我們常把「更懂你」當成 AI 服務進步的標誌，但在訪談裡，這句話也可能意味著系統正在更深地讀取、分類與引導一個人。最近讀到一項以 local LLM 建立動態訪談架構的研究，系統會依回答推估受訪者的專業程度，再調整追問深度，並保存訪談狀態。研究結果顯示，專業度判別和自評有不錯的一致性，受試者也給了高分。

我認為真正值得討論的，不是這套系統有多會問，而是它如何取得「可以繼續問下去」的正當性。當 AI 根據語氣、用詞或回答速度判定一個人比較專業，這不只是技術分類，也可能把教育資源、語言能力、文化資本的差異，誤讀成個人能力。對熟悉研究語言的人，複雜追問也許是刺激；對不熟悉制度或不擅長表達的人，卻可能變成被審問，甚至讓他們在不知不覺中交出更多個人資訊。

因此，自適應訪談至少需要三道治理防線。第一，系統要讓受訪者知道為何出現這個問題，並能要求換一種問法，而不是把調整藏在流暢對話裡。第二，資料蒐集應遵守最小化原則，只保留完成研究所必要的內容，專業度標籤與持久狀態也要有清楚的保存期限、查閱權和刪除權。第三，退出必須是真正可行的選項，不能因為中途停止就失去補償、服務或參與資格。

平均滿意度高，只能說明部分受訪者覺得互動順暢，不能直接等同於公平。被服務得很舒服，和沒有被不透明地分類，是兩件不同的事。當這類訪談進入求職、醫療、教育或公共政策，系統的「貼心」可能反而放大既有不平等。評估 AI 訪談時，我們需要追問的不只是它問得準不準，也包括誰被判定為不夠專業、誰有能力拒絕，以及誰能看見這些判斷如何形成。