别被“采用率”骗了 | 大家都在用 AI，并不代表大家信任它
发布时间：2026/04/23 00:00 浏览：28
作者：Wendy Smith (SurveyMonkey 研究科学部的资深经理）
来源：
据 SurveyMonkey 最新的《AI 情绪研究》显示，现在每三个美国人中就有一个在每天或每周使用 AI。
与此同时，怀疑论也在加剧。
然而，许多组织仍然错误地将“使用率”等同于“认可度”。
这种假设忽视了当今 AI 领域最重要的信号：矛盾心态（Ambivalence）。
01 矛盾心态是一个可衡量的信号
Ambivalence is a measurable signal
通常，人们将 AI 情绪描述为“采用率”与“信任度”之间的赛跑，仿佛前者必然会带动后者。
但我们的数据给出了不同的结论：
随着美国人开始应对长期变革，他们的观点变得更加细化。
SurveyMonkey 的研究显示：
-
几乎所有美国人 (98%) 都预见到 AI 将影响世界。
-
近半数 (46%) 的人将其列为 2030 年最重要的社会议题之一，仅次于经济稳定 (51%)。
-
对于 Z 世代来说，AI 的影响是未来的头号担忧。
但这并非简单的悲观主义。
五分之三的美国人认为 AI 的影响将是“利弊参半”的，而一年前这一比例仅为 35%。
这种混合心态改变了人们的行为：
他们使用 AI，但会反复核对结果；他们看重速度，但仍期望人类监督。他们选择了加入——但带有附加条件。
对于研究员来说，这意味着像“你信任 AI 吗？”这样的二元对立问题已不再够用。真正的洞察隐藏在灰色地带：
-
AI 何时让人觉得有帮助？
-
何时越界？
-
又是什么最快摧毁了信任？
-
02 当 AI 信用破裂，消费者会重新分配他们的信任
When AI credibility fractures, consumers reallocate their trust
研究表明，最快摧毁消费者信任的行为是未经授权使用数据。
38% 的美国人表示，如果 AI 助手在未经同意的情况下存储或分享个人数据，他们会立即失去对该公司信任。
这一担忧超过了我们测试的所有其他因素。
其他“信任杀手”也与控制权和透明度有关：
一旦信任破裂，用户如果没彻底放弃 AI，也会迅速更换工具。
最近从 ChatGPT 到 Claude 的大规模用户迁移就是例证。
由于 ChatGPT 隐私争议不断，而 Claude 明确拒绝国防部将其模型用于国内监控或自主武器，许多用户果断切断了联系，并带走了他们的“数字记忆”。
03 高风险决策暴露了信任的底线
High-stakes decisions expose where trust really stops
看看招聘领域，就能明白美国人在 AI 面前划下的最硬底线在哪里。
研究显示，人们极度抵制在没有人类参与的情况下让 AI 进行招聘决策：
随着决策后果的加重，人们的舒适度骤降：
-
31% 接受 AI 识别潜在候选人。
-
26% 接受 AI 筛选简历。
-
6% 接受 AI 进行面试。
-
只有 5% 接受 AI 做出最终录用决定。
有趣的是，这里存在一种不对称性：
只有 25% 的人信任 AI 能公平评价候选人，却有 61% 的人会利用 AI 帮自己找工作（通常是优化简历）。
这告诉我们：
人们更愿意把 AI 当作工具使用，而不是被它审判。 控制感和问责制至关重要。
04 AI 消费趋势给市场研究员的启示
What consumer AI trends reveal for market researchers
单纯的 AI 采用率指标已无法反映全貌。
满意度可能维持稳定，但怀疑感却在暗流涌动。
根据《SurveyMonkey 2026 趋势报告》，随着技术在决策中扮演的角色越来越重，人们对透明度和人类问责的预期也在提高。
速度本身无法建立信任，语境（Context）才能。
这对研究员来说既是责任也是机会：
1. 显性衡量矛盾心态： 持续性研究至关重要。单次的快照式调研会漏掉情绪的演变。
2. 研究“AI 可接受度”的边界： 接受度是高度场景化的。在低风险时刻 AI 表现亮眼，在高风险时刻则让人深感不安。
3. 研究透明度本身： 人们需要告知，但告知的方式很重要。如果透明度看起来像在作秀，它就起不到安抚作用。
05 矛盾心态是值得倾听的信号
Consumer ambivalence is a signal worth listening to
组织能做出的最危险假设就是：熟练度最终会转化为信任。
数据告诉我们事实恰恰相反——随着 AI 变得越来越普遍，人们反而观察得更加仔细。
AI 会继续狂飙突进。问题在于，我们是否测量了正确的信号，以理解人们真实的感受。
附-AI情绪研究核心词汇表
1. Ambivalence (矛盾心态 / 摇摆性)
本文的核心关键词。指用户对 AI 同时持有积极（如依赖其高效）和消极（如担心隐私）的矛盾情感。
研究指出，这种“边用边疑”的状态是比单纯的信任或反对更重要的市场信号。
2. Proxy (替代指标 / 代理变量)
统计学概念。文中批评许多机构将“采用率（Usage）”作为“认可度（Approval）”的替代指标，认为高频使用并不代表用户真正放心，这种误读会导致品牌错判风险。
3. Binary Questions (二元问题 / 是否题)
指只有“是/否”两个选项的简单调研问题。作者认为在衡量复杂的 AI 态度时，这类问题已失效，无法捕捉用户在不同场景下的细微心理差异。
4. Non-consensual Data Use (未经授权的数据使用)
隐私合规术语。指企业在未获得用户明确同意的情况下收集或分享数据。调研显示这是排名第一的“信任杀手”，会直接导致用户倒戈（如从 ChatGPT 转向 Claude）。
5. High-stakes Decisions (高风险决策 / 高利害决策)
指那些会对个人生活产生重大影响的场景，如招聘、医疗、法律决策等。数据证明，AI 在这些领域的渗透最容易触碰用户的信任红线。
6. Asymmetry (不对称性)
指用户对待 AI 时“双重标准”的现象。例如，61% 的人愿意用 AI 优化简历（利己），但只有 25% 的人信任 AI 能公平评价自己（防人）。
7. Human Oversight (人类监督 / 人工审查)
强调在 AI 决策链路中必须有“人”在场。即便用户接受 AI 提高速度，但在最终决策阶段，他们依然强烈要求人类的介入以确保公正。
8. Reallocate Trust (重新分配信任)
描述用户在信任破裂后的行为。用户不会因为一款 AI 出错就彻底放弃技术，而是会迅速带着“数字资产”迁移到另一款更有声望或更合规的竞品上。
9. Performative Transparency (表演式透明)
指企业为了公关需要而进行的虚假或表面化披露。如果透明度缺乏细节和问责制，用户会认为这只是在走过场，反而会进一步加剧怀疑。
10. Contextual Acceptance (场景化接受度)
强调 AI 的可接受度并非一成不变，而是取决于具体语境。低风险场景（如改写邮件）接受度高，高风险场景（如面试评估）接受度极低。