图片来源：
2022年，Jason Allen使用Midjourney创作了该作品《Théâtre D’opéra Spatial》，获得科罗拉多州博览会数字艺术组一等奖，引发“AI作品是否算艺术”的争论。
文献来源：
Stephan Carney, Ignacio Riveros, Stephanie M Tully, Made With AI: Consumer Engagement With Social Media Containing AI Disclosures, Journal of Consumer Research, 2026;, ucag013.
艺术是这样一种人类活动：一个人把自己体验过的感情传达给别人。——列夫·托尔斯泰《艺术论》
01
引言
假设你听到一段旋律，觉得“太好听了吧，简直就是天籁”。
随后有人告诉你，这段旋律不是音乐家写的，而是AI生成的。旋律没有变，音符没有变，播放设备也没有变。你还会像刚才那样喜欢它吗？
很多人不会。
类似的故事正在音乐(Shank et al., 2023)、绘画(Bellaiche et al., 2023)、创意写作(Raj et al., 2026)、社交媒体(Wittenberg et al., 2025)中反复上演。人们未必能从作品本身分辨出创作者是谁，却会在看到“AI生成”几个字以后调低评价。同一幅画，贴上“人类创作”的标签会显得更美、更深刻，也更值钱；同一篇故事，一旦披露使用了AI，读者便觉得它少了几分吸引力。以上情况被称为AI披露惩罚（AI disclosure penalty）。
AI披露惩罚带来了一个AI时代知识生产的困境：AI促进了内容创作，但是AI披露又可能损害创作的受众参与度。因此，披露什么？是否应该披露？如何披露？如何设计披露激励？这些问题值得更加深入的思考。
02
研究背景与数据
2023 年 9 月，抖音海外版（TikTok）成为美国第一个实施 AI 披露政策的主要社交媒体平台。该政策规定，需要通过帖子标签披露修改过的内容 。如果使用了平台内 AI 效果，AI 披露会自动添加;如果使用了外部 AI 工具，AI 披露由 TikTok 用户自主添加。
论文借助TikTok Research API和Apify（如下图所示）收集了AI 披露政策实施前 3 个月和实施后 6 个月 (2023 年 6 月至 2024 年 4 月) 约 10,000 篇随机用户发布的帖子数据。
描述统计如下表所示。数据集包含 8,650 个用户发布的 1,135,817 条帖子。描述数据结果显示， AI 披露的帖子与每个参与度指标之间存在负相关关系。
03
实证分析
考虑到用户存在相对具有粘性的视频偏好和tiktok的算法推送，论文强调需要在控制观看次数的情况下研究AI披露对用户参与度的影响。
（1）J为用户、t为年月层次日期、i为帖子层次。
（2）Engagement为帖子的参与度，包含点赞数、评论、分享数。
（3）logViews为帖子观看次数对数。
（4）AI-Disclosure为ai披露政策。
（5）控制变量控制了帖子层次特征变量（包含是否是广告、标签数、图像类型还是视频类型）、传播层次特征变量（日期、帖子可见性、是否启动了索引同意被网络检索、是否允许评论）。
3.1 基准结果
基准结果表明，在相同播放量的情况下，有 AI 披露的帖子在获得相同数量观点的前提下，获得的点赞和综合参与度大约减少 7%-8%。
3.2 潜在机制1：用户影响力
论文先基于用户影响力分析AI披露的异质性影响。
上图A基于粉丝数区分用户影响力。右图基于用户AI披露政策前帖子总观看数区分用户影响力。结果发现 AI 披露与受众规模之间没有显著的交互效应。
3.3 潜在机制2：视频质量
样本匹配：论文进一步将ai披露的视频与同一创作者最接近日期的非ai视频进行配对，获得200个配对视频（共400个视频）进行分析，结果依旧稳健。
控制视频特征：论文使用OpenAI Whisper转录每个视频音频，然后使用LIWC-22(Boyd et al. 2022)提取帖子语言特征，使用OpenAI CLIP (Radford et al. 2021)提取文本主题和图像的相似度关系，得到视频的语义标签。论文还进一步提取视频亮度、色彩、锐度、运动强度和场景切换频率等视频视觉特征。控制之后结果依然稳健。
观众代表性：论文组织了697名熟悉TikTok的大学生观看这些视频，但把原本的AI标签遮掉。参与者对视频质量、趣味性、创意和独特性进行评价，共留下5,277条视频评分。结果显示，带有AI披露的视频在主观质量上的平均差异很小，质量指数只低了0.06；创意评价的差异并不显著。被多数参与者猜作AI的视频，本身并没有显著获得更少的互动。
潜在机制讨论：观众互动
论文进一步通过用户评论分析AI披露可能的机制。如果观众担心AI视频带来虚假信息造成危害，或者质量底下，评论样本应该能体现差异。
研究者收集了约190万条评论，其中有1,791条来自82条带有AI披露的TikTok。评论的整体情绪、风险词汇和道德词汇没有表现出稳定差异，但AI披露视频下的评论更少使用“我、你、她”等人称代词，语言相对不那么指向创作者本人。这说明AI披露的机制可能是削弱了社交效应。
3.4 潜在机制3：披露方式
AI披露存在两种方式，平台披露和创作者自我披露，论文进一步测试了两者的效果差异。
565名参与者看到一张相同的早餐图片，图片中的窗外雪景由AI添加。研究者让视频随机添加平台AI披露标签和作者自我披露的AI标签（“我用AI生成了雪景”）。下图结果说明，存在平台AI披露时，自我披露的互动差异并不显著，而不存在平台AI披露时，自我披露的效应更显著。
上诉结果说明，消费者明确看到AI参与，点赞意愿就会下降。披露方式并没有明显缓解作用。
3.5 潜在机制4：社交态度感知
503名参与者观看一条没有AI披露的参考视频，再观看一条完全由AI生成视觉内容的视频，后者随机带有或不带有AI披露。参与者被询问社会感知的相关问题：
更想参与到哪个视频的活动之中？作者为这个视频付出了多大努力？是否可以成为自己的朋友？他是否关心我们对视频的回应……
实证结果表明，带有AI披露时，参与者对创作者努力程度的评价为4.98；没有披露时为5.90。与此同时，带有AI披露的视频获得了更低的互动意愿，效应量为0.26。串联中介分析显示，AI披露首先降低观众对创作者努力的感知，努力感下降又削弱拟社会连接，最后降低互动意愿。间接效应为-0.13，加入两个中介变量后，AI披露本身的直接效应不再显著。
研究者进一步检验了观众态度。第一，是否因为参与者普遍讨厌AI？但是样本中超过一半的人对AI持积极态度，AI使用频率和AI态度也没有显著调节披露效应。第二，是否因为人们担心AI内容不独特？独特性偏好同样没有解释互动下降。
3.6 潜在机制5：工具态度感知
研究者让198名参与者分别观看三组内容：没有AI披露、披露使用了Photoshop滤镜、披露使用了普通AI。三组内容的创作者和画面被随机安排。普通AI披露组的互动意愿为3.17，Photoshop神经滤镜披露组为3.85，没有披露组为3.98。Photoshop披露与无披露之间没有显著差异。
同样是AI功能的参与，PS的功能使用并没有降低互动意愿。结合前面的实验结果，作者认为PS滤镜被认为需要更多创作者参与，传递出的信号不是“机器替你完成了内容”，而是“创作者使用了一个具体工具完成了一项具体工作”。披露惩罚的关键机制为创造者参与感知。
04
总结与评论
生成式 AI 正在迅速重塑社交媒体内容的生成方式，而如何正确的披露AI信息成为一个新的实践问题。论文通过6组实验数据证明了AI披露会降低消费者互动意愿，且AI参与的质量、独特性、创造性并不能完全解释披露效应。关键机制是对创作者参与程度的感知，其中披露方式传递的信号具有重要作用。
4.1 AI披露与场景消费
我国近年来强调大力提振消费，场景消费，而数字经济时代，消费者对创作者的努力程度感知也在消费环节中发挥重要作用。手搓虽然低效，但其中的参与感能引起消费者共鸣，或许这也能解释为什么质量相同的情况下，手工工艺品相对机器制造存在溢价。如果厂商为了证明自己跟上了AI潮流，草率地使用AI视频、海报进行宣传（例如笔者发现附近的商城最近突然铺天盖地的AI墙纸和AI宣传视频），这可能会传达出错误的信号，进而削弱消费者的参与意愿。
4.2 AI披露与执行边界
AI披露的边界尚存在疑问。究竟哪些领域算作AIGC？PS的AI修图和直接使用AI修图，效果类似，但是披露信号并不相同，前者往往传递出小规模修改的信号，而后者往往传递出直接生成的信号。当AI和人类制作水平相近时，平台检测争议成本也会上升。创作者考虑到披露惩罚，也会缺乏自我披露的激励，此时更需要各个平台仔细设计披露的形式。论文作者认为，一种较为可行的执行机制是让AI标识成为一种选择性透明的工具。接受度低的消费者会主动寻找标识，接受度高的消费者会主动忽略。
最近，一些经济学期刊（例如JDE，经济学季刊）已经尝试在论文中加入AI参与的披露细节，或许能成为新的观察场景。
4.3 AI披露与长期的社会互动
创作者和消费者存在信息不对称，而创作者使用AI的动机和过程的披露将影响消费者与生产者之间的信任的关系，而这一个过程除去消费场景外，也可能出现在课堂教育、学术评价等知识生产过程中。消费者对于创作者对象身份、创作过程的重视，或许也体现了一种人类主体思想的过程价值观，而当人与人的链接被人机之间的窗口隔断，或许过程论和结果论的价值观也会发生颠倒，进而在信任和价值观层面产生更长期的影响。
Abstract
Social media shapes how people connect, communicate, and consume information. As generative artificial intelligence (AI) becomes an increasingly common tool for content creation, many platforms have introduced disclosure requirements to inform consumers when content has been created or significantly edited by AI. Yet, little is known about how such AI-generated content (AIGC) disclosures influence consumer engagement, a key metric for creators, platforms, and brands. This research examines whether and why AIGC disclosures affect engagement on social media. Analysis of engagement behavior on TikTok following the introduction of their AIGC disclosure policy and eight preregistered experiments (including two in the web appendix) finds that disclosures reduce consumer engagement. This reduction does not stem from concerns about content quality, wariness of artificial content, or general AI aversion. Instead, the findings identify a novel process: AIGC disclosures reduce parasocial connection—one-sided emotional bonds between consumers and creators. Reduced parasocial connection is driven in part by the perceived effort of the content creator. As such, disclosures that signal greater effort can mitigate reductions in engagement. The implications of these findings for platform policy, content creator strategy, and the future design of AI disclosure practices are discussed.
推文作者：
黄展鹏，四川大学2024级西方经济学硕士研究生。
推文内容若存在错误与疏漏，欢迎邮箱批评指正！
声明：推文仅代表文章原作者观点，以及推文作者的评论观点，并不代表香樟经济学术圈公众号平台的观点
0
推荐
京公网安备 11010502034662号 
