Skip to content
学校里，学生怕被认为作弊、偷懒、能力差；公司里，员工又可能因为“AI转型”的压力，把浅层使用包装成深度应用。同样一个行为，在不同组织里，可能一边被隐藏，一边被夸大。
最近一项关于大学生AI使用的研究，就揭开了这个微妙现实：AI使用率的数字，未必反映真实使用情况，更反映一个环境里“承认用AI”到底是污点，还是勋章。
今天，得到AI学习圈主理人快刀青衣老师，主要想要讨论的，不只是大家到底用了多少AI，而是当AI从工具变成一种身份标签，学校、公司和个人该如何重新设计规则、边界和提问方式。
前几天，我看到一篇关于大学生AI使用情况的调查，马上就被一个问题吸引住了：为什么大家都在用，却没人想成为那个“用了AI的人”？
这是什么意思呢？芝加哥大学做了一项调查，参与调查的是338名大学生。研究者先问他们：“你自己用不用AI？”大约60%的学生承认自己用了。然后研究者换了个问法：“你身边的同学呢？你觉得他们用不用AI？”这个数字一下跳到了90%。
同一群人，同一个行为，只是问法从“你”变成“你身边的人”，结果就差了30个百分点。
这其实特别容易理解。比如有人问你：“你昨天晚上熬夜了吗？”你可能只会说：“没有，我就是比平时晚睡了一点。”但是如果他问：“你觉得班里有多少人天天熬夜？”你可能马上会说：“那可太多了，最少80%吧。”你看，这跟刚才那个问题非常类似，放在你身上就是“特殊情况”，放在大家身上就是“大家都这样”。
这30个百分点的差距，已经大到不能用统计噪音来解释了。研究者用了两个口径来测，一个是AI依赖程度，一个是每周使用频率，差距在27到41个百分点之间浮动。也就是说，不管怎么问，只要问题从“我用不用”变成“别人用不用”，AI使用率就明显上去了。
最有画面感的一个细节在论文附录里，没有一个受访者说：“我自己用AI，但别人不用AI。”你看，在学生的想象里，AI已经像一种地下常态，大家好像都在用，只是轮到自己承认的时候，就会往后退一步。
这项研究来自芝加哥大学的研究团队，论文标题叫《AI使用的低报：社会期许偏差的作用》，后来被CHI 2026收录并发表。要知道，CHI可是全球人机交互领域最权威、规模最大的学术会议之一。当然，这篇论文的标题有点太学术了。要是我，可能会直接起一个这样的标题：《他们为什么用了AI却不承认？》
沃顿商学院的伊桑·莫利克（Ethan Mollick）教授在X上转发了这篇论文，说很多人嘴上说自己从不用AI，其实都在偷偷用。这条推文有十几万次浏览，显然戳中了一个很多人都不太愿意承认的现实。
你可能会问，研究者怎么知道这就是“低报”？有没有可能是学生真的用得少，只是误以为别人用得多？
就像咱们前面提到的，研究者用的方法叫“间接提问法”。听起来有点学术，简单来说就是，不只问“你做了吗”，还问“你觉得你周围的人做了吗”。因为这些受访者来自同一个学生群体，从总体上看，这两个问题的答案不应该差得太离谱。
如果长期、系统性地差出一大截，那就说明这里面不只是行为差异，还有回答问题时的心理修饰。
尤其是当一个行为带着污名的时候，人更愿意把它放到别人身上。别人用了，没那么难说；我用了，就开始有点尴尬。当然，不只是行为，很多词在演变之后也是这样，比如我第一时间就想到“专家”这个词。我们更喜欢介绍别人是某个领域的“专家”，但介绍自己的时候，很少有人喜欢用“专家”这个词。
不过，我觉得这篇论文真正有意思的地方，还不是60%和90%之间的差距，而是它提醒我们：这两个数字可能都不是真实值。
论文自己也承认，学生可能高估了别人使用AI。社交媒体天天讲AI，校园里也天天讨论AI，你看到AI生成的内容越来越多，就容易觉得“大家肯定都在用”。这不一定来自真实观察，也可能来自舆论环境，心理学上把这种现象叫作“可得性偏差”。换句话说，你越容易想起一件事，就越容易觉得它特别普遍。
所以，AI采用率现在可能同时受到两股力量的影响。问自己的时候，因为污名化的原因，人会低报；问别人的时候，舆论热度又会让人高估。60%可能偏低，90%可能偏高，真实使用率也许就在中间某个位置，但我们很难靠一句“你用没用AI”把它测准。
这才是这篇论文真正的核心判断：AI的使用已经变成一种敏感行为，普通的自报法已经不够可靠了。
研究者又找来96名大学生，把第一轮调查里“自己报告低、同伴报告高”的结果展示给他们，然后问：你觉得这个差距是怎么来的？是学生低报了自己的AI使用，还是高估了别人？
79.2%的人选择了“学生低报了自己的AI使用”。只有11.5%的人认为，是高估了别人。
另一道题更有意思。70.8%的人选择了这样一句话：“学生不好意思承认自己用了AI，但可以说朋友用了。”
不是不会说，不是不知道，而是不好意思。把同样的行为放到朋友身上，就没那么严重；放到自己身上，味道立刻就变了。这说明，AI使用已经不是一个中性的工具问题，它开始带上了道德判断，甚至带上了身份判断。
论文还做了自由回答的编码分析。什么意思呢？就是让学生自己填写原因。71个有效回答里，43个提到了社会期许偏差，15个提到学术诚信担忧，8个提到显得不诚实，7个提到污名，6个提到显得能力差，5个提到羞耻、尴尬，4个提到显得懒。
这些跟AI使用相关的词，在大学生心里，AI已经和作弊、偷懒、能力差、不诚实、羞耻、尴尬这些词联系在了一起。这哪是在描述一种工具使用行为？这更像是在描述一种道德审判。
所以论文里有一个洞察特别准：人们不一定是在撒谎，他们是在重新定义“使用”。
你问一个学生：“你用AI了吗？”他说：“没有，我只是查了一下资料，我只是让它润色了一下表达。”或者他说：“我只是找了一点灵感，最后还是我自己写的。”
这些说法未必是假的，但麻烦也正在这里。明明学生们的AI都在做着类似的事情，却一定要把“我用了AI”，改写成“我只是让AI辅助了一下”。
论文里面就提到，有可能是“使用”这个词太重了。它意味着依赖，意味着你自己做不了。但“辅助”就轻多了，辅助是帮忙，辅助是工具，辅助之后，你还是主体。
所以问卷只问“你有没有用AI”，就会漏掉一大片灰色地带。因为很多人真心觉得自己没有“用AI”，只是让AI帮了个小忙。我看到这里的时候，说实话还是挺受触动的。
因为在这批大学生心目中，承认用AI，不是在回答一个技术问题，而是在接受一连串身份审问：你是不是作弊了？你是不是偷懒了？你是不是能力不够？你是不是以后会被替代？
这些问题甚至不需要真的有人问出口。只要学校、公司、同事、同学这些身边的氛围暗示了这些可能性，再加上自媒体和网络上大量类似的新闻，人就会自动把答案修饰成一个更安全的版本。
何况，在真实环境里，承认用AI，真的需要付出代价。
Atlassian的Teamwork Lab在2026年6月发布了一项研究，共有961名知识工作者参与。结论很刺眼：面对完全相同的工作成果，如果评估者被告知这是借助AI完成的，他们给出的“懒惰”评分会飙升10倍，推荐这个员工参与高曝光项目的意愿下降24个百分点。
这就好像你面对两个一模一样的PPT，然后有人告诉你：A是员工熬夜到凌晨手搓出来的，B是AI生成的。哪怕两个PPT一模一样，人们对B的肯定也会远远小于A。所以你看，承认用AI，不只是心理上有点别扭，而是可能带来实打实的职业损失。
不承认有代价，承认也有代价。但其实还有第三种代价：看起来在用，其实没在用。
比如那些对AI使用Token进行排名的公司，我相信，只要有这个排名，一定会有很大一部分Token被悄悄浪费掉。大家只是为了让自己的排名好看，显得自己AI用得很深。至于最后到底拿到了什么结果，光靠消耗了多少Token，是根本衡量不了的。
说到这里，我们刚刚提到的莫利克教授，之前还提出过一个很有趣的概念，叫“秘密赛博格”。什么叫赛博格？这是“控制论有机体”（Cyborg）的缩写，意思就是人和技术融合成了一个新的整体。
这个概念早在1960年就出现了，后来一大批好莱坞电影，其实走的都是这个路子，比如《机械战警》《攻壳机动队》里的改造人。
那么，什么叫秘密赛博格呢？其实按前面这个定义就很容易理解了，说的就是这样一类人：明明在偷偷用AI，却选择保密。
为什么保密？三个原因：政策风险、价值保护、就业安全。
毕马威在2025年做过一项覆盖超过48000名员工的全球调查。57%的人承认，自己隐瞒了AI的使用，并把AI生成的成果当作自己的成果提交。偷偷用，不承认，再把成果说成是自己做的。你看，这已经是一种大规模的集体行为了。
但这里还要再拐一个弯：AI使用到底是被低报，还是被高报，取决于你身处什么样的组织。
论文没有把结论简单写成“大家都在低报AI使用”。作者明确说，在不同的组织文化里，社会期许偏差的方向可能正好相反。比如学校里，AI容易被看成作弊工具，所以学生低报，这很好理解。但公司里，如果领导天天喊AI转型，把“会不会用AI”变成先进和落后的分界线，员工反而可能高报。没怎么用的人，也要说自己用了，只是为了显得自己跟得上时代。
这种现象已经有了一个名字，叫AI Washing，也有人翻译成“AI洗白”，就是把很浅的AI接触包装成深度AI转型。当然，这里面的重灾区肯定就是简历了。我经常在简历里看到有人把自己的AI工具使用能力写得天花乱坠，但到了面试现场，我简单问几个问题，就知道里面到底有多少水分了。
你看，同一个行为，到了不同组织里，偏差方向完全相反。学校里，你用了不敢说；公司里，你没怎么用，也可能装作用了。
这就给所有AI采用率调查提了一个醒：不要只看数字，要先看组织文化。在这个组织里，AI到底是污点，还是勋章？答案不同，问卷偏差的方向就完全不同。
说到这里，这篇论文对做产品的人、做管理的人、做教育的人，也都有一个很实际的提醒：不要再只问“你有没有用AI”这样一个浅层次的问题了。
不是说这个问题不重要，而是这个问法很容易问不到真实答案，因为它触发的不是事实回忆，而是身份防御。回答者脑子里转的，不是“我到底用没用AI”，而是“我承认了会怎样”。
学校如果低估了AI使用，就会把问题当成“少数学生作弊”来处理。结果就是越抓越隐瞒，越隐瞒越抓，最后变成一场猫鼠游戏。公司如果误判了AI使用，也会出问题。员工偷偷用AI，但公司以为没人用，那该建的数据安全边界没建，该做的质量审核没做；反过来，如果员工为了迎合指标夸大AI使用，公司又可能盲目投入一些并没有实际价值的项目。
更好的问法是把任务拆开：哪些环节可以使用AI？哪些环节必须披露AI的参与？这两个问题回答清楚了，其他问题自然也就清楚了。
所以，以后再看一个学校、一个公司、一个团队的AI使用率，不要急着问“到底有多少人用了AI”。先问一句：在这里，承认使用AI，到底会让一个人得到奖励，还是付出代价？
