31%科技从业者投票：AI最大毛病不是不够聪明，是太会编

一项覆盖数千名技术从业者的调查显示，31%的人把「编造信息」列为AI的头号问题——不是算力贵，不是反应慢，是这玩意儿一本正经地胡说八道。

数据冲击：信任危机比技术瓶颈更棘手

HackerNoon的「3 Tech Polls」栏目近期汇总了三组关键投票。第一组数据就相当扎心：当问及「AI最该解决什么问题」时，「幻觉」（Hallucination，指AI生成虚假内容）以31%的得票率碾压其他选项。相比之下，担心「成本过高」的仅占18%，「响应速度慢」更是只有9%。

用户宁愿等三秒等个真的，也不想秒收一份假的。

这组数据的吊诡之处在于：AI厂商过去两年拼命卷参数、卷上下文长度、卷多模态，仿佛模型越大就越厉害。但用户端的反馈很直白——你吹得再天花乱坠，给我一份带编造的财报分析，我敢用吗？

一位参与投票的开发者留言：「我现在用GPT写代码，每行都要人工复查。它不是在帮我省时间，是在给我增加一道质检工序。」

AI Agent：从「即将爆发」到「再等等看」

第二组投票聚焦AI Agent（智能体）——那个被硅谷寄予厚望、号称要取代人类工作流的概念。结果呈现明显的「认知分裂」：67%的受访者相信Agent会在未来12个月内进入工作场景，但同一批人里，只有34%认为当前的炒作能兑现。

信它会来，不信它现在行。

这种分裂很有代表性。大厂发布会上的Demo总是丝滑的：Agent自动订机票、写周报、管项目。但真到工位上，员工面对的是一个需要反复确认权限、频繁打断工作流、偶尔还会把「取消会议」理解成「给全公司发邮件宣布取消」的不稳定系统。

投票评论区有人打了个比方：「现在的Agent像刚拿到驾照的实习生——能开车，但你敢让他单独见客户吗？」

更微妙的是时间差。67%的「12个月内」预期，与34%的「炒作兑现」信心，中间隔着33个百分点的信任缺口。这缺口里装的是什么？是过去两年被过度承诺透支的用户耐心，也是技术落地时那些Demo不会展示的边角案例。

技术乐观主义者的谨慎时刻

第三组投票相对温和，但同样值得玩味。当问及「未来一年最期待的技术突破」时，「多模态理解」以41%领跑，「推理能力增强」占29%，而「价格下降」仅有12%。

这组排序透露了一个信号：目标用户群——25-40岁的科技从业者——对AI的期待正在从「能用得起」转向「用得放心」。价格不再是首要痛点，质量和可靠性才是。

这与第一组数据形成呼应。31%的人抱怨幻觉，本质上是在抱怨「不可验证的输出」。多模态理解再强，如果生成的图表数据是编的；推理能力再强，如果推导过程藏了逻辑陷阱——这些「高级功能」反而成了风险放大器。

一位数据科学家在投票附言里写：「我团队上周用某主流模型分析销售数据，它『发现』了一个季度环比增长23%的趋势。我们激动了半天，最后发现是它把两个不同口径的指标拼在一起了。这23%不存在。」

厂商的沉默与用户的声音

值得观察的是，这三组投票的样本并非普通网民，而是HackerNoon的读者——一群每天和代码、数据、系统打交道的人。他们对技术的容忍度不低，对缺陷的识别能力却更强。

当这群人把「编造信息」投成头号问题，厂商的宣传话术就显得有些错位。你很少在发布会上听到CEO说「我们今年的重点是减少幻觉」，更多听到的是「参数翻倍」「上下文破百万」。但用户端的投票数据，像是一份未被充分倾听的需求清单。

这种错位有历史原因。幻觉问题难以量化展示，而参数规模可以；减少幻觉需要长期工程投入，而新功能可以快速迭代发布。但在31%的投票占比面前，优先级或许需要重新校准。

一个细节：三组投票的评论区里，「人工复核」「人类在环」（Human-in-the-loop）被反复提及。这不是对AI的否定，而是对「全自动化」叙事的修正。用户想要的是辅助，不是替代；是可信的加速，不是失控的便利。

投票结束后的讨论区，有人留下一条未署名的评论：「如果明年这时候再做同样的调查，我希望『幻觉』的占比能降到15%以下。不是因为我相信技术会自然进化，是因为如果还停在31%，这行就太让人失望了。」

这条评论目前获得了最高赞。它没问「AI会不会取代人类」，而是问了一个更实际的问题：在取代之前，它能不能先做到不骗人？