性格为什么会影响你信任 AI？人格特质、AI 焦虑与控制感

这五项可以同时出现。一个人可以高接受、高焦虑，也可以低信任但高频使用。把它们压成“亲 AI”或“反 AI”，会错过真正需要调整的环节。

人格可能通过哪些路径发挥作用

人格研究更适合描述群体中的倾向，不适合预测某个具体用户。以大五人格为例，开放性较高的人通常更愿意探索新概念，因此可能更早试用生成式 AI；尽责性较高的人可能更看重流程、可复核性和稳定输出；情绪反应较强的人在信息不透明或错误代价较高时，可能更容易体验焦虑。但这些都不是“某特质必然导致某态度”。

更有解释力的中间变量包括：

• 控制感：我能否理解、约束和撤销 AI 的建议；
• 技术自我效能：我是否知道怎样提问、核查和纠错；
• 风险知觉：如果它错了，代价有多大；
• 可解释性需要：我是否需要看到过程与来源才愿意采纳；
• 过往经验：我是否曾因 AI 获益，或被自信但错误的答案误导；
• 社会环境：团队是否要求留痕、复核或禁止输入敏感信息。

因此，性格更像一个起始条件，使用经验和任务制度会持续改写结果。

不同任务需要不同的信任阈值

判断 AI 是否“值得信任”，不能脱离任务。

任务越高风险，越不应该用“它说得流畅”代替证据。熟悉感、礼貌和自信语气都可能让人高估答案质量。

你是哪一种 AI 使用模式

下面不是人格分类，而是一份行为检查。

好奇探索型

你愿意迅速尝试新工具，优势是学习快，风险是把新鲜感当成有效性。给自己增加一个规则：每次采用重要建议前，至少寻找一个独立来源或反例。

谨慎防御型

你会先想到错误、隐私与失控，优势是风险意识强，代价是可能错过低风险的效率收益。可以从可撤销任务开始，例如整理会议提纲，并提前规定“不输入私人数据、不自动执行”。

效率委托型

你喜欢把重复工作交给工具，优势是流程意识强，风险是逐渐失去抽查。为每类任务设置固定抽检率和失败退出条件，而不是凭感觉检查。

情绪镜像型

你会用 AI 整理感受或获得回应，优势是容易开始表达，风险是把迎合当成理解。要求 AI 区分“我说出的事实、它的推断、可以验证的下一步”，并保留与真实他人交流的渠道。

五问校准清单

在采纳一次重要 AI 建议前，问自己：

1. 这是事实查找、观点生成，还是会影响现实决定？
2. 如果答案错了，最坏后果是什么，是否可逆？
3. 它提供了可以核查的来源和条件吗？
4. 我是不是因为它赞同我，才觉得它可靠？
5. 谁应该承担最终判断：我、团队规则，还是合格专业人士？

如果第 2 题代价很高，或第 3 题无法回答，就应提高核查强度，而不是继续优化提示词来获得更顺耳的回答。

团队怎样讨论 AI 态度差异

团队如果把谨慎者称为“抗拒变化”，把积极使用者称为“技术派”，很快会把风险讨论变成立场冲突。更好的做法是让每个人针对同一个任务回答：允许输入什么数据、错误代价是什么、由谁复核、什么情况下必须停止、采用建议后如何留痕。

例如，内容团队可以允许 AI 生成标题候选，但要求引用和产品事实回到权威来源；招聘团队可以用 AI 整理公开岗位材料，却不能让人格或自动评分替代人员判断；客服团队可以生成回复草稿，但涉及账户、支付和个人结果时必须使用受控系统。这样讨论的是任务边界，而不是判断谁的性格更先进。

管理者也不应根据人格测试分配“谁负责 AI、谁只负责复核”。数字素养可以训练，风险责任需要制度明确。记录真实的错误率、返工、节省时间和用户影响，比比较员工对 AI 的态度更有决策价值。

同一人在不同阶段也会改变立场。一次重大错误可能降低信任，获得核查技能可能降低焦虑。态度变化不需要解释成人格改变。

人格测试在这里应该怎样使用

大五人格测试可以帮助你提出关于开放性、尽责性或压力反应的假设，但不能给出“你适不适合 AI”的判决。16 型人格也只能作为讨论偏好与沟通方式的入口，不能代替数字素养、岗位要求或风险评估。

如果你关心的不是态度，而是怎样把 AI 用得更安全，可以继续阅读怎样安全使用 AI 教练：四种使用方式与校准清单。两篇文章的分工是：本页解释态度为何不同，后者解决实际使用方法。

常见问题

开放性高的人一定更信任 AI 吗？

不一定。开放性可能提高尝试意愿，但信任仍会受到错误经历、任务风险、隐私顾虑和专业知识影响。愿意尝试和愿意交出判断是两件事。

对 AI 焦虑是不是心理问题？

不是。对失业、隐私、不透明决策或错误代价的担忧可能完全合理。只有当焦虑持续影响生活并造成明显困扰时，才需要考虑寻求适当支持；文章不能据此做诊断。

MBTI 能预测谁会依赖 AI 吗？

目前不应这样使用。MBTI-style 结果可以帮助讨论信息偏好和决策习惯，但不足以预测具体使用行为，更不能作为工作分配或人员筛选依据。

怎样降低对 AI 的盲目信任？

把任务分级、要求来源、主动寻找反例、保存人工复核点，并记录工具在哪些情境下曾经失败。真正可靠的信任来自可验证表现，而不是人格匹配。

参考来源

• Schepman, A., & Rodway, P. 关于一般人工智能态度量表、人格与信任关联的验证研究：https://doi.org/10.1080/10447318.2022.2085400
• Glikson, E., & Woolley, A. W. 关于人类信任人工智能的研究综述：https://doi.org/10.5465/annals.2018.0057
• 人本 AI 与信任研究概述：https://pmc.ncbi.nlm.nih.govPMC10844202

这些来源支持群体层面的机制讨论，不证明某种人格会决定个人的 AI 选择。