AI 助手的使用場景正在從資訊查詢延伸至寫作、規劃、比較、交易準備和售後處理。為區分「讓 AI 回答」與「授權 AI 行動」，我們對照 OpenAI、NBER、Visa、Accenture、Adobe 和 YouGov 在 2025—2026 年發佈的研究，觀察使用者意圖及授權邊界的變化。由於各項研究的調查地區、樣本及分類口徑不同，相關數據用於比較行為結構與發展方向，不作為同一人群的年度同比結果。
研究背景
過去，使用者與 AI 的互動主要被理解為問答：輸入問題、獲取解釋，再由使用者自行判斷和執行。隨著 AI 助手開始支援文案生成、行程規劃、商品比較、議價、續訂和購買等任務，研究重點也從「使用者是否使用 AI」轉向「使用者願意把多少執行權交給 AI」。
這一區分關係到品牌資訊如何進入 AI 使用過程。回答型場景關注事實是否清晰、資訊能否被檢索；決策型場景要求產品參數、價格、評價與適用條件能夠被比較；行動型場景則進一步涉及庫存、支付、配送、退換貨和人工接管。理解使用者授權程度，有助於避免把所有 AI 互動都歸為同一種搜尋行為。
2025 年的 AI 互動仍以提問和決策支援為主
2025 年，提問仍是 ChatGPT 消費者對話中佔比較高的意圖，但要求 AI 產出結果或完成具體工作的訊息已經佔四成。根據 OpenAI 於 2025 年 9 月發佈的《How people are using ChatGPT》及 NBER 同年發佈的《How People Use ChatGPT》工作論文，49% 的訊息屬於 Asking，40% 屬於 Doing，11% 屬於 Expressing；約四分之三的對話集中在實用建議、資訊查找和寫作。
Asking 指使用者向 AI 尋求資訊、解釋、建議或決策支援。例如瞭解某項政策、比較幾種方案，或詢問下一步應該如何處理。此時 AI 提供的是判斷材料，行動仍由使用者決定和完成。Doing 則強調結果導向，包括起草內容、整理計畫、編寫程式、轉換格式或完成其他明確任務。Expressing 主要包括個人表達、反思與非任務型交流。
Doing 達到 40%，說明 AI 已經不只是資訊入口。使用者會要求它生成可直接使用的輸出，或承擔原本需要人工處理的一部分工作。不過，這些任務通常仍依賴連續指令、人工檢查和最終確認，因此不能直接等同於自主代理。OpenAI 與 NBER 的研究分析的是實際對話分類，比單純詢問使用者未來是否願意使用某項功能更接近當時的真實使用結構。
| 意圖類型 | 定義 | 訊息佔比 | 代表任務 |
|---|---|---|---|
| Asking | 獲取資訊、解釋、建議或決策支援 | 49% | 資訊查找、方案諮詢、問題解釋 |
| Doing | 要求 AI 產出結果或完成明確工作 | 40% | 寫作、規劃、程式設計、內容轉換 |
| Expressing | 進行個人表達、反思或非任務型交流 | 11% | 分享感受、討論觀點、開放式交流 |
表中數據來自 OpenAI 與 NBER 對截至 2025 年中期 ChatGPT 使用情況的研究，並於 2025 年 9 月公開發佈。
2026 年的「代辦」意圖呈現分層授權
2026 年的消費者研究進一步顯示，使用者並非簡單選擇「允許」或「不允許」AI 代辦，而是按照執行範圍、決策權和支付權形成授權階梯。根據 Accenture 於 2026 年 6 月發佈的《Talk to My AI Agent: The New Rules of Brand Value》，其對 16 個國家 25,590 名消費者的調查顯示，74% 願意讓 AI 代理嚴格按照指令處理議價、投訴、續訂或補購。
當代理擁有一定決策空間時，接受比例下降至 32%。這部分消費者願意讓代理根據預先設定的預算和偏好選擇購買對象，但付款仍由使用者完成。進一步允許代理自主發起並完成購買的比例為 9%。從 74% 到 32%，再到 9%，反映授權意願會隨著 AI 自主程度提高而收縮。
使用者較容易交出的通常是重複、耗時、規則明確且能夠撤回或複核的任務，例如比較續訂方案、整理投訴材料或按照清單補購。涉及品牌選擇、預算分配和支付時，使用者更傾向保留確認環節。因此，「讓 AI 做事」並不等於放棄控制，2026 年所呈現的變化更接近有限代理：AI 負責執行，人負責規定邊界並保留關鍵決定。
| 授權層級 | 具體行為 | 使用者保留的控制權 | 接受比例 |
|---|---|---|---|
| 按指令執行 | 處理議價、投訴、續訂或補購 | 使用者規定任務和處理方式 | 74% |
| 邊界內決策 | 在預算及偏好範圍內選擇購買對象 | 使用者設定條件並完成付款 | 32% |
| 自主行動 | 自主發起並完成購買 | 使用者交出選擇、啟動及支付環節 | 9% |
表中數據來自 Accenture 2026 年 6 月對 16 個國家 25,590 名消費者的調查，比例表示受訪者對相應授權情境的接受程度，不代表這些行為已經普遍發生。
任務型意圖已延伸至消費旅程多個階段
使用者對 AI 的任務授權並不只出現在付款環節，而是分佈在發現、評估、購物車與結帳以及售後處理。根據 Visa 2025 年在美國、澳洲和紐西蘭開展的 Agentic Commerce Consumer Research，調查分別覆蓋美國 1,600 人、澳洲 1,600 人和紐西蘭 500 人。研究顯示，受訪者設想 AI 購物代理在四個消費階段發揮替代或輔助作用的平均比例分別為 73%、69%、62% 和 64%。
發現階段的 73% 涉及搜尋商品、瀏覽網站、篩選社交媒體及廣告資訊。評估階段的 69% 包括比較不同零售商、讀取評論、整理候選產品和識別價格差異。這兩個階段與傳統資訊搜尋關係較近，但 AI 不再只是返回網頁，而是把分散資訊整理成可供決策的結果。
購物車與結帳階段的比例為 62%，涉及把商品加入購物車、填寫配送資料和應用折扣。售後階段為 64%，包括追蹤物流、處理退貨及登記保固。這意味著任務型意圖可以貫穿購買前後：同一名使用者可能願意讓 AI 搜尋和比較，也願意讓它準備交易資料，卻在提交訂單或付款前保留人工確認。
這些比例來自情境調查，反映消費者認為 AI 可以替代或輔助相關步驟的範圍，不應被寫成真實交易滲透率。它們揭示的是任務邊界：使用者對 AI 的授權會隨著場景、風險和可逆性變化，而不是在整段消費旅程中保持相同程度。
信任、透明度和人工接管影響代辦意願
使用者是否從提問進一步走向代辦，不只取決於功能是否可用，也取決於代理身份是否清楚、行動是否可解釋，以及出現問題時能否由真人接管。Adobe 於 2026 年 5 月發佈的亞太區《AI and Digital Trends Report》基於 7,000 名消費者和企業決策者的回饋，42% 的消費者願意與品牌 AI 代理互動。
與此同時，35% 的消費者尚未考慮使用個人 AI 代理，16% 明確表示不接受。不同互動形式也呈現差異：46% 願意讓個人代理與品牌的人工代表溝通，36% 接受個人代理直接與品牌代理互動。人工參與程度較高的情境獲得較多接受，說明使用者仍希望複雜問題能夠回到可確認、可問責的溝通方式。
Adobe 的研究還顯示，26% 的受訪者重視隨時轉接真人，24% 重視清楚標示 AI 身份。人工接管能夠處理例外情況，身份標示則讓使用者知道當前在與誰互動、哪些判斷由系統完成。兩項機制共同降低了授權的不確定性，也使使用者較容易界定責任。
YouGov 於 2026 年 7 月發佈的《U.S. Web Search and AI Report 2026》同樣把信任列為研究 AI 搜尋採用情況的重要問題，可作為定性旁證。需要區分的是，「願意互動」代表接受度，並不等於已經持續使用；功能興趣、試用行為和長期授權屬於不同階段，不能合併計算。
趨勢觀察與行業意義
AI 使用意圖沒有從「提問」整體跳到「代辦」，而是在低風險、可逆且邊界明確的任務上逐步擴大授權。
跨研究對照呈現出連續但並非線性的結構。2025 年 ChatGPT 對話數據說明，提問和決策支援仍佔重要位置，同時執行型互動已經形成可觀規模。2026 年的消費者研究則把「執行」進一步拆分為按指令行動、邊界內決策和自主行動，使不同程度的控制權變得可觀察。
因此，使用者不是統一地從搜尋轉向代理，而是在不同任務中調整授權程度。資訊查詢、方案建議、商品比較、交易準備和售後處理逐漸形成連續的 AI 使用過程，但每一步的接受條件並不相同。任務越明確、結果越容易複核，使用者越願意交給 AI；涉及支付、身份、權益或難以撤回的決定時，人工確認仍佔有明顯位置。
對品牌而言，AI 可見度的觀察範圍也會隨之延伸。早期問題集中在品牌是否出現在回答中、資訊是否被引用；進入比較和行動場景後，還需要判斷產品參數能否被機器區分、價格與服務條件是否一致、庫存和售後資訊是否可驗證，以及代理能否識別授權邊界。
GEO 檢測、內容策劃與數據分析因此需要區分回答型、決策型和行動型查詢。只使用單一提及率，難以解釋品牌在產品比較、交易準備或售後任務中的資訊可用程度。不同查詢類型應分別觀察事實完整性、比較維度、證據來源與行動條件。
研究啟示
品牌可以先把目標使用者可能提出的 AI 查詢劃分為三個層級：資訊獲取、方案比較和任務執行。資訊獲取層關注基礎事實是否清楚；方案比較層關注產品差異、適用條件及證據能否被並列處理；任務執行層則需要補充價格、庫存、流程、配送、退換貨和人工支援等動態資訊。
隨後，可分別檢查品牌資訊在回答、推薦和行動場景中的可用程度，並記錄不同 AI 平台對同類問題的呈現差異。相關觀察可與 AIPO 五環中的 GEO 檢測、內容策劃與平台發佈、數據分析相連接，用於識別資訊缺口和後續更新方向，但不意味著具體平台一定會引用、推薦或執行品牌資訊。
當 AI 使用從資訊提問延伸至比較與任務執行，品牌需要分別判斷自身在回答、推薦和行動場景中的資訊完整度。可與 aipogeo 團隊討論監測範圍，結合 GEO 檢測、內容表現與趨勢數據瞭解當前可見情況。
相關問題
2025 年使用者使用 ChatGPT 主要是提問還是完成任務？
根據 OpenAI 與 NBER 於 2025 年發佈的研究，Asking 佔 49%，Doing 佔 40%，Expressing 佔 11%。提問仍佔較高比例，但結果導向的任務已經構成較大部分。
Asking、Doing 和 Expressing 三類 AI 使用意圖有什麼區別？
Asking 是獲取資訊、解釋和建議，Doing 是要求 AI 生成結果或完成任務，Expressing 則側重個人表達和開放式交流。三類意圖的區別主要在於使用者希望得到判斷材料、可用成果，還是交流回應。
使用者願意把哪些日常任務交給 AI 代理處理？
使用者較願意授權規則清楚、重複、耗時且能夠複核的任務，例如議價、投訴整理、續訂、補購、商品比較和物流追蹤。涉及付款或不可逆決定時，授權程度通常下降。
為什麼使用者接受 AI 執行任務，卻不願讓 AI 自主購買？
按指令執行時，任務範圍與責任邊界較明確；自主購買則同時涉及選擇權、預算和支付權。Accenture 2026 年調查中，相應接受比例從按指令執行的 74% 降至自主購買的 9%。
AI 購物代理會如何影響產品搜尋、比較和售後流程？
AI 購物代理可以參與資訊篩選、零售商比較、購物車準備、折扣應用、物流追蹤和退換貨。不同階段仍可能保留人工確認，因此不能把輔助使用直接理解為全流程自主交易。
品牌應如何區分回答型、決策型和行動型 AI 查詢？
回答型查詢關注事實與解釋，決策型查詢關注差異、證據和適用條件，行動型查詢則涉及價格、庫存、流程及售後規則。分層監測有助於判斷品牌資訊在哪個環節出現缺口。