僅可以大幅提升調查效率，也可能讓原本看似毫無關聯的大量公開資料，逐漸浮現出新的公共議題。
這樣的能力，不只是技術投資，更代表新聞室組織能力的提升。未來具有競爭力的調查團隊，除了資深記者之外，還需要資料工程師、資料科學家、法律顧問，以及產品與視覺設計人才共同合作。AI沒有降低調查新聞的門檻，反而提高了新聞機構的整體能力要求。
近年國際調查新聞組織的經驗也顯示，AI 最成熟的應用並不是生成新聞，而是協助分析大型文件庫、建立知識圖譜、辨識異常模式及管理跨國調查流程。全球調查新聞網（GIJN）2026 年發布的《Leveraging AI and Technology to Investigate Power》便整理 ICIJ、OCCRP 等多個案例指出，AI 最適合運用於大量文件分析、模式辨識與線索發掘，但必須建立在記者主導、人工查證的工作流程之上。[5]
真正的新聞，永遠從人的提問開始
每一次科技革命，都曾讓人擔心新聞工作會被取代。電腦出現時如此，網際網路如此，大數據如此，今天的生成式AI也是如此。
然而，國際調查新聞的發展提供了另一種答案。
AI可以閱讀二十萬份文件，可以在數十億筆資料中建立關聯，也可以在幾分鐘內完成數百頁文件摘要；但它仍然不知道，哪一個問題值得追問，哪一項發現具有公共利益，又該如何透過採訪與查證，將零散的線索轉化為一則足以改變社會的調查報導。
真正的調查新聞，從來不是閱讀文件，而是提出問題。 AI讓調查新聞變得更快，卻沒有讓新聞變得更簡單；它讓記者少花時間翻閱資料，多花時間接近真相。對新聞專業而言，這或許才是人工智慧真正帶來的改變。
[1] International Consortium of Investigative Journalists (2019). Using the Power of Machines to Complete Impossible Reporting Tasks. https://www.icij.org/inside-icij/2019/10/using-the-power-of-machines-to-complete-impossible-reporting-tasks/
[2] OCCRP. Aleph 官方介紹與 OCCRP Annual Report（Aleph 平台與 AI 功能）。https://aleph.occrp.org/ 、https://www.occrp.org/en/about-us/
[4] Center for News, Technology & Innovation. (2026). AI Applications in Investigative Journalism. https://cnti.org/briefing/ai-applications-in-investigative-journalism/
ICIJ. Datashare 官方文件。https://datashare.icij.org/
[5] Global Investigative Journalism Network (GIJN). Investigating Power Using AI & Technology. https://gijn.org/
