把人類化線索和系統能力證據分開
AI 陪伴中的擬人化設計可能影響判斷，因為人類化名稱、聲音、形象、第一人稱句子、記住細節的表現、快速輪流對話或帶關係意味的措辭，不只是在裝飾介面。它們可能讓人推論系統以人的方式理解、有穩定意圖、持續記憶或廣泛能力。即使底層證據沒有改變，這種歸因也可能改變使用者接受、查證、分享、委託或授權的動作。這是可能性，不是套用到每個人的定律。實用回應也不是刪除全部個性，而是拆開四件事：介面出現什麼線索、使用者歸因什麼能力或意圖、歸因推動什麼動作、哪個控制或證據能重新校準。本篇分析這條鏈；某一回答是否具有事實支持屬於另一項任務。
先盤點人類化線索，再評估作用
從可觀察的設計選擇開始：角色名稱和背景、臉或身體、聲音、第一人稱、輸入停頓、輪流節奏、問候、道歉、聲稱記得、主動通知、引用共同歷史，以及暗示偏好、關心、意圖或在場的文字。也要分清服務在何處說話，因為行銷、引導、聊天、通知、記憶設定、付費提示和錯誤狀態可能有不同口吻。線索不必然誤導；名稱能方便導航，聲音可改善使用，對話文字也能降低操作負擔。問題是線索是否配有準確界線。「我記得我們的安排」可能來自已存筆記、對話檢索、暫時上下文或生成文字，這些機制支援的期待不同。只描述畫面呈現，不從表面推論內部狀態。
分開能力歸因與意圖歸因
人類化呈現容易邀請兩種跳躍。能力跳躍把流暢等同理解，把一個詳細答案擴成廣泛能力，或把記住一項內容擴成完整持續記憶。意圖跳躍把道歉視為個人懊悔，把建議視為獨立偏好，或把溫暖文字視為系統形成自身目標的證據。這些結論都不能只靠措辭推出。Google PAIR 指出擬人介面可能建立超出產品能力的期待；Microsoft Research 也把暗示感受、信念、生活經驗、自由意志或自我的語言列為應檢視的設計。在紀錄中改用窄表述：「介面顯示了已儲存事項」，而非「它了解我的生活」；「系統生成溫和句子」，而非「它想照顧結果」。
在行動變化中尋找判斷偏移
真正的影響出現在歸因改變行動時，例如未看依據便接受建議、擴大記憶或聯絡權限、揭露任務不需要的資料、把期限或購買步驟交給應用、因語氣自信而忽略錯誤，或因介面暗示穩定共同歷史而繼續互動。單一行動不能證明擬人化就是原因，價格、便利、過去經驗與任務難度也有影響。CHI 2024 實驗只提供較窄證據：受控偽 LLM 中，聲音加文字提高擬人化和感知準確性，第一人稱只在一種情境改變準確性及風險判斷。不能外推為所有應用的固定比例。應比較相同內容以普通系統訊息呈現時，使用者原本的決定規則是否改變。
在歸因影響決定時就近校準
安裝時的一次說明很容易和後續線索脫節。校準應靠近決定：標明對話角色是 AI；說明目前功能的任務、輸入、記憶來源、限制及是否有人參與；分開生成文字、儲存事實和已執行動作；讓被記住的細節可查看、修改或刪除；外部動作或更廣權限前再次確認。系統不確定或無法完成時，提供非對話備用路徑，而不是給錯誤增加更多個性。Google PAIR 建議分階段引導並在產品改變時提醒。校準也要對稱：不能以可愛角色索取權限，卻只在失敗時使用冷技術標籤。聊天、設定、通知和行銷要維持同一身份和能力界線。
保持證據相同，進行負向檢查
負向檢查只用於自己的可逆決定，不是操弄線上服務。選一個會影響行動的提示，把主要主張複製到普通筆記；若設定容許，隱藏形象、關閉聲音，把「我認為」或「我想要」改成「系統生成」，去掉動畫與社交節奏，但不改內容。再問一次：我是否會以不同方式接受、查證、揭露、委託或授權？若證據完全一樣而行動改變，就把線索標記為與決定相關。反向檢查保留友好呈現，卻把主張換成明確未支援或未知，看看溫暖風格是否仍增加權重。不要用危險內容、探測隱藏控制或牽涉他人。目標是發現個人判斷的呈現效應，不是證明普遍因果。
保存四欄紀錄並測試介面結果
每個重要時刻寫四欄：觀察線索、歸因的能力或意圖、被推動的動作、可用校準控制或獨立證據，另註負向檢查結果和應用版本。產品團隊可做配對情境，保持內容不變，只改聲音、形象、第一人稱、記憶措辭或回應節奏。測量接受、修改、查證、揭露、委託或擴大權限等行為，不只問角色是否討喜。保留無線索條件，檢查能力標籤、記憶控制、不確定文字、確認畫面和容易撤回能否使決定重新符合任務。NIST 的使用者信任工作支持一起看人、系統、任務與情境。校準不是信任越多或越少，而是讓目前功能只獲得證據支援的權重。
常見問題
所有友善 AI 角色都會誤導嗎？
不會。人類化線索可協助導航或使用。問題在於介面是否準確限制由呈現引出的能力或意圖推論。
記住一項細節能證明持續理解嗎？
不能。來源可能是筆記、對話檢索、暫時上下文或其他機制，應查看已說明的記憶來源和控制。
這和查核 AI 回答的事實一樣嗎？
不一樣。事實查核檢查主張的支持；這裡檢查人類化呈現是否改變相同支持的權重。