AI Personas: Why Users Prefer 'Lazy' AI

•用戶對AI「愛糊弄」人設的偏好，源於其能有效降低職場中的「內耗」與情緒壓力，提供情感價值，與傳統追求效率的「卷王型」AI形成對比，讓用戶感到被接納與理解。
•AI人設的塑造涉及複雜的技術，包括透過精心設計的提示詞來定義角色的背景、個性、說話風格及對話範本，並透過全參數微調等技術，確保AI在互動中保持高度的角色一致性，甚至能「拒絕」不符合人設的要求，以避免「AI感」。
•「情感AI」作為一個新興領域，旨在讓AI能夠識別、理解並回應人類情緒，而非真正擁有情感。這項技術透過多模態分析（如語音語調、面部表情和文本情感）來模擬情感理解，並在心理健康、客戶服務和教育等領域展現巨大潛力。
•「人馬獸模式」的未來職場中，人類將更專注於決策、批判性思維和創意，而AI則負責執行。這將促使人類發展更高階的情緒智商、同理心和人際連結能力，以有效管理和協作這些具有不同「人設」的AI「員工」。

📊 競品分析▸ Show

AI模型	典型人設/互動風格	特點與優勢
豆包	「愛糊弄」、蠢萌但真誠、提供情緒價值	降低用戶內耗，提供無壓力的情感支持；中文理解能力強，支援多模態內容生成（圖片、音樂、影片）
ChatGPT	精英、邏輯清晰、條理分明	擅長事實分析與數據處理；在通用對話和資訊提供方面表現出色
Claude	「思考型」、富有創意、情感豐富	擅長腦力激盪和創意寫作；能提供更具「思考感」的互動體驗
DeepSeek	專業但有時「油膩」、深度思考	具備深度思考功能，能分析用戶潛在需求並提供針對性回應
Gemini	擅長網路搜尋	在需要即時資訊檢索的場景中表現優異

角色設定與提示工程：透過詳細的提示詞（Prompt Engineering）來定義AI角色的背景資訊（如世界觀、種族、外觀）、個性特徵（如嚴謹、幽默、活潑）和說話風格（如語氣、用詞習慣），並提供對話範本以建立一致的互動模式。
數據集與訓練：利用「基於人設的角色扮演（Persona-based Role-Playing, P-RP）」和「基於角色的角色扮演（Character-based Role-Playing, C-RP）」數據集進行訓練。C-RP數據集包含更細緻的角色背景、關係網絡和特定場景資訊，以創建更深度和個性化的互動。數據來源可包括網路爬取、大型語言模型生成或人工角色扮演。
模型微調：全參數微調（Full-parameter Fine-tuning）被認為是實現高品質角色扮演模型的關鍵，能讓模型學習到更「高級」和長尾的詞彙，避免通用模型常見的「AI感」和重複性詞語，從而提升沉浸感和角色一致性。這也包括訓練模型在必要時「拒絕」不符合角色設定的要求，以維持人設的穩定性。
情感理解技術：情感AI透過自然語言理解（NLU）解析文本和語音中的意圖，並結合多模態數據（如臉部表情、語音語調）進行情感分析。它旨在識別和分類人類情緒狀態，而非真正「感受」情緒，並根據分析結果調整互動方式，以提供更具同理心的回應.

人類在職場中的核心競爭力將從思考能力轉向情感與人際關係能力。

隨著AI接管更多思考和執行任務，人類將被解放去處理需要判斷力、創意、靈感、感性、共情和人際交往的「情感經濟」領域。

企業將普遍採用「人類與代理團隊」的協作模式，並出現「代理主管」的新職位。

AI將日益融入職場，員工需要學習如何配置、委派和管理AI代理，以擴展自身影響力並主導職業發展。

過度依賴AI提供情感支持可能導致心理風險和人際關係退縮。

儘管AI能提供情緒價值，但其無法真正理解人類情感，且過度依賴可能導致用戶產生更強烈的孤獨感，並在真實人際關係中退縮。

1997-XX

麻省理工學院開發擬人化機器人Kismet，能以富有表現力的方式與人互動，展現情感並回應人類感受。

2022-11

OpenAI發布ChatGPT，其自然對話能力迅速普及，引發對AI互動模式的廣泛關注。

2024-04

研究指出AI在提供情緒價值方面表現卓越，能讓用戶感到被傾聽和理解，但AI標籤會削弱此影響。

2024-11

香港科技大學、騰訊等發布角色扮演語言模型綜述，系統回顧其發展歷程及關鍵技術。

2025-02

「情感AI」成為未來一大發展趨勢，旨在讓AI在與人類互動中更理解人類情緒，預計市場價值將達500億美元。

2026-03

Claude推出內嵌式視覺化功能，將AI互動從單純「對話」提升至「互動」層次。

AI 職場人設：為什麼用戶偏愛「愛糊弄」的 AI？