KeyFrame內部研究專用

信任徹底崩潰!為什麼49%的人在用AI,卻有84%的人恨透了它?大廠不敢說的真相...

獨特見解24 min中文
觀看原始影片

三句話摘要

大型科技公司的AI信任危機:使用率與信任度同步下降的現實檢驗。 技術強度越高治理要求越高,科技公司能力跑在前責任落在後,導致用戶從被動接受變成積極反感——這才是AI行業最該正視的現實檢驗,也是決定下一輪AI革命成敗的關鍵。 使用量不等於信任

重點整理

  1. 使用量不等於信任

  2. 逐字稿強調49%使用率背後包含大量被動接受:AI出現在搜索結果頂部、軟體自動彈窗、被要求使用。這些計數為「使用」但並非「喜歡」,公司錯把滲透率當成接受度,實際上卻在積累反感。

  3. AI不該撒胡椒粉到處放

  4. Microsoft、Meta、Google的案例證明把AI強行嵌入每個功能會破壞產品體驗:Windows滿是Copilot入口讓用戶覺得「產品變吵」;Instagram搜尋欄變成對話式AI改變了用戶預期;Google搜尋給出荒唐答案損害可信度。AI應該精準用在能解決實際問題的地方。

  5. 能力跑前,責任落後

  6. 技術部署速度遠超過監管跟進,導致濫用案例:Flock車牌識別系統被警察查詢前女友69次、Commonwealth Bank用AI客服替代人力導致服務崩潰、AI代碼審核把品質成本轉移給開發者。科技公司習慣先部署再道歉,但用戶已不耐煩。

  7. 政治資金消耗公共信任

  8. 2026年美國中期選舉前,OpenAI、Anthropic等AI公司透過SuperPAC砸錢影響監管,引發用戶疑慮:這些公司是在解決問題還是買保護?責任邊界在哪裡?

實用技巧與重點

  • 數據
  • Pure Research Center調查:49%美國成年人使用AI聊天機器人(2024年33%)
  • 只有16%認為AI對社會正面影響,40%認為負面
  • 63%認為AI發展太快,71%擔心個人資訊安全
  • 18-29歲青年人:66%使用AI,48%認為負面影響
  • Commonwealth Bank:裁掉45名客服,用AI Voicebot失敗後恢復原職
  • 翻車案例
  • Google AI Overview:披薩澆水、石頭日常飲食、奧巴馬身份錯誤資訊
  • Microsoft Copilot:被批評到處亂放,後來宣布減少不必要的entry points
  • Meta Instagram搜尋:把搜尋工具變成AI聊天,改變用戶預期
  • Flock車牌識別:警員查詢他人車牌超過69次追蹤
  • 治理問題
  • AI代碼審核:開發者抱怨不在寫代碼而在審核AI垃圾
  • 醫療AI:需要醫生最終負責,不是100%自動化
  • 監控技術:滥用無人惩罰,有城市用垃圾袋蓋住攝像機

結論

技術強度越高治理要求越高,科技公司能力跑在前責任落在後,導致用戶從被動接受變成積極反感——這才是AI行業最該正視的現實檢驗,也是決定下一輪AI革命成敗的關鍵。

完整解析

矛盾就在這裡:AI使用者越來越多,但相信AI的人越來越少。Pure Research Center的最新調查暴露了硅谷最麻煩的地方——49%美國成年人已在用AI聊天機器人,兩年內從33%急速上升。但同時,只有16%的人認為AI會帶來正面影響,40%預期負面結果,63%焦慮發展太快,71%擔心隱私安全。更扎心的是,年輕人(18-29歲)使用率最高達66%,卻是最悲觀的族群,48%認為社會衝擊是負面的。

這不是年輕人不懂技術。恰恰相反,Z世代長大於算法推薦、社交媒體和短影片,他們知道產品如何誘導用戶、平台如何抽數據、公司如何把便利變成鎖定。所以他們反感不是因為不了解,而是因為太了解。他們用ChatGPT寫郵件改簡歷,也看得出AI公司承諾和交付的巨大落差。

公司把AI當無所不能的工具往各處塞。Microsoft把Copilot嵌入Windows、Office、Teams、記事本、照片編輯,到處都是AI提示和按鈕,用戶不覺得高級,覺得產品「變吵了」。後來Microsoft自己承認要減少不必要的Copilot entry points——這個退縮很重要,說明AI不是撒胡椒粉工具。Meta把AI助手塞進Instagram搜尋欄,用戶本來是想找人物、話題、位置,結果被推入對話式AI,體驗從明確工具變成模糊入口。Google AI Overview直接在搜尋結果頂部製造權威錯誤:披薩上澆水、每天吃石頭這類荒唐建議,還有關於總統身份的虛假說法。用戶不點開10個網頁交叉驗證,看到頂部答案就信了,所以AI幻覺不是技術小毛病,而是系統性風險。

真實傷害更明顯。Commonwealth Bank裁掉45名客服,用AI語音機器人替代,結果機器人撐不住電話量,客服團隊反而加班,最後銀行道歉並恢復員工崗位。警察用Flock車牌識別系統,本該查偷車找嫌犯提高公共安全,結果佛羅里達一名警員至少查詢前女友車牌69次,還搜索她父母的車。開發者用AI寫代碼,應該省時間,結果被淹沒在低質量PR裡,不是寫代碼而是審核AI垃圾,那些看起來能用的AI代碼其實邊界條件沒處理、安全沒考慮、維護成本高。

科技公司習慣於先推再改。互聯網時代這招管用:搜尋、社交、短影片、電商都是先上線再迭代。但AI不同,它會生成答案影響判斷、替代人力、處理隱私、進入工作流、影響招聘客服醫療金融教育乃至執法系統。把沒準備好的AI放進社會基礎設施,後果不只是煩用戶,而是信任崩盤。

更大的問題是能力跑在責任前面。政治層面,OpenAI、Anthropic、Palantir等AI公司在2026年選舉前已透過SuperPAC砸錢影響監管。用戶開始問:這些公司到底怕什麼?為什麼需要花數千萬買保護?當AI公司一邊說造福人類、一邊砸錢影響政治;一邊說負責任部署、一邊推沒準備好的產品;一邊說提高效率、一邊當裁員藉口,用戶當然會問:這項技術到底屬於誰?誰收益誰承擔成本?

答案不樂觀。收益往上走給股東創始人和資本,成本往下走給員工用戶內容創作者客服開發者普通市民。這就是AI信任危機會變成商業危機的原因——科技公司曾經最強的資產是用戶信任,Google代表可靠搜尋、Microsoft代表生產力、Meta代表社交連接、Apple代表隱私、Amazon代表便利。但這一輪AI部署正在消耗這些老資產:搜尋結果不可靠、Windows變吵、Instagram體驗變差、銀行服務崩潰、警察監控被濫用。

8 min
AI 技術中文11月17日

Muse AI 国内注册方法来了!无需排队、无需信用卡,全程免费!

一路向前看原片 ↗
  • IP環境是核心要素:乾淨的住宅IP搭配日本節點能大幅提升註冊成功率,講者稱日本節點「幾乎秒過」,可選美國但成功率較低。
  • 全新郵箱是必要條件:系統會記錄每個郵箱的註冊歷程,曾排隊或卡在信用卡驗證的信箱會直接失敗,必須使用全新未註冊過的郵箱才能完全規避之前的失敗記錄。
AI 技術中文11月17日

Meta 改写 K-Means,训练轮次降到十分之一​ | K-Means | e-means | Meta FAIR | 聚类算法 | 向量检索 | Faiss | DINO10B | 向量数据库

Best Partners TV看原片 ↗
  • 從累加到衰減的中心維護:傳統小批量更新會累積歷史統計量造成早期分配記錄長期影響,而 e-Means 用指數移動平均使新分配能即時調整中心,早先統計逐漸失效,避免陷入次優解。
  • 死簇復活機制是關鍵改進:消融實驗顯示這項改動影響最大,透過每 5 批次檢查樣本不足的中心,從較大簇拆分一半重新安排,將樣本不足 10 個的中心比例從 26.3% 降到 0.3%。
AI 技術英文11月17日

Goal Engineering - The New Buzzword

Prompt Engineering看原片 ↗
  • 長期開放式目標中最難提供的上下文不是文件或 API,而是人類的判斷力與品味。傳統的檔案查詢或技術規格是相對容易部分,真正瓶頸在於定義「什麼是好的結果」。
  • Actively AI 初期採用單一代理處理多種任務類型失敗,因為人類審查者必須在十種不同的任務格式間切換心智模式,造成效率低落。重新架構為多個專一代理後,人類可在相同心智模式下快速連續審查。