AI 採用差距：為什麼並非每個人都在各方面使用 AI

與媒體普遍的敘述相反，實證數據顯示存在顯著的採用差距。目前美國的使用模式顯示，人口大致分為三個相等的區塊：積極使用 AI 的人、偶爾使用 AI 的人，以及完全不使用 AI 的人。

AI 採用呈現碎片化，而非普及化

AI 的採用停滯不前，而非加速轉向普及化使用。雖然意識很高，但實際參與度在不同的人口統計數據和使用層級中仍然不均衡。

  • Gen Z 趨勢： 儘管是 AI 意識最高的族群，但 Gen Z 的採用率已大幅趨於平緩。Gallup 2025/2026 年的數據顯示，31% 的人每月或每幾個月才使用一次 AI，而 19% 的人從不使用。
  • 勞動人口： Microsoft telemetry 報告顯示，超過 30% 的美國勞動人口使用 AI（定義為每月至少使用 90 分鐘），這意味著大約 70% 的人並非積極使用者。
  • 一般裝置使用情況： Datos 的一項研究發現，62% 的桌上型電腦裝置每月造訪 AI 工具的次數為零，而只有 21% 的人每月造訪 10 次或更多次。
  • 一般人口調查： Searchlight Institute 發現，58% 的美國人嘗試過 AI，但這在定期使用者（30%）和不頻繁使用者（29%）之間平分。

AI 採用的主要障礙

由於系統性疑慮和感知到的個人價值缺乏，很大一部分的人口正在積極限制其 AI 使用。

社會與倫理疑慮

根據 Searchlight Institute 的數據，AI 避開的主要三大驅動力是：

  1. 就業： 42% 的人擔心 AI 會取代工作並導致失業。
  2. 隱私： 35% 的人擔心 AI 會侵犯個人隱私。
  3. 錯誤資訊： 33% 的人擔心 AI 會散布謊言和錯誤資訊。

這些疑慮導致了對政府監管的強烈偏好。大多數受訪者認為，美國政府應該優先考慮安全和隱私規則，即使這會相對於中國等競爭對手減緩開發速度。

對效用的質疑

與其他變革性技術相比，AI 目前的淨正向評分很低。在 Searchlight Institute 的一項研究中，AI 的淨正向評分僅為 +8%，與社群媒體 (+7%) 相當，且遠低於手機 (+68%)、網際網路 (+67%) 和太陽能 (+65%)。

「知識工作者泡沫」

普及化 AI 使用的敘述與碎片化採用的現實之間的差距，暗示了圍繞著早期採用者（知識工作者）和科技媒體的「泡沫」。這在軟體工程領域尤為明顯，AI 的效用更為顯著但並不穩定。

技術效用與可靠性

社群見解強調了技術領域中 AI 使用方式的二分法：

"I've used it for two parts of my project: 1) The backend (PHP), and 2) The frontend (Swift)... It has been a huge help [in PHP], but [Swift] is a cautionary tale. It really needs adult supervision... I'm realizing how truly bad the code it wrote was."

其他開發者報告說，雖然 LLMs 是探索代碼庫或編寫一次性腳本的絕佳工具，但如果沒有監督，它們可能會成為「糟糕的程式碼編寫者」，經常在複雜的 repository 中引入過度工程化或錯誤。

定義問題

有人認為「非使用者」的統計數據具有誤導性，因為 AI 現在已嵌入在決定性系統中。例如，使用 Google Search AI Overviews 或智慧型手機相戶機濾鏡的使用者，技術上都在使用 AI，即使他們並非與獨立的聊天介面進行互動。然而，就衡量生成式 AI 工具的「有意圖的採用」而言，數據顯示出對日常整合的明顯抗拒。

市場影響：使用的連續體

由於 AI 的採用是一個連續體而非二元對立，因此對於迎合不同程度的舒適度和隱私需求產品，存在著市場機會。肉類消費的類比是一個有用的模型：就像有些人每天吃肉，有些人限制紅肉，其餘一些人是純素食者，使用者也正劃分為擁抱擁抱 AI、限制使用 AI，以及完全避免使用 AI 的人。這為「可選式」AI 功能和私密、非侵入式的 AI 替代方案創造了需求。

Sources