R

S02 STS 分析工具对照矩阵

创建 2026-06-07 更新 2026-06-12 2 条双链 STS 专题 AI 整理

一个 PM 拿到一个待分析的 AI 产品问题——“为什么同样的 AI 客服在巴西被当成监工、在德国被当成助理”、“为什么我们的风控模型上线后线下运营组的话语权悄悄变了”、“为什么用户把模型的胡说八道当成了权威判断”——脑子里第一反应往往是抓一个最熟的框架硬套（通常是”用户采纳曲线”或者”PMF”）。这个节点要解决的问题不是”STS 有哪些工具”，而是给定一个具体问题，该调用哪一把 STS 工具，以及在什么边界外它会失灵。本节的视角是把五个核心 STS 框架（SCOT / Akrich Script / Latour ANT / Jasanoff Sociotechnical Imaginaries / Star-Bowker Infrastructure）摆成一张决策矩阵，让”该用哪个工具分析此问题”从直觉变成可检验的判断。

[!warning] 判断主轴（本节点的命门） STS 工具不是同义词、不是”都行随便挑”。五个框架在分析对象、分析时态、能动性分配、规范立场四个维度上互相不可通约——选错工具，分析会系统性地看不见关键变量。这一节就是教你不选错。

§0 为什么是”工具箱+决策表”而不是”STS 通论”

读者脑中默认的错误框架有两个，先挡掉。

错误框架一：“STS = 技术的社会影响研究”。 这把 STS 矮化成”技术决定论的温和版”——技术先存在，然后研究它对社会的冲击。但 STS 的全部锋利恰恰在于拒绝这个先后关系：SCOT 说技术形态本身是社会协商的产物（Pinch & Bijker, 1984），ANT 说人和物对称地共同构成网络（Latour），Jasanoff 说”什么算可欲的技术未来”本身是被社会想象塑造的（Jasanoff & Kim, 2009）。把 STS 当”影响研究”，等于丢掉它最值钱的部分。

错误框架二：“五个框架是五种说法，挑顺手的。” 这是更隐蔽的错误。它们回答的是不同的问题。用 ANT 去分析”为什么同一个 AI 在中美走出不同产品形态”，会得到一堆网络追踪却抓不住”国家想象”这个关键解释项；用 imaginaries 去分析”这个推荐算法如何在组织内重新分配了谁说了算”，会因为框架的国家/精英尺度而漏掉微观权力的转译过程。工具与问题之间存在适配关系，错配的代价是系统性盲区。

所以本节点的产物是一张决策表，不是一篇通论。下面先给核心矩阵，再逐工具拆”何时用 / 何时别用”，最后给 AI PM 的落地选择流程。

§1 核心对照矩阵：五工具 × 五问题

这是本节点的中心交付物——把它打印出来贴在选型会的白板旁边。

工具一句话内核最擅长的问题分析对象能动性分配失效边界
SCOT（技术的社会建构）技术形态是相关社会群体协商定型的，本可以不是这样意义协商：为什么这个 AI 产品长成现在这样、争议如何闭合人工物 + 相关社会群体人类群体为主，物是被塑造对象对已稳定的产品强、对进行中的强权力结构弱；忽视非人物质性与沉默群体
Akrich Script（脚本/铭刻）设计者把对用户的预设”铭刻”进物里，物因此预先编排了用户行为行为塑造：这个 AI 产品在悄悄规定用户该怎么用、用户如何反抗（anti-program）单个技术物的内嵌脚本 ↔ 实际使用设计者↔用户往返对话”谁在铭刻”在生成式 AI 里极度模糊（训练者？提示工程师？用户？）——经典脚本框架是否适用存疑
Latour ANT（行动者网络）人与非人对称地组成网络，权力是转译与必经节点（OPP）的效果权力重组：AI agent 进入组织后，信息流/话语权/责任如何重新分配异质网络（人+算法+文档+流程）人非人对称（generalized symmetry）描述强、规范弱——对 AI 偏见/平台权力缺乏批判立场；对称性原则被指相对主义
Jasanoff Imaginaries（社会技术想象）“可欲的技术未来”是集体持有、制度稳定、公开表演的愿景跨文化差异：同一 AI 技术为何在中/美/欧走出不同治理路径与产品形态国家/机构层面的集体想象集体+制度，弱个体能动性国家中心、精英偏向——漏掉地方行动者与微观实践；“想象形成机制”解释力弱
Star-Bowker Infrastructure（基础设施）基础设施在正常运转时隐形，故障时才显形；分类即权力隐形渗透：AI 作为底座如何后台化、其分类/标注劳动如何被隐形大型信息系统、数据集、分类标准系统性、嵌入性（八/九维度）“透明/后台化”是否适用于会说话的 LLM 存疑（Dal Molin, 2024）；偏描述

读法：从你的问题类型（第二列）反查工具。如果问题落在两列之间，看第六列”失效边界”做排除——哪个工具的盲区正好是你问题的核心变量，就排除哪个。

flowchart TD
    Q{你要分析的<br/>核心问题是?} --> A[产品为何长成这样<br/>争议如何收敛]
    Q --> B[产品如何规定<br/>用户行为]
    Q --> C[组织内权力/信息流<br/>如何重组]
    Q --> D[同技术为何跨文化<br/>走出不同形态]
    Q --> E[AI 底座如何隐形<br/>隐形劳动在哪]
    A --> SCOT[SCOT]
    B --> SCR[Akrich Script]
    C --> ANT[Latour ANT]
    D --> IMG[Jasanoff Imaginaries]
    E --> INF[Star-Bowker Infrastructure]
    SCOT -.权力盲区→升级.-> ANT
    SCR -.主体模糊→并用.-> ANT
    IMG -.微观盲区→下钻.-> ANT

§2 SCOT —— 何时用、何时别用

何时用：当你要解释”这个 AI 产品为什么是现在这个样子、当初的争议是怎么平息的”。SCOT 的三个抓手直接可操作——相关社会群体（谁在定义这个产品该解决什么问题）、解释弹性（同一个功能对不同群体意味着完全不同的东西）、闭合（修辞闭合 vs 问题重定义）。Pinch & Bijker (1984) 的自行车气胎案例是范本：对一些群体气胎是”更舒适”，对另一些是”丑陋+抓地力差”——技术特性不是天生的，是协商出来的。

AI 落地：分析”AI 写作助手”为什么从”语法纠错”演化成”全文代笔”——是哪些相关群体（学生/教师/营销/出版）的解释弹性博弈，最后靠什么机制闭合的。

何时别用：当问题的核心是宏观权力结构或非人物质性时。Langdon Winner (1993, Upon Opening the Black Box and Finding It Empty) 的四点批评精准命中 SCOT 的盲区：忽视技术后果、遗漏沉默群体、回避权力结构、道德中立。对一个”AI 信贷模型如何系统性排除某类申请人”的问题，SCOT 会停在”相关群体协商”而看不见结构性排斥——这时要升级到 ANT 或下文的基础设施视角。

[!quote] 业界反方立场 · 接受 + 边界 接受 Winner 的批评：SCOT 确实容易把”社会决定论”替换”技术决定论”，对权力不敏感（Klein & Kleinman, 2002 的内部修正也承认这点，Science, Technology, & Human Values）。但坚持边界：在分析”产品形态如何被协商定型”这个具体问题上，SCOT 的解释弹性概念仍是最锋利的——它能让 PM 看见”竞品的功能差异不是技术优劣，是不同相关群体的胜出”。Winner 没有给出更好的形态分析工具，只是指出了下游盲区——所以正确做法是 SCOT 做形态分析、ANT/基础设施接力做权力分析，而不是用 Winner 否掉 SCOT。

§3 Akrich Script —— 何时用、何时别用，及 AI 的”超强脚本”

何时用：当你要分析”这个产品在预先编排用户怎么用它、以及用户如何偏离”。Akrich (1992, The De-scription of Technical Objects, in Bijker & Law eds., MIT Press, pp. 205–224) 的核心：设计者把对未来世界的愿景”铭刻”（inscription）进物的物质结构里，产物就是 script；分析者通过”解-铭”（de-scription）从物的行为里读出这个脚本。配套词表（Akrich & Latour, 1992）给了可操作术语：pre-inscription（用户须预备的能力）、subscription（按脚本响应）、anti-program（对抗脚本的使用）、delegation（把人的活动转移给物）。

AI 的独特升级——这是本专题的核心论点之一：传统产品的脚本是静态铭刻（门把手暗示你”推还是拉”，铭刻一次就固化）。而 AI 产品的脚本是动态生成的——模型的每一次输出本身都在实时改写用户的下一步行为。ChatGPT 的回答语气、默认给出的选项、拒绝的边界，构成一个每轮对话都在重新铭刻的脚本。这让 Akrich 的框架比分析任何传统产品都更吃重，但也更难用——见失效边界。

何时别用 / 边界：生成式 AI 让”谁在铭刻”崩塌。传统脚本里铭刻主体清晰（工程师）；在 LLM 里，脚本由训练数据、RLHF 标注者、系统提示、提示工程师、乃至用户自己的提示共同写成。EASST 2026 的专题讨论（〔据 EASST Eurograd 2026-04-29 消息，争议中〕）正是在问：经典 script 框架是否还适用于这种多主体、动态生成的铭刻。所以用 Akrich 分析 AI 时，必须显式回答”我在分析哪一层的脚本”，否则会把不同主体的铭刻混为一谈。

[!note] 跨域呼应（人类学 · Rick 的不公平优势） Akrich 的 inscription 与 Woolgar (1991) 的 “configuring the user” 高度相近，但 Akrich 更对称地处理用户能动性。这里可以接上 民族志 的方法论：de-scription 本质是一种对”物”的民族志——你要像观察一个陌生部落的器物那样，从 AI 产品的默认设置、拒答边界、推荐路径里读出它对用户的人类学预设。Rick 的滴滴国际化经验提供了一个真实的 anti-program 案例：巴西司机对实名/合规类产品功能（参见 CPF实名验证、PAX-Premium实名徽章）发展出的规避用法，正是设计者脚本与拉美 fieldwork 现实之间的张力——这种张力用 Akrich 框架能看得最清楚。

§4 Latour ANT —— 何时用、何时别用，及把 AI agent 当行动者

何时用：当你要分析”AI agent 进入一个组织/流程后，权力、信息流、责任如何重新分配”。ANT 的关键抓手：actant（行动元——人和非人对称，AI agent 是完全合格的行动者）、translation / 转译（Callon 1984 圣布里厄湾扇贝研究的四阶段：问题化→利益化→征募→动员）、OPP / 必经节点（谁把自己设成了所有人绕不过的关口）、black-boxing（网络稳定后被当作单一黑箱）。

AI 落地——这是 ANT 对 AI PM 最锋利的地方：把 AI agent 作为非人行动者纳入网络分析。一个 RAG 客服 agent 上线，ANT 会问：它有没有变成新的 OPP（所有客诉都要先过它）？它把哪些原属人类客服的活动 delegated 走了？它的黑箱化让谁的话语权升了、谁降了？Morton Gutiérrez (2023/2024, AI and Ethics, “On Actor-Network Theory and Algorithms: ChatGPT and the New Power Relationships in the Age of AI”, DOI: 10.1007/s43681-023-00314-4) 正是把 ChatGPT 当 ANT 行动元，分析它如何重构人机网络的权力关系。

何时别用 / 边界：当你需要规范判断（这个 AI 系统的偏见是对是错、该不该用）时，ANT 会让你失望。ANT 的描述性立场——不预设好坏、只追踪联结——被 Mills (2018, British Journal of Sociology) 等批评为”放弃了批判性社会学”，无法批判权力、剥削、不平等。

[!quote] 业界反方立场 · 接受 + 边界（含 Rick 未读的对手框架） 接受 Collins & Yearley (1992, “Epistemological Chicken”) 与 Langdon Winner 的批评：把物和人赋予同等能动性，在本体论上可疑——AI agent 真的有”意向性”吗？这对”对称性原则”是真问题。但坚持边界：ANT 的对称性是方法论工具而非本体论主张——它不是说算法和人一样有灵魂，而是说分析时先别预设谁更重要，免得一上来就把 AI 当纯工具、看不见它的能动效果。对 PM 而言这恰恰是价值：它逼你认真对待”AI agent 正在重组你的组织”这件事，而不是当成一个被动的功能上线。Mills 的”缺批判性”批评成立，所以正确做法是 ANT 做权力显形，再借 生命政治/霸权 做权力评判——两步，不混用。

§5 Jasanoff Imaginaries —— 跨文化 AI 分析的利器

何时用：当你要解释”同一个 AI 技术为什么在不同国家走出完全不同的产品形态、治理路径、公众接受度”。这是 imaginaries 的主场，也是其他四个工具都覆盖不了的尺度。Jasanoff & Kim (2009, Minerva 47(2), “Containing the Atom”) 用美韩核能对比奠基：美国的主导想象是”驯服原子”（国家做负责任的监管者），韩国是”发展的原子”（核技术嵌进民族发展叙事）——同一技术，两套想象，两种治理。

AI 落地：Richter, Katzenbach & Zeng (2025, Journal of Science Communication) 的访谈研究显示，美国主导想象是”全球霸权的 AI 竞赛”、德国是”主权 AI / 人类控制下的工具”、中国是”可信赖的社会解决方案 / 追赶中的超级大国”。一个出海的 AI PM 用这张图能直接预判：同一个产品在三地需要的不是 UI 本地化，而是对接当地的社会技术想象——在德国强调可控与合规，在美国强调能力前沿，在中国强调社会场景落地。

前沿延伸：Barkett (Emilio Barkett, 2026, arXiv:2602.23679, “The Compulsory Imaginary: AGI and Corporate Authority”, 提交 2026-02-27，已 WebFetch 核实) 把想象框架从民族国家延伸到私营企业，分析 Altman《The Intelligence Age》与 Amodei《Machines of Loving Grace》的修辞操作——这意味着 Anthropic、OpenAI 正成为新型想象的主要生产者，填补甚至取代国家角色。

何时别用 / 边界：当问题在微观/组织层面或需要追踪个体能动性时。Rudek (2021, Science and Public Policy 49(2)) 的批评成立：imaginaries 国家中心、精英偏向，主要靠政府文件和精英访谈，忽视普通人叙事与地方实践；且多数研究只”登记既有想象”却不追问”想象如何形成”。所以分析”巴西某个城市的司机社群对 AI 调度的在地反应”，imaginaries 太粗，得换 ANT 或 Akrich 下钻。

[!note] 跨域呼应（人类学 + 国际化 fieldwork · 显式迁移） imaginaries 与 Rick 的人类学底子（人类学、Descola 的 Beyond Nature and Culture 多元自然观、Viveiros de Castro 的视角主义）天然咬合：不同社会”对什么算好的技术未来”的想象差异，本质是宇宙观差异的现代延伸。这正是 E02 跨域呼应要落地的迁移——Rick 的拉美 fieldwork（参见 拉美知识图）让他不只是”读过 Jasanoff”，而是手里有数据：巴西、墨西哥对国家/平台/技术的信任结构与中美欧都不同，这是把 imaginaries 从书本框架变成可操作竞品分析的独家资产。

§6 Star-Bowker Infrastructure —— 隐形渗透的显微镜

何时用：当你要分析”AI 作为底座/基础设施如何后台化、习以为常、隐形运转——以及它的隐形劳动和分类权力藏在哪里”。Star & Ruhleder (1996, Information Systems Research 7(1)) 给了八个维度（1999 年 Star 扩为九个，新增”以模块化增量固化”），核心命题是故障时才显形（visibility upon breakdown）——基础设施正常跑的时候你看不见它，崩了才意识到它一直在。配套方法是 infrastructural inversion（基础设施倒置，Bowker & Star, 1999, Sorting Things Out）：主动把背景的 AI 底座拉到前景来分析。

AI 落地：Denton et al. (2021, Big Data & Society, “On the Genealogy of Machine Learning Datasets”) 把 ImageNet 当信息基础设施分析——数据集后台化、内嵌不可见的标注劳动与社会选择。配合 Crawford (2021, Atlas of AI) 的”行星尺度提取”批判、Gray & Suri (2019, Ghost Work) 的幽灵劳动——AI 基础设施的隐形性同时也是劳动隐形性的机制。这对 PM 的杀伤力在于：你的 AI 产品的”自动化”光鲜表面下，有一条结构性不可见的标注/审核/微调劳动链。

何时别用 / 边界：当分析对象是会说话的 LLM时要谨慎。Dal Molin (2024, First Monday 29(2)) 提出 LLM 的语言表演性使其不同于传统”透明/后台化”的基础设施——它太爱说话、太显形，反而为治理介入提供了切入点。这是个活跃争议（理论未解决），所以套 Star 框架分析 LLM 时要显式承认这个边界。

[!quote] confirmation-bias 砍除 本专题早期容易把”AI = 基础设施”当成万能正面框架反复引用（基础设施视角确实优雅）。但要砍掉这个 bias：Dal Molin 的反例证明，LLM 的高可见性、表演性恰恰违反了 Star 框架的核心假设（隐形性）。补入边界——基础设施框架强在分析数据集层、算力层、标注劳动层（这些确实后台隐形），弱在分析面向用户的对话层（这层太显形）。分层用，别一刀切。

§7 PM 决策启示：三类落地

面试怎么用：被问”你怎么分析一个 AI 产品的社会影响”，别答”看用户采纳曲线”——那是把 STS 矮化成市场分析。答：“看是什么类型的问题——如果是产品形态争议用 SCOT，如果是组织权力重组用 ANT 把 AI agent 当行动者，如果是跨文化落地差异用 Jasanoff 的社会技术想象。” 一句话展示你有工具箱而不是单把锤子，立刻区别于背了几个名词的候选人。

选型/竞品分析怎么用：出海决策会上，用 imaginaries 矩阵预判同一产品在中美欧需要的不是本地化 UI 而是对接不同社会想象；用 ANT 评估”引入这个 AI agent 会不会让某个团队变成 OPP、谁的话语权会变”；用 Akrich 的 anti-program 概念预判用户会怎么规避你的设计脚本。

复现/产品设计怎么用：做 AI 产品的”脚本审计”——用 de-scription 方法逐条读出你的默认设置在向用户铭刻什么预设（你假设了用户是谁、会怎么用、不该怎么用），再用基础设施倒置审计你藏在自动化表面下的隐形劳动链是否合规、是否可持续。

§8 与已有节点的关系

  • 本节点是 0411 Agent 专题的 S02 流派架构对照表 的跨域升级对照：S02（Agent）对照的是技术架构流派，本节点（STS）对照的是分析这些技术的社会科学工具——同样是”对照矩阵”体裁，但抽象层从”技术如何组成”升到”用什么理论看技术进入社会后的效应”。两者都强调”别比 feature list，比维度可控性”。
  • 对照 c13 - 幻觉的不可消除性：c13 在技术内部闭环解释幻觉，本节点提供把幻觉社会化的工具——幻觉 不只是采样机制问题，用 ANT 看是”AI 行动者输出的不可变流动体被网络当成事实”，用基础设施视角看是”用户把后台化的 AI 当成隐形权威底座”。不复述 c13 的技术根因，只补社会维度的分析工具。
  • 对照 0117社会学 / 人类学：本节点把社会学/人类学的一般理论，收窄成”专门分析技术-社会”的 STS 工具集，做的是收窄+操作化。
  • 与本专题同级节点链接：依赖 S01 AI 产品社会嵌入分析框架剖面（提供六层分析全景），被 S03 跨文化 AI 产品差异分析全景 调用（提供工具选择前置），向上汇入 _STS 系统化专题·总览。

§9 关联节点

核心（必读）

延伸（可选）

  • A03 Actor-Network Theory·AI 作为非人行动者 / Agent —— ANT 把 AI agent 当行动者的概念锚点
  • Anthropic / ChatGPT —— imaginaries 企业延伸与 ANT 行动元案例
  • 生命政治 / 霸权 —— ANT 显形后接力做权力评判的工具
  • 0117社会学 / 0115道德哲学-伦理学 —— 上游理论入口
  • CPF实名验证 / PAX-Premium实名徽章 / 拉美知识图 —— Akrich anti-program 与 imaginaries 的 Rick fieldwork 落点

修订日志

  • R1（2026-06-07）：首稿。建立五工具×五问题核心矩阵 + Mermaid 决策流；每工具补”何时用/何时别用/失效边界”三段；Akrich”AI 超强动态脚本”论点、ANT”AI agent 作行动者”、imaginaries 跨文化矩阵为三个判断主轴；接入 Winner/Collins&Yearley/Mills/Rudek/Dal Molin 五处对手立场（接受+边界）；跨域呼应落地人类学+拉美 fieldwork；Barkett arXiv:2602.23679 经 WebFetch 核实（题/作者/日期/主题全对）；EASST 2026 讨论标〔争议中〕。
  • 2026-06-12 内审·arXiv 联网核实：清了 0 个、存疑 0 个（本节点唯一 arXiv:2602.23679 此前已核实；本轮重新 WebFetch 复核仍为真实论文，标题/作者/提交日不变）。EASST 2026 为非 arXiv 会议来源，未处理。