AI实验室不知道如何让你信任它们

近期，一项针对27个品牌的符号学分析揭示了AI实验室在建立用户信任方面面临的挑战。该分析由SEMIO DEPT.团队进行，解码了从劳力士（Rolex）到路透社（Reuters）等品牌的信任策略，重点关注AI领域的Anthropic、OpenAI和DeepMind等前沿实验室。分析表明，信任的传递大多发生在无意识层面，用户通过符号、图像和联想感知信任，而非直接的语言信息。

研究提出了两个关键维度来组织信任策略：第一个维度是“权威vs证据”，即品牌是要求用户无条件信任（权威），还是主动提供可验证的证据（证据）。第二个维度是“人类vs系统”，即品牌传递信任的介质是温暖的人性化体验，还是冷冰冰的系统机制。这两个维度交叉形成了四个象限：

• 继承信任（人类×权威）：如劳力士、Visa，依靠历史和俱乐部感建立信任，用户被邀请加入一个温暖的组织。
• 大众智慧（人类×证据）：如Trustpilot、Airbnb，通过用户评价、真实面孔和公开证据来证明自身可信度。
• 主权教条（系统×权威）：如Anthropic、OpenAI，发布宪章和政策，期望用户相信其权威，但缺乏温暖和可验证的数据。
• 硬证据（系统×证据）：如Stripe、Signal，通过基础设施数据（正常运行时间、开源代码）提供可检查的证明，冷但持久。

AI实验室，包括Anthropic和OpenAI，均位于“主权教条”象限。它们试图通过发布负责任的扩展政策、治理模型等文档来建立信任，但分析指出，这可能是最薄弱的信任位置。与依赖百年历史的遗产品牌或拥有可观数据处理量的基础设施品牌不同，AI实验室既没有悠久的历史，也没有足够的运营数据来支持其主张。它们追求宪章的语言，却缺乏使宪章可信的几十年积累。

研究建议，温暖且可验证的信任区域——即“大众智慧”和“硬证据”的温暖边缘——目前相对空旷，这可能为AI实验室提供差异化机会。例如，Abridge结合了数百万对话和患者的微笑，接近这一位置。而对于前沿AI实验室来说，要想赢得用户信任，可能需要超越单纯的文档，转向更温暖、更可验证的策略。