看得見的 AI 讓信任流失的機率是提升的四倍
美國消費者察覺行銷內容由 AI 生成時，31% 會降低對品牌的信任，只有 7% 會提高。這組讀數來自 Klaviyo 與 Datalily 在 2025 年 12 月執行的消費者調查，由 eMarketer 在 2026 年 3 月引述。損失與收益的比例大約是四比一。
先把這個數字讀清楚。它講的不是「用 AI 會被討厭」。它講的是「被看出來用了 AI」這件事，在美國市場帶來的期望值是負的。同一份內容，如果消費者沒有察覺，這道扣分就不會發生。差別在於可見度，不在於工具。
四比一的意思是：每有 1 個消費者因為看見 AI 而更信任你，就有 4 個因此更不信任你。品牌在做 AI 內容決策時，很少有人把這個賠率算進去。
台灣的討論多半停在效率層。省了幾小時、產出多幾倍、一個人可以做三個人的量。這些都是真的。只是效率看得到，信任成本發生在消費者那一端。31% 與 7% 這兩個數字不會出現在你的內部報表上。兩邊不在同一張報表，就很容易只算前面那一半。
可見 AI 是消費者感受得到機器痕跡的內容。主視覺、影片、社群貼文的語氣都算。隱形 AI 是消費者感受不到的應用，例如推薦排序、發送時間最佳化、素材 A／B 測試。前者會被評價，後者不會。
把兩者混在一起談，就會得出「AI 到底該不該用」這種問不出答案的問題。分開之後題目才會變得可以回答。前提是你得先知道自己的內容落在哪一層。
美國媒體專家同時興奮也同時警戒
Integral Ad Science 與 YouGov 訪問了 290 位美國數位媒體專業人士，61% 對 AI 帶來的廣告機會感到興奮，53% 同時把「廣告鄰近 AI 生成內容」列為 2026 年媒體業的首要挑戰。同一群人，兩個方向。
這份調查在 執行， 發布。受訪者組成包括 98 位廣告主、78 位代理商工作者、58 位發行商與平台方，以及 56 位廣告科技從業者。樣本本身就是決策圈。
AI 與 AI 生成內容的使用在 2025 年急速上升，讓發行商與廣告主必須在機會與風險之間拿捏。
矛盾不代表誰講錯了。它代表這個議題在美國已經進入取捨階段。興奮的是觸及與成本，警戒的是自己的廣告會出現在什麼旁邊。兩件事同時為真，決策者才會卡住。
值得對照的是，消費端與從業端是兩條互不知情的調查線。Klaviyo 那份問的是消費者，IAS 這份問的是專業人士，題目也不同。兩條線最後指向同一個方向：可見的 AI 帶來風險，而且風險正在被定價。
AI 內容揭露之前，先看美國專家實際避開什麼
同一份 IAS 與 YouGov 調查問了受訪者最想避開哪些內容環境，排在最前面的四項全部與品質訊號有關，與「這是不是 AI 做的」無關。第一名是含不準確資訊或幻覺的內容，59%。
| 避開的內容類型 | 比例 |
|---|---|
| 含不準確資訊或幻覺的內容 | 59% |
| 廣告過多、體驗雜亂的版位 | 56% |
| 來源不明或新註冊、無可查核編輯團隊的網域 | 52% |
| 會吸引非人類機器人流量的內容 | 51% |
把這四項讀一遍會發現一件事。它們描述的都是「查不到人、查不到出處、查不到責任」的狀態。AI 只是讓這種狀態變得更容易大量生產。真正被排斥的是不可查核，不是機器。
這對揭露的做法有直接影響。如果你的 AI 內容揭露只寫一句「內容由 AI 協助產生」，你解決的是道德姿態，沒有解決可查核性。讀者仍然不知道誰負責、根據什麼、查證過沒有。
反過來說，一則標明了作者、標明了資料來源、標明了查核方式的內容，就算用了 AI 輔助，落在上面那四項的機率也低得多。具體來說，第三項的 52% 講的就是這件事：有沒有可查核的編輯團隊。
AI 內容揭露怎麼決定：先把隱形與可見分開
AI 內容揭露的第一個決策點，是先分辨這次的 AI 用法會不會被消費者感受到。感受不到的用法通常沒有揭露必要，感受得到的才需要決定說法。
操作型的 AI 應用，像是個人化推薦、投放時機最佳化、素材測試、資料整理，消費者不會在成品上察覺，也不會因此調整對品牌的評價。創作型的用法就不同，語氣、主視覺、人物形象、客戶見證，這些是品牌立場的載體，也是 31% 對 7% 那道扣分實際發生的位置。
| 判斷維度 | 操作型用法 | 創作型用法 |
|---|---|---|
| 消費者可見度 | 感受不到 | 看得出痕跡 |
| 典型場景 | 推薦排序、發送時間、A／B 測試 | 主視覺、影片、社群語氣 |
| 信任影響 | 幾乎沒有 | 落入四比一的賠率 |
| 揭露必要性 | 低 | 高，且要寫清楚人在哪一段 |
可口可樂在 2025 年推出 AI 生成的聖誕廣告，網路上的批評集中在「沒有靈魂」，部分消費者揚言改喝百事。這件事常被當成「AI 廣告會翻車」的案例。比較準確的讀法是這樣：翻車的是情感性最強的品牌廣告，而且機器痕跡看得出來。這家公司在後台用 AI 的其他地方，沒有人有意見。
並非所有內容都適用同一個標準。以規格比較與常見問題為例，讀者要的是正確與清楚，AI 輔助的接受度高得多。情感性內容、危機溝通、創辦人發言這三類，容錯空間就很小。
所以揭露的寫法要對上這個差異。與其寫一句籠統的免責，不如寫清楚三件事：哪一段用了 AI、誰做了最後判斷、根據哪些來源。這樣的揭露同時降低了前面那四項風險訊號，尤其是 52% 那一項。
個人品牌為什麼在 AI 內容裡變成稀缺訊號
個人品牌是把專業判斷掛在一個真人名字底下，而且這個名字查得到。在 AI 內容大量增加的環境裡，署名這個動作本身變成品質訊號，因為署名無法被自動生成。
把 IAS 那份調查的第三項再看一次。52% 的美國媒體專家會避開來源不明、無可查核編輯團隊的網域。這一項不需要任何額外解釋，就說明了署名的價值。有名字，代表有人要為錯誤負責。
創辦人與專業工作者的個人帳號在這件事上有結構優勢。公司帳號說「我們相信」，讀者無從查證；一個具體的人說「我做過這件事，結果是這樣」，讀者可以查他的資歷、過去的說法、有沒有前後矛盾。可查核性是靠人累積的。
更多關於這個概念的定義與應用，可以看個人品牌的術語頁。
要提醒的是，這不代表所有品牌都該把創辦人推到前面。以醫療器材與金融商品為例，讀者查的是執照與機構，個人聲量反而是雜訊；也有創辦人並不適合對外發言。判斷點在於：你的受眾起疑時會想查誰。答案是誰，誰就該署名。
銷波快觀點：揭露解決的是可查核性，不是姿態
過去有「沒圖沒真相」的說法，照片是真實的證據。AI 影像生成已經把這個前提拿掉了。你看到一個人在動、在說話，也無法確認他真的存在。當視覺證據失效，品牌的真實性就必須靠更主動的方式建立。可口可樂 2025 年那支聖誕廣告的爭議，本質上就是這件事：素材本身已經不能替品牌背書了。
另一個更常被低估的風險在事實層，也就是 IAS 那份調查排第一的 59%。AI 會從產業模板推論你「應該有」什麼，而不是從你的品牌事實出發看你「真的有」什麼。食品品牌應該有手作工作坊，這個推論在統計上合理，在某個具體品牌上可能完全錯誤。AI 不知道你沒有的東西，它只會填預設值。所有 AI 生成的品牌內容都必須過事實查核，這件事和揭不揭露是兩回事，但會一起被讀者算在帳上。
這篇引用的兩份調查，方法上有一件事值得說。Klaviyo 那份問消費者，IAS 那份問從業者，兩條線互不知情、題目也不重疊，最後卻指向同一個結論。這種非設計的重合，比單一來源列十個數字更有說服力。台灣在討論 AI 行銷時很缺這種交叉驗證，多數論述都停在單一顧問公司的白皮書。
最後一個建議偏操作。與其宣布你怎麼用 AI，不如先劃出哪些內容不用 AI。用「不做什麼」來設定邊界，通常比宣示「我們負責任地使用 AI」更有訊息量，因為前者可以被檢驗，後者不能。
結論：先分清楚哪一種 AI 被看得見，再決定要不要說
把這篇的讀數收在一起。美國消費者察覺 AI 生成內容時，降低信任的比例是提高信任的四倍；美國媒體專家有 61% 對 AI 廣告機會感到興奮，卻有 53% 把 AI 鄰近列為隔年首要挑戰；他們最想避開的四種內容，講的全是查不到出處與責任。
可以現在就做的有三件事。第一，把公司目前的 AI 用法分成兩欄：消費者看得見的，和看不見的。只有看得見那一欄需要處理揭露。第二，把揭露文字從免責聲明改成可查核資訊。寫清楚人在哪一段做了判斷。第三，在情感性最強的接觸點上減少機器痕跡。那裡的賠率最差，就是 31% 對 7% 的那一道。
想聽更完整的討論，可以從銷波快 Podcast 已經上線的單集開始。裡面有更多實際操作的細節。
喜歡這篇？讓行銷變好懂，訂閱銷波快。
資料來源
- Visible AI in marketing is four times more likely to cost brands trust than build itemarketer.com
- Media experts embrace AI advertising cautiously amid brand safety concernsppc.land
- The Great AI Backlash Has Begunanswereconomy.substack.com
- AI-Era Founder Marketing in 2026: The Authentic Playbookfoundera.co
- AI in Brandingclutch.co
- Clutch Report: Consumers Are Rejecting AI Creativebusinesswire.com
- 品牌信任之戰重繪 2026 生存圖譜digitaling.com
- 2026 中國品牌內容戰略白皮書ddbranding.cn
