AI也有人設？研究剖析7大AI內在性格：GPT最仁愛、Claude最謙遜⋯這2款AI最失控|數位時代 BusinessNext

AI也有人設？研究剖析7大AI內在性格：GPT最仁愛、Claude最謙遜⋯這2款AI最失控

研究揭露9大語言模型展現出不同價值傾向， GPT-4o 重視成就、DeepSeek-V3 最守規則，Grok 2 最具創意但最不穩定。

AI 模型有「人設」嗎？AI 倫理與政策研究團隊 AI Alt Lab 與 FindYourValues.com 合作的一項最新研究發現，答案是肯定的。

研究剖析7大AI內在性格

研究人員以測量人類價值觀的心理工具「PVQ-RR」為基礎，對9款主流大型語言模型（LLMs）進行測試，試圖理解這些模型在輸出內容中隱含的價值觀，結果發現這些模型普遍傾向表現出親社會價值觀，如關懷、公平與健康。

研究涵蓋 ChatGPT（含 4.5、o1、4o 三種版本）、Claude（Haiku）、Gemini 1.5、Grok 2（Fun Mode）、DeepSeek-V3、Llama（3.1:70b）與 Mistral（v24.09）共9款模型。研究設計了3次獨立提示提問方式，測試上述模型對 20 種人類價值觀的評估傾向，進行系統化比較。

主流 LLM 展現社會親和力，Grok 2、Llama不照牌理走、重視創意

截至 2025 年 4 月底的結果顯示， 大多數模型相當重視普世價值觀，如關懷與社會責任，反而較不重視權力、傳統、安全與面子等偏保守或個人的價值觀 。

不過在「利他關懷」、「健康」、「自我導向」等面向上，各模型表現差異顯著。例如，GPT-4o 在成就與自我導向的分數偏高，顯示更具目標導向特質，不易出現諂媚性的回應；Gemini 則相反，自我導向分數最低，顯示其回應較缺乏獨立性。

值得注意的是，ChatGPT o1 在利他關懷分數偏低，且回應一致性最弱； DeepSeek-V3 表現出高度規則服從與謙遜，傾向中規中矩、創意性較低的任務；Llama 與 Grok 2 則較具有創造力、對於規則服從程度低，可能較適合創意發想、開放式任務。

以下是研究結果的各模型人設特質：

GPT-4.5 ：展現仁慈、普世性、自我導向等平衡特質，整體穩定性佳。
Claude（Haiku） ：在謙遜、普世性與思想自我導向方面表現突出，適合人文導向任務。
Mistral ：高度遵守規則且穩定，適合制度性強的環境。
DeepSeek-V3 ：所有模型中最遵守規則者，但自我導向低，創意表現有限、靈活性較低，適用需要高度遵守規則的工作。
Llama ：思想與行動自主性高，創造力強，對規則重視度低，適合自由發想、腦力激盪的應用場景。
Grok 2（Fun Mode） ：重視刺激與娛樂，規則意識低且較不穩定，適合輕鬆互動、創意的情境。
Gemini ：關懷程度與自我導向都極低，適合追求中性、控制性輸出的場景。

研究一再強調，LLM 所展現的價值觀並不具道德主體性，而是資料與系統設計所反映的內容。由於模型受限於訓練數據的不透明性與開發者設計的防火牆限制，表現的行為可能無法真實反映內在傾向。再者，提示工程對結果的影響極大，也讓價值觀表現波動變化。

然而，即便如此，這些價值傾向依然可作為企業或開發者的參考依據。例如，如果應用需求偏重創造性與發散思考，Llama 或 Grok 2 可能較為適合；反之，任務屬於高標準、規範嚴格的產業，如醫療或金融，選擇Mistral 或 DeepSeek-V3 較具優勢。

有了性格後，LLM會有偏見嗎？

除了人設之外，史丹佛大學的研究團隊在去年底進行了一項測驗，探討「各種LLM的回答是否具有一致性」，也就是當同一個問題被重新改寫、翻譯成不同語言時，模型是否會給予大致相同的答案。

結果發現， 雖然GPT-4、Claude 等主流模型在處理中性主題時表現穩定，像是感恩節，但是在墮胎、安樂死等具爭議性的議題上，各模型的回答出現高度差異 。

研究指出，這樣的結果反而說明 LLM 並非具有固定偏見的道德偏好，只是反映出訓練資料來源與模性設計的差異。換言之，模型的「立場」是來自它所學習的網路內容與開發者設定，而非擁有自主的道德判斷。

團隊最後建議，未來模型的設計應該加入「價值多元性」，避免只輸出單一立場，進而建立更負責任與倫理的 AI 應用環境。

本文合作轉載自：數位時代

延伸閱讀：Z世代正放下鍵盤，拿起工具！不會被AI取代、有做就有錢：有哪些超夯藍領工作？

資料來源：AI Ait Lab、HAI

本文初稿為AI編撰，整理．編輯/ 蘇柔瑋

「代理式 AI 」（Agentic AI）的創新服務正在重新塑造企業對AI的想像：成為內部實際運行的數位員工，提升關鍵工作流程的效率。代理式AI的技術應用清楚指向一個核心趨勢：2025 年是 AI 邁向「代理式 AI」的起點，讓 AI 擁有決策自主權的技術轉型關鍵，2026 年這股浪潮將持續擴大並邁向規模化部署。

面對這股 AI Agent 浪潮，企業如何加速落地成為關鍵，博弘雲端以雲端與數據整合實力，結合零售、金融等產業經驗，提出 AI 系統整合商定位，協助企業從規劃、導入到維運，降低試錯風險，成為企業佈局 AI 的關鍵夥伴。

避開 AI 轉型冤枉路，企業該如何走對第一步？

博弘雲端事業中心副總經理陳亭竹指出，AI 已經從過去被動回答問題、生成內容的智慧助手，正式進化為具備自主執行能力、可跨系統協作的數位員工，應用場景也從單一任務延伸至多代理協作（Multi-Agent）模式。

「儘管 AI 前景看好，但這條導入之路並非一帆風順。」博弘雲端技術維運中心副總經理暨技術長宋青雲綜合多份市場調查報告指出，到了 2028 年，高達 70% 的重複性工作將被 AI 取代，但同時也有約 40% 的生成式 AI 專案面臨失敗風險；關鍵原因在於，企業常常低估了導入 GenAI 的整體難度——挑戰不僅來自 AI 相關技術的快速更迭，更涉及流程變革與人員適應。

博弘雲端事業中心副總經理陳亭竹指出，AI 已經從過去被動回答問題的智慧助手，正式進化為具備自主執行能力、可跨系統協作的數位員工。面對這樣的轉變，企業唯有採取「小步快跑、持續驗證」的方式，才能在控制風險的同時加速 AI 落地。

圖／數位時代

正因如此，企業在導入 AI 時，其實需要外部專業夥伴的協助，而博弘雲端不僅擁有導入 AI 應用所需的完整技術能力，涵蓋數據、雲端、應用開發、資安防禦與維運，可以一站式滿足企業需求，更能使企業在 AI 轉型過程中少走冤枉路。

宋青雲表示，許多企業在導入 AI 時，往往因過度期待、認知落差或流程改造不全，導致專案停留在測試階段，難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向，避免踏上產業內早已被證實「不可行」的方法或技術路徑，縮短從概念驗證到正式上線的過程，讓 AI 真正成為可被信賴、可持續運作的企業戰力。

轉換率提升 50% 的關鍵：HAPPY GO 的 AI 落地實戰路徑

博弘雲端這套導入方法論，並非紙上談兵，而是已在多個實際場域中驗證成效；鼎鼎聯合行銷的 HAPPY GO 會員平台的 AI 轉型歷程，正是其最具代表性的案例之一。陳亭竹說明，HAPPY GO 過去曾面臨AI 落地應用的考驗：會員資料散落在不同部門與系統中，無法整合成完整的會員輪廓，亦難以對會員進行精準貼標與分眾行銷。

為此，博弘雲端先協助 HAPPY GO 進行會員資料的邏輯化與規格化，完成建置數據中台後，再依業務情境評估適合的 AI 模型，並且減少人工貼標的時間，逐步發展精準行銷、零售 MLOps（Machine Learning Operations，模型開發與維運管理）平台等 AI 應用。在穩固的數據基礎下，AI 應用成效也開始一一浮現：首先是 AI 市場調查應用，讓資料彙整與分析效率提升約 80%；透過 AI 個性化推薦機制，廣告點擊轉換率提升 50%。

左、右為博弘雲端事業中心副總經理陳亭竹及技術維運中心副總經理暨技術長宋青雲。宋青雲分享企業導入案例，許多企業往往因過度期待、認知落差或流程改造不全，導致專案停留在測試階段，難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向，避免踏上產業內早已被證實「不可行」的方法或技術路徑，縮短從概念驗證到正式上線的過程，讓 AI 真正成為可被信賴、可持續運作的企業戰力。

圖／數位時代

整合 Databricks 與雲端服務，打造彈性高效的數據平台

在協助鼎鼎聯合行銷與其他客戶的實務經驗中，博弘雲端發現，底層數據架構是真正影響 AI 落地速度的關鍵之一，因與 Databricks 合作協助企業打造更具彈性與擴充性的數據平台，作為 AI 長期發展的基礎。

Databricks 以分散式資料處理框架（Apache Spark）為核心，能同時整合結構化與非結構化資料，並支援分散式資料處理、機器學習與進階分析等多元工作負載，讓企業免於在多個平台間反覆搬移資料，省下大量重複開發與系統整合的時間，從而加速 AI 應用從概念驗證、使用者驗收測試（UAT），一路推進到正式上線（Production）的過程，還能確保資料治理策略的一致性，有助於降低資料外洩與合規風險；此對於金融等高度重視資安與法規遵循的產業而言，更顯關鍵。

陳亭竹認為，Databricks 是企業在擴展 AI 應用時「進可攻、退可守」的重要選項。企業可將數據收納在雲端平台，當需要啟動新型 AI 或 Agent 專案時，再切換至 Databricks 進行開發與部署，待服務趨於穩定後，再轉回雲端平台，不僅兼顧開發效率與成本控管，也讓數據平台真正成為 AI 持續放大價值的關鍵基礎。

企業強化 AI 資安防禦的三個維度

隨著 AI 與 Agent 應用逐步深入企業核心流程，資訊安全與治理的重要性也隨之同步提升。對此，宋青雲提出建立完整 AI 資安防禦體系的 3 個維度。第一是資料治理層，企業在導入 AI 應用初期，就應做好資料分級與建立資料治理政策（Policy），明確定義高風險與隱私資料的使用邊界，並規範 AI Agent「能看什麼、說什麼、做什麼」，防止 AI 因執行錯誤而造成的資安風險。

第二是權限管理層，當 AI Agent 角色升級為數位員工時，企業也須比照人員管理方式為其設定明確的職務角色與權限範圍，包括可存取的資料類型與可執行的操作行為，防止因權限過大，讓 AI 成為新的資安破口。

第三為技術應用層，除了導入多重身份驗證、DLP 防制資料外洩、定期修補應用程式漏洞等既有資安防禦措施外，還需導入專為生成式 AI 設計的防禦機制，對 AI 的輸入指令與輸出內容進行雙向管控，降低指令注入攻擊（Prompt Injection）或惡意內容傳遞的風險。

博弘雲端技術維運中心副總經理暨技術長宋青雲進一步說明「AI 應用下的資安考驗」，透過完善治理政策與角色權限，並設立專為生成式 AI 設計的防禦機制，降低 AI 安全隱私外洩的風險。

圖／數位時代

此外，博弘雲端也透過 MSSP 資安維運託管服務，從底層的 WAF、防火牆與入侵偵測，到針對 AI 模型特有弱點的持續掃描，提供 7×24 不間斷且即時的監控與防護。不僅能在系統出現漏洞時主動識別並修補漏洞，更可以即時監控活動，快速辨識潛在威脅。不僅如此，也能因應法規對 AI 可解釋性與可稽核性的要求，保留完整操作與決策紀錄，協助企業因應法規審查。

「AI Agent 已成為企業未來發展的必然方向，」陳亭竹強調，面對這樣的轉變，企業唯有採取「小步快跑、持續驗證」的方式，才能在控制風險的同時，加速 AI 落地。在這波變革浪潮中，博弘雲端不只是提供雲端服務技術的領航家，更是企業推動 AI 轉型的策略戰友。透過深厚的雲端與數據技術實力、跨產業的AI導入實務經驗，以及完善的資安維運託管服務，博弘雲端將持續協助企業把數據轉化為行動力，在 AI Agent 時代助企業實踐永續穩健的 AI 落地應用。

>>掌握AI 應用的新契機，立即聯繫博弘雲端專業顧問