AI 壓力下的真實性——AI 優化的人設/履歷 vs 真實自我

由證據研究員建檔（v1）。本檔補序章那句底線——「用工具把自己長得更真實，而不是包裝得更完美」——在生成式 AI 情境下的張力與證據。 與 自我實現-03-真實性做自己 互補：03 收的是「真實性一般實證」（真實性—幸福感的奠基研究）；本檔專收「AI 情境下」的新張力。兩檔相關處互標「另見」。 另見課程研究庫 專題-AI與人的關係（§四「真實 vs 討好」、Sycophantic AI、HCAI），是同一條脊椎的上游。 鐵則：只收查證過、可連結的來源；絕不編造；近兩年（2024–2026）優先；實證 vs 觀點分清；正反並列。查不到標〔待查證〕。

核心論點（這些證據要支持的 WHY）

序章的張力是：AI 讓「把自己包裝得更完美」變得幾乎零成本。履歷、貼文、個人品牌文案、社群人設，現在都能一鍵生成。問題通常不在 AI 能不能讓你看起來更好，而是：

被 AI 優化過的那個「我」，還是不是我？當呈現出來的版本越來越好、卻越來越不像自己，心理上要付什麼代價？

證據收斂成五句：

1. AI 優化的自我呈現與真實自我之間的落差，通常是有心理代價的：社群上「感覺自己是真實的」能預測兩個月後更少的心理症狀（Bunker 2024，縱貫）；長期戴著面具經營出來的自我，也與自我疏離、憂鬱、倦怠有關。
2. 「AI 代寫的我」往往會留下一種所有權的空洞：使用者用 AI 代寫之後不覺得自己是作者，卻又不會公開承認 AI 參與（AI Ghostwriter Effect，Draxler et al. 2023, ToCHI）。寫作者把真實性拆成三層（來源／真實自我／內容），三層都會被 AI 動搖（Hwang et al. 2024, CSCW）。
3. 越透明承認用了 AI，反而越容易被扣信任分：13 個實驗一致顯示，揭露 AI 使用的人被信任得更少，中間的機制是「正當性」下降（Schilke & Reimann 2025, OBHDP）。於是就有了一個兩難：多數人希望別人揭露，自己卻不太敢。
4. 看得出是 AI 做的東西，觀眾與市場往往會扣分：品牌用生成式 AI 做內容，會因為「感知真實性」下降而引來負面反應（Park et al. 2024）；AI 內容也常被評為過度光滑、情感偏空，技術分高但情感溫度低。
5. 反證（必須誠實提）：AI 也能幫人更真實地表達。它讓語言與表達變得容易一些，讓非母語者、或是想講卻卡住的人，把真正想說的說出口（Finding Your Voice 2025 等）；在「個人化、有引導」的條件下，AI 比較像是輔助，而不是替代真實的聲音。差別可能不在 AI，而在你有沒有把它放進自己的做法裡。

最重要的那一句話（給論述編輯直接用）：

AI 能讓你「看起來更好」幾乎零成本，但「看起來更好」和「更像自己」是兩件事。研究指向的是：後者才是和心理健康綁在一起的那一個。本書要做的不是教你關掉 AI，是教你怎麼用它把自己長得更真實，而不是包裝得更完美。

證據清單

A. AI 優化的自我呈現 vs 真實自我的落差，及其心理代價

A1.〔實證・主力〕在社群上「感覺自己真實」能預測更少的心理症狀（縱貫）

• 標題：Perceiving the self as authentic on social media precedes fewer mental health symptoms: A longitudinal approach
• 年份／機構：2024｜Computers in Human Behavior, Vol. 152（線上 2023-12）｜第一作者 Cameron J. Bunker 等
• 樣本：美國大學生，兩波（T1 ≈ 197 人，T2 ≈ 105 人），間隔約兩個月
• 關鍵發現：社群上感知到的真實性（而非線下真實性）獨立預測兩個月後更少的壓力等心理症狀；對「把自己看成與他人連結、相互依存」的人效果更強。真實性的三成分（authentic living＋／self-alienation−／accepting external influence−）方向與幸福感一致（呼應 自我實現-03-真實性做自己）。（2026-09-10 複查：來源頁回 403，本筆沒能逐字回核）〔待查證〕
• 支持書哪論點：對應序章「不是包裝得更完美，是更像自己」。真實性不只是一種道德上的說法，它同時是一個和心理健康綁在一起的變項。這一筆大概是本檔最值得引的。
• URL：https://www.sciencedirect.com/science/article/abs/pii/S0747563223004077
• 類型：縱貫實證（兩波 panel；也就是同一群人隔一段時間再測一次）｜可信度：高（同儕審查、有時序）。限制：樣本中等、T2 流失、性別不均，效果為小到中。

A2.〔觀點＋實證綜述〕「演算法化的自我」：AI 中介如何侵蝕內省與真實認同

• 標題：The algorithmic self: how AI is reshaping human identity, introspection, and agency
• 年份／機構：2025｜Frontiers in Psychology, 16:1645795｜Jeena Joseph
• 關鍵發現：Frontiers 的 Opinion（觀點）文章。主張 AI（演算法推薦、生成內容、個人化環境）製造出一個「與真實內省脫節」的中介版自我。文中點名的心理代價包括：內省被外包（把情緒整理交給機器，久了對自己的情緒會變得陌生）、預測式個人化帶來的選擇錯覺（演算法的建議變成預設值，人容易把它誤認成自己真正想要的）、敘事能動性被侵蝕（被策展過的精華片段抹掉了矛盾、變化與模糊，而那些正是自我定義需要的）。
• 支持書哪論點：可以拿來當序章張力的框架：「被優化的我」怎麼一點一點取代「自己理解自己」。
• URL：https://www.frontiersin.org/journals/psychology/articles/10.3389/fpsyg.2025.1645795/full
• 類型：觀點文（Frontiers Opinion，非一手實證）｜可信度：中（觀點層，當框架引，不當效果證據）。

A3.〔機制・另見〕策展式線上身份與真實自我的落差 → 自我疏離、憂鬱、倦怠

• 關鍵發現：為換取認同而依「線上理想」策展的數位自我，與更細緻的真實認同衝突，這種不一致讓人感到不真實；長期「戴面具」與憂鬱、焦慮、倦怠、認同流失相關（self-discrepancy 理論線）。
• 支持書哪論點：把 A1 的反面講清楚：落差變大通常不是中性的，是有代價的。
• 註：此為跨來源整合的機制論述，奠基理論（self-discrepancy）為實證、AI 情境下的延伸多為觀點，引用時標清層級。詳細一手見 自我實現-03-真實性做自己。
• 類型：理論＋觀點整合｜可信度：中。

B. AI 代寫/代答對真實表達與自我認同的影響

B1.〔實證・主力〕AI Ghostwriter Effect：用了 AI 卻不覺得自己是作者，但也不承認 AI

• 標題：The AI Ghostwriter Effect: When Users Do Not Perceive Ownership of AI-Generated Text but Self-Declare as Authors
• 年份／機構：2024（線上）｜ACM Transactions on Computer-Human Interaction (ToCHI)｜Fiona Draxler, Daniel Buschek 等（先行版 arXiv 2023）
• 方法：受控實驗，比較「AI 生成」vs「人類代筆」等條件下的所有權感與署名行為
• 關鍵發現：使用者不認為自己擁有/是 AI 生成文本的作者，卻頻繁不公開揭露 AI 參與。這和傳統代筆（會明確讓出署名）剛好相反。把同一段文字標成「AI」vs「人類代筆」，所有權評分與明確歸屬在「人類代筆」條件較高；效果不因個人化程度而變。過程中感受到的控制/主導會提高所有權感。
• 支持書哪論點：對應序章。「AI 優化的我還是我嗎」在這裡有了一個量得出來的答案：心裡知道不是自己寫的（所有權是空的），對外卻默默當成自己的（不揭露）。這大概就是「包裝得更完美」留下的內在裂縫。
• URL：https://dl.acm.org/doi/10.1145/3637875 ｜先行版 https://arxiv.org/abs/2303.03283
• 類型：HCI 受控實驗｜可信度：高（頂級 HCI 期刊、受控）。

B2.〔實證・主力〕「80% 是我、20% 是 AI」：與 LLM 共寫時的真實性三層張力

• 標題："It was 80% me, 20% AI": Seeking Authenticity in Co-Writing with Large Language Models
• 年份／機構：2024（arXiv 預印本）、2025（ACM CSCW 正式發表）｜ACM CSCW｜Angel Hsing-Chi Hwang, Q. Vera Liao, Su Lin Blodgett, Alexandra Olteanu, Adam Trischler
• 樣本：19 名專業寫作者（共寫訪談）＋ 30 名讀者（評讀問卷），用個人化 vs 非個人化 GPT-4
• 關鍵發現：寫作者把真實性拆成三層：**(1) 來源真實性（這想法是我想的嗎、夠獨特嗎）、(2) 真實自我（能否自由表達情感、對作品有熱情）、(3) 內容真實性（讀者能否認出我的聲音與風格）。三層都被 AI 動搖：能動性侵蝕（「你一放手它就會影響你」）、經驗稀釋（作品不再只反映我的經驗/記憶/背景）、可信度焦慮（怕讀者知道是 AI 會反感）、歸屬模糊**。
• 關鍵反差：讀者其實對 AI 輔助寫作有興趣、且大多分不出人寫 vs AI 輔助，對「實驗性用 AI」的評價也正面。寫作者的焦慮，往往大於讀者實際的反應。
• 支持書哪論點：對應序章。把「還是我嗎」這種內在感受，拆成可以談的三層（來源／自我／內容），教學上很好用。它也支持另一件事：對外的焦慮和對內的真實，最好分開來看。
• URL：https://arxiv.org/html/2411.13032v1
• 類型：HCI 質性＋讀者問卷｜可信度：高（CSCW、混合方法）。樣本小、屬探索性。

C. 透明承認用 AI 的代價：揭露悖論

C1.〔實證・主力〕The Transparency Dilemma：揭露用了 AI，反而被信任得更少

• 標題：The transparency dilemma: How AI disclosure erodes trust
• 年份／機構：2025｜Organizational Behavior and Human Decision Processes, Vol. 188｜Oliver Schilke（Arizona）& Martin Reimann
• 方法：13 個實驗，跨教育、投資建議、求職、創作、例行公司溝通；行動者含個人（主管、下屬、教授、分析師、創作者）與組織（投資基金）
• 關鍵發現：揭露使用生成式 AI 的人，被信任得顯著更少；中間的機制是感知正當性（legitimacy）下降。效果跨不同揭露措辭、超出單純的「演算法厭惡」、無論揭露是自願或被要求都成立。對科技態度正面、認為 AI 準確度高的評估者，懲罰被削弱但未消除。 揭露悖論（論文引述的民調）：多數人認為別人「應該」揭露用 AI，自己卻不太敢揭露。
• 支持書哪論點：這一筆對序章特別關鍵：「包裝得更完美」不只在心裡留下裂縫，連誠實說出來，都可能被現實扣分。書要給的答案不是「所以別揭露、繼續包裝」，而是把問題往上翻一層：你呈現的東西到底是不是你。底子是真的，揭露的代價才承受得起。
• URL：https://www.sciencedirect.com/science/article/pii/S0749597825000172 ｜開放版 https://www.oliverschilke.com/fileadmin/pdf/Schilke__Reimann._The_transparency_dilemma.pdf
• 類型：多實驗行為研究｜可信度：高（13 個實驗、頂級 OB 期刊）。

C2.〔實證〕品牌用生成式 AI 做內容 → 感知真實性下降 → 負面反應

• 標題：Do you create your content yourself? Using generative artificial intelligence for social media content creation diminishes perceived brand authenticity
• 年份／機構：2024｜Journal of Retailing and Consumer Services, Vol. 79｜（含實驗研究）
• 關鍵發現：品牌採用生成式 AI 做社群內容，會引發追隨者負面態度與行為，且效果由「感知品牌真實性」中介。當 AI 被框成「輔助人」而不是「取代人」時，負面效果會被削弱。相關證據：AI 內容常被評為「過度光滑卻情感空洞」、技術競爭力分數高但「情感溫度」較低（Wharton 相關研究指約低 18%〔數據待原文核實〕）。（2026-09-10 複查：來源頁回 403，本筆沒能逐字回核）〔待查證〕
• 支持書哪論點：對應序章。看得出是 AI 的、空洞的完美，觀眾與市場往往會扣分；「更像自己」在市場上反而少見，也因此值錢。
• URL：https://www.sciencedirect.com/science/article/pii/S0969698924000869
• 類型：消費者行為實驗｜可信度：中高（同儕審查、實驗）。「18% 情感溫度」一句標〔待查證〕。

C3.〔產業訊號・非實證〕AI 優化履歷的反噬：易被識破、被扣分

• 關鍵發現：招募端的訊號：沒有個人化的 AI 履歷「容易一眼看穿」；通用的 AI 產出會引起 49–62% 招募者反感；74% 招募主管遇過 AI 生成內容、58% 對此擔憂。另一邊，MIT/NBER 的隨機對照試驗顯示，用 AI 編修人自己寫的文稿可以提高錄取（+7.8%）。合起來看：AI 當編輯有幫助，當代筆就會被扣分。（2026-09-10 複查：本筆所附的網址談的是企業用 AI 「篩」履歷，頁內找不到上面任何一個數字，也沒有 MIT/NBER 那一筆；引用前必須回一手）〔待查證〕
• 支持書哪論點：對應序章。「包裝得更完美」在求職這個最現實的場合，也可能回頭咬你一口。分界線大致是：AI 放大你已經有的真實內容，還是生成一個不是你的版本。
• URL：https://blog.theinterviewguys.com/83-of-companies-will-use-ai-resume-screening-by-2025-despite-67-acknowledging-bias-concerns/
• 類型：產業調查/媒體整合（討論訊號，非單一實證）｜可信度：中（部分數字為廠商/媒體統計，引用時保守看、標清來源）。

D. 反證：AI 反而幫人更真實地表達（降門檻、輔助卡關者）

D1.〔實證・反證主力〕生成式 AI 幫非母語/國際學生「找到自己的聲音」

• 標題：Finding Your Voice: Using Generative AI to Help International Students Improve Their Writing
• 年份／機構：2025｜Information（MDPI）, 16(4):289
• 關鍵發現：生成式 AI 透過即時回饋與建議，幫非母語者降低語言門檻、發展更連貫而真實的寫作風格；剽竊偵測功能反而鼓勵他們發展「自己的真實聲音」。同時誠實點出張力：學生要在「用 AI 增強」與「維持真實聲音」之間拿捏。（2026-09-10 複查：來源頁回 403，本筆沒能逐字回核）〔待查證〕
• 配套規模證據：AI 輔助寫作在非英語國家成長約 400%（vs 英語國家 183%），也就是說，這種「變容易」的效果，對被語言卡住的人最明顯（arXiv 2511.15872, 2025）。（2026-09-10 複查：該篇看的是 2021–2024 年兩百多萬篇生醫論文，摘要確認「英語能力較低的國家增幅較大」，但沒有出現 400% 與 183% 這兩個數字，也沒有可讀的全文頁）〔待查證〕
• 支持書哪論點：站在序章的對立面，但還是同一條線：AI 也可以是「讓真實的你更說得出口」的工具，不只是拿來包裝。關鍵通常在用法：補足表達能力，還是替你生成一個人設。
• URL：https://www.mdpi.com/2078-2489/16/4/289
• 類型：教育實證（質性/混合）｜可信度：中高。

D2.〔反證・呼應上游〕個人化、有結構引導時，AI 能輔助而非取代真實聲音

• 關鍵發現：在 B2（Hwang 2024）中，寫作者偏好個人化 AI，因相信它能保住真實聲音、自然表達、更貼近自我認同；在時間壓力下個人化 AI 還能產出更好的作品（少了「事後把 AI 文字改回自己語氣」的工）。但同一研究也發現：個人化沒有實質改變寫作者採用 AI 的程度。工具個人化，救不了沒有跟著改變的使用習慣。
• 呼應：專題-AI與人的關係 §三「有結構引導時，AI 對話能誘發較高層次的批判提問（Brazão & Tinoca 2025）」——差別那一格就是「人的帶領」。
• 支持書哪論點：書的立場：不是「AI 很危險、關掉它」，而是把它放進你自己的做法裡，讓它長成對你有幫助的樣子。反證是真實存在的，所以調性上不打恐懼牌。
• 類型：實證（同 B2）＋上游呼應｜可信度：高。

缺口與反證

• 最大的反證：AI 並不是一律削弱真實。對被語言或表達能力卡住的人，它能讓表達變容易、讓真話更說得出口（D1；非英語國家採用成長 400%，此數待回核）。而且讀者其實大多分不出、也沒那麼在意 AI 輔助（B2 讀者端），寫作者的真實性焦慮，可能大於觀眾實際的在意程度。書如果只講「AI 讓人變假」，遇到這兩筆會很難站得住。比較誠實的框架是「看用法」，而不是「看有沒有用 AI」。
• 時間尺度/因果限制：A1 是縱貫但效果小到中、樣本流失；多數 AI 情境研究是橫斷或實驗室、短期，缺長期追蹤「長期用 AI 優化人設」對自我認同的因果證據。
• 場景缺口：證據集中在社群貼文、品牌行銷、共寫、求職履歷、學生寫作——沒有「教練/自我支持」情境下「AI 優化的自我 vs 真實自我」的直接對照研究（呼應 專題-AI與人的關係 同一缺口）。本書/AndAction 的論述目前靠真實性—幸福感實證（Bunker）、SDT、HCAI 橋接，不是這個場景的直接實證。這是一塊可以補的空白。
• 待查證項：Wharton「情感溫度低 18%」、MIT/NBER「AI 編修 +7.8% 錄取」、C3 的招募者百分比——皆為媒體/二手整合，引用前需核回一手。標〔待查證〕。

來源清單（查證日 2026-06-23）