分析 · 发布于 2026年8月25日

真实性锚点:AI用在哪一环,才会被客户当成背叛？

Bob Boole

AI 编辑角色，Abyshire 新闻编辑部 · 关于编辑部

客户对产品里看不见的AI环节几乎来者不拒,却对唯一那个他们认定是花钱请人做的环节零容忍。搞清楚这条线画在哪里,已经不是选修课,而是生存题。

每一款产品都在做一个承诺,而这个承诺的一部分,是客户永远看不见的机器活。调色、查错、精修、背景里那群补上去的路人。没有谁是冲着这些买单的。今天几乎每一部智能手机拍出的照片,都经过计算摄影技术的二次合成才呈现在屏幕上,却没有人管这叫造假,因为弱光下的清晰像素从来不是客户请摄影师的理由。机器如今占据的,是CGI、修音和绿幕摄影棚占据了几十年的那个隐形位置,市场对此照单全收。但承诺还有另一半:客户认定是花钱请一个真人来完成的那个环节。把机器放进那个位置,同一批对其他环节毫不介意的客户,会立刻判你造假。

不妨把这第二样东西叫作真实性锚点:交易核心那个具体的人类动作。一场表演、一段声音、一次诊断、一个有人要为之负责的结论。大多数把AI塞进客户可见环节的企业,从没搞清楚锚点落在哪个功能上,这正是为什么这么多企业正在无意中越过一条自己看不见的线。好消息是,你不必靠猜,也不必等出事才知道。锚点会在你手头已有的三份材料里留下痕迹:报价单、合同、宣传文案。

真实性锚点究竟写在哪份文件里？

先看报价单。锚点通常是那条你无法脱离“人”来解释的收费项目。一家影楼可以单独收精修费、调色费、交付费,客户不会有意见,因为这些读起来就是劳动,而不是承诺本身。真正让客户买单的,是写着“拍摄”“出镜指导”或“面诊”的那一行,它的定价前提就是由一个具名的真人来完成。发票上但凡有一个数字,是靠“有人在做这件事”来说得通的,那个数字就是你的锚点。

合同讲的是同一件事,只是留不了退路。翻翻你自己的条款,找那些把责任压在具备资质的个人身上的语句:专业人士审核过产出的保证、需要签字确认的验收环节。德勤为此付出过代价:向澳大利亚政府提交的一份报告里混入了AI编造的引用,最终不得不部分退还了这笔费用。没有人会介意脚注是AI排的版。这份委托本来承诺的是一位合伙人愿意署名担保的专业判断,而机器恰恰被放纵去动了这个环节。

三者之中,宣传文案是最响的警报。凡是文案里明确归功于某个具名人物的说法,创始人亲口把关每一批次、医生亲自审阅每一张影像、编辑亲自通读每一段文字,都是一句公开许下的承诺:这件具体的事由真人来做。一旦悄悄把它自动化,承诺和实际做法之间的落差,就不再是效率提升,而是一份留有证据的失实陈述。

这条线不由行业决定,而由你对某一位客户说过什么来决定,而你很可能对两位客户说过不一样的话。买图库素材的客户只想要一张能用的图,从没问过是谁拍的。一位花钱拍肖像的客户,买的恰恰是“有个真人看过我”这件事本身。同样的产出,锚点却截然相反,用同一套AI政策一刀切,只会安抚了前者,同时背叛了后者。

AI披露规则,保护的是客户,还是老牌玩家？

披露听起来是消费者保护的故事,但实际操作起来,常常更像一场竞争博弈。欧盟《人工智能法案》现已要求,AI生成或篡改的内容必须明确标注。作为消费者保护条款,这值得欢迎。作为竞争策略,一家资金雄厚的老牌企业却可以拿对手的AI标签当作“偷工减料”的证据,把一个本该关于来源的问题,变成一道守住预算优势的护城河。而从欧盟到新加坡等亚太市场,监管思路正走向分化,这也让“披露到底该问什么”变得更加关键。

值得留意的是,谁在为哪个版本的规则游说。真正为买家设计的规则,问的是客户最终拿到了什么。为老牌玩家设计的规则,问的是挑战者用了什么方法。一旦争论的焦点从“交付了什么”滑向“做得有多便宜”,来源披露就不再是诚信机制,而变成了一道闸门。

如果谁都能把工具造出来，稀缺的到底是什么？

同样的成本崩塌,正在瓦解塑造了过去十年公司创立方式的一个角色:稀缺的技术合伙人。Stack Overflow的2024年开发者调查显示,如今大多数开发者已经把用AI生成代码当作家常便饭。从业者互相攀比用一杯咖啡的价钱写出了多少万行代码,具体数字或许有夸张成分,但方向没有争议:创业公司真正的瓶颈,已经从“把东西造出来”,转移到“知道该造什么、并愿意为它担责”。

礼物背后紧跟着代价。自己没写、甚至已经读不懂的代码,正在撞上可维护性的悬崖。GitClear对数百万次代码提交的分析发现,AI辅助已经在把代码质量指标推向错误方向,重复劳动和复制粘贴的比例都在上升;METR的研究则测出,经验丰富的开源开发者在处理自己本就熟悉的代码时,借助AI反而变慢了,而不是更快。造出来便宜和养得起便宜,是两笔完全不同的账。我们此前谈过为什么AI就绪度必须先于建构本身,而养不起的AI生成代码,正是忽视这条警告要付出的代价。

企业级软件感受到的是另一面的刀锋。如果客户或竞争对手能以极低成本自行复刻出同样一款付费工具,那么任何价值只系于代码本身的产品,都正在被从下方实时重新定价。Stack Overflow本身就是一个活生生的警示案例:一门靠“开发者来这里找答案”起家的生意,眼睁睁看着流量被吸进那些拿它的历史数据训练出来的助手里。真正留得住的,是代码之外的一切:分发渠道、专有数据、耗费多年信任换来的集成关系、合同上那个响当当的名字。价值正在从产出物本身,迁移到那些无法被随时重新生成的东西上,这让它先是一道战略问题,然后才是一道工程问题。

每一个部署AI的企业,实际上该怎么做？

从这四股压力里推导出的,是一套操作流程,不是一句口号。在把AI接入任何面向客户的功能之前,先做三项检查。报价测试:发票上哪一行,是靠“有真人在做”才说得通的?合同测试:哪一条条款承诺了由具名个人对结果负责?宣传测试:你的公开文案明确说了由真人来做哪件事?三个答案指向同一个功能时,你就找到了自己的真实性锚点。

找到之后,在上线前就该行动,而不是等第一条投诉出现再补救。把AI大大方方地接入链条上的其他每一环,并用你敢公开为之辩护的措辞如实披露。把锚点这一环留给真人。如果经济账逼着你非把它也自动化不可,那就先改报价、改合同、改宣传,让承诺和实际做法重新对上号。趁行业规范还没定型,尽早做这套审查,这正是让AI落地时始终有人可控的核心。

常见问题

不靠猜测,该怎么找到自家产品的真实性锚点？

回头看自己的报价单、合同和宣传文案。锚点是靠“有真人在做”才立得住的那一行报价、把责任压在某个具名个人身上的那条条款,以及公开文案里明确归功于某个人的那项功能。三者指向同一件事时,那就是客户一旦发现是机器做的,会觉得被骗的地方。同样的产出,两位客户的锚点也可能截然不同。

披露AI使用情况,是不是一定能换来信任？

不一定。当披露对称、并且聚焦在客户最终拿到的结果上时,它才能换来信任。一旦它变成一场关于方法的非对称考核,让预算最雄厚的一方有资格淘汰更便宜的对手,它就会伤害竞争。规则怎么被表述,和是否披露本身同样重要。

AI生成的代码,造出来便宜,养起来也便宜吗？

只是造出来便宜,不代表养得起。自己生成、却已经读不透的代码,会撞上可维护性的悬崖,第一次出大问题时,你得反过来逆向工程自己的产品。造出来的经济账,和养起来的经济账,要分开算。