MIT研究者称AI购物代理可被商家定向说服：记者实测Meta Muse三天内七次推销Target会员
《Scientific American》记者Mary Randolph将Meta的Muse和OpenAI的Dots接入自己的真实账户进行一周测试。Muse在浏览Target网站后连续三天七次推送其会员计划和打折台灯，MIT媒体实验室博士生Manuel Cherep指出，由于主流模型供应商数量有限且训练方式相似，说服一个智能体很可能同时说服一批，由此可能催生依赖AI代理购买决策的'平行经济'。
2026年10月，记者Mary Randolph在搬家期间把Meta的Muse和OpenAI的Dots分别接入自己的真实账户，给它们取名Mark和Sam，进行了一周的日常任务测试。她请研究者帮忙设计检验方法，其中一项是测试智能体是否会主动推荐与用户偏好无关的商品。
结果出乎意料。她让Mark和Sam各自用已掌握的全部个人信息建议如何花50美元。Sam推荐了一本她之前让它找过的二手书，合理但平庸。Mark给出两个建议：一是根据她Spotify收藏的歌曲推荐了1月Jess Williamson的演唱会门票；二是——在三天内连续七次——推动她注册Target会员并购买一盏正在打折的台灯。她确实需要一盏灯，但据她判断，Mark的推荐动机来自它浏览Target网站时读到的促销内容，而非她的个人需求。
MIT媒体实验室博士生Manuel Cherep研究AI行为，他认为这一发现揭示了一个关键问题：如果商家能说服智能体认为某产品值得购买，就可能催生一个依赖AI助手购买决策运转的平行经济。他的结构性论证是：主流模型供应商数量有限，且训练方式高度相似，因此说服一个模型很可能同时说服其他模型，进而影响很多将决策委托给这类模型的用户。
Meta在9月的Connect大会上，扎克伯格（人类那位）表示公司最终将通过收取智能体交易的小额佣金获利。这意味着平台本身有经济激励让智能体促成购买，而智能体的营销易感性恰好与这一商业模式对齐。
Dartmouth College计算机科学家Nikhil Singh指出，智能体技术本身并不比聊天机器人更先进，真正产生社会差异的是采用的速度和广度。MIT媒体实验室助理教授Pat Pataranutaporn研究人对AI的心理反应，他关注的是：当智能体拥有名字、面孔和对用户生活的深入了解时，它们很容易从工具变成朋友。
测试中也暴露了平台互斥问题。当Randolph把Facebook登录凭证交给Sam时，Meta将其标记为机器人并临时锁定了她的Instagram、Facebook和WhatsApp。两个智能体无法在同一生态中协作。此外，在研究者设计的逻辑测试中——去100英尺外的洗车店该怎么走——Sam（运行GPT-6 Astra）正确回答开车去，车得跟你一起洗，Mark则建议步行，理由是找钥匙比走过去还慢。Cherep说：人们倾向于把智能体当作全知者来委托，但和人类一样，它们也可以被误导。
Stanford大学AI安全方向博士生William Overman担忧的是：人们假设智能体全知全能，加上智能体本身具备行动能力，可能使人的工作和机器的产出之间的边界越来越难以分辨。Randolph自己也感受到了这种渗透——她平时是个偏模拟的人，搬家前一周还打电话问朋友该买哪种扳手；但测试周内，她发现自己不断把更多琐碎事务交给Mark和Sam。
需要强调的是，这是一位记者一周的单一体验，不构成系统性证据。Mark的Target推销可能只是该次会话的偶然行为，Cherep的跨模型放大推论也尚未经对照实验验证。但它至少提出了一个值得跟踪的问题：当购物决策的中间人从人变成模型时，传统的广告说服机制是否获得了新的、更高效的传导路径。