不少使用者默认，自己和AI助手交互的全过程，都是大模型独立给出响应。但Meta的一则内部测试爆料，打破了这份固有认知：其新款AI助手Muse正在测试人工管家机制，遇到复杂通话任务时，系统可以在不告知用户的前提下，直接把通话转接给外包呼叫中心人员，由真人代替AI完成对外沟通工作。

从测试数据来看，人工接手后的任务成功率可以达到95%‑98%，远高于纯AI执行通话的效果。高成功率的背后却暴露重重风险。企业内部员工就发出警示，该模式存在隐私泄露漏洞，一旦程序出现故障，用户的敏感信息就有可能直接暴露给外包工作人员。测试过程中还发生过外包人员在通话中发表种族歧视言论的恶性事件。事后Meta方面承认，未充分告知用户就启用该测试属于失误，已经临时回滚这项功能。

这件事也让人联想到Meta多年前的历史：早年Messenger的数字助手M，就被曝出高达七成任务实际依靠人工完成。如今Muse再次上演相似操作，本质是用真人劳动去兑现超级AI助手的宣传承诺，掩盖大模型处理复杂现实任务的能力短板，对于不知情用户而言近乎一种误导。

更值得警惕的是，Meta并不是孤例，“人力伪装AI”早已成为行业隐秘现象。早年间就有企业雇佣人员长时间假扮聊天机器人，处理用户日程安排；部分产品宣称的AI收据识别，实际是把材料分发到众包平台，由薪酬微薄的外包人员手动录入；还有创业公司打着AI自动编写代码的旗号获取大额融资，实际全部开发工作由程序员人工完成。这些案例共同指向同一个现实：很多被包装成智能化的功能，内核却是人的劳动。

之所以出现这样的行业现象，资本诉求是重要推手。AI赛道竞争激烈，企业需要亮眼产品数据支撑估值、融资与股东预期。当大模型本身能力不足以落地复杂真实场景，把人工作为“补丁”快速提升产品表现，就成了部分厂商的捷径。短期之内，用户很难分辨回复自己的究竟是算法还是真人，产品看上去体验出色。但这套模式埋藏巨大的深水炸弹。

首先是用户知情权与隐私安全危机。用户在对话中会输出大量个人信息，若不知道对面是外包人员，等于在无意识中将隐私交付给第三方人员。其次是伦理风险，外包人员个人素养参差不齐，容易出现言语失当、操作失误等各类问题。更深层次是对整个AI行业的信任消耗：如果用户不断发现所谓的智能，只是人工的伪装，会动摇大众对人工智能技术本身的信心。

AI技术仍处在发展阶段，承认模型能力边界，本是正常现象。人工辅助本身没有原罪，合理的人机协同可以补足AI短板。但前提必须是充分告知用户，厘清数据流转边界，做好外包人员管理与信息防护。跳过告知环节，将人工包装成AI本身，用“造假式体验”换取商业收益，看似走了捷径，一旦丑闻曝光，就可能给企业乃至整个行业带来沉重打击。技术的发展终究不能依靠人力伪装来粉饰，尊重用户知情权、直面模型能力短板，才是AI商业化落地的长久之道。