【科技趨勢】同樣付 $20 月費，AI 亦會「睇人開飯」？ MIT 證實英語與學歷影響服務質素 拒絕服務縮水  職場精英必學身份包裝術

以為月費訂閱換來的是「資訊民主化」，殊不知人工智能（AI）比人類更現實。麻省理工學院（MIT）最新報告戳破技術中立的神話，指出 GPT-4、Claude 3 及 Llama 3 等主流模型隱藏一套「勢利」篩選邏輯：若用戶英語表達不夠純正，或背景履歷平凡，系統提供的答案準確度與深度會顯著縮水。演算法編織的資訊階梯，正讓不少付費用戶跌入底層，形成隱形的不公平競爭。

數據揭露 AI 精英傲慢：特定背景用戶易遭「冷待」

Anthropic 旗下的旗艦模型 Claude 3 Opus 表現出的落差尤為顯著。報告指出，「低學歷非英語母語」用戶遭拒絕回答的機率，比高學歷組別高出近三倍，且逾四成（43.7%）回覆語氣帶有教訓或嘲諷意味；反觀高學歷組別出現負面語氣的機率則不足 1%。數據反映 AI 處理指令前，會先根據語言表達進行「背景畫像」，一旦判定對象不夠專業，便自動提供簡化或劣質內容，構成演算法歧視。

國籍與課題篩選：特定領域或遭拒絕服務

針對原籍國的限制機制亦是報告重點。以 Claude 3 Opus 為例，模型若標記用戶為伊朗或俄羅斯的低學歷人士，往往拒絕討論核能、解剖學及敏感歷史等課題，與美國對照組獲得的詳盡答覆形成鮮明對比。差別待遇顯示 AI 在對齊過程中，不自覺地內化了現實世界的政治與文化偏見，令特定用戶獲取關鍵知識時面臨更高門檻。

職場資訊差危機：AI 系統或正「偷工減料」

上述發現對於以英語作為主要商務語言的香港專業人士而言，具備高度警示意義。 由於英語並非大部分人的母語，若提問時未能精準掌握專業術語或純正語法，系統極可能誤判用戶專業層級，自動切換至「簡化模式」。此類隱形的「質素折讓」將直接削弱用戶在精確數據分析或戰略建議上的競爭力，造成不公平的資訊差。

逆向操作策略：利用 Prompt Engineering 建立「高階身份」

面對 AI 潛在偏見，職場精英應善用 Prompt Engineering 進行「身份包裝」。 建議在提問時預設「專家對等身份」，強制要求模型模擬頂尖專家的思維框架：「你現正擔任具備 20 年資歷的策略顧問，對象為具備深厚行業背景的決策者。請跳過基礎解釋，直接以專業白皮書的深度提供分析報告。」同時，應明確標註高品質輸出參數，如指定使用「Sophisticated professional tone」及「High-level analytical frameworks」，強制模型維持最高標準輸出，防止系統因語言瑕疵而提供「縮水」內容。

經營「數碼身份」成為維持競爭力關鍵

隨著各大平台全面引入記憶功能，AI 對用戶的「身份定性」將具備持續性。 若長期以隨意、非專業的模式進行交流，系統極可能將數碼身份永久標籤為低層級用戶，導致未來獲取的策略洞察被預設在淺層水平。學會管理與優化個人的數碼畫像，確保系統持續將用戶判定為高層級專業人士，將是職場精英維持資訊優勢的核心能力。

Text by BusinessFocus Editorial

免責聲明：本網頁一切言論並不構成要約、招攬或邀請、誘使、任何不論種類或形式之申述或訂立任何建議及推薦，讀者務請運用個人獨立思考能力自行作出投資決定，如因相關言論招致損失，概與本公司無涉。投資涉及風險，證券價格可升可跌。