用户真正希望AI披露什么？
大多数人希望获得关于AI如何使用其数据的清晰、具体解释，但企业往往未能做到这一点。一项2022年的研究调查了835名数据主体，并分析了100家公司和组织的AI披露信息，发现当前根据《通用数据保护条例》（GDPR）要求提供的通知“模糊、不完整且缺乏透明度”[1]。该研究显示，为满足通用法律要求而制定的解释差异很大，且与数据主体的期望或需求不符[1]。用户期望与企业实践之间的这一差距，正是透明度报告必须解决的核心问题。
用户不仅希望被告知正在使用人工智能，更希望理解其背后的逻辑和影响。同一项研究发现，《通用数据保护条例》（GDPR）第15条和第22条要求企业告知用户有关自动化决策的信息，但这些条款往往被解释得过于宽松，导致最终披露的信息毫无效果[1]。一份有用的透明度报告，不能只是法律套话，而应针对用户的具体疑问，说明其数据是如何被处理的，以及这些处理结果对他们意味着什么。
结构化透明度真的能提升公众信任吗？
是的，而且效果显著。一项2026年针对六个国家1247名成年人开展的混合方法研究发现，透明度实践的披露对公众信任的影响最大（β = 0.38，p < 0.001）——这意味着透明度的存在及其质量对信任水平差异的解释力超过了所测量的任何其他因素[2]。该研究还发现，结构化的透明度机制、对编辑内容的正式监督，以及明确要求算法问责的政策，显著提升了所有人口群体的信任度[2]。
同一项研究显示，披露的形式至关重要：仅仅进行披露并不足够。研究人员建议监管机构应强制规定“算法披露的最低内容标准，而非仅要求披露行为本身”[2]。这意味着，一份有效的透明度报告应遵循统一的结构，包含关于人工智能运作方式及监管机制的具体细节，并配合媒体素养教育，帮助用户理解所读内容[2]。
透明度报告应包含哪些细节？
除了一般性说明外，有用的透明度报告还应包含带时间戳、可审计的AI行为与异常记录。2025年科学研究中AI透明度框架建议存档“取证异常报告、解析失败记录、记忆漂移文档、程序验证缺口及纠正措施”[3]。每条记录均应独立可审计并受版本控制，以确保其完整性[3]。
尽管这种详细程度是为科学研究设计的，但其原则具有广泛适用性：透明度报告不仅应记录AI被设定要完成的任务，更应记录其实际行为——包括错误、意外表现以及这些问题的处理方式。这种溯源式方法将静态披露转变为持续的问责记录，直接回应了2022年GDPR披露研究中指出的模糊性与不完整性问题[1]。
关于这些来源
该回答基于3项研究（2篇经同行评审，1篇为预印本）——发表于2022年至2026年间，其中2篇为2024年及以后发表，共被引用76次——这些研究是从通过质量筛选的3项研究中选出的最具相关性的成果，而它们又源自从超过5亿篇论文的数据库中检索到的54篇文献。
本文引用的文献
“请您理解，我们无法提供更多信息”：评估《通用数据保护条例》所要求的人工智能信息披露的内容与透明度
一项2022年的研究调查了835名数据主体，并分析了100家公司的AI披露文件，发现《通用数据保护条例》（GDPR）所要求的通知往往含糊不清、内容不完整，未能满足用户对清晰度和细节的期望[1]。
伦理人工智能传播与公众信任：审视透明度在数字媒体中的作用
一项2026年对六个国家1247名成年人的调查发现，结构化透明度实践对公众信任的影响最大（β = .38, p < .001），且信息披露的最低内容标准比仅提供通知更为有效[2]。
AI透明度与异常报告
2025年人工智能科研透明度框架建议存档带有时间戳、可审计的法证报告，包括异常记录、解析失败及纠正措施，以维护科学诚信[3]。