小米汽车因增程器海报宣称支持92号汽油及后备箱能放两辆公路自行车，引发网友质疑其将常识包装成卖点。文章分析认为，小米营销能力强，但SU7 Ultra机盖风波后，消费者对其广告信任度下降，习惯寻找漏洞。营销本身无罪，关键在于产品能否兑现承诺，小米需修复品牌信用，让消费者不再下意识质疑。

2026年开发者调查现已开放，旨在了解软件开发现状，特别是AI在开发生命周期中的作用。调查将收集开发者对AI使用和信任度的意见，以帮助行业决策。

调查显示，德国用户对数字应用的耐心下降，56%的人在等待几秒后会放弃使用。54%的消费者希望AI能迅速响应，43%的人表示耐心比几年前更少。速度成为数字服务成功的关键，用户对加载时间的要求越来越高，信任度也受到影响。

年轻人，尤其是Z世代，对人工智能（AI）的看法日益消极。他们在使用AI工具时，担心工作被取代和社交能力下降。调查显示，许多年轻人对AI的信任度下降，认为其会导致懒惰和批判性思维能力的丧失。尽管AI在教育和就业中被强制推广，年轻人仍对其产生抵触情绪，认为这会影响人际关系和学习质量。

这篇文章讨论了OpenAI首席执行官萨姆·阿尔特曼的诚信问题。调查记者罗南·法罗分析了阿尔特曼的个人生活和商业行为，指出他在沟通中常常忽视真相，导致信任度下降。随着AI行业的发展，阿尔特曼的行为引发了对安全和道德的关注与批评，强调了对AI行业领导者的监督和透明度的重要性。

开发者对AI工具的使用持续上升，但信任度显著下降。2025年调查显示，84%的开发者使用或计划使用AI工具，但仅29%信任其输出的准确性。这种信任缺口影响企业软件投资决策，开发者希望能验证AI输出并了解潜在错误，企业需通过更严格的采购标准来赢得信任。

Birgitta在Thoughtworks担任工程师，探讨OpenAI的“Harness engineering”文章，描述团队如何利用AI构建大型应用的维护工具。文章强调AI生成代码的可维护性和信任度，并提出未来可能出现的“harness”作为服务模板的概念，讨论架构约束和模块边界的重要性。

微软新任安全负责人是Hayete Gallot，她在微软工作近16年，最近从谷歌云回归。Gallot将直接向CEO纳德拉汇报，负责推进安全转型计划。前安全主管查理·贝尔将转向工程质量工作。Gallot的回归旨在提升微软的安全文化和信任度。

越来越多的开发者使用AI工具，但对其准确性的信任度仅为29%。尽管80%的开发者在工作中使用AI，他们更倾向于寻求他人帮助，显示出社区的重要性。开发者仍然重视可靠性和人际联系。

84%的程序员使用AI工具，但满意度降至60%。开发者对AI的信任度低，66%认为AI生成的代码“差不多对但不完全对”。AI被视为助手，开发者更倾向于在关键环节保持人类参与。未来，懂得架构和AI的程序员将更具竞争力。

随着AI系统的不断增强，研究者希望深入理解其行为。OpenAI提出了“忏悔”方法，旨在鼓励模型诚实报告不当行为，从而提升透明度和信任度。实验结果表明，该方法显著提高了模型识别错误的能力，但仍需进一步改进。这为AI安全提供了一种新的工具，有助于监测和诊断模型行为。

谷歌正在测试名为Scholar Labs的AI搜索工具，旨在回答复杂的研究问题。该工具通过分析用户查询的主题和关系来推荐科学论文，但缺乏引用次数和期刊影响因子等常用研究质量指标。科学家们对其信任度存疑，认为仍需结合传统评估方法来判断研究的影响力和质量。

数据可观察性是监控数据系统健康的重要过程，确保数据质量和可靠性。通过监测数据的新鲜度、体量、模式、分布和血缘，数据团队能够及时发现并解决问题，从而减少错误决策，提高效率和信任度。

苹果地图将引入广告，打破了无广告的特性。尽管用户习惯了干净的界面，但商业化趋势不可逆，广告可能影响地图的客观性和信任度。

SAS最新研究表明，IT和业务领导者对生成式AI的信任度高于其他类型AI。尽管推进可信AI的组织投资回报率高，但仅有40%的企业在治理和可解释性方面进行投资。受访者对数据隐私、透明度和伦理问题表示担忧，同时量子AI的信任度也在上升。AI实施面临数据基础设施薄弱、治理不完善和人才短缺等挑战。

近90%的技术专业人士在工作中使用人工智能，但开发者对AI工具的信任仅为33%。2025年DORA报告指出，AI放大了高效与低效组织的差距，尽管AI提升了生产力，却未能缓解工作中的紧张与疲惫。组织应将AI视为全面转型的关键，而非单纯的工具部署。

根据Stack Overflow的调查，24%的开发者对工作满意度上升，78.5%使用AI工具，64%认为AI不会威胁他们的工作。尽管AI使用增加，但对AI生成代码的信任度下降，45.7%的人表示不信任。企业面临AI生成代码质量差和缺乏内部知识的问题，Stack Overflow通过提供团队知识解决方案来支持开发者。

AI幻觉无法完全消除，但可通过防护措施和经验学习降低风险。研究表明，AI幻觉发生率为0.7%至29.9%。企业若依赖错误信息，信任度会下降。某制造商通过精准验证和额外检查，成功减少了AI助手的幻觉问题，提高了客户支持质量和效率。