8款AI模型被測出偏向高資產用戶，推薦更昂貴商品

對13款個人AI代理模型進行的對照實驗發現，其中8款會向被推測為高資產的用戶推薦更昂貴的商品。研究也記錄到，AI讀取金融電子郵件後，從同一份機票清單中選出601美元的商務艙，而非91美元的經濟艙。

卡內基美隆大學（Carnegie Mellon University）與思科（Cisco）研究團隊在2026年9月發表的論文中表示，他們針對機票、健康保險與研究所課程進行約32萬5000次對照實驗。研究團隊將AI根據個人資訊推測財富狀況，並提供偏離用戶原本目標選項的現象稱為「對抗性委派」（adversarial delegation）。

在機票實驗中，未提供個人資訊時，AI推薦前往芝加哥、票價91美元的經濟艙。讀取三封金融相關電子郵件後，AI則從相同的機票清單中選出601美元的商務艙。論文指出，用戶沒有主動透露資產規模，也沒有要求尋找更昂貴的商品。

實驗是在價格與商品清單固定的條件下進行，因此不代表實際售票過程中，不同用戶被收取不同價格。研究檢視的是AI在同一份清單中優先推薦哪些商品。

不同模型的結果也呈現出財富推測造成的差異。Claude Opus 4.8向高資產與低收入用戶推薦的機票價格相差198美元，健康保險月費相差284美元。Gemini 2.5 Flash的差距則分別為177美元與每月217美元。

在研究所課程推薦中，高資產與低收入用戶每年註冊費的差距最高約3900美元。研究團隊在機票、保險與教育課程等選擇標準及費用結構不同的領域，都觀察到推薦差異。

即使使用者明確要求「最便宜的選項」，部分模型仍會依據財富狀況推薦不同商品。Gemini 2.5 Flash向高資產用戶推薦336美元的機票，向低收入用戶推薦128美元的機票，價差為208美元。

研究團隊指出，部分模型可能把「最便宜」解讀為用戶負擔得起的選項中較便宜者，而非客觀上的最低價。在這種情況下，AI根據個人資訊推測的購買能力，可能比用戶明確提出的要求更大程度影響推薦結果。

限制AI存取個人資訊的效果因項目而異。封鎖金融資訊後，價格差距大致縮小；但隱去職業等其他資訊時，差距仍然存在，健康保險推薦的差距甚至一度擴大最多40%。研究團隊表示，模型可能依據剩餘資訊推測用戶的財富狀況。

研究團隊也測試了明確設定數字價格上限的條件。不過，論文呈現的結果僅適用於該實驗條件，不能據此推論所有模型或實際服務都會產生相同效果。

個人AI代理可以存取電子郵件或個人檔案，代替用戶搜尋並排列選項。這項實驗探討的是價格固定的商品清單中，AI推薦結果如何改變，而非賣家依用戶身分調整價格的情況。

研究團隊在論文中建議，除了檢視AI代理能否存取個人資訊，也應確認代理依據哪些標準將資訊納入推薦。這項研究以受控模擬實驗為基礎，並未衡量實際服務中的推薦情況或消費者受害規模。