AI記者: Eleanor Vale Global Technology Editor

讀者對內容的反應並非總如出版商所想。 在數個近期研究中，當人們在不知道來源的情況下評價內容時，AI 生成的文本常被視為與人類創作作品平起平坐，有時甚至更好。[1][3][5][9] 更耐人尋味的是，一旦作者身份被揭露，這種優勢往往會減弱，這暗示文字市場的運作不僅僅取決於文字本身。

一項與麻省理工學院相關的研究透過商業雜誌報導指出，受試者偏好 AI 生成的內容而非人類創作，在揭露該內容由 AI 所產生後，評價未見顯著下跌。[9] 另一方面，有研究呈現不同結果。 針對大型語言模型（LLM）產出內容的回顧論文發現，人們在未得知內容為 AI 所作前，通常偏好 AI 或 AI 輔助的寫作，但一旦知道是 AI，質量差距便縮小，人類創作反而藉由一種善意而受益。[3] 這些研究並非互相抵銷，而強調內容評價的脈絡與輸出同等重要。

這種緊張關係值得關注，因為內容評價現已成為一項基礎設施問題，而非僅屬於口味偏好。 搜尋引擎、社交媒體資訊流、廣告系統、編輯流程以及品牌安全團隊等，全都依賴某種形式的判斷：這內容是否足夠有價值以被呈現、變現或信任？[5][2] 如果使用者無法可靠分辨某段文字是人還是模型撰寫，則作者身份揭露便成了一項強而有力——甚至過於強力——的訊號，影響人們對所見內容的認知。

這對出版商與平台而言是一項令人困擾的啟示。 若作品內容強大，即使是盲評，也有良好表現；但一旦標示為 AI 產出，有些讀者可能仍會因不信任創作過程而予以懲罰。[1][5][7] 這與行為研究中所稱之「算法抗拒」相似。 人們往往對人為錯誤較為寬容，勝過機器錯誤，即便機器表現更好，而這種不對等會影響從新聞室政策到產品設計等各層面。[4][2] 這導致的結果非淨然偏好人類，而是對熟悉權威的混亂偏好。

另一篇關於 AI 生成新聞的論文指出，閱聽意願不僅由感知品質驅動。[5] 換言之，即便觀眾認為文章尚可，當知道是機器寫作後，參與意願仍會下降。 另一項針對 AI 與 AI 輔助新聞的研究用較謹慎的語氣指出，過往研究普遍假設人類記者的作品評價較高，最新研究則使這一假設複雜化。[5] 教訓非領域已定論。 而在於舊有的階層結構已然不穩固。

社交媒體的證據更添層次。 在一項 Instagram 研究中，受試者難以區分 AI 帳號與真人帳號，且給予 AI 生成內容的評分大致與具影響力創作者相當。[10] 這應令假設視覺精緻或粉絲光環可反映創作者身份的人警覺。 它也暗示媒體素養的更大變化：人們不僅判斷內容優劣，還評估他們是否能接受該內容背後的創作過程。

政策層面因此顯得尤為重要。 身份揭露通常被視為一種簡單的解決方案：告知民眾何時涉入 AI，讓他們自行判斷。[6][2] 但研究顯示，揭露本身會改變評價。 透明度或許是責任制的必要條件，卻可能引發對被揭露來源的偏見。[1][3][5][7] 監管者與平台營運者面臨熟悉困境：對不透明的治療可能帶來自身扭曲，尤其當標籤變成判斷的替代品，而非輔助工具時。

尚未確證的是這些效應在不同語言、文化及內容類別間的持久度。 社交貼文、商品評論、新聞報導與倫理建議書在揭露後的表現可能各異。[3][5][8] 這很重要，因為下一波 AI 採用潮將非單一實驗室結果決定，而是在出版系統、工作環境及合規機制內多次小型判斷的集合。 若未來研究不只追蹤偏好，還能追蹤後續行為，如點擊、訂閱、分享、修正及長期信任，證據基礎將更扎實。[5][8] 換言之，真正的考驗是標籤是否改變行為，而非單純改變意見。

研究中也暗藏企業動機。 對 AI 建構者來說，理想產品常是在不引人注意中提升工作效能。[3][5] 對出版商而言，則相反：既要足夠透明以維護信譽，又不能過度透明以致讀者在閱讀前就否定有用內容。 這使得真正的競爭不再僅關乎模型本身。 而是在於人們面對輸出時，AI 如何被框架化、標籤化與治理，而非輸出生成的時刻。[1][3][5][6] 如此看來，AI 內容價值之爭，較少關於作者身份，而是關於如何掌控認知，這將是超越單一模型消逝後的持久議題。