点击蓝字 关注我们

生成式人工智能正在从根本上重塑公众获取信息的方式。在传统互联网阶段，用户主要通过搜索引擎、新闻报道、评价平台和社交媒体自行组合判断；而今天，越来越多的用户直接向AI提问，由AI将多源信息压缩、概括并输出一个"看似完整"的答案。

研究显示，生成式搜索与传统搜索在来源选择、结果一致性和措辞稳定性上存在显著差异：不同系统返回的来源重叠度较低，对问题表述也更加敏感，同一品牌在不同引擎和不同提问方式下可能呈现截然不同的答案面貌。

这种变化带来的深层影响是：企业面临的已不再只是"互联网上是否存在某条负面信息"这个传统问题，而是——

• AI会否在"靠谱吗""值不值得选""哪家更好""有没有风险"等高决策场景中，把分散的信息概括为不利于品牌的总体判断？

• 几年前已经解决的争议，是否仍然残留在AI答案中，持续影响潜在客户和合作伙伴的信任？

• 企业辛苦积累的口碑和资质，是否因为AI"读不到"或"读不懂"而被忽略，导致系统做出保守甚至负面的判断？

正因为如此，品牌治理的对象正在从"信息条目"扩展为"认知结果"。本白皮书将这一新型风险界定为"AI品牌负面认知风险"，并试图系统回答三个核心问题：这种风险如何形成、如何评估、如何治理。

一、参编方式

（一）提供与白皮书主题相关的已有研究成果或案例；

（二）对白皮书内容提出建设性指导意见。

二、联系方式

附：目录