拟人化的度，与 AI 道歉的艺术
CASA 范式：用户必然把 AI 当人，你只能选档位。五类产品对号入座；同一个错误四种道歉文案对比，三要素配方与服务补救悖论
本页解决的问题
先给结论「拟人化的度，与 AI 道歉的艺术」要解决的关键问题是什么？
CASA 范式：用户必然把 AI 当人，你只能选档位。五类产品对号入座；同一个错误四种道歉文案对比，三要素配方与服务补救悖论
把品味变成产品可重复的行为。 有用的结果不是一句“我觉得更好”。它应该是一条看得见的规则、一个小例子，以及判断体验何时低于标准的方法。
记录一个前后对比，让别人不用听解释也能看懂质量线。
表面更精致了，却没有减少用户的不确定感。
先亲手验一遍 CASA。Nass 的经典实验：被试在电脑 A 上完成一项辅导任务，然后要给电脑 A 的表现打分。一组就在电脑 A 上填问卷，另一组被带到旁边的电脑 B 上填同一份问卷。猜猜哪组给 A 打的分更高。
既然退出无门，拟人化就成了一个连续的旋钮。下面是同一个电商客服，同一件事（包裹延迟两天），拖动滑块换档位，看它的头像、开场白和语气怎么变，再盯住右边两根仪表：用户期望值和伦理风险值跟着档位一起涨。「我不太确定这点」这类自然语言表达不确定的能力是拟人化的收益之一，第 5 课信任校准讲过；这个实验看它的另一面。
档位的选法有规律：任务越严肃、出错代价越高，档位越低；高频工具场景往低了拨；陪伴价值本身就是卖点时才敢开高档。五类产品，逐个选出它该在的档。
档位管平时，道歉管出事。场景：报销助手把用户的差旅报销总额多算了 800 元，被财务打回，用户回来质问。右边是对话现场，左边三个开关对应道歉的三要素，亲手拨开关，看回复怎么拼装、用户消气度怎么走。服务补救研究反复验证过这三件套：认错、解释、补偿，缺一角效果就塌一角。
承认错误
认具体的错：哪张票、错多少，责任在谁。
说明原因
一句话讲清为什么错，给用户一个能理解的因果。
给出可验证的补救动作
修好，并且给一个用户点得开、查得到的证据。
三要素是配方，市面上的道歉文案大多凑得不齐。同一个报销出错场景，四种真实风格的回应，点你觉得感受最好的那个，再看逐条点评。
对天生会犯错的 AI 产品，这几乎是量身定制的好消息：幻觉消灭不掉，但每一次被用户抓住的错误，都是一次免费的信任表演机会。悖论有个硬前提：同一个坑只能掉一次。第 6 课算法厌恶讲过「错后一次修好」的窗口，补救本身再出错，或者同一处错误第二次出现，悖论当场失效，用户直接流失。三要素道歉里那句主动复查，就是在给「只掉一次」上保险。
从「实验一 · 人对电脑也讲礼貌」把感觉变成判断
「先亲手验一遍 CASA。Nass 的经典实验：被试在电脑 A 上完成一项辅导任务，然后要给电脑 A 的表现打分。一组就在电脑 A 上填问卷，另一组被带到旁边的电脑 B 上填同一份问卷。」指出，AI 降低了做出“能用”成品的门槛，读者真正需要练的是看出哪里不对，并把感觉说成可以执行的要求。
观察用户的下一步，而不是只看表面
「既然退出无门，拟人化就成了一个连续的旋钮。下面是同一个电商客服，同一件事（包裹延迟两天）， 拖动滑块换档位 ，看它的头像、开场白和语气怎么变，再盯住右边两根仪表：用户期望值和伦理风险值跟着档位一起涨。「我不太确定这点」这类自然语言表达不确定的能力是拟人化的收益之一，第 5 课信任校准讲过；这个实验看它的另一面」可以转成几个可观察的问题：用户是否知道现在发生了什么，是否知道下一步做什么，出错或空白时能否恢复，以及信息层级是否让重要内容先被看见。
- 先认下 CASA ：用户必然把 AI 当某种人，把拟人度当成一个要主动拨的档位来管
- 拨档前先看账单 ：档位每高一格，期望和伦理风险跟着涨，同样的错误会被当成更重的背叛
- 道歉照三要素装配 ：认具体的错、说简短的因、给可验证的补救，抒情一个字都省下
漂亮不等于容易用
把「对天生会犯错的 AI 产品，这几乎是量身定制的好消息：幻觉消灭不掉，但每一次被用户抓住的错误，都是一次免费的信任表演机会。悖论有个硬前提： 同一个坑只能掉一次 。第 6 课算法厌恶讲过「错后一次修好」的窗口，补救本身再出错，或者同一处错误第二次出现，悖论当场失效，用户直接流失。三要素道歉里那句主动复查，就是在给「只掉一次」上保险」用在第二个页面或流程上，记录一个具体犹豫点和一个改动后的用户动作；能被观察到的变化，才是体验改善。
从「实验一 · 人对电脑也讲礼貌」走到「实验二 · 档位自己拨，账单自己看」
「实验一 · 人对电脑也讲礼貌」先把问题落在「先亲手验一遍 CASA。Nass 的经典实验：被试在电脑 A 上完成一项辅导任务，然后要给电脑 A 的表现打分。一组就在电脑 A 上填问卷，另一组被带到旁边的电脑 B 上填同一份问卷。 猜猜哪组给 A 打的分更高」上；到了「实验二 · 档位自己拨，账单自己看」，讨论继续推进到「既然退出无门，拟人化就成了一个连续的旋钮。下面是同一个电商客服，同一件事（包裹延迟两天）， 拖动滑块换档位 ，看它的头像、开场白和语气怎么变，再盯住右边两根仪表：用户期望值和伦理风险值跟着档位一起涨。「我不太确定这点」这类自然语言表达不确定的能力是拟人化的收益之一，第 5 课信任校准讲过；这个实验看它的另一面」。两段连起来，重点就不只是记住一个结论，而是看清它成立所依赖的条件。
把这条判断带到下一个场景
评估体验时，把抽象的“好看”或“顺手”换成用户动作：他是否看懂状态、找到了下一步、能从错误中恢复，并且愿意继续使用。
- 「实验一 · 人对电脑也讲礼貌」：先亲手验一遍 CASA。Nass 的经典实验：被试在电脑 A 上完成一项辅导任务，然后要给电脑 A 的表现打分。一组就在电脑 A 上填问卷，另一组被带到旁边的电脑 B 上填同一份问卷。 猜猜哪组给 A 打的分更高
- 「实验二 · 档位自己拨，账单自己看」：既然退出无门，拟人化就成了一个连续的旋钮。下面是同一个电商客服，同一件事（包裹延迟两天）， 拖动滑块换档位 ，看它的头像、开场白和语气怎么变，再盯住右边两根仪表：用户期望值和伦理风险值跟着档位一起涨。「我不太确定这点」这类自然语言表达不确定的能力是拟人化的收益之一，第 5 课信任校准讲过；这个实验看它的另一面
- 「最后的要点」：把错误当补救机会经营 ：修得漂亮比不出错更涨忠诚，同时给「同一个坑只掉一次」上好保险
最后的「最后的要点」把讨论落到「把错误当补救机会经营 ：修得漂亮比不出错更涨忠诚，同时给「同一个坑只掉一次」上好保险」。回看这条线索时，最值得保留的是：当输入、规模或风险改变，哪些判断需要重新做一遍。
✅ 这一课想和你分享的
- 先认下 CASA：用户必然把 AI 当某种人，把拟人度当成一个要主动拨的档位来管
- 拨档前先看账单：档位每高一格，期望和伦理风险跟着涨，同样的错误会被当成更重的背叛
- 道歉照三要素装配：认具体的错、说简短的因、给可验证的补救，抒情一个字都省下
- 把错误当补救机会经营：修得漂亮比不出错更涨忠诚，同时给「同一个坑只掉一次」上好保险
我把这篇文章里的一个判断改写成了今天可以验证的小实验。比记住结论更有用的是，知道下一步要观察什么。
读完以后我先回头找它成立的条件，而不是直接把方法搬进项目。这个顺序让后面的取舍清楚很多。
如果把这个判断放到真实工作里，最先需要补的约束是什么？我想知道从阅读到第一次实践之间，哪一步最值得先做。
还没有这篇文章的讨论。