2026年最火爆的AI产品Muse，迎来了一场极具讽刺性的舆论翻车。
凭借“自主办事、全场景代办”的强悍能力，Meta旗下AI助手Muse上线短短十天便登顶美国App Store免费榜，力压ChatGPT、Gemini、Instagram等一众热门应用，上线两周累计下载量突破250万，成为现象级AI新宠。资本市场也顺势看涨，助力Meta市值大幅攀升。
就在Muse热度登顶、被外界视作新一代智能体标杆之际，路透社9月22日的重磅爆料，直接戳破了其极致智能的滤镜：Muse看似无所不能的AI打电话功能，背后暗藏真人外包代打服务。Meta正在内部测试名为“human concierge（真人礼宾）”的特殊机制，用户提交的AI通话任务，会在不知情的情况下，被系统转接给外部真人承包商人工完成。
消息曝光后争议瞬间拉满，被网友调侃为“人类驱动的真AI”“菲律宾工人比AI Token更便宜”。迫于舆论压力，Meta紧急叫停该项内部测试，但这场闹剧，彻底揭开了全球AI行业心照不宣的潜规则：绝大多数看似完美的智能服务，本质都是“人工兜底、AI点缀”的伪智能。
一、AI电话屡屡被挂断，Meta奇葩解法：真人上场代打
Muse的核心卖点，是突破传统问答式AI的局限，实现全场景自主代办，发邮件、规划行程、对接事务、拨打电话均可一键完成，主打“替用户搞定现实世界琐事”。其中，AI主动通话是最具差异化、最吸睛的核心功能。
但落地现实后，Meta很快遭遇致命短板：大众对AI通话的抵触情绪极强。大量商家、普通用户接到AI来电后，听到机械、生硬的机器语调，会直接挂断、拒绝沟通。多名员工反馈，使用Muse致电保险公司、运营商办理业务时，多次因AI身份被对方拒接，任务成功率极低。
无数网友也坦言自己的真实操作：“只要是AI打电话，我一律秒挂。”AI生硬的话术、刻意模拟的真人环境音、拖沓的应答节奏，不仅毫无智能感，反而干扰正常工作生活，引发普遍反感。
为快速拉高任务成功率、维持产品“全能AI”的人设，Meta想出了一个简单粗暴却极具争议的解法：AI搞不定，真人来凑。
公司火速上线“真人礼宾”内部测试机制，将Muse无法完成、极易失败的电话任务，悄悄分流给外部外包人员，由真人全程代用户拨打电话、沟通办事，全程无需用户介入，也不会提前告知用户任务由真人完成。Meta内部虽允许员工自主退出测试，但绝大多数使用者全程被蒙在鼓里，直至通话结束才知晓真相。
Meta的核心诉求直白且功利：数据显示，纯AI通话任务成功率偏低，而真人代打可将成功率飙升至95%—98%，能完美撑起Muse“高智能、高落地性”的产品数据。
二、双重致命漏洞：隐私裸奔+人性不可控
看似高效的兜底方案，实则埋下了两大无法规避的致命隐患，也是此次舆论反噬的核心原因。
首先是彻底失守的隐私安全。Muse上线之初，Meta曾大肆宣传其顶级安全架构：独立云端虚拟机隔离用户数据、敏感信息加密存储、权限分级可控，AI仅能调用数据却无法读取明文，全方位保障用户隐私。
但真人外包模式，直接击穿了所有安全壁垒。用户愿意授权AI处理生活、工作琐事，是基于机器无情感、无记忆、无泄露风险的信任。而引入第三方陌生承包商后，用户的账单信息、业务需求、个人隐私、生活轨迹，都会毫无保留地暴露给人工操作人员。
更关键的是，Meta全程未告知、未授权、无提醒，属于默认偷偷转接人工。即便公司声称外包人员经过专业培训、严守数据规则，但员工直接戳破漏洞：“培训不等于安全机制”，人为泄露、恶意留存信息的风险，永远无法通过培训彻底规避。
其次是人类不确定性带来的服务失控。AI的问题是生硬低效，但可控、无立场、无情绪；而真人有情绪、有偏见、有认知差异，极易引发额外风险。
测试期间就已出现严重事故：一名员工委托Muse致电运营商协商账单优惠，事后查看通话记录发现，外包操作人员在通话过程中发表种族歧视言论，不仅没能完成用户诉求，还引发额外纠纷。最终Meta公开道歉，并永久封禁涉事人员，但这类人性风险，显然无法批量管控。
面对层层争议，Meta超级智能实验室副总裁公开承认失误：在未充分披露、未获得用户明确授权的前提下开启真人代打测试，是产品设计的重大疏漏。目前公司已紧急撤回该项内部测试功能，仅保留纯AI通话能力，并表示完善隐私披露机制后，再评估是否重启人工辅助模式。
三、十年不改的执念：Meta屡陷“人工凑AI”怪圈
此次Muse翻车，并非Meta偶然失误，而是贯穿十年的固有顽疾。扎克伯格团队始终信奉一套特殊的AI迭代逻辑：先用人工撑起场景、跑通数据，再试图喂养机器、实现纯AI替代，但这套模式屡屡折戟，沦为“永久人工兜底”。
早在2015年，尚未更名Meta的Facebook，就推出了AI助手M Messenger，功能与如今的Muse高度重合，主打文字代办服务，可订餐厅、改机票、采购礼品，当时被视作颠覆式智能服务。
事后媒体深度扒皮发现，这款号称“人工智能驱动”的产品，整体自动化率不足30%，70%以上的任务全程由真人人工完成。官方暧昧宣传“人工监督训练AI”，实则是靠真人外包撑起全部服务场景，用户全程无法区分对接的是机器还是人类。
Facebook当年的算盘堪称完美：真人处理任务的过程，同步作为训练数据喂养AI，随着数据积累，人工占比逐步降低，最终实现全自动化。但理想终究落空，人工兜底的惯性无法打破，AI始终无法独立承接复杂场景任务，这款尴尬的伪AI产品最终在2018年彻底下线。
时隔十一年，Muse的闹剧堪称历史重演。同样是高调宣传AI能力、同样是暗中接入真人外包、同样是靠人工拉高数据、同样忽略隐私与信任风险。Meta始终不愿承认当下AI的能力边界，不愿坦然接受“AI尚无法独立落地复杂现实场景”的事实，最终只能靠人工遮丑，打造虚假的智能神话。
四、全行业通病：AI光鲜背后，全是人工苦力
Meta的翻车，只是全球AI行业“伪智能泡沫”的冰山一角。当下大量出圈的AI产品、AI服务，本质都是“人工辅助智能”，披着科技外衣，行传统人工代办之实。
典型案例便是微软投资的明星AI企业Builder.ai。公司主打“零代码AI开发”，宣称普通人一句话就能生成完整软件，旗下AI产品经理Natasha一度火爆全网，被称作“颠覆软件开发行业的黑科技”。
但2025年媒体深度调查曝光，彻底撕碎其科技滤镜：公司核心业务几乎不依赖AI，主要依靠700名分布在印度、乌克兰的外包程序员人工开发、改代码、调需求。AI仅能完成最简单的基础生成，大部分定制化开发、逻辑优化、bug修复，全部依靠人工苦力完成，AI产出内容也需要人工反复返工修正。所谓的AI降本增效，只是包装出来的营销噱头。
这种模式早已成为行业潜规则：自动驾驶的远程人工接管、AI客服的后台人工兜底、AI设计的人工修改优化、AI代办的真人幕后执行。大众看到的是酷炫的AI产品、极致的智能体验，幕后藏着的是无数廉价外包人员的高强度劳作。
五、最讽刺的真相：成功率很高，但AI没学会
行业之所以普遍沉迷“人工凑AI”，核心原因只有一个：数据好看、成本更低、变现更快。
相比于投入巨额成本打磨大模型、优化语义理解、迭代场景适配能力，招募廉价外包人员兜底，性价比远高于技术研发。网友的调侃一针见血：“菲律宾外包工人的时薪，远比AI推理Token成本更低。”
但这种捷径，终究是饮鸩止渴，存在无法弥补的致命缺陷。
首先，虚假数据毫无训练价值。人工完成的任务，看似拉高了产品成功率、优化了用户体验，但并非AI自主决策、自主执行的结果，无法转化为模型迭代的有效数据。人工兜底越完美，AI越无法暴露短板、迭代进步，最终陷入“越靠人工、AI越弱”的恶性循环。
其次，彻底透支用户信任。AI产品的核心价值，是机器自主服务的确定性、隐私性、高效性。用户接受AI的不完美，却无法接受“被欺骗”。当用户以为是机器办事，实则是陌生人窥探自己的隐私、处理个人事务，产品的核心信任体系会彻底崩塌。
最核心的悖论在于：人工办成了事，不等于AI办成了事。Meta追求的98%超高成功率，只是服务结果的成功，而非AI能力的成功。这种虚假繁荣，只会误导团队、市场与资本，掩盖大模型落地真实场景的短板。
结语：AI不该是“披着机器外衣的人工服务”
其实，人工代办、真人礼宾本身并非原罪。零几年国内火爆的订餐小秘书、机票酒店代办服务，本质都是同类人工服务，坦然做传统服务，无人诟病。
真正的问题在于，行业普遍选择用人工服务包装AI科技概念。明明是人力外包的传统服务，却强行披上人工智能的科幻外衣，收割流量、估值与市场热度，用信息差制造科技泡沫。
AI发展的终极目标，是替代重复、低效的人工劳动，解放人力；而当下的行业乱象，却是让人力躲在机器背后兜底，为AI的无能买单。看似是AI替代人类的时代，实则是人类继续为AI打工的时代。
Muse的翻车是一次珍贵的行业警示：AI的进步，从来不靠人工遮丑、数据造假堆砌而来。坦然承认技术边界、踏实打磨模型能力、真诚对待用户，才是AI行业突破泡沫、真正落地成长的唯一路径。靠真人续命的AI，再火爆也只是虚假繁荣。