拟人化的度，与 AI 道歉的艺术
上世纪 90 年代，斯坦福的 Reeves 和 Nass 在《媒体等同》里报告了一组反直觉的实验：人会不由自主地对电脑讲礼貌、被电脑夸了会开心，明知对面是机器也照样套用社交规则。这叫 CASA 范式（把计算机当社会行动者）。它意味着拟人化根本由不得你选：用户一定会把你的 AI 当某种人对待，你能决定的只有让它当哪种人，以及它闯祸之后怎么开口。这一课五个实验，全部亲手玩。
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。
✅ 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