不，並不是所有人都把 AI 用在每件事上

Gabriel Weinberg · 2026-06-13

原文連結： No, everyone is not using AI for everything.

摘要

• Gabriel Weinberg 反駁「所有人都在把 AI 用於所有事情」這種主流敘事，認為真實情況更接近「有些人把 AI 用在某些事情上」。
• Gallup、Microsoft、Datos、Searchlight Institute 與 The Argument 的資料大致指向同一件事：美國 AI 使用者可粗略分成積極使用、偶爾使用與幾乎不用三大群。
• AI 採用率並沒有像科技圈敘事暗示的那樣快速席捲所有人；部分族群即使知道 AI、試過 AI，也仍然選擇低頻或不用。
• 文章認為，人們限制 AI 使用不是單純無知，而是來自真實疑慮，包括工作取代、隱私、錯誤資訊，以及對 AI 實際價值的懷疑。
• Weinberg 用肉類消費作比喻：大多數人不是「全吃」或「全不吃」，而是基於健康、成本、環境與倫理，在不同程度上調整使用。
• 對企業與政策制定者來說，重點不是假設 AI 已被全民接受，而是理解不同族群的擔心，設計可選、可控、可被信任的 AI 產品。

· · ·

去年差不多這個時候，《紐約時報雜誌》推出了一期 AI 專題，其中一篇導言標題是「每個人都在把 AI 用於每件事，這樣不好嗎？」那篇文章是 Hard Fork podcast 的文字整理。這個說法在作者看來，隱含了兩個正在被證明不成立的假設。

第一，一旦你試過 AI，就會把它用在「所有事情」上。但事實上，多數試過 AI 的人只是偶爾使用。

第二，AI 已經變得非常好，即使人們有所疑慮，「所有人都還是在用 AI」。但事實上，有很大一部分人口根本沒有使用 AI。

這裡的 AI 並沒有被非常嚴格地定義；本文大致把它理解成可透過聊天介面使用的生成式 AI。

「所有人都在把 AI 用於每件事」其實是「有些人把 AI 用在某些事情上」

先看 Gen Z。這是 AI 認知度最高的世代，但過去一年，即使 AI 理論上已經變得更好，Gen Z 的 AI 採用率幾乎停滯，而且仍有相當比例的人很少使用，甚至完全不用 AI。

Gallup 針對 2025 與 2026 的年度比較大致如下：

• 至少偶爾使用 AI 的比例：79% / 81%
• 對 AI 感到焦慮的比例：41% / 42%
• 只有每月或每幾個月才使用 AI 的比例：32% / 31%
• 對 AI 感到憤怒的比例：22% / 31%
• 從不使用 AI 的比例：21% / 19%

這也和 Microsoft 新推出的 United States AI Diffusion 網站相呼應。該網站基於「匿名且彙整後的 Microsoft 遙測資料」。Microsoft 的相關部落格指出，美國工作年齡人口中有超過 30% 正在使用 AI，也就是大約 70% 沒有使用；這比 2025 年底增加了 3 個百分點。其底層學術論文進一步說明，這裡的使用定義是「與 ChatGPT、Google Gemini、Anthropic Claude、Microsoft Copilot 等主要 AI 服務互動，且單月使用時間至少 90 分鐘」。

Microsoft 的資料很新，而且和去年 Datos 基於真實世界使用資料做出的另一份研究相互映照。Datos 當時發現，截至去年六月，只有 21% 的桌面裝置每月造訪「AI 工具」10 次以上；62% 的裝置完全沒有造訪；剩下 17% 則介於兩者之間。

再回到問卷資料。Searchlight Institute 最近一項研究發現，58% 的人表示曾經使用或嘗試 AI，特別是 ChatGPT 或 Claude 這類工具；其中大約一半是相對固定的使用者，也就是 30% 至少每月使用幾次，這和 Microsoft 與 Datos 的資料大致吻合；另一半則是更低頻的使用者，也就是 29% 用過 AI，但每月最多一次或更少。最後，The Argument 的新調查也發現，多數美國人每週使用 AI 一次或更少。

把這些資料放在一起看，美國的 AI 使用大致可以近似成三分之一積極使用、三分之一偶爾使用、三分之一從不使用。實際比例會取決於「積極」、「偶爾」與「從不」如何定義，但無論如何，這和「所有人都在把 AI 用於每件事」相去甚遠，更接近「有些人把 AI 用在某些事情上」。

AI 使用率在過去六個月至一年內也沒有發生太大變化。真正明顯改變的是負面情緒大幅上升。以 Gallup 的 Gen Z 調查為例，對 AI 感到憤怒的比例年增幅度約為 40%。

許多人因為真實疑慮與感受不到價值而克制使用 AI

從這些資料中可以合理推論：有相當比例的人正在主動限制自己使用 AI。

Searchlight 的研究指出一個很大的原因：人們對 AI 有真實疑慮。調查中排名前三的擔心分別是「AI 會取代工作並造成失業」（42%）、「AI 會侵犯隱私」（35%），以及「AI 會散播錯誤資訊與謊言」（33%）。

這種情緒也對應到強烈的 AI 安全與隱私監管需求。穩定多數的人認為，政府應該優先為 AI 建立安全與隱私規則，即使這意味著美國發展 AI 的速度會比中國等國家慢。

另一個重要原因，是人們懷疑 AI 是否真的有用。Searchlight 詢問受訪者如何看待一系列科技對社會的整體影響，是正面還是負面。AI 目前的淨正面評分只有 +8%，幾乎和社群媒體的 +7% 相鄰，只高於加密貨幣的 -17%。相較之下，手機、網際網路與太陽能分別是 +68%、+67% 與 +65%。

The Argument 的研究進一步拆解，詢問人們是否相信 AI 能帶來特定社會效益。結果顯示，懷疑相當廣泛。該研究因此總結，人們並沒有真正買單 CEO 與 AI 擁護者正在販售的看多論述。換句話說，人們對 AI 影響的懷疑是真實且深層的；而且考慮到每天使用 AI 的人數，這並不是一群從未見過 AI 的人對陌生事物產生的無知反應。

人們可以在社會層面抱持一種看法，然後在個人層面採取不同做法；但眼前的資料看起來不是這樣。偶爾使用者占多數、完全不用者也占很大比例，這些現象都顯示，很多人似乎還沒有在扣除疑慮後，感受到足夠的個人價值，足以讓他們每天或每週使用 AI。

媒體敘事與現實之間的落差，也許反映出一個早期採用者知識工作者泡泡；許多科技媒體也在這個泡泡裡。作者自己也承認，他同樣身在其中，只是正在努力和現實保持連結。

對公司、評論者與政策制定者來說，忽視人們對 AI 的真實感受與行動，是一個錯誤。現實不是全然樂觀，也不是二元選擇。AI 的意見與使用是一條連續光譜，中間有很多人。

肉類比喻

作者認為，這裡可以用肉類消費做一個貼切類比。現在另一個看似無所不在的東西是蛋白質。大家不斷被提醒蛋白質對飲食有多重要，這很像大家不斷被告訴 AI 對生產力有多有用。肉類是蛋白質的主要來源之一，也很像聊天式 AI 工具是生成式 AI 的主要入口之一。

然而，根據這十年間多份美國研究，美國人在肉類消費偏好上的分布大致如下：

• 95% 吃肉（Gallup，2023）
• 70% 表示自己正在減少紅肉攝取（Rutgers，2024）
• 30% 只很少或偶爾吃所有肉類（Gallup，2020）
• 12% 不吃紅肉（Nature，2026）
• 4% 不吃任何肉，也就是素食者（Gallup，2023）
• 1% 不吃任何動物性產品，也就是純素者（Gallup，2023）

也就是說，不是所有人都吃肉；多數人正在主動減少紅肉攝取；也有相當比例的人完全不吃紅肉或肉類。不同人基於不同且可能互相重疊的理由限制肉類消費，包括健康、成本、環境與倫理。而這些也都是人們限制 AI 使用時的主要疑慮。

這個類比也凸顯市場機會：產品可以針對光譜上的不同人群，回應他們對 AI 的感受，處理他們具體的 AI 疑慮。例如，DuckDuckGo 讓所有 AI 功能都成為可選項，其中一項功能 duck.ai 則是重視隱私的聊天機器人替代方案，用來處理 AI 隱私疑慮。延伸這個比喻，這就像一家餐廳在菜單上提供多種選擇，從健康肉類料理（私人 AI）、素食（降低 AI 使用）到純素料理（關閉 AI），讓光譜上多數顧客都能找到能接受的選項。

這是否代表大約三分之一的人會永遠只很少或偶爾使用 AI？不是。AI 和肉類不同，技術環境變化非常快速，因此 AI 產品與監管最後會走向哪裡仍非常不確定。產品演進可能讓 AI 對一般人更有用，監管也可能降低人們的疑慮。

但至少可以說，在此刻，有相當比例的人已經嘗試過當前狀態的 AI，並且決定主動限制自己的使用。

· · ·

AI 採用率不是二元開關

這篇文章重要的地方，不只是戳破「大家都在用 AI」這句話，而是把 AI 採用重新拉回一個更產品化、更社會化的框架：採用不是 yes/no，而是一條從熱烈擁抱、有限使用、低頻試用到主動拒絕的光譜。

對開發者與 AI 產品團隊來說，這個判斷很實際。如果把所有使用者都想像成科技圈早期採用者，產品就會自然走向「更多 AI、更主動、更自動化」；但如果三分之一的人其實是偶爾用，另三分之一甚至幾乎不用，真正重要的可能反而是可選、可關、可理解、可驗證。

這也解釋了為什麼「AI 很強」不必然等於「AI 會被日常高頻採用」。很多人不是沒看懂 AI，而是在做風險與價值的心算：它能省多少時間？錯了誰負責？資料會去哪裡？用了之後工作會變更好，還是只是多一層不穩定的工具？

下一階段的 AI 產品競爭，可能不只是模型能力競爭，而是信任設計競爭。能讓人清楚知道 AI 何時介入、如何退出、資料怎麼被處理、錯誤如何被發現與修正的產品，會比單純把 AI 塞進所有入口的產品更有機會跨過早期採用者泡泡。