首页 > 新闻 > 一财号

分享到微信

打开微信,点击底部的“发现”,
使用“扫一扫”即可将网页分享至朋友圈。

AI推荐与佣金逻辑:一个需要正视的结构性问题

第一财经 2026-08-17 17:35:55

作者:唐健盛    责编:张健

豆包上线酒店住宿类AI推荐功能并抽取佣金的做法,暴露出AI大模型将人格化信任与商业逐利捆绑的结构性风险,这种不透明的利益倾斜不仅损害用户判断能力,更可能透支整个AI产业的长远发展根基。

2026年8月,某AI软件上线酒店住宿类AI推荐功能,对每笔成交订单抽取约12%佣金。在此之前,该软件一直以“帮你找到最优选项”作为核心产品承诺。

这两个事实放在一起,构成了一个值得整个行业警醒的信号:AI大模型正在重走互联网平台“以信任换收益”的老路,而且走得更快、更彻底。

这不是危言耸听。这是一个正在发生中的结构性风险。

一、核心矛盾:人格化信任与商业逐利的天然冲突

要理解这件事的严重性,先要厘清一个关键概念:用户对AI推荐的信任,和用户对搜索引擎的信任,是两种完全不同的信任。

搜索引擎给你结果,你自己判断、自己选择。平台知道你会怀疑竞价排名,你也会用比价软件、竞品App做制衡。这是工具性信任,你知道工具可能不完美,但你知道自己有纠偏手段。

AI推荐不同。用户把AI当作“懂行的朋友”,把自己懒得比较、不知道怎么选的事情,交给AI拍板。这种信任,是人格化的,是近乎无条件的。用户在内心深处,已经把“AI帮我选”等同于“我不用操心了”。

这正是AI推荐服务的商业价值所在。但也正是这一点,让问题变得严重。

当AI的收入模式和用户交易金额挂钩,推荐排序和商业利益之间的结构性倾斜将难以避免。佣金比例越高,推荐更贵选项的利润空间越大;平台独占特定商家资源,非合作方被排除在推荐范围之外。这是写在商业逻辑里的,不是企业选择的问题。企业声誉约束和法律风险只能在边际上约束,无法从根本消除这种结构性激励。

更关键的是,这种倾斜不会表现为“明着选贵的”。它发生在算法黑箱里,用户看不见,外部查不出。一旦AI推荐服务建立了与交易额挂钩的商业模式,用户实际上无从判断推荐结果的客观性,信任基础将从根本上被动摇。

二、风险升级:AI商业模式透支信任的危害远超传统互联网

有人会说,互联网平台早就存在竞价排名、佣金抽成,为什么AI的问题更值得关注?

答案在于:互联网平台的问题是“我知道你在赚我的钱,但我还能选”。AI推荐的问题是“我不知道你在赚谁的钱,而且我已经无法选”。

这个差异,来自两种信任机制的本质不同。

互联网平台赚的是“人算不过来”的钱。消费者处理信息的能力有物理上限,翻三页就不想看了,看十个选项就眼花了,平台据此卖坑位费和竞价排名。这个逻辑虽然不光彩,但它建立在用户知道自己信息处理能力有限、主动让渡部分选择权的基础上。用户是清醒的消费者。

AI Agent击穿了这个前提。AI没有生物算力边界,没有耐心阈值,毫秒级可跨平台遍历数千选项。它本应是平台经济的“降维打击”,让竞价排名和坑位费失去意义,让消费者第一次真正拥有“全量选项”。

但如果AI平台转身成为新的“过路费收取者”,它非但没有打破旧秩序,反而将旧逻辑平移到了一个信任烈度更高、纠偏手段更少的场景中。平台竞价排名,你知道它是广告;AI商业推荐,你不知道它是商业推荐。传统平台损害的是你的知情权,AI推荐损害的是你做出判断的能力本身。

这才是核心问题所在。

三、全局影响:信任透支制约AI产业长远竞争格局

在全球AI竞争背景下,这个问题的紧迫性被进一步放大。

中国在人工智能领域的竞争战略,选择了一条以应用落地为核心的道路。庞大的用户基数、丰富的场景、快速的产品迭代能力,是中国AI最重要的竞争优势。这个优势,建立在一个前提之上:用户愿意用AI。

而信任,是用户愿意用AI的心理前提。

一旦用户普遍意识到AI推荐存在系统性利益倾斜,信任损耗将直接转化为使用深度的收缩。更难修复的是,这种信任损耗一旦形成用户共识,将具有不可逆性。用户对AI推荐失去信任,不会倒退回“更可信的传统搜索”,而是会停留在“什么都不信”的观望状态。这个心理门槛一旦竖起来,会延缓整个AI应用生态的渗透速度。

在AI竞争的大框架下,这不是可以忽视的小问题。中国AI的先发优势,建立在用户基数和应用场景之上,也建立在用户对AI工具的使用习惯和信任积累之上。这个信任一旦透支,优势就是账面资产,不是真实壁垒。

四、监管困境:现有法规适配不足,存在执行模糊地带

对于这个问题是否需要专项立法,答案不是非此即彼的。

《电子商务法》第十八条、第四十条,《广告法》第十四条,《消费者权益保护法》第八条、第二十条,对平台推荐的信息披露、消费者知情权和选择权已有原则性规定,并非法律真空。

但客观而言,这些法律在制定时,没有预见到AI推荐服务的特殊信任机制。AI推荐是否属于“广告”,现有法规界定不清;“基于用户特征推荐”的豁免条款,是否适用于佣金驱动的排序干预,缺乏细则解释。执行标准模糊,监管无从下手。

所以,准确地说,这不是“无法可依”,而是“有法难依”和“有法未细”。

关键在于,需要有面向AI推荐场景的适用解释出台,明确执行标准和监管边界。在那之前,行业协会的自律标准,可能是更务实的起点

AI可以赚钱,也应当赚钱。问题从来不在于AI能不能有商业模式,而在于这个模式是否透明、是否可审计、是否给了用户真正的选择权。

互联网平台用二十年时间,证明了“以垄断换收益”的路径可以走通,也证明了这条路径走到尽头时,行业会付出多大的信任代价。AI大模型站在一个十字路口:它有机会走得不一样,也有足够的诱惑重蹈覆辙。

第一财经一财号独家首发,本文仅代表作者观点。

 

举报

文章作者

一财最热
点击关闭