当前超过半数用户已习惯使用 AI 进行网页搜索，但其顽固的低数据准确性问题正给企业带来新的业务风险。生成式 AI（GenAI）虽能显著提升效率，但新研究揭示的 “用户信任与技术准确性失衡” 现象，可能对企业合规、法律地位及财务规划造成严重冲击，尤其对企业管理层而言，AI 搜索工具的普及还引发了典型的 “影子 IT” 挑战 —— 即员工可能在未经授权的情况下，将个人信任的 AI 工具用于业务研究，而企业却对潜在风险一无所知。
2025 年 9 月针对 4189 名英国成年人的调查显示，约三分之一用户认为 AI 搜索工具对自己的重要性已超过传统网页搜索。Which? 机构的深入调查进一步证实，这种对 AI 的过度信任暗藏隐患：约半数 AI 用户对获取的信息 “相当信任” 或 “高度信任”，但从 AI 模型提供的回复细节来看，这种信任往往缺乏依据。调查选取 ChatGPT、谷歌 Gemini（含标准版与 “AI 概览” 版）、微软 Copilot、Meta AI、Perplexity 六款主流工具，围绕金融、法律、消费者权益三大领域的 40 个常见问题展开测试，结果显示各工具准确性差异显著：Perplexity 以 71% 的总分居首，谷歌 Gemini AI 概览版紧随其后（70%），而 Meta AI 以 55% 的得分垫底，市场渗透率极高的 ChatGPT 仅获 64% 得分，位列倒数第二。这种 “市场占有率与可靠性脱节” 的现象，凸显出在生成式 AI 领域 “流行不等于好用” 的风险，也警示企业不能仅凭工具知名度判断其适用性。
更值得警惕的是，所有受测 AI 工具均频繁出现信息误读或建议不完整的情况，这些错误在金融与法律场景中可能引发严重业务后果。在财务领域，当被问及 “如何配置 2.5 万英镑年度 ISA（个人储蓄账户）额度” 时，ChatGPT 与 Copilot 均未识别出提示中 “法定额度错误” 的陷阱，反而基于错误数据提供投资建议，可能导致用户违反英国税务海关总署（HMRC）规定；尽管 Gemini、Meta AI、Perplexity 成功发现错误，但工具间的一致性缺失，意味着企业必须建立 “人工介入” 机制，才能避免 AI 误导带来的合规风险。法律场景中，AI 工具 “泛化地区法规” 的倾向同样危险：测试发现，工具普遍忽视英国不同地区（如苏格兰与英格兰、威尔士）的法律差异，给出 “一刀切” 的建议；更严重的是，在高风险查询中，AI 极少引导用户咨询注册专业人士 —— 例如被问及 “与建筑商的纠纷如何处理” 时，Gemini 建议 “扣留款项”，而法律专家指出，这种做法可能导致用户违约，削弱自身法律立场。这种 “过度自信的错误建议”，若被员工用于合规审查或合同审核，将使企业面临监管处罚或法律诉讼风险。
信息来源透明度不足，是企业数据治理面临的另一大挑战。调查发现，AI 搜索工具虽肩负信息溯源责任，却常引用模糊、不存在或可信度存疑的来源（如过时论坛帖子），这种不透明不仅影响决策准确性，还可能造成财务浪费。例如在 “税务代码查询” 测试中，ChatGPT 与 Perplexity 优先推荐付费退税公司链接，而非免费的 HMRC 官方工具，这类第三方服务往往收取高额费用；在企业采购场景中，AI 的这种算法偏见可能导致企业选择不符合尽职调查标准的供应商，增加合作风险与不必要开支。对此，科技巨头虽承认工具局限性，但普遍将验证责任转移给用户 —— 微软表示 Copilot 仅 “整合多源信息而非提供权威答案”，建议用户自行验证内容；OpenAI 则强调 “全行业都在改进准确性”，并提及最新默认模型 GPT-5 的进步，但这些表态并未实质性降低企业使用 AI 的风险。
针对上述威胁，企业不应简单禁止 AI 工具（反而可能促使员工转入 “地下使用”），而需通过完善治理框架与工作流程化解风险，核心措施包括三方面。一是强化提示词规范性：鉴于 AI 对模糊查询的处理能力有限，企业需通过培训引导员工明确查询语境，例如研究法规时必须指定管辖范围（如 “英格兰和威尔士的劳动法”），避免工具默认推断导致偏差。二是强制信息来源验证：严禁仅凭单一 AI 输出决策，要求员工获取并手动核查来源；对于高风险主题，建议跨多个 AI 工具交叉验证，或采用 “双重溯源” 方式 —— 谷歌 Gemini AI 概览版因支持用户直接查看引用链接，在测试中表现稍优，这类工具更适合企业场景。三是确立 “专业意见优先” 原则：当前 AI 尚无法完全理解金融、法律等领域的复杂细节，企业需在政策中明确，涉及实际后果的决策（如大额投资、合同签署），必须以人类专业人士的判断为最终依据，AI 输出仅作为参考。
结合行业补充信息来看，AI 搜索的准确性问题并非个例。哥伦比亚大学 2025 年研究显示，八款主流 AI 搜索工具平均错误率高达 60%，其中 Grok 3、Gemini 完全错误率超 90%，且付费版工具因 “更不愿拒绝回答”，反而更容易输出自信的错误内容；同时，AI 还存在 “伪造链接”“绕过 robots 协议抓取数据” 等问题，进一步加剧信息不可靠性。此外，AI 搜索还面临数据污染风险，如 “生成式引擎优化（GEO）” 通过伪造权威信息干扰 AI 判断，导致错误信息在模型中反复传播，侵蚀用户信任。这些现状均印证了 “AI 搜索需严格管控” 的必要性。
总体而言，AI 网页搜索的效率价值不容忽视，但企业必须清醒认识其准确性局限。在技术尚未成熟的当下，“验证流程” 是区分 “AI 效率红利” 与 “合规风险” 的关键 —— 只有通过规范使用流程、强化人工监督、明确责任边界，企业才能在享受 AI 便利的同时，规避数据不准确带来的业务威胁。随着 AI 技术迭代，工具准确性可能逐步提升，但短期内 “谨慎使用、多重验证” 仍是企业防范风险的核心策略。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/ai-wang-ye-sou-suo-de-feng-xian-yu-ying-dui-ru-he-hua-jie
