AI意見分歧指數：8個模型對“最佳工具”的認同次數為0
一個公開、嚴謹、持續更新的測量指標，記錄不同AI引擎在推薦B2B工具時的分歧程度。最新資料顯示，在16個類別中，8個AI模型從未就同一最佳工具達成一致，平均配對一致性僅為44%。該指數採用可復現的研究方法，每月更新，並提供原始資料。
AI模型在推薦B2B軟體工具時的分歧程度，如今有了一個公開、可復現的測量指標——AI分歧指數。該指數由Vincent Wesley Couey建立，每月更新一次，旨在量化不同AI引擎對B2B軟體工具推薦的共識程度。其核心發現令人驚訝：在記錄的16個B2B軟體類別中，8個主流AI模型從未就同一個“最佳工具”達成一致。
具體資料顯示，引擎間的平均配對一致性僅為44%，意味著兩個模型推薦同一工具的機率不到一半。Fleiss' kappa係數為0.41，屬於中等一致性水平。更值得注意的是，有163個工具僅被一個模型提及，這凸顯了AI推薦之間的巨大分歧。該指數基於2026年6月19日和7月8日兩次捕獲的樣本，涉及8個模型和16個類別，研究方法完全開放，原始回答以JSONL格式保留，任何人都可以復現計算結果。
與傳統品牌排名不同，AI分歧指數不關注“贏家”，而是聚焦於分歧本身。它記錄每個AI引擎在給定類別中推薦的工具，然後計算統計上的一致性指標，如配對一致性和Fleiss' kappa。專案還包含一個“分歧地圖”，以矩陣形式展示每個模型在每個類別中的推薦，矩陣按共識程度從高到低排列，使用者可以直觀看到哪些類別分歧最大。
除了核心指數，該專案還發布了一系列相關資料集，包括AI創意權利矛盾指數、AI引用分析、LLMOps棧比較、向量資料庫對比等。所有資料集均分配了DOI，遵循CC-BY-4.0許可證，確保可引用和可復現。研究方法強調嚴謹性：每個問題都向多個AI引擎提出，答案逐字記錄，只有至少三個引擎回答的類別才會被髮布。工具只有被至少三個引擎提及才被計入，避免了資料誇大。
對於希望在指數中展示其工具的供應商，研究提供了“Verified by Lattice”徽章。任何達到最低閾值的供應商都可以免費獲得一個徽章，顯示其工具被多少AI引擎提及。徽章連結回原始資料，確保可核查。贊助位被明確標註，不會影響實際排名。該專案為理解和評估AI推薦系統的可靠性提供了獨特的視角，幫助使用者認識到AI建議背後的不確定性。