Nielsen Norman Group 发布 PACED 框架指导 AI 内容披露决策

当法律或平台未强制要求时，是否主动披露 AI 参与创作并没有统一答案，因为受众对披露的反应高度依赖内容类型、人类贡献程度以及读者自身的技术态度。Nielsen Norman Group 综合多项实证研究提出 PACED 框架，将这一复杂决策转化为五个可评估的维度：政策（Policy）、受众（Audience）、语境（Context）、预期（Expectations）和贡献度（Degree of AI Use），供内容创作者逐项对照以决定披露策略。

研究表明，AI 披露并不必然导致负面反应。Licenji 和 Hoxha 对 47 项新闻领域研究的综述发现，读者对 AI 参与的新闻没有一致性的信任惩罚；Purcell 等人的实验显示，在陌生人之间的金钱信任博弈中，标注“AI 辅助”的消息既未减少对方发送的金额，也未降低对其可信度的评分。然而，当内容强调人类特质时，披露往往引发更强烈的负面评价。Brüns 和 Meißner 的研究指出，社交媒体上披露 AI 生成的时尚图片会降低品牌真实感和帖子可信度；Sahebi 等人发现，工作邮件和社交帖子在披露 AI 使用后被评为更不可信、更不真实，且读者更少采纳其中的信息。Nakano 等人的实验进一步证实，随着披露的 AI 生成比例增加，读者对内容来源的评分随之下降，且在人际写作（如感谢信、私人信件）中披露 AI 使用导致的信任、关怀和好感度评分降幅最大，而在论证性或探索性写作中读者则更为宽容。

受众自身的态度也调节着披露效果。Schilke 和 Reimann 的汇总分析显示，对技术持更积极态度或认为 AI 准确的人，其信任惩罚较小但并未消失；Li 等人发现，自评写作能力较强的读者在披露后更倾向于下调质量评分，而低自信的内容生产者则相对宽容。此外，存在一种“披露悖论”：Sahebi 等人观察到，尽管参与者声称 AI 披露很重要，却仍对带披露的内容给予更低的可信度和真实性评分；Fang 等人发现，作为内容生产者时人们认为披露的必要性远低于作为读者时的判断。值得注意的是，Schilke 和 Reimann 的实验表明，第三方揭露 AI 使用引发的信任损失比主动披露更大，因此在可能被曝光的情况下，主动披露反而是更安全的选择。

PACED 框架正是为了应对这种情境差异而设计。政策维度要求检查所在国家、组织或平台的强制规定，例如欧盟《人工智能法案》已于 2026 年 8 月开始执行透明度义务；若平台会自动添加标签，主动披露优于被动等待。受众维度提示评估目标群体对技术和 AI 的既有态度及写作自信水平。语境维度区分内容是否依赖人类情感、创造力或个人判断，交易性或纯信息类消息（如预约提醒）的披露负面影响通常较轻。预期维度提醒创作者不要假设自己的判断等同于用户期望，需考虑读者事后得知真相是否会感到被误导。贡献度维度则权衡 AI 是仅用于润色还是主导生成，贡献越核心越需要披露以避免错误归因，但同时也要预判大幅披露可能带来的声誉代价。该框架不提供单一规则，而是通过这五个维度的组合问答，帮助组织在效率收益与信任风险之间找到适合自身内容的平衡点。