跨專業申請的補充說明信，本質上是一封「解釋信」。你要解釋為什麼從原本的領域轉向另一個領域，為什麼認為自己有能力完成目標專業的學習，以及過去累積的經驗如何遷移到新方向。這些解釋必須建立在真實經歷上，而語氣則決定了審核者願不願意相信你。

用 AI 修改語言是合理的輔助方式，但風險在於：AI 在調整語氣時，可能會順手「優化」事實陳述，讓原本準確的描述變得更漂亮，卻也變得不準確。以下說明如何讓 AI 只改語氣、不改事實。

先區分「事實句」與「語氣句」

把補充說明信拆成兩種句子：事實句與語氣句。

事實句包含具體、可驗證的資訊，例如：「我在大學期間修讀了 12 學分的統計學課程」「我曾在一家新創公司實習三個月，負責數據整理工作」。這類句子不能改動任何細節——數字、時間、機構名稱、職責範圍都必須保持原樣。

語氣句則是表達態度、動機或自我評估的句子，例如：「這段經歷讓我對數據分析產生濃厚興趣」「我意識到傳統行銷方法在數位時代面臨挑戰」。這類句子可以調整措辭，讓語氣更符合目標專業的學術慣例。

在交給 AI 之前，先用螢光筆或註記標出所有事實句，並在文件中明確寫下：「以下句子為事實陳述，不得更動任何具體資訊；僅可調整其餘句子的語氣與用詞。」這不是一個形式上的步驟，而是給 AI 的明確指令邊界。

修改前後的事實比對法

AI 改完之後，不要直接讀「順不順」，而是逐句比對事實句是否被動過。具體做法：

把修改前與修改後的版本並排，只檢查事實句。確認課程名稱、學分數、時間範圍、機構名稱、職稱、具體成果（如「完成 200 份問卷分析」）是否完全一致。任何一個數字或名稱的變動，即使看起來更精確，都必須還原。

常見的隱性改動包括：

• AI 把「三個月」改成「一季」，看似等價，但實習證明或推薦信上寫的可能是「三個月」。
• AI 把「修讀統計學」改成「系統性學習統計學」，多了「系統性」這個形容詞，暗示了某種深度，但你可能沒有證據支持。
• AI 把「協助整理數據」改成「負責數據分析」，職責範圍被擴大了，這在面試時可能被追問。

這些改動往往不是 AI 故意造假，而是它在嘗試讓語言更流暢、更有說服力時的自然傾向。但對申請者來說，每一處改動都可能構成事實扭曲。

語氣調整的具體方向

跨專業說明的語氣，最常見的問題有兩個：過度自信與過度謙虛。

過度自信的典型表現是：「我完全掌握了統計學的核心方法，能夠勝任任何數據分析任務。」這句話的問題在於「完全掌握」與「任何」都是絕對化表述，審核者一旦看到你成績單上的統計學分數不高，就會產生懷疑。

過度謙虛的典型表現是：「雖然我沒有受過正式訓練，但我很努力自學。」這句話的問題在於「沒有受過正式訓練」會讓審核者質疑你的學習能力，而且「很努力」是無法驗證的描述。

適中的語氣是把事實與學習意願連結起來：「我在統計學課程中修讀了迴歸分析與假設檢定，並在畢業專案中應用這些方法處理了 500 筆問卷數據。這讓我意識到量化方法在行銷決策中的價值，也促使我想進一步學習更進階的計量模型。」

你可以請 AI 針對這兩個方向調整：刪除絕對化表述、把模糊的努力描述替換為具體的學習行為描述。但前提是，具體的學習行為必須是真實發生過的。

修改完成後，回頭檢查「動機邏輯」

語言修改完成後，還需要檢查整封信的邏輯是否連貫。跨專業說明的核心是「為什麼轉換」，這個理由必須讓審核者覺得合理。

常見的邏輯斷裂包括：

• 前面說對新領域有興趣，但沒有說明興趣從何而來。
• 列了一堆舊領域的成就，但沒有說明這些成就與新領域的關聯。
• 強調自己補修了很多新領域的課程，但沒有說明這些課程如何改變了你的思考方式。

AI 可以協助你找出這些斷裂點，方法是請它標出「每一段的論點」與「下一段的論點」之間的過渡是否自然。但 AI 無法判斷你的真實動機是什麼——只有你知道自己為什麼想轉換跑道。如果動機本身不清楚，再流暢的語言也無法掩蓋。

補充說明信的價值在於讓審核者看到你的思考過程。AI 可以幫你把話說得更清楚，但話裡的內容必須是你自己的。修改完成後，把信拿給一位熟悉你背景的人讀一遍，請他確認「這封信讀起來像你」。如果讀起來像一個完美的申請機器人，那語氣就改過頭了。