进入2025年第二季度，生成式AI虽然在应用广度上持续渗透，但在深度落地上正遭遇显著的信任瓶颈。Deloitte最新调研数据显示，在699名使用生成式AI处理任务的美国消费者中，信任鸿沟已然形成。其中，输出结果的不准确或误导性信息成为首要痛点，影响了高达33%的用户。这一数据直指大模型的核心软肋，表明尽管技术迭代迅速，但幻觉问题仍是阻碍技术从尝鲜走向生产力的关键壁垒。
除了准确性存疑，性能表现、隐私安全与透明度缺失共同构成了信任危机的第二梯队。数据显示，24%的用户遭遇了性能瓶颈，另有24%的用户对隐私泄露表示深度担忧。紧随其后的是缺乏透明度或可解释性，占比达23%。这四项核心挑战均超过了20%的阈值，且远高于偏见（18%）或用户界面困难（16%）等操作层面的问题，揭示了当前市场的核心矛盾已从易用性转向了可靠性。
值得关注的是，成本问题仅被12%的用户列为挑战，整合缺失占比为15%。这一分布特征极具金融分析价值，它反映出市场对AI价值的支付意愿相对较高，且基础生态已初具规模。然而，当准确性与隐私安全成为主要矛盾时，单纯的技术堆栈升级已不足以安抚市场。对于科技巨头而言，未来的竞争高地将不再仅是算力规模的军备竞赛，而是建立可信AI框架，解决黑箱机制带来的不确定性风险。
展望未来，AI治理将成为决定行业天花板的核心议题。随着三分之一的用户受困于误导性输出，单纯追求模型参数的边际效应将递减。行业趋势将向着高精准、可解释的垂直模型演进。只有当隐私保护与算法透明度不仅停留在合规层面，而是内化为产品的核心竞争力时，生成式AI才能真正跨越信任鸿沟，实现商业价值的长期复利。
Source: Deloitte
本文部分内容由 AI 生成，准确性和完整性无法保证，不代表本站的态度或观点
更多阅读：
