我不接受AI的道歉！AI道歉語氣如何影響信任與寬恕
相信不少人的生活已經離不開大語言模型(Large Language Model)，而使用AI聊天機器人的情境，隨著大語言模型的發展，用途也越來越五花八門。尤其是許多人可能也會請AI幫忙「代筆」自己不想做的事情，包含寫電子郵件、寫道歉信等等。而對於企業組織而言，使用生成式AI協助進行危機公關處理，能夠幫助組織增加組織效率，也因此有不少組織開始評估導入AI來幫忙撰寫危機公關時所需要的「道歉文」。
撰文｜王冠云
越來越多的企業採用生成式AI發布文章
Lim等人(2025)在進行文獻回顧時提到，目前已經有大約2成以上的企業在進行公開消息發布時，會使用生成式AI應用程式協助撰寫新聞稿。而且不只是私部門企業，在美國的公部門組織，也同樣會使用生成式AI協助發布訊息。然而，對於閱聽眾而言，那些透過AI所寫出來的文章，是否真的能夠達成良好的大眾傳播效果，仍然有待商榷。
Lim等人(2025)指出，以危機公關處理而言，過往研究已經發現AI所生成的文字對於人類而言所能建立的信任和觸發的寬恕的效率較低，AI的文字往往被視為缺乏真誠性以及缺乏同理心，因此，使用AI可能會導致人類引發對於其危機處理的相關內容產生更多的疑慮。然而，當大語言模型(LLM)發展得更加成熟之後，企業們在使用AI生成新聞稿的時候，也產生了更多可以調整語氣以及調整內容的彈性。而這也為AI生成危機公關新聞稿，帶來了實務面更具實踐性的新方向。
然而，有關這些危機公關處理的AI道歉文，其內容所呈現的語氣、發布訊息的組織、閱聽眾的信任與寬恕程度等，尚未有明確的研究討論這些變項之間的關係，也因此讓Lim等人(2025)展開了相關的調查研究，想探討AI生成的道歉文如何透過不同的語氣，影響受眾的信任與寬恕意圖。
雙因子的實驗設計與實驗條件：作者來源及語氣
研究採用3 (作者來源：AI、人類、控制組)x 2(語氣：溫暖、專業)的受試者間的因素設計，簡單而言，就是操弄了兩項不同的因素，然後設計出了6種不同的實驗條件讓實驗參與者閱讀。Lim等人(2025)總共從網路平台上募集了464位的美國參與者者，請他們閱讀一則模擬的企業道歉聲明之後，進行問卷填寫，以此評估其負向情緒反應(negative emotions)、真誠感受(perceived sincerity)、信任程度(trust in the organization)以及寬恕意圖(forgiveness intention)。而作者也透過簡單的問題確認，實驗參與者確實能辨識出三種不同的作者來源，可明顯感受到道歉文是由AI寫成或是由人類寫成，而語氣的部分，對於實驗參與者而言，也能感受到不同，表示研究所使用的操弄條件有成功的影響到實驗參與者。
研究結果使用ANOVA分析進行確認，研究發現，人類撰寫的道歉文比AI撰寫的道歉文更具有真誠感、較不易引發負面情緒。而且，從ANOVA的交互作用可以發現，溫暖語氣比起專業語氣更能減少負面情緒並提升真誠感，效果在人類撰寫的道歉文中，更為顯著。另一方面，AI所撰寫的道歉文中，若使用溫暖語氣能較為緩解負面情緒，但是在提升真誠感方面，卻較為有限。
而除了提升真誠感以及減少負面情緒之外，人類撰寫的道歉也較能提升對於組織的信任以及閱聽眾的寬恕意圖。儘管語氣可以調節AI作者以及真人作者所寫出來的文章對於閱聽眾而言的信任以及寬恕，不過由人類所撰寫的道歉文，相對的還是較能帶來比較正向的結果。
當AI來道歉時，使用溫暖的語氣吧
Lim等人(2025)指出，以企業的角度而言，使用AI生成公關道歉文時，除了內容本身之外，也應該要多注重使用溫暖的語氣來撰寫訊息。如此一來，可以減少負面情緒回應也能夠增加被寬恕的可能。畢竟AI生成的溝通內容，經常經常會引發敏感或者是情緒化的感覺，所以多使用一點溫暖語氣，也可能可以加乘情緒化的效果。
另一方面，若是以真人來撰寫公關道歉文，那麼表達溫暖和真誠性也是同樣重要。而且，Lim等人(2025)也指出，如同過去研究，真人的道歉還是會比AI的道歉來得真誠，所以當組織需要進行高風險或者需要建立信任關係時，仍然建議先讓真人撰寫公關稿，然後再由AI協助溫暖與器的修整等等，對於組織而言是一個較好的選擇。
然而，Lim等人(2025)也提醒，該研究仍然具有一些限制，例如在實驗情境的選擇上，並不是包含了所有公關危機處理的所有可能情形，所以實驗條件仍然有限。此外，研究雖然使用了溫暖語氣來進行實驗操弄，但是，實務上撰寫公關道歉文的時候，在不同的情境可能還是會需要使用不同的語氣，所以可能可以在測試不同溫暖語氣程度對於整個閱聽眾接受度的影響。而儘管研究已經進行了擬真測試，可是還是有可能讓實驗參與者受到了研究的影響，有關真實世界中實際發生的AI代理人和閱聽眾的實際反應，仍然需要更實務的觀察。
參考文獻
- Lim, J. S., Hong, N., & Schneider, E. (2025). How warm-versus competent-toned AI apologies affect trust and forgiveness through emotions and perceived sincerity. Computers in Human Behavior, 172, 108761.
- 許馥嘉, & 吳泰毅. (2025). AI 不釋手: 初探台灣民眾對會話型 AI 的期望確認與持續使用意圖. 資訊社會研究, (8), 23-57.