“讀心AI”的致命缺陷

人們常說：“無法衡量，便無法改進。” 這句話在商業領域往往行之有效。但如果我們想要 “改進” 的，是員工的情緒與心態呢？

人工智能技術的進步，讓情緒與心理狀態的量化成為可能。于是有人提出：何不廣泛應用這項技術，解決管理難題？這就是讀心AI/情緒 AI（也被稱為情感計算、情緒分析或算法情緒管理）的核心邏輯——借助傳感器與人工智能，捕捉、解讀、歸類員工情緒并據此做出決策。

得益于計算機視覺、自然語言處理、語音分析、生物識別、機器學習、深度學習以及邊緣計算硬件等技術的突破，情緒 AI 已從概念走向現實。目前，已有多家企業推出成熟的商用解決方案，包括科吉托（Cogito）、情感感知（Affectiva）、休姆 AI（Hume AI）、熵智（Entropik）以及海雇（HireVue）等。

這套技術的運作邏輯十分簡單，收集員工數據，交由 AI 處理，最終輸出情緒狀態報告。數據來源五花八門，主要包括以下幾類：

• · 語音特征：音調、語氣、語速、停頓節奏、聲音緊張度
  
• · 面部表情：視頻通話、桌面攝像頭捕捉的面部動態分析
  
• · 文本內容：郵件、辦公軟件消息、調查問卷、績效評估中的大規模情緒分析
  
• · 生理信號：心率變異性、皮膚電反應（通過可穿戴設備采集）
  
• · 行為數據：敲擊鍵盤節奏、鼠標操作習慣、應用切換頻率
  
• · 姿態與視線： workplace 攝像頭通過計算機視覺分析的肢體姿勢與目光方向
  

盡管技術日趨成熟、方案層出不窮，但情緒 AI 在企業中的應用，實則隱患重重。

企業為何青睞情緒 AI

企業采用情緒 AI 的目的多種多樣，其中安全保障是最合理的訴求。對于工廠工人、卡車司機等高危崗位，AI 能有效規避傷亡風險。典型例子便是疲勞駕駛監測技術，一旦檢測到司機犯困，系統會立即發出警報，或自動切換至自動駕駛模式，靠邊停車。

其次是優化客戶服務。大都會人壽（MetLife）等企業已開始使用軟件，實時監控客服人員的語音、語氣與音調，避免其對客戶表現出不耐煩或負面情緒。

人力資源部門也看中了這項技術的價值，正通過分析企業內部溝通記錄與員工問卷，掌握整體工作氛圍；監測員工倦怠情況；甚至用于招聘環節，在視頻面試中借助情緒 AI 篩選候選人，以期招到更合適的人才。

除此之外，情緒 AI 還被宣稱能降低員工流失率、減少醫療開支、規避安全風險，同時提升客戶滿意度、員工工作效率，助力企業發現團隊或管理層的管理漏洞。

情緒 AI 的致命缺陷

然而，試圖通過技術測量并干預員工情緒，看似高效，實則缺乏科學依據。

依賴面部表情識別的情緒 AI，其理論基礎源于加州大學舊金山分校心理學家保羅?艾克曼在 20 世紀 60 年代末提出的假說：人類少數基礎情緒會產生跨文化、可精準識別的通用面部表情。

但 2019 年，麗莎?費爾德曼?巴雷特主導的一項元分析推翻了這一理論。研究團隊梳理了上千項相關研究，最終發表在《公共利益中的心理科學》期刊上的結論明確指出，僅憑面部動作，無法可靠推斷一個人的真實情緒狀態。

絕大多數情緒 AI 都預設了一個錯誤前提，所有人的情緒表達方式與解讀邏輯完全一致。但現實中，人們的外貌、聲音、性格、生理特征千差萬別，情緒表達自然也因人而異。

近年來，不少企業將 AI 奉為管理員工的萬能解藥，情緒 AI 恰好迎合了這種心態。它讓管理者誤以為，無需通過激勵、引導、培訓凝聚團隊，只需依靠高強度監控，就能讓員工行為與企業目標保持一致。

但這種做法本身就有失公允。即便部分企業聲稱使用情緒 AI 是為了幫助員工，研究顯示，結果往往適得其反。

2024 年芬蘭的一項案例研究，全面揭露了職場情緒追蹤技術的五大問題：

第一，技術本身不可靠。系統聲稱能識別 “壓力大”“投入度高” 等心理狀態，但其結果往往與員工真實內心感受不符。
第二，存在種族偏見。研究發現，面對相同面部表情，黑人更容易被錯誤標記為 “憤怒” 或 “輕蔑”。這種算法偏見，可能導致企業依據 AI 的錯誤判斷區別對待員工。
第三，隱私保護形同虛設。企業宣稱數據會 “匿名匯總”，但在小型團隊中，數據往往會泄露員工身份，造成隱私侵犯。
第四，強制增加情緒勞動。情緒 AI 的普及，變相要求越來越多職業的員工，必須刻意展現符合工作要求的情緒，加重了員工負擔。
第五，監控范圍不斷擴大。企業往往以單一目的部署情緒 AI，隨后逐漸擴大監控范圍，對員工進行全方位、無死角的監視。

情緒 AI 或將走向末路

盡管情緒 AI 在部分行業仍有市場，但監管收緊正加速其退場。歐盟已于去年全面禁止職場與教育場景使用情緒 AI，僅醫療、安全等特殊領域例外。跨國企業也紛紛跟進，采用歐盟標準。

美國部分州也已出臺相關法律法規，限制情緒 AI 的使用，包括加州、紐約州與伊利諾伊州。

不少企業更是主動放棄情緒 AI。微軟早在 2022 年 6 月便宣布，將停用 Azure 人臉識別 API 中的情緒識別功能（同時取消性別、年齡、微笑、胡須、發型、妝容等識別項），這是其負責任 AI 標準改革的重要舉措。

微軟首席負責任 AI 官娜塔莎?克拉普頓解釋道：“目前科學界對‘情緒’的定義尚未達成共識，技術解讀難以跨場景、跨地區、跨人群通用，且這類技術會引發嚴重的隱私擔憂。” 微軟還擔心，情緒 AI 可能導致刻板印象、歧視，甚至不公平地拒絕員工合理權益。

不可否認，情緒 AI 在少數特定場景下確有實用價值，但總體而言，它科學基礎薄弱、結果誤導性強、自帶算法偏見、極易侵犯隱私，還遭到員工普遍反感，更面臨多國法律限制。

盡管誘惑巨大，但情緒 AI 的弊端遠超其價值，絕非企業的可行之選。