“读心AI”的致命缺陷

人们常说：“无法衡量，便无法改进。” 这句话在商业领域往往行之有效。但如果我们想要 “改进” 的，是员工的情绪与心态呢？

人工智能技术的进步，让情绪与心理状态的量化成为可能。于是有人提出：何不广泛应用这项技术，解决管理难题？这就是读心AI/情绪 AI（也被称为情感计算、情绪分析或算法情绪管理）的核心逻辑——借助传感器与人工智能，捕捉、解读、归类员工情绪并据此做出决策。

得益于计算机视觉、自然语言处理、语音分析、生物识别、机器学习、深度学习以及边缘计算硬件等技术的突破，情绪 AI 已从概念走向现实。目前，已有多家企业推出成熟的商用解决方案，包括科吉托（Cogito）、情感感知（Affectiva）、休姆 AI（Hume AI）、熵智（Entropik）以及海雇（HireVue）等。

这套技术的运作逻辑十分简单，收集员工数据，交由 AI 处理，最终输出情绪状态报告。数据来源五花八门，主要包括以下几类：

• · 语音特征：音调、语气、语速、停顿节奏、声音紧张度

• · 面部表情：视频通话、桌面摄像头捕捉的面部动态分析

• · 文本内容：邮件、办公软件消息、调查问卷、绩效评估中的大规模情绪分析

• · 生理信号：心率变异性、皮肤电反应（通过可穿戴设备采集）

• · 行为数据：敲击键盘节奏、鼠标操作习惯、应用切换频率

• · 姿态与视线： workplace 摄像头通过计算机视觉分析的肢体姿势与目光方向

尽管技术日趋成熟、方案层出不穷，但情绪 AI 在企业中的应用，实则隐患重重。

企业为何青睐情绪 AI

企业采用情绪 AI 的目的多种多样，其中安全保障是最合理的诉求。对于工厂工人、卡车司机等高危岗位，AI 能有效规避伤亡风险。典型例子便是疲劳驾驶监测技术，一旦检测到司机犯困，系统会立即发出警报，或自动切换至自动驾驶模式，靠边停车。

其次是优化客户服务。大都会人寿（MetLife）等企业已开始使用软件，实时监控客服人员的语音、语气与音调，避免其对客户表现出不耐烦或负面情绪。

人力资源部门也看中了这项技术的价值，正通过分析企业内部沟通记录与员工问卷，掌握整体工作氛围；监测员工倦怠情况；甚至用于招聘环节，在视频面试中借助情绪 AI 筛选候选人，以期招到更合适的人才。

除此之外，情绪 AI 还被宣称能降低员工流失率、减少医疗开支、规避安全风险，同时提升客户满意度、员工工作效率，助力企业发现团队或管理层的管理漏洞。

情绪 AI 的致命缺陷

然而，试图通过技术测量并干预员工情绪，看似高效，实则缺乏科学依据。

依赖面部表情识别的情绪 AI，其理论基础源于加州大学旧金山分校心理学家保罗・艾克曼在 20 世纪 60 年代末提出的假说：人类少数基础情绪会产生跨文化、可精准识别的通用面部表情。

但 2019 年，丽莎・费尔德曼・巴雷特主导的一项元分析推翻了这一理论。研究团队梳理了上千项相关研究，最终发表在《公共利益中的心理科学》期刊上的结论明确指出，仅凭面部动作，无法可靠推断一个人的真实情绪状态。

绝大多数情绪 AI 都预设了一个错误前提，所有人的情绪表达方式与解读逻辑完全一致。但现实中，人们的外貌、声音、性格、生理特征千差万别，情绪表达自然也因人而异。

近年来，不少企业将 AI 奉为管理员工的万能解药，情绪 AI 恰好迎合了这种心态。它让管理者误以为，无需通过激励、引导、培训凝聚团队，只需依靠高强度监控，就能让员工行为与企业目标保持一致。

但这种做法本身就有失公允。即便部分企业声称使用情绪 AI 是为了帮助员工，研究显示，结果往往适得其反。

2024 年芬兰的一项案例研究，全面揭露了职场情绪追踪技术的五大问题：

第一，技术本身不可靠。系统声称能识别 “压力大”“投入度高” 等心理状态，但其结果往往与员工真实内心感受不符。

第二，存在种族偏见。研究发现，面对相同面部表情，黑人更容易被错误标记为 “愤怒” 或 “轻蔑”。这种算法偏见，可能导致企业依据 AI 的错误判断区别对待员工。

第三，隐私保护形同虚设。企业宣称数据会 “匿名汇总”，但在小型团队中，数据往往会泄露员工身份，造成隐私侵犯。

第四，强制增加情绪劳动。情绪 AI 的普及，变相要求越来越多职业的员工，必须刻意展现符合工作要求的情绪，加重了员工负担。

第五，监控范围不断扩大。企业往往以单一目的部署情绪 AI，随后逐渐扩大监控范围，对员工进行全方位、无死角的监视。

情绪 AI 或将走向末路

尽管情绪 AI 在部分行业仍有市场，但监管收紧正加速其退场。欧盟已于去年全面禁止职场与教育场景使用情绪 AI，仅医疗、安全等特殊领域例外。跨国企业也纷纷跟进，采用欧盟标准。

美国部分州也已出台相关法律法规，限制情绪 AI 的使用，包括加州、纽约州与伊利诺伊州。

不少企业更是主动放弃情绪 AI。微软早在 2022 年 6 月便宣布，将停用 Azure 人脸识别 API 中的情绪识别功能（同时取消性别、年龄、微笑、胡须、发型、妆容等识别项），这是其负责任 AI 标准改革的重要举措。

微软首席负责任 AI 官娜塔莎・克拉普顿解释道：“目前科学界对‘情绪’的定义尚未达成共识，技术解读难以跨场景、跨地区、跨人群通用，且这类技术会引发严重的隐私担忧。” 微软还担心，情绪 AI 可能导致刻板印象、歧视，甚至不公平地拒绝员工合理权益。

不可否认，情绪 AI 在少数特定场景下确有实用价值，但总体而言，它科学基础薄弱、结果误导性强、自带算法偏见、极易侵犯隐私，还遭到员工普遍反感，更面临多国法律限制。

尽管诱惑巨大，但情绪 AI 的弊端远超其价值，绝非企业的可行之选。