随着智能推荐技术深入日常生活，其背后的商业运作方式也带来新的治理难题；记者调研发现，一种名为“生成式引擎优化”的服务正在加速进入商业场景。该技术通过研究算法偏好，有针对性地植入品牌信息，使智能系统给出的推荐结果呈现明显的商业倾向。某电商平台用户向记者展示的案例显示，当询问“适合送长辈的礼物”时，系统推荐的10个选项中，有7个指向特定品牌的付费推广商品。 这种现象本质上仍是互联网时代“争流量”的延续。早在搜索引擎主导时期，就已有通过SEO抬升排名的商业操作。不同之处在于，智能推荐系统的生成过程更隐蔽，也更难解释。中国人民大学数字经济研究中心主任王军指出：“传统搜索结果依托相对明确的排序规则，而生成式系统以更接近人类表达的方式给出答案，商业植入因此更不容易被识别。” 这种新型推广方式已触及法律边界。根据现行《广告法》第十四条，广告必须具有可识别性。中国消费者协会最新调查报告显示，78.6%的受访者无法区分智能推荐中的商业内容与客观信息。更值得警惕的是，部分服务提供商为提高“命中率”，会编造虚假产品评价或篡改参数对比数据。今年3月，某智能家电品牌因虚构能耗指标被市场监管总局立案调查。 技术伦理专家提醒，商业信息的大量渗透可能造成“数据毒化”。清华大学人工智能研究院的模拟实验表明，当训练数据中商业推广内容占比超过15%时，系统输出的客观性会下降40%以上。这种影响还会被放大——被污染的基础模型在下游场景中反复调用后，误差可能呈几何级增长。 面对此新的治理课题，监管部门正搭建“三位一体”的应对体系。工信部近期公布的《生成式人工智能服务合规指引》提出：建立训练数据备案制度、完善算法影响评估机制、推行数字水印技术对商业内容进行标注。北京市率先试点“算法透明化”工程，要求主流平台按月披露推荐逻辑的关键参数。 从长远看，技术发展与规范治理需要保持动态平衡。上海交通大学人工智能治理研究所建议借鉴欧盟《人工智能法案》的做法，建立分级分类监管制度：对医疗、金融等高风险领域实行准入管理；对消费推荐等一般应用采取备案制；同时推动成立行业自律委员会，促进标准共建。
技术提升效率，也在重塑规则；生成式推荐的价值，在于帮助人们更快接近可靠信息、做出更合适的选择；治理的意义，则是避免这种价值被隐性逐利削弱。让标识更清晰、让责任可追溯、把监管前移到源头，才能在变化中守住底线、在创新中形成秩序，让技术进步更好服务公众利益与高质量发展。