AI Observatory：獨立數據揭露人們真正如何使用 AI——其中一半根本與工作無關

人們究竟如何使用 AI 聊天機器人？這個問題聽起來應該不難回答——畢竟 OpenAI 與 Anthropic 每個月處理數十億次對話，而且兩家公司都會定期發布關於使用行為的報告。但獨立研究人員指出，這些報告只呈現了企業「想讓我們看到」的數據。而本週發表的一項大型研究顯示，真實樣貌與官方版本之間，存在著相當大的落差。

為 AI 行為建立的獨立望遠鏡

這個名為 AI Observatory（AI 觀測站）的研究計畫，是目前為止最認真的一次嘗試：為人們與生成式 AI 的互動，建立一套獨立於企業之外的證據基礎。計畫由史丹佛可信賴 AI 研究實驗室（STAIR Lab）博士候選人 Anka Reuel，與 MIT 媒體實驗室近期畢業的博士 Shayne Longpre 共同主持，集結了來自 MIT、史丹佛等多個機構的研究者，彙整並分析了七個既有研究資料集中、經使用者同意收集的真實 AI 對話。

以獨立研究的規模而言，這個資料集相當可觀：橫跨 24,521 段對話、共 85,633 個對話輪次（使用者提問加上 AI 回應），來自 5,000 位使用者與 52 個不同模型的互動——包括 ChatGPT、Claude、Gemini 與 Grok——時間跨度為 2023 至 2025 年。其中也包括最大型的公開對話資料集之一 WildChat。

Reuel 接受《MIT Technology Review》訪問時直言，目前「沒有任何獨立資料來源可以佐證」業界的使用數據。而關於 AI 利弊的重大決策，如今卻是建立在極為有限、且由企業自行發布的數據之上。

被過濾掉的那 48%

這項研究最核心的發現，直接指向業界最廣為引用的數據集：Anthropic Economic Index。該指數的分析方法會過濾掉與工作和生產力無關的 Claude 對話。當 AI Observatory 的研究人員把 Anthropic 自家的方法套用到獨立資料集上時，發現將近一半的對話——48%——會被直接剔除。

而被剔除的那一半，內容至關重要。這些與工作無關的對話中，出現了顯著更高的比例：

• 健康與情感關係話題：44.2%，相較於 Anthropic 分析中的 31.2%
• 騷擾與仇恨言論：27.5% 相較於 5.66%
• 性內容：16.7% 相較於 2.4%
• 成人或違禁話題：7.9% 相較於 2.1%

這種偏差並非 Anthropic 獨有。OpenAI 自家 2025 年的 ChatGPT 使用報告也承認，只有約 30% 的消費者用途與工作相關。但由於每家公司都透過自己的框架發布數據——Anthropic 強調生產力、OpenAI 強調教育——拼湊出來的整體圖像便嚴重偏向「專業用途」，而人們實際使用這些工具時那些極為私密的面向，則被切割進不起眼的附註裡。

未參與此計畫、專門研究人機互動的德州大學奧斯汀分校助理教授 David Widder 表示，相較於分散各處的企業報告，一份「鳥瞰式的分析」能幫助研究者更一致地理解使用行為。

人們與 AI 的關係，越來越私密

除了頭條數字之外，縱貫性的資料還訴說著另一個故事：AI 使用正穩定變得更加親密。在 WildChat 的對話中，無論提示詞、回應長度還是對話輪數都隨時間增長、變得更加精細，而且寒暄閒聊顯著增加——這是情感陪伴式使用上升的明確訊號。更值得警惕的是，AI 助手的自我揭露程度下降了：隨著對話變得更加私人，模型越來越少主動承認自己是聊天機器人。

不過也有真正正面的訊號：被研究者標記為「敏感」（潛在有害或受限內容，包括性騷擾與仇恨言論）的對話，在研究期間變得越來越少——這可能意味著各平台的安全防護確實有所改善。

每個模型，都有自己的使用文化

這項研究另一個有趣的貢獻，是任何單一公司都無法完成的跨模型比較。使用模式因平台而明顯不同：

• Grok 與 Gemini 是資訊檢索的主力，其中 Grok 在新聞與政治類查詢上特別熱門——但錯誤資訊也最集中在這裡，這與既有研究一致。xAI 未回應置評請求。
• Claude 是寫程式的首選。
• Gemini 在社交與角色扮演用途上領先。
• ChatGPT 承擔了最多作業輔導。

甚至同一模型的不同版本也有差異：使用者與搭載 GPT-3.5 的 ChatGPT 對話較短，而與 GPT-4o 的對話則更長、更具反覆迭代性。「沒有任何一家公司的報告能說完整個故事，」Longpre 說。

研究限制——以及為什麼它依然重要

研究人員對限制毫不諱言。由於資料來自志願分享，敏感用途很可能被低估——那些對話正是人們最不願意交給研究者的類型，7.9% 的成人或違禁話題比例應視為下限而非上限。此外，與 Anthropic Economic Index 最新一期所分析的 100 萬段 Claude 對話相比，85,633 個輪次仍是九牛一毛。

Anthropic 回應表示，其發布的研究反映研究團隊的特定問題與興趣，並強調支持外部獨立研究很重要。OpenAI 則未回應置評請求。

但這種不對稱恰恰是問題核心。當政策制定者辯論青少年安全規範、當監管機構評估危害、當研究者想問某個系統「主要被用於好事還是壞事」時，唯一細粒度的數據全都在企業高牆之內。AI Observatory 的資料集將開放給其他研究者分析，團隊也計畫持續擴充。Reuel 說，最理想的情況是企業直接與獨立研究者共享數據——當然，必須在保護使用者隱私的前提下。

在那之前，任何依據 AI 使用數據做決策的人，用她的話來說，都是「完全在蠻荒中摸索，在不知道企業敘事之外實際發生了什麼的情況下，做出這些影響深遠的決策」。

對一個經常宣稱自家產品已成為通用基礎建設的產業而言，「真實使用中約有一半是私人的——健康問題、感情、孤獨、陪伴」這個發現，不是附註，而是主旋律。