同一套模型，Johanna 少拿了10%回饋：把這場VR實驗拆成五個問答

2026年10月26日，一篇談AI評測中性別偏見的文章在科技社羣流傳，核心是愛爾蘭利默瑞克大學的一項VR研究：189名知識工作者在虛擬辦公室裡與AI助理合作，事後可把部分實驗報酬分給助理。結果男性外觀的Johan拿到的金錢回饋高於女性外觀的Johanna，後者少了10.25%。兩個助理用的是同一套底層技術。

數字聳動，但它能說明的範圍比標題窄很多。用五個問答把它拆開來看。

實驗到底怎麼做的？

研究團隊（Cuber等人）把四種助理形式放進同一個虛擬辦公室：文字聊天介面、桌上型機器人、男性外觀的Johan、女性外觀的Johanna。四種形式共用同一個大型語言模型與互動流程。

參與者完成職場相關的腦力激盪任務後，評估助理的人性化程度、信任與貢獻，並決定最多要分出多少瑞士法郎。要注意的是，Johan與Johanna是不同參與者之間的比較，不是同一個人先後評比兩個形象。

那10.25%是什麼意思？

它是這次實驗中，Johanna相對Johan少拿到的回饋比例，只適用於這個情境。AI助理沒有受僱、沒有薪資，這筆錢是研究設計出來的分配行為，不能外推成真實職場的性別薪資差距，也不能概括成所有AI產品的待遇差異。

還有一個容易被略過的細節：Johan的金錢回饋與人性化評分較高，但兩者的信任與貢獻評分差距並未達統計顯著。錢分配有差，不等於信任差異已被確認。

參與者自己怎麼說？

研究也記錄了參與者的自我陳述。訪談中許多人表示助理性別不該影響信任、貢獻或回饋，但實際評分與分配仍出現差異。態度和行動之間的落差，正是這類研究最有意思的地方，不過研究者也提醒，不能單憑羣體差異去判定個別參與者的動機。

研究共同作者Mary Hausfeld的說法被廣泛引用：「我們常以為AI是中立的，但設計與呈現系統的方式，可能喚起人際互動中既有的假設與偏見。」

這能證明是「性別」造成的嗎？

不能，而且論文作者自己也說了。研究只使用一種男性外觀和一種女性外觀形象；Johan同時被評為較有人性化，臉部設計、名字、角色細節與性別線索可能一起影響感受。目前無法確定金錢差異有多少來自性別線索，有多少來自形象的其他細節。單一男女形象不足以拆分這些解釋。

其他研究也顯示這件事比想像中細緻。2025年刊於《International Journal of Human-Computer Studies》的Siri語音實驗讓270名學生接觸不同性別聲音與口音，結果性別或口音單獨影響有限，任務與聲音線索的交互作用反而更明顯。2022年一項個人銀行AI理財教練研究則發現，男性參與者對低主動程度的女性聲音助理評價較高，女性參與者沒有相同差異。測的東西不同，結論不能互通。

產品團隊能帶走什麼？

VR辦公室與短期腦力激盪只是一種工作模擬，文化、產業、任務風險與長期合作都可能改變評價。但對正在設計AI助理的團隊，這項研究丟出一個可以實際操作的問題：當能力與工作內容相同，名字、聲音、外觀是否改變使用者的信任與資源分配？

換句話說，外觀評測應該和能力測試並列，成為驗收的一部分。自我陳述與實際選擇要分開記錄；男女形象最好測多種，別讓單一設計扛下所有解釋。10.25%這個數字會被轉傳一陣子，但它真正的價值，也許是提醒團隊在命名助理、挑聲音、畫臉之前，先把偏見測試排進流程裡。