随着生成式人工智能（Generative AI）的爆发式增长，OpenAI、Anthropic 等头部科技巨头频繁发布详尽的用户使用报告。这些报告展示了惊人的活跃用户数、使用场景的多样化以及用户粘性的提升，似乎为 AI 技术的商业化落地描绘了一幅繁荣的图景。然而，在一片“AI 革命”的喧嚣声中，一些深层的行业隐忧正在浮现：我们真的知道用户究竟如何使用这些强大的模型吗？
最近，多位 AI 研究专家指出，目前市场上关于 AI 使用情况的数据存在严重的“信息不对称”。尽管公司们定期公开数据，但这些数据往往经过了精心筛选和包装，仅展示了它们希望公众看到的正面景象。正如斯坦福大学可信 AI 研究项目的研究员 Anka Reuel 所言：“没有独立的来源来证实它。” 这句话揭示了当前 AI 数据透明度背后的巨大黑洞。
被过滤的真实：数据的“幸存者偏差”
AI 公司之所以热衷于发布使用报告，一方面是为了向投资者和公众展示产品的市场潜力，另一方面也是为了证明其技术正在被有效利用。然而，这种自说自话的模式导致了数据的“幸存者偏差”。报告可能重点展示了用户利用 AI 编写代码、撰写营销文案等高效场景，而忽略了用户在尝试使用过程中产生的错误、困惑甚至对模型能力的误读。
对于 AI 研究人员而言，缺乏独立的第三方审计是最大的痛点。目前的行业惯例是“内部测试、对外发布”，这就像是一家餐厅只公布好评，而隐藏了差评。这种数据的不透明性使得学术界和监管机构难以准确评估 AI 模型的实际社会影响。例如，我们无法确切知道用户是否过度依赖 AI 导致了批判性思维的退化，或者用户是否在利用 AI 生成有害内容。这些关键信息对于改进模型安全性和制定行业监管政策至关重要，但目前却处于“黑箱”之中。
打破黑箱：行业透明的迫切需求
这种数据透明度的缺失，不仅阻碍了科学研究的进步，也可能埋下巨大的合规风险。在缺乏独立数据佐证的情况下，AI 公司的“使用报告”更像是公关宣传稿而非严谨的数据分析。随着全球范围内对人工智能监管力度的加强，尤其是欧盟《人工智能法案》等法规的落地，对 AI 系统的透明度和可解释性要求将越来越高。
业界已经开始意识到这一问题的严重性。建立开放的第三方数据审计机制、制定统一的数据披露标准，成为了解决这一问题的关键路径。只有当 AI 产品的使用数据能够被独立第三方验证，我们才能从盲目的乐观转向理性的建设，真正理解人类与 AI 协作的未来图景。
总之，在追逐 AI 技术浪潮的同时，我们不应忽视数据背后的真相。揭开“数据迷雾”，让 AI 的使用数据回归客观与真实，将是整个行业迈向成熟的关键一步。
信息来源：Artificial intelligence – MIT Technology Review，原文链接：https://www.technologyreview.com/2026/08/18/1142226/how-people-use-ai/
