E01 ChatGPT 的 Script 与 ANT 剖解
把 ChatGPT 拆开来看，它到底给用户写了一份什么样的脚本，又在进入工作流之后重组了谁的网络——这一节用 Akrich 的 script/inscription 框架和 Latour-Callon 的 ANT 双镜头解剖 ChatGPT。判断主轴：ChatGPT 真正重塑的不是”写作”或”搜索”，而是**“提问”这个行为本身**——它把”如何向系统表达需求”从一个边缘技能升格为新的核心生产力，而这恰恰是设计者脚本里最隐蔽、最强势的一笔。
§0 为什么不用”用户采纳曲线”，而用 script + ANT
PM 圈分析 ChatGPT 的默认框架是 Rogers 的创新扩散 / 采纳曲线：早期采用者→鸿沟→主流。这套框架能告诉你”多少人用了、多快用的”,却结构性地回答不了三个问题：用户在用的过程中被改造成了什么样的用户？产品把哪些行为变成了”理所当然”？组织里谁的权力因此涨了、谁的缩了？
采纳曲线把用户当成一个外生的、偏好固定的”采纳/不采纳”开关。而 STS 的两个框架恰好补这两个盲点。Akrich 的 script（脚本） 框架（Akrich, 1992, “The De-Scription of Technical Objects,” in Bijker & Law eds., Shaping Technology / Building Society, MIT Press, pp. 205–224）说：设计者把”对未来世界的预测与愿景”铭刻（inscription）进技术物里——“创新者工作的很大一部分，就是把这种世界图景铭刻进新物件的技术内容中”（conceptlab.com 引录 Akrich 原文）。用户不是在”采纳”一个中性工具，而是在被一份预写好的剧本”配置”成某种人。Latour-Callon 的 ANT 则补上网络维度：把 ChatGPT 当成一个非人行动元（actant）纳入分析，看它如何在人-机网络里转译（translation）、设置必经节点（OPP）、重组权力流。
这两个框架的接地点在于：ChatGPT 的 script 比传统产品强得多。一把锤子的脚本是静态的（“我适合敲钉子，不适合拧螺丝”）；而 ChatGPT 的输出本身在实时改写用户的下一步行为——它的脚本是动态、自我强化的。这正是 §下文要展开的判断主轴。
§1 inscription 层：ChatGPT 给用户写了什么脚本
用 Akrich 的术语逐层拆 ChatGPT 铭刻进产品的剧本：
| Akrich 术语 | 在 ChatGPT 里的具体落地 | 设计者的隐含预设 |
|---|---|---|
| Script / scenario | 一个空白对话框 + 闪烁光标，等待自然语言输入 | ”用户会用日常语言提需求，而非学习语法/菜单” |
| Inscription | RLHF 把”有帮助、礼貌、避免冒犯”编码进默认人格 | ”用户想要一个顺从、谄媚倾向的助手”（对照 幻觉 中的 sycophancy） |
| Pre-inscription | 进场前用户须具备的能力：会打字、会用自然语言、有”它能听懂我”的预期 | 排除了不识字、非主流语言、低数字素养群体 |
| Subscription | 用户被预设的响应方式：把答案当对话延续，追问、改写 prompt | ”用户会迭代提问，而非一次性指令” |
| Anti-program | 越狱、prompt injection、把它当情感伴侣——对抗主脚本的用法 | 设计者没料到/不希望的用法 |
| Delegation | 把”组织信息、起草、翻译、初筛”从人转移给模型 | 把原属人类的认知劳动委托给非人 |
这张表里最关键的是 subscription 那一行。ChatGPT 的对话框不是中性的”输入框”——它铭刻了一份”你应该怎么提问”的剧本：你得把脑子里模糊的需求显式化、语言化、分步化。一个用惯了 Google 关键词的人，第一次用 ChatGPT 会本能地敲”巴西 网约车 监管”，然后发现效果平平；产品的脚本逼他改成”我是一个在巴西做网约车安全合规的产品经理，请帮我梳理 2023 年以来 ANTT 对网约车的监管变化及其对司机准入的影响”。这就是判断主轴的实证：产品没有教你写作，它在重新教你提问。 提问从一个隐性技能，被铭刻成了显性的、可练习、可外包（“prompt 工程师”）的核心能力。
[!note] 跨域呼应：Woolgar 的”configuring the user” Steve Woolgar（1991, “Configuring the User,” in Law ed., A Sociology of Monsters, Routledge, pp. 58–102）的”配置用户”与 Akrich 的 script 高度相近，但 Woolgar 更强调生产者意图单向地把用户”框定”进可用性测试的边界里，而 Akrich 更对称地处理用户能动性的往返对话。ChatGPT 同时验证两者：它既单向配置（你必须按它能解析的方式说话），又被用户反向 de-scription（用户摸索出”扮演专家""分步思考”等 prompt 套路，反过来改写了产品的实际用法）。这个张力对 PM 的意义：你写进 onboarding 的”建议提示词”就是 inscription，而用户社区涌现的 prompt 模板就是大规模 de-scription——后者往往比前者更能决定产品的真实形态。
§2 ANT 层：进入工作流后重组了什么网络
把视角从”单个用户与产品”切换到 Latour-Callon 的网络。ChatGPT 进入一个组织（比如一个产品团队的需求评审流程），它作为非人行动元触发了一轮 Callon 的四阶段转译（Callon, 1984, “Some Elements of a Sociology of Translation,” The Sociological Review, 32(S1): 196–233）：
| 转译阶段 | ChatGPT 在工作流里的对应 |
|---|---|
| Problematization | 把”产出初稿慢/信息检索慢”重新定义为”还没用上 AI”的问题，并把自己设为解法 |
| Interessement | 通过免费版、即时反馈、“同事都在用”的同侪压力，锁定个体加入 |
| Enrollment | 分配新角色：人从”作者”变为”审阅者/编辑者”，AI 成为”初稿生产者” |
| Mobilization | 通过”AI 已是标配”的话语，让沉默的多数被代表为”团队已 AI 化” |
转译的结果是一个 OPP（必经节点）的出现：当起草、翻译、检索、头脑风暴都先过一遍 ChatGPT，它就成了认知劳动的”必经隘口”——这正是 Latour 描述实验室作为知识生产 OPP 的同构（来源：Eric Monteiro, “ANT and Information Infrastructure,” NTNU；Wikipedia: Obligatory Passage Point）。对组织权力的重组是实打实的：
- 垂直方向：初级员工与资深员工的”初稿质量差”被压平——AI 把资深者多年积累的”快速出一份像样东西”的隐性优势，部分地黑箱化（black-boxing）成了人人可调用的能力。这对组织科层是侵蚀性的。
- 水平方向：谁掌握”如何向 AI 提问 + 如何审阅 AI 输出”的元技能，谁就成了新的隐形节点。提问能力（再次回到判断主轴）成了新的权力来源。
- anti-program 反扑：组织里也会出现对抗脚本——“AI 写的不能直接用""这段必须人工”，这是 Akrich 意义上的 anti-program，是网络尚未稳定（黑箱未合上）的信号。
[!note] 接地：把 ANT 真正用在 ChatGPT 上的学术先例 这不是我的发明。Morton Gutiérrez（2023/2024, “On Actor-Network Theory and Algorithms: ChatGPT and the New Power Relationships in the Age of AI,” AI and Ethics, 4: 1071–1084, DOI 10.1007/s43681-023-00314-4）正是把 ChatGPT 当作 ANT 意义上的非人行动元，论证它在人-机网络中重构权力关系。本节是把这一学术论点落到 PM 的工作流粒度——从”权力关系”具体到”需求评审里谁的角色变了”。
§3 判断主轴：ChatGPT 重塑了”提问”本身——90% 的人会搞错的四点
这是本节命门。围绕”提问被重塑”这一主轴，列出 PM/分析者最容易看走眼的四点，每点四件套：
错点一：把”提问能力”当成临时技能，而非被产品永久铭刻的新行为范畴。
- 症状：团队把”prompt 工程”当成会过时的小聪明，不投入培训。
- 为什么会错：低估了 inscription 的持久性——一旦交互范式把”显式化需求”设为前提，这个行为就不会因模型变强而消失，反而被强化（模型越强，会问的人和不会问的人产出差距越大）。
- 正确做法：把”如何提问与审阅”当作组织的长期元能力建设，写进岗位能力模型。
- 真实反例：早期”prompt 工程师”岗位被一些人嘲为短命泡沫，但 2025 年的现实是它没消失，而是下沉成了所有知识工作者的隐性必备——这正是脚本被铭刻而非被淘汰的证据。〔“prompt 工程师下沉为通用技能”为趋势判断，强证据待补，标为推测〕
错点二：把 ChatGPT 的 script 当成静态的（像传统产品），忽视”输出实时改写下一步行为”。
- 症状：用采纳曲线/可用性测试那套静态方法评估它。
- 为什么会错：传统产品的脚本写完就固定（锤子永远是锤子）；ChatGPT 的每一次输出都在重设用户的下一个 prompt，脚本是动态自我强化的。AI 的 script 比传统产品强，根源在此。
- 正确做法：用”对话轨迹”而非”单次任务完成率”来度量产品如何改造用户行为。
- 真实反例：用户被 ChatGPT 的”自信流畅输出”训练成”懒得验证”——这是脚本反过来铭刻了用户的幻觉容忍度，是静态分析完全看不见的病理。
错点三：把 AI 进组织当成”加一个工具”，看不见 ANT 意义上的角色重新分配。
- 症状：上线 AI 助手只算效率提升，不算权力重组。
- 为什么会错：转译（translation）会重新分配 enrollment 角色——人从作者变审阅者，这是组织关系的改写，不是工具增减。
- 正确做法：上线前做一次”谁的角色被转译了”的盘点，预判 anti-program（哪些人会抵抗、为什么）。
- 真实反例：不少企业 AI 项目失败，不是模型不行，而是没处理”资深员工感到被去技能化”的 anti-program——这是 Monteiro 笔下信息系统失败的经典 ANT 病因。
错点四：把”会用 AI”等同于”会提问”，忽视提问能力本身是被排斥的门槛（pre-inscription）。
- 症状：假设全员一上手就能用好。
- 为什么会错：pre-inscription 排除了低数字素养、非主流语言用户——提问能力的分布不均会放大而非缩小数字鸿沟。
- 正确做法：onboarding 显式教提问；对全球南方/多语种用户做 pre-inscription 适配。
- 真实反例：见下节 §4 跨域呼应——巴西/拉美 fieldwork 里的真实门槛。
§4 跨域呼应 + 国际化迁移：把 fieldwork 经验显式搬过来
作为有人类学底子（Descola/Viveiros de Castro 的本体论转向）且做过滴滴-99 国际化、巴西-拉美 民族志式 fieldwork 的人，我能把 §3 错点四落到具体经验上。
人类学视角的迁移：Descola 的核心洞见是”自然/文化”二分并非普世，不同社会有不同的本体论（见 Beyond Nature and Culture）。把这个迁移到 AI：ChatGPT 的 script 内嵌了一套特定本体论——它预设了一个”会把世界拆成可被自然语言指令操作的对象”的用户。这套本体论不是普世的。在巴西 fieldwork 里，我观察到许多司机与”系统”的关系是高语境、关系性的（通过人际网络、口耳相传解决问题），而非把需求显式化为一条 query 喂给一个非人节点。ChatGPT 的提问脚本，是在把一种特定的、源自全球北方知识工作者的认知习惯，铭刻为”正确的”人机交互方式——这与我在 CPF实名验证、乘客信息透明化 等项目里反复撞到的”产品默认的用户画像不适配本地”是同一类错位。
Jasanoff 的社会技术想象（sociotechnical imaginaries）补刀：Jasanoff & Kim（2009, “Containing the Atom,” Minerva, 47(2): 119–146；2015, Dreamscapes of Modernity, U Chicago Press）说同样的技术在不同社会文化会被不同的想象塑造出不同形态。ChatGPT 在美国被想象为”生产力霸权竞赛”的武器，在巴西的语境里则更多是”追赶/普惠”的想象——这直接决定了”提问脚本”在不同市场会不会、以及如何被本地化重写。对国际化 PM 的硬启示：你不能把美国市场验证过的提问引导直接复制到拉美——脚本的 pre-inscription 门槛在不同社会技术想象下高低不同。（呼应我在出行平台安全感知方向的一手实践、以及 降发生方法论 里的本地化方法论。）
§5 对手框架回应（接受 + 边界）
对手一：Langdon Winner（“Upon Opening the Black Box and Finding It Empty,” 1993, Science, Technology, & Human Values, 18(3): 362–378）。 Winner 批 SCOT/建构论”拆开黑箱却不关心技术采纳后的后果”，且回避权力结构、对沉默群体不敏感。接受：纯 script 分析确实有”只看设计者-用户对话、不看宏观资本/平台权力”的盲区——我用 ANT 的 OPP 与 §4 的全球南方视角正是为补这个洞。边界：但我赌”从提问行为的微观重组切入”反而能让权力显形于具体工作流，而不是停在”平台资本主义”的宏大抽象——这是 Latour 式”追踪联结”对 Winner 式结构批判的回应。
对手二：ANT 的对称性会滑向相对主义（Collins & Yearley, 1992, “Epistemological Chicken”）。 把 ChatGPT 当 actant 与人对称对待，是否给了一个模型不该有的能动性？接受：对称性是方法论工具，不是说模型有意图。边界：我用它只为看清”非人节点如何重组人的行为网络”，不主张模型有主观能动性——这一区分必须守住，否则会掉进把幻觉浪漫化为”AI 的创造性”的坑。
对手三（Rick 未读，破 echo chamber）：Oudshoorn & Pinch（2003, How Users Matter, MIT Press）的用户能动性修正。 他们批评 Akrich 早期框架有技术决定论嫌疑——过度聚焦技术物如何约束人。接受并修正：我前文若读成”ChatGPT 单向地把用户配置成某种人”,就是这个 bias。砍除 confirmation bias：必须补入 de-scription 的反向力量——用户社区涌现的 prompt 模板、越狱、把它当伴侣，这些 anti-program 大规模反向重写了产品形态。脚本是往返的，不是单向铭刻。
[!note] failure scenario 本节”ChatGPT 重塑提问”这一主轴，在语音/多模态交互成为主流时可能部分失效——如果未来交互不再要求把需求显式语言化（比如 AI 主动观察上下文、零提问地给出建议），那么”提问被升格为核心技能”的判断会被削弱。这是我押的赌注：至少 2–3 年内，主流交互范式仍以”用户显式提问”为轴。〔多模态主动交互的普及速度待观察〕
§6 PM 决策启示（三类落地）
- 面试：被问”怎么分析 ChatGPT 这类产品的影响”，不要只答 DAU/留存/采纳曲线。30 秒讲清：它铭刻了”提问”这个新行为范畴（Akrich script），并在组织里设了一个认知劳动的必经节点（ANT/OPP），重组了作者-审阅者角色。这比”它很强、增长很快”高一个抽象层。
- 选型：评估要不要把 AI 嵌进某条工作流时，不止问”准不准”,更问”它会转译谁的角色、激起谁的 anti-program”——预判组织阻力，比预判模型能力更能决定项目成败。
- 复现/国际化：设计 onboarding 与提示引导时，把它当 inscription 来写，并显式做 pre-inscription 适配（多语种、低数字素养、本地社会技术想象）——别把北方用户的提问习惯当普世默认。
§7 与已有节点的关系
- 对 ChatGPT 实体节点：本节点做深化——不复述它是什么、参数多少，而是用 STS 双框架重解”它对用户和组织做了什么”。
- 对 幻觉：做对话——把”sycophancy/谄媚”重读为 RLHF 铭刻进默认人格的 inscription，把”用户懒得验证”重读为脚本反向铭刻用户的行为（错点二）。
- 对 Agent / Anthropic 相关产品分析：本节点提供的 script+ANT 透镜可平移到 Agent 工作流（Agent 把更多 delegation 推给非人，OPP 效应更强），是 AI PM 知识图谱·总索引 下 STS 专题与 Agent 专题的接口。
- 升级对照（不复述）：相对采纳曲线/可用性分析这类既有 PM 框架，本节点升高的抽象层是”从行为度量到行为重塑机制”。
§8 关联节点
核心（必读） ChatGPT · 幻觉 · 人类学 · 民族志 · 0117社会学 · AI PM 知识图谱·总索引 · Beyond Nature and Culture
延伸（可选） Agent · Anthropic · 生命政治 · 霸权 · 0115道德哲学-伦理学 · CPF实名验证 · 乘客信息透明化 · 出行平台安全感知方向（一手履历）· 降发生方法论
修订日志
- 2026-06-07 R0：首稿。Akrich script（inscription/subscription/anti-program/delegation 全套）拆 ChatGPT 给用户的脚本；Callon 四阶段转译 + OPP + black-boxing 拆其进工作流后的网络重组；判断主轴”提问被重塑”贯穿 §1–§4 四件套；对手框架接入 Winner 1993 / Collins-Yearley 1992 / Oudshoorn-Pinch 2003（未读框架）；国际化 fieldwork（巴西/拉美 + Descola + Jasanoff）显式迁移；failure scenario（多模态主动交互）+ confirmation-bias 砍除（单向 vs 往返脚本）各一处。Gutiérrez 2023/2024 ANT+ChatGPT 论文作为学术先例接地。