AI 资讯 知识库 智能体生态观察智能体生态观察 · 第 89 篇|媒体叙事与公众认知:智能体的炒作周期与降温曲线

智能体生态观察 · 第 89 篇|媒体叙事与公众认知:智能体的炒作周期与降温曲线

2024 年初,一家金融科技公司的管理层宣布:AI 客服已承担相当于七百名全职人工的工作量,媒体把这条新闻翻译成「客服行业进入倒计时」;一年多之后,同一家公司公开承认服务质量下降、开始重新招聘人工坐席,媒体又把同一段事实翻译成「AI 客服的失败」。事实几乎没有变化,变化的是叙事的需要。智能体是被叙事塑造最重的技术品类——媒体的过山车与技术的爬坡是两条不同步的曲线,本篇拆解这条曲线的形状、放大的机制与认知的滞后。

手绘信息图:智能体叙事的过山车——五个阶段与媒体的放大机制

叙事的过山车:智能体版炒作周期

行业研究机构多年前提出过一个描述新技术舆论命运的模型:期望值沿时间先冲高、再跌落、再缓慢爬向真实生产力——这就是常被引用的炒作周期曲线(Gartner 曲线,本文只借它的形状,不引用它任何一期的具体预测数据)。智能体有自己的版本,节点可以逐年对上号。技术触发期的标志是 demo 震惊——自动操作浏览器与屏幕、一句话生成完整应用的演示视频病毒式传播;期望膨胀期的标志是取代叙事接管头条——「一年内取代初级工程师」「智能体消灭某职业」一类标题成为流量密码;幻觉期的标志是 demo 与产品的落差被反复起底——演示在理想条件下录制,产品在分布外的真实环境里运行,差距成为报道富矿;幻灭低谷期的标志是试点失败与反转叙事——某公司撤回智能体项目、某场景退回人工,坏消息同样有流量;爬坡复苏期的标志是「真实生产力区间」的平淡报道——完成率、接管率、成本节约这些不性感的数据开始成为主叙事。

还有一个值得追问的问题:为什么智能体的叙事振幅比以往任何技术品类都大?机制上有两点。其一,它承诺替代的不是某个器官的延伸——汽车替代腿、搜索引擎替代查阅——而是「人」本身:判断、执行、沟通,这些是每个人自我价值感的核心地带,叙事天然带着社会焦虑的杠杆,「取代叙事」一出就直击身份认同,传播力被情绪放大一档。其二,通用性让每个行业都可能成为新闻主角:今天的智能体叙事可以讲客服、明天讲编程、后天讲科研——取材面无限大,媒体永远不缺新故事可讲,而每个新故事都在为同一条叙事曲线添砖加瓦。振幅大不是媒体的错,是题材本身的属性。

关键认知是两条曲线的错位。技术能力曲线由模型迭代与工程积累驱动,斜率相对平滑、大体单调向上;叙事曲线由事件驱动——一场发布会、一次翻车、一篇深度报道就能把它拽出尖峰或砸出深谷。斜率差造成系统性的时差:叙事冲顶时,能力还在山脚;叙事探底时,能力已悄悄爬过山腰。从业者手里真实的进度条永远是能力曲线,而公众看到的、投资人报价的、招聘者迎合的,都是叙事曲线——绝大多数误判,都源于把后一条当成了前一条。

过山车的形状可以预测,节点对得上号——真正要记住的是:媒体曲线的坐标轴是事件,技术曲线的坐标轴是证据,两套刻度不可通约。

放大机制:媒体为什么报极端案例

放大机制有三种,都能从新闻业的运行规律推出来。第一是极端案例偏好:一条新闻的传播力来自偏离日常的程度,「智能体越权删库」与「智能体接管全部客服」都比「智能体完成六成常规工单」更值得排版——而后者才是行业的日常。第二是 demo 与产品的落差:演示是产品团队精心设计的一次成功,报道不加限定语地转写,读者接收到的却是「随时可用」;待社区复检把落差揭出来,反向报道又成为新一轮极端案例——同一份素材完成两次放大。第三是失败叙事的反向放大:一次公开翻车抵得过十次安静上线,因为翻车符合读者的公平世界预期——巨头吹过的牛摔了,这个故事天然带有道德快感。

理解这三条机制,最好的标本是导语里那家公司(Klarna)的一年半:宣布「等效七百名人工」时,媒体完成第一次放大,行业头条变成「客服已死」;质量下滑、重新招人时,媒体完成方向相反的第二次放大,「AI 客服失败论」登顶。两次报道引用的是同一家公司,事实底座没变多少——变的只是叙事的档期。而更少被报道的第三段是:重新招人之后,这家公司并没有撤下 AI,而是让人与 AI 分层协作——这类混合稳态缺乏冲突性,传播力天然弱一档。公众对这个事件的记忆留存也印证了滞后的机制:多数人记得「AI 客服」这个标签,记得「七百人」这个数字,却说不清结局是撤还是留——标签与数字比叙事弧线更容易存留,而叙事弧线恰恰是判断所需要的部分。行业真实的稳态常常就是这样:极端叙事的两头都错,中间无人报道的部分才是对的。

对从业者,把每个叙事阶段的媒体特征与对应动作列成表,可以在情绪场里保持行动能力:

叙事阶段 媒体特征 从业者对策
技术触发 demo 病毒传播 只看可复现实验,不追演示
期望膨胀 取代叙事登头条 记下激进预测,定期回检
幻觉期 落差起底报道 区分 demo 条件与生产条件
幻灭低谷 试点失败与反转 记录真实指标,敢于公开
爬坡复苏 平淡的数据报道 把稳态写进案例,补齐中间叙事

放大机制无法消除,只能绕行——对策的核心是给判断装上第二信源:可复现的实验与自己产品的真实指标。

公众认知的滞后:过时印象与信任透支

公众认知的更新比媒体更慢,机制有二。其一,认知靠亲身体验校准,而智能体的大众体验频次天然低——多数人一年接触智能体产品的次数屈指可数,样本量不足以推翻媒体给的先验印象。其二,印象有残留效应:「智能体等于会胡说的聊天机器人」与「智能体无所不能」两个互相矛盾的过时印象同时流行,各自都能找到旧新闻背书。残留的后果在具体场景里显形:有人因为三年前的翻车报道,拒绝使用今天已经稳定的功能;也有人因为期待被旧头条吊得太高,在第一次失败后永久弃用——滞后让同一款产品同时承受低估与高估两股反向的误伤。

信任透支的修复成本是滞后的第二重代价。信任的力学是不对称的:塌下去只要一次公共事件,修回来需要数倍的稳定运行时间。真实判例加速了这个过程——某航空公司的聊天机器人对退款政策「即兴发挥」,裁决机构认定公司须为机器的错误承诺买单,这笔赔偿让「客服说错了谁负责」第一次进入大众意识。此后企业端的姿态整体转向保守:先小范围灰度、再开放入口,把体面失败设计进产品。这里有一个与概率性行为绑定的深层机制:传统软件可以承诺「不出错」,智能体不能——错误是概率的,承诺零错误等于承诺谎言。所以信任修复的策略必须换轨:从「证明我不出错」转向「出错可兜底」——出错时的补救速度、责任承接的姿态、赔偿的爽快程度,反而成了新的信任货币。对产品人而言,滞后的另一面反而是机会:公众认知与真实能力之间的时间差,正是新产品教育市场的窗口——教育的方式不是广告,是让第一批用户的成功体验成为他们自己的亲历证据。

把叙事强度变成可跟踪的信号,是团队级的免疫力工程。最小可行的做法,是定期扫描行业版面标题的阶段特征:

STAGES = {  # 叙事阶段信号器:按标题关键词粗分类(玩具级示意)
    "hype": ["取代", "颠覆", "革命", "全能", "消灭"],
    "reality": ["试点", "完成率", "灰度", "成本下降", "接管率"],
    "disillusion": ["翻车", "失败", "回撤", "叫停", "退回人工"],
}

def stage_signal(headlines):
    total = max(len(headlines), 1)
    counts = {k: 0 for k in STAGES}
    for line in headlines:
        for stage, words in STAGES.items():
            counts[stage] += any(w in line for w in words)
    return {k: v / total for k, v in counts.items()}
#用法:每周对行业版面标题跑一次,画出三条份额曲线的交叉点

三条份额曲线的交叉与领先滞后关系,就是团队自己的叙事曲线——比任何机构报告都更贴近你所在的细分市场。

flowchart TD
  T["技术触发:demo 震惊"] --> P["期望膨胀:取代叙事"]
  P --> H["幻觉期:demo 落差被起底"]
  H --> D["幻灭低谷:试点失败报道"]
  D --> R["爬坡复苏:真实生产力区间"]
  T -. "媒体动作:病毒传播" .-> M1["公众印象:无所不能"]
  H -. "媒体动作:落差起底" .-> M2["公众印象:全是玩具"]
  R -. "媒体动作:平淡数据" .-> M3["公众印象:缓慢修正"]

滞后无法加速,但可以被利用——产品教育的机会窗口,恰好长在公众认知与真实能力的时差里。

生态观察:叙事如何影响融资、招聘与从业者的免疫力

叙事曲线对产业资源的再分配立竿见影。融资窗口跟着叙事走:期望膨胀期,「智能体加一切」的概念都能拿到高估值,估值的分母是叙事而不是收入;幻灭低谷期,融资收紧,但反直觉的是——这也是筛选效率最高的时段,没有真实收入与留存的公司被出清,活下来的团队用低价吸走人才与客户。招聘同样随曲线摆动:叙事高点,人才涌向智能体岗位;低谷期人才回流成熟业务,摆幅比真实的技术变化大得多。这些摆动叠加起来,让智能体产业的建设节奏被叙事周期性地打断又重启——而重要的基础设施(评测、运维、安全)恰恰是在低谷期被沉淀下来的,因为此时只有真正做事的人还在场。对观察者,这个错位还提供了一个实用指标:基础设施类岗位(评测、运维、安全)在招聘盘面里的占比,是比融资新闻更可靠的健康度信号——叙事可以撒谎,编制不会。

从业者的叙事免疫力可以拆成四条可操作的纪律。一,信源分级:一手发布、深度分析、社区情绪分三层记账,只用第一层做事实判断,第三层只做情绪测量。二,延迟判断:对「颠覆」「取代」类标题强制冷却一个季度再下结论,多数尖峰叙事撑不过这个周期。三,双账本:媒体叙事记一本,自己产品的完成率、成本、接管率记另一本,季度对账。四,失败案例库:主动收集公开的试点失败,它标注的是能力边界的位置,信息量比成功案例更大。这四条纪律不使人更乐观或更悲观,只使人比市场平均慢半拍、比市场平均准一截。至于本系列第 20 篇讨论过的周期与泡沫问题,此处只点名、不重复——叙事周期与产业周期互为镜像,读其一可推其二。

叙事对资源分配的影响是真金白银的——免疫力不是心态,是一套把叙事与技术分开记账的流程。

小结

智能体的公众形象由叙事曲线而非技术曲线绘制:触发、膨胀、幻觉、幻灭、复苏五段循环,媒体用极端案例、demo 落差与反转故事三轮放大,公众认知带着经年累月的残留滞后。对从业者,Klarna 式的完整弧线提醒我们:两次方向相反的放大可以共享同一段事实;对产品人,认知滞后的时差正是教育市场的窗口;对观察者,双账本纪律是免疫力的全部秘密。读技术的真实曲线,别读媒体的情绪曲线——前者由证据驱动,后者由事件驱动,而事件从不为技术的能力曲线负责。

读者留言

COMMENTS 暂无
仅本站原创文章开放留言 · 请勿留下手机号、邮箱等个人信息

还没有留言,来说第一句?