AI 明明愈來愈勁，點解公眾信任反而一路跌？

AI 的能力的確進步得好快，但「能力更強」唔等於「對大眾更有價值」。Pew 最新調查發現，52% 美國人表示，對 AI 日常應用增加係「擔心多過興奮」，比例由 2021 年的 37% 上升；只有 9% 表示興奮多過擔心。7

最簡單的解釋係：不少人感受到的，唔係一項令生活普遍變好的工具，而係一次快速、透明度不足的權力轉移。僱主、平台及基建營運商得到更多槓桿，普通人就要面對工作、教育、私隱、創作、個人自主，以及社區資源方面的不確定性。科技進步得好快，但圍繞 AI 的社會契約未有同步跟上。

好處太細碎，風險卻好貼身

AI 可以幫人搜尋資料、寫作、編程、處理客服，亦可以自動化不少例行工作。不過，呢啲好處對使用者來講未必有「改變生活」的感覺。慳到幾分鐘，未必及得上一個突然彈出、又關唔到的聊天機械人；一個錯誤答案、自動拒絕申請，或者令人覺得系統正在監察自己的功能，反而更加令人印象深刻。

於是，公眾對 AI 的感受出現不對稱：好處通常係漸進式、分散，而且利益分配不均；壞處就可能非常個人化。人們擔心詐騙、假資訊、監控、未經同意使用個人或創作資料，以及工作上的議價能力被削弱，但未必同時睇到自己生活有相應改善。

Airbnb 行政總裁 Brian Chesky 亦從科技業內部提出類似觀察。他認為，矽谷需要多啲普通人真正用得着、可以解決日常重要問題的 AI 產品，而唔係主要集中於企業應用及展示模型有幾勁。33

工作同教育，令抽象恐懼變成每日焦慮

人們唔需要相信所有工作都會消失，先會擔心 AI。僱主可以利用 AI 減少招聘、加強監控、令職位變得更低技術，甚至削弱畢業生和新人入行時賴以累積經驗的初階職位。Pew 最新結果顯示，71% 美國人預期 AI 會令未來 20 年美國職位數目減少。5

年輕人尤其容易從呢個角度理解 AI：佢哋正進入一個企業仍然摸索緊「乜嘢工作可以自動化、乜嘢技能仍然值錢」的勞動市場。一項 CNBC／Generation Lab 調查訪問 1,088 名 18 至 34 歲美國人，45% 預期 AI 會損害自己的職業發展，認為會有幫助的只有 10%。49

教育亦有相近問題。生成式 AI 令學生更容易交出一份作業或者答案，卻未必真正掌握背後技能；老師更難判斷學生的努力是否真實，學生亦更難證明一份作品反映自己的理解。即使 AI 作為溫習工具確實有用，它的普及仍可能削弱人們對學歷或作品「究竟係咪本人真正識」的信心。

創作權、歸屬感與人類努力

AI 與創作的爭議，唔只係模型架構或者版權法例之爭，亦關乎創作者有冇被看見，以及邊個掌握權力。

作家、藝術家、音樂人及其他創作者可能見到，系統以人類創作的作品作訓練資料，卻未必有清晰的許可、付費或署名安排。同時，市場可能充斥大量廉價合成內容，模仿人類創作風格。對創作者來講，呢件事未必似一件中性的生產力工具，更似一套抽取價值的系統：吸收人類文化的價值，卻令創作者本身的議價能力變弱。

Pew 發現，美國人更傾向預期 AI 會削弱，而唔係改善人們的創意思考能力，以及建立有意義關係的能力。12 呢種憂慮亦可以解釋，點解有人重新重視實體媒介、離線活動，以及能夠清楚看見人類作者或參與者的產品。現有證據未能證明，所有相關選擇都單純由反 AI 情緒造成；不過，對來源、私隱、專注感及人類控制權的渴望，合理地可能係其中一部分吸引力。

方便變成反感，往往始於「冇得揀」

好多人可以接受一個自願使用的 AI 工具，但未必接受原本重視的服務被 AI 取代。兩者分別好重要。

使用者可能想要 AI 幫手草擬文件，但唔想自己的資料被用作模型訓練；可能欣賞更快的客服回覆，但仍然希望可以搵到真人；亦可能願意自己開啟 AI 助手，卻反感熟悉的產品突然預設加入 AI，或者被迫經過一個無法關閉的流程。

所以，控制權唔係一個可有可無的介面偏好。清楚披露、真正同意、容易使用的退出機制，以及在高風險情況下保留真人選項，決定 AI 對人來講係工具，定係硬生生加插在人與服務之間的一層。

數據中心令 AI 的成本變成政治問題

AI 並唔係只存在於「雲端」。數據中心需要電力、水、土地、電網投資，以及其他社區資源。當新設施或擴建計劃變得愈來愈可見，居民自然會問：邊個得到好處？邊個要承擔成本？

如果新增職位、較低電費、稅收，或者可執行的社區回饋仍然不確定，但地方要承受的需求同壓力已經即時出現，反對就未必代表憎恨科技，而可以係對風險分配不均的理性回應。

對發展速度的感受亦加深這種不安。2026 年 5 月一項 Economist／YouGov 民調顯示，71% 美國人認為 AI 發展得太快，只有 2% 認為太慢。57 Pew 亦報告，大多數人認為 AI 進展過快，並可能令個人資料面臨風險；67% 美國人對美國政府能否有效監管 AI 只有很少或完全沒有信心。60

不信任的不只是模型，還有開發者

公眾懷疑的對象，唔只係 AI 模型，亦包括部署 AI 的機構及企業領袖。一項 CNBC／Generation Lab 調查訪問 18 至 34 歲人士，當問到 9 名知名 AI 領袖會否以負責任方式處理 AI 時，每一位都得到受訪者的過半數不信任。51

呢點好關鍵，因為信任係逐步累積的。當企業不斷提出宏大預測，要求社區接受轉變，卻只提供有限透明度及問責機制，公眾自然會對安慰式保證打折扣。一件技術上令人驚嘆的產品，未必可以輕易扭轉「擁有者會優先考慮增長、控制權或投資者回報，而唔係公眾利益」的觀感。

Anthropic 行政總裁 Dario Amodei 將情況形容為「信任危機」，並指出人們對企業、政府及科技業的不信任，其實早於今次 AI 熱潮已經存在。17 呢個判斷即使未能解決問題，至少揭示了一點：公眾等緊的唔係一輪更靚、更正面的廣告宣傳。

點解信任下跌會變成商業問題？

對 AI 公司而言，不信任可以限制採用率、留客能力、付費意欲、招聘、監管許可，以及興建基建的空間；同時亦會令使用者更難容忍錯誤，更加懷疑資料處理方式。

對於價值難以即時驗證的產品，商業挑戰尤其尖銳。如果客戶將 AI 視為裁員、監控、抽取創作價值、強行加入的滋擾功能，或者令地方電費成本上升的機制，單靠「將來會提高生產力」未必足以說服佢今日採用。

呢個正正係行業敘事同日常體驗之間的落差。企業習慣用整體生產力，或者遙遠的科學突破去描述 AI；普通人就會問更加直接的問題：

• 佢有冇真正幫到我？
• 我係咪自己選擇使用？
• 我可唔可以檢查佢做得啱唔啱？
• 如果佢取代我部分工作，得益的會係邊個？
• 我的資料同社區，最後會變成點？

要重建信心，唔係淨係做好公關

更好的溝通，或許可以幫人了解一件有用的產品，但唔可以取代更好的產品或者更好的治理。要重建信任，至少需要幾方面同時出發：

• 由真正的消費者需要出發。 產品應該解決普通人認得出、感受得到的問題，而唔係只用來展示模型更大、更快。
• 保留有意義的選擇。 提供清晰的選擇加入及退出、透明的資料政策，以及在高風險服務中保留真人支援。
• 分享生產力成果。 效率提升應該連繫到更好的工作、培訓、較低成本及更普及的服務，而唔係只變成更高利潤。
• 尊重創作者。 許可、來源證明、署名、酬勞及可執行的權利，都是 AI 取得正當性的核心。
• 保障學習同判斷能力。 AI 可以支援教育及工作，但唔應該令人的理解無法評估，或者令重要決策無人需要負責。
• 取得社區真正同意。 基建項目需要公開交代地方影響，並提出可信、可執行的社區回饋。
• 用結果取代預言。 Amodei 已承認，AI 公司仍未交出最大的承諾。AI 可以幫助治癒癌症或者消除大部分疾病，現階段仍然係預測，而唔係已證實的成果。23 真正的可信度，要靠健康、可負擔程度及生活水平的可量度改善去建立。

公眾未必係拒絕 AI 的每一種用途。人們其實係要求證明：科技可以擴大人類能力，同時唔會拿走人的自主權、機會、創作歸屬或控制權。在大家未能於自己生活中看見呢種平衡之前，AI 即使繼續高速進步，都可能帶來更多擔心，而唔係更多興奮。