Lowy AI 民调发现澳大利亚人仍对人工智能保持警惕
Lowy Institute 于11月15日发布的报告称,65%的澳大利亚人认为人工智能的风险大于其益处。Lowy AI 民调给推动采用人工智能的政府和企业带来挑战:投资雄心面临持怀疑态度的公众。
这些发现来自10月进行的访谈,而非11月的实地调查。它们衡量的是人们对 AI 的态度以及对海外技术的接受程度,而不是实际使用情况或已被证实的伤害。这一区别很重要,因为担忧可以与实际使用并存。
澳大利亚的 National AI Plan 承诺带来经济机遇、更广泛的收益和保障措施。Lowy 的发现给这一承诺带来压力,但并未证明它已经失败。对政策制定者、雇主和技术供应商而言,核心矛盾在于扩展 AI 与赢得公众对其后果的信任之间如何平衡。
Lowy AI 民调实际发现了什么
10月的调查结果表明公众普遍保持谨慎,而非11月信心突然崩塌。
Lowy 于2026年11月15日发布分析。其 AI attitudes survey 显示,65%的受访者认为风险高于益处,33%的受访者持相反看法。
Social Research Centre 在10月6日至10月18日期间调查了3,028名18岁及以上的澳大利亚居民。受访者来自 Life in Australia,这是一个基于概率的样本小组,其招募方式采用抽样,而非公开邀请。
大多数访谈在线进行,另有一小部分电话访谈覆盖无法上网的居民。这比邀请任何人参与的网站民调提供了更坚实的基础。
不过,即使是具有代表性的调查,仍然只是对公众意见的估计。它无法捕捉每位居民的想法,无法确定个人动机,也无法说明受访者会如何评价具体应用。
最后这一限制尤其重要。一个人可能反对 AI 的整体发展方向,同时欢迎某项特定医疗应用,或使用写作助手。
这一标题问题要求受访者权衡广泛的益处与风险。不同的人可能因不同顾虑得出相同答案。
一位受访者可能优先关注就业问题。另一位则可能关注隐私、不准确信息、创意工作,或对外国供应商的依赖。标题结果无法区分这些解释。
Lowy 公布的历史比较中也存在差异。11月的分析将结果描述为与3月持平,并比2024年高出13个百分点。
然而,该机构较早发布的 AI risk assessment 显示,64%的受访者选择风险,34%的受访者选择益处。该页面称,这一比例较2024年增加了12个百分点。
经审阅的页面并未解释这一差异。因此,在 Lowy 澄清之前,读者不应将与3月的精确比较视为定论。
更广泛的解读仍然很直接:两份报告都显示,明确多数认为风险更为重大。两者均不支持澳大利亚公众意见在11月期间发生逆转的说法。
这一差别改变了新闻判断。问题在于持续存在的担忧,而不是由某项特定公告触发、刚刚出现的公众反弹。
对企业而言,持续性的担忧与短暂争议带来的挑战不同。等待一个新闻周期过去,不太可能回答关于问责的问题。
对政府而言,这些发现带来了沟通与交付问题。解释投资议程,需要展示普通居民如何受益,以及机构如何应对可预见的伤害。
这些是调查结果所带来的影响,而非额外的调查结果。民调本身并未规定政策回应方式。
澳大利亚的 AI 战略面临公众信任考验
压力落在那些要求澳大利亚人在 AI 扩张的益处尚未变得具体之前就予以支持的机构身上。
政府于2025年12月2日推出 National AI Plan。其目标包括基础设施投资、更广泛的采用、对劳动者的支持,以及防范伤害。
这一议程为 AI 提出了积极的理由。它将国内能力和技术可及性视为竞争力和更优质服务的贡献因素。
这项民调并未否定这一理由。但它说明,仅仅宣布能力建设或吸引投资,并不能自行证明公众信任。
基础设施项目和家庭层面的收益处于不同层面。一个项目可以推动国家战略,却未必能回答居民眼前的疑问。
服务会不会更容易使用?员工会不会获得培训?谁来处理错误?敏感信息会如何处理?
这些问题说明了政策目标与个人判断之间的差距。它们并非 Lowy 报告称在这项小型民调中提出的问题。
对雇主而言,当 AI 推出被作为效率提升公告时,同样会出现这一差距。管理层预期的收益并不会自动说明员工将面临什么变化。
设想一个假设的客户支持团队引入 AI 生成的回复草稿。更快起草可能有所帮助,但员工仍需要明确审核责任和绩效预期。
员工完全可以既欢迎减少重复性写作,又担心人员减少或工作量增加。这些立场并不矛盾。
对企业采购方而言,这意味着采用决策涉及的不只是模型质量。还涉及责任、访问控制、升级处理程序,以及用户是否理解系统的局限。
对公共机构而言,利害关系延伸至那些无法简单更换服务提供者的人。居民需要有切实可行的方式质疑某项结果。
这使得公众信任比正面的广告宣传要求更高。机构必须在日常互动中让其承诺可见,包括技术失效时。
一个有用的区分是:承诺收益与让收益可被检验。前者描述的是雄心;后者则向受影响的人提供证据。
例如,一个组织可以说明哪些任务仍需人工审核。它也可以说明用户如何纠正错误和报告问题。
这些是对怀疑态度的潜在回应,而非关于澳大利亚人会接受什么的调查发现。该调查并未测试任何特定保障措施是否会改变看法。
因此,政策挑战是明确的。政府和行业必须将扩张与人们能够评估的结果联系起来,而不能假定经济雄心本身就能带来认同。
这正是新闻所揭示的主要权衡:机构希望有空间部署 AI,而公众信任依赖于可信的限制与收益。
美国 AI 具有相对优势,而非公众授权
在外国来源之间的偏好,并不等于公众对任何一种来源都普遍感到安心。
Lowy 报告称,36%的受访者对澳大利亚企业使用源自美国的 AI 感到安心。对于源自中国的技术,对应比例为23%。
这些数字关注的是对企业使用的接受程度。它们不是使用美国或中国 AI 产品的人数比例,也不衡量市场份额。
这一差异使美国技术在这个问题上具备相对优势。但它并不能证明多数人认可美国 AI。
这一区别对讨论国际协调的供应商和政策制定者很重要。在比较中成为更可接受的选项,与享有广泛信任并不相同。
它对竞争分析同样重要。国家标签比任何特定模型、公司、部署方式或合同都更宽泛。
这些百分比不能证明受访者分别评估了 OpenAI、Anthropic、DeepSeek 或其他开发商。它们也没有对这些公司的产品进行排名。
Lowy 较早的讨论将 OpenAI 的 ChatGPT 和 Anthropic 的 Claude 列为进入公共讨论的 AI 例子。其10月的国家比较问的是另一个问题。
将这些服务与中国替代方案进行比较的买方,仍需要产品层面的证据。国家来源不能替代对数据处理和运营责任的评估。
实际差异可能包括谁托管系统、谁能够访问信息,以及适用何种合同保护。民调并未评估这些安排。
一家假设中的企业可能会比较远程托管的助手与在自身环境中运行的模型。国家比较无法决定这一采购选择。
同样,国内托管与国内控制是不同的问题。系统的物理位置无法解释参与提供该系统的每个组织。
这些区分有助于避免将一项公众舆论发现变成未经证实的安全结论。受访者的不安是关于态度的证据,而非某种具体漏洞的证明。
Lowy 作者 Charles Lyons-Jones 从地缘政治角度解读这些发现。他的分析将公众情绪与澳大利亚围绕 AI 的战略选择联系起来。
这一解读值得考虑,但仍然只是一种解读。调查无法证明每位受访者为何偏好某一来源而非另一来源。
隐私、熟悉程度、政治态度、产品体验和普遍的不确定性都可能是解释。要确定它们的相对重要性,需要额外问题或研究。
对企业而言,这一影响更狭窄也更有用:供应商应预期会被问及来源,即技术及其支持服务从何而来。
他们还应预期这些问题会超越国家标签。买方需要一份易于理解的说明,阐明控制权、责任和追索方式。
对于美国供应商而言,这一相对优势应促使其谨慎披露,而非自满。对于中国供应商而言,较低的安心比例指出了一项挑战,但并不预示必然遭到拒绝。
核心的公众信任问题仍然是共同的。无论哪一国类别,都无法免除解释某项具体服务如何保护用户的需要。
对就业的焦虑是有关预期的证据
公众对就业的担忧值得关注,但它不能证明 AI 已经消除了多少工作岗位。
Pew Research Center 于9月17日发布的一项独立 AI employment survey 提供了国际背景。它考察了37个国家的预期。
Pew 发现,对未来失业的担忧不仅存在于澳大利亚。其研究还区分了就业预期与人们对 AI 更广泛的兴奋或担忧。
这一区别避免了一种轻率错误。人们可以预期工作岗位减少,同时仍对该技术的其他可能性抱有兴趣。
Pew 的发现与 Lowy 10月的小型民调是独立的。若不说明调查不同就合并其结果,将会歪曲新研究所提出的问题。
它们同样涉及预期,而非已观察到的就业结果。受访者表达的预测并不是对裁员的衡量。
澳大利亚政府也曾独立审视当前劳动力市场证据。其 7 月 8 日发布的 AI 就业评估发现,当时没有证据表明 AI 已引发广泛的就业动荡。
该部门还报告称,在更容易受到潜在自动化影响的职业中,就业增长较慢。它认为这些证据具有提示意义,但尚不足以下定论。
这项评估基于 7 月报告所能获得的证据。它不应被表述为对截至 11 月发展情况的完整说明。
不过,其中的谨慎态度为解读这项民调提供了重要区分。对未来被替代的担忧,与当前已经发生替代的证据,回答的是不同的问题。
某个职业受到 AI 影响,意味着技术可能影响其部分任务。仅凭这种暴露程度,无法证明该职业将会消失。
一个系统可能减少起草文件所需的时间,同时增加对审核工作的需求。另一种情况下,雇主也可能利用相同能力减少招聘。
这些都是可能出现的组织层面反应,而非任一调查已经证实的结果。要判断究竟会发生哪一种情况,需要就业证据,并关注其他经济条件。
对于知识工作者而言,不确定性在于雇主如何分配这些收益。节省下来的时间可用于提升工作质量、增加产出、减少人手,或几种方式并存。
公众信心面临的挑战正源于这种不确定性。关于生产率的说法,并不能解释入门级机会或员工职责将发生什么变化。
因此,雇主应将不同主张区分开来。他们可以描述任务改进,而不暗示所有员工都将平等分享其收益。
同样的克制也适用于批评者。一个令人信服的替代案例,并不能自动证明存在全经济范围的就业趋势。
对于关注这一议题的读者而言,最有力的证据应将具体部署与可衡量的变化联系起来。仅靠笼统预测无法解决这一问题。
有用的证据可以包括招聘、岗位设计、培训以及员工实际工作内容的变化。每项指标都捕捉到转型的不同部分。
因此,乐观与焦虑之间的分歧并非这项民调能够解决。它揭示了为何可信的就业报道对更广泛的 AI 采用讨论至关重要。
在结果变得更清晰之前,机构有一项现实义务:如实说明不确定性。建立在夸大安抚之上的信心,很容易被普通的失望所动摇。
调查无法解决的问题
Lowy AI 民调对公众观点提供了有价值的估计,但其局限性不应与新闻标题脱钩。
Lowy 表示,在简单随机抽样假设下,误差范围约为 1.2%。但其实际设计更为复杂。
报告中的设计效应为 1.21,表明与简单随机抽样相比,存在额外的统计波动。所述误差范围不应被视为普遍适用的不确定性保证。
Lowy 还报告了 74.8% 的完成率和 2.2% 的累计回应率。这些指标衡量的是参与的不同阶段。
完成率关注的是受邀加入样本组成员中的参与情况。累计指标则纳入样本组招募及后续流失,也就是样本组随时间出现的流失。
这两个数字都不应单独被解读为对调查质量的判断。结合来看,它们有助于读者理解样本是如何形成的。
除了抽样之外,宽泛的态度问题也存在解释上的局限。受访者可能对同一个术语赋予不同含义,尤其当该术语涵盖许多应用时。
对整体 AI 的回答不能自动套用到每一种使用情境。对于文档辅助的态度,未必与对自动化资格判定的态度一致。
这种假设性对比很重要,因为后果不同。一份由人审核的草稿,与一个当事人必须正式提出申诉的结果,是不同类型的决定。
调查也无法识别怀疑态度的因果解释。公众担忧并不能证明某次产品发布、政策或经济事件改变了舆论。
这同样限制了历史性判断。即使观察到可衡量的变化,在将其归因于某项发展之前,仍需要更多证据。
Lowy 3 月数据之间的差异进一步说明,有必要进行谨慎比较。对于精确趋势的表述,应等待澄清,而不是掩盖已发布数字之间的冲突。
还有一种诱惑需要避免:将多数人的担忧视为支持某项具体限制的授权。标题问题并未要求受访者选择一项政策。
认为风险大于收益的人,可能支持更严格的保障措施、选择性采用、放缓部署,或继续开展试验。调查结果无法区分这些立场。
反过来,倾向于认为收益更大的少数人,也不应自动被视为支持不受限制的部署。总体上的积极判断,仍可能包含对问责机制的要求。
对于产品团队而言,这意味着应调查具体担忧,而不是将用户简单划分为不同阵营。宽泛标签可能掩盖可采取行动的差异。
对于记者而言,责任同样如此。准确报道担忧,需要保留所提问题、回答者是谁,以及访谈发生的时间。
对于读者而言,这让调查结果具有参考价值,却不意味着它放之四海皆准。它提供的是 AI 扩张所面临环境的证据,而非完整解释。
Lowy AI 民调在这些边界内使用时最有价值。若将其延伸为对采用、安全或就业的预测,反而会削弱报道。
三项信号将检验信心是否改善
接下来的证据应将态度与机构行为及可观察结果联系起来。
未来几个月,第一项信号是可比的民调。重复调查将有助于确定广泛的谨慎态度是持续、加深还是缓和。
这是一项观察重点,并非已公布的调查日程。已审阅材料并未确定下一次 Lowy 小型民调的发布日期。
一致性将比孤立的新闻标题更重要。可比的问题措辞、实地调查细节和透明的历史数据,将使任何变化更易于解读。
澄清 3 月数据差异也将改善基准。在得到澄清之前,读者应避免围绕相互冲突的已发布百分比构建精确趋势。
若多个可比调查持续显示改善,将削弱公众信心依然停滞的论点。若谨慎态度持续,则会强化存在更深层问题的判断。
第二项信号是机构如何将 AI 承诺转化为人们能够核查的条件。基础设施提供了一个具体的观察切入点。
政府于 3 月 23 日公布的 数据中心预期,涉及国家利益、能源、水资源、就业和本地能力。
该部门表示,符合这些预期的项目将在监管审批流程中获得优先处理。它还称,这些预期与现有法律并行适用。
相关问题在于,这些承诺如何体现在个别项目中。当宽泛表述与具体责任和公开报告相联系时,信息价值会更高。
可执行保障措施和可见的本地收益证据,将强化政府的论据。若承诺仍难以评估,信心缺口便无法消除。
这并不意味着每个项目都应通过全国民调来评判。地方决策需要有关成本、收益和受影响社区的自身证据。
第三项信号是与实际部署相关联的就业证据。未来评估应有助于区分任务变化与更广泛的招聘或人员配置影响。
某个受影响职业的放缓仍需要解释。需求状况、组织变化和其他技术都可能影响同一结果。
将采用行为与更优服务和改善工作条件联系起来的证据,将支持收益论点。可信的替代证据则会加大对工人保护措施的压力。
企业可以通过清晰报告结果来作出贡献。它们应区分已完成的试点与持续改进,也应区分任务节省与就业结论。
对于知识工作者而言,这也使文档记录具有价值。可检索的 AI 知识库有助于保留政策、研究和部署决策,以供日后审查。
它无法解决全国性争论。但当人们对承诺的收益或接受的风险提出疑问时,它能让一个组织自身的决策更容易追溯。
请将下一次 Lowy AI 民调与这些实际信号一并阅读。关注其问题是否仍具可比性、机构是否解释其承诺,以及就业主张是否符合观察到的证据。
当一个组织宣布再次部署 AI 时,不要只看预期的效率收益。还应查看谁负责审核错误、谁处理投诉,以及受影响员工如何参与。
然后,将公告与之后报告的结果进行比较。当承诺留下人们可以重新审视的记录时,公众信心就更容易评估。
10 月的发现表明人们保持谨慎。下一个有价值的问题是:哪些机构能给澳大利亚人具体理由,让他们修正这一判断。



