AI 時代的數位假訊息：三方架構

1. 基本資訊

這篇文章由 Bernd W. Wirtz、Jan C. Weyerer 與 Tirza F. Muller 發表於 2026 年的 International Journal of Information Management，題目是〈AI-based digital disinformation: A theory-informed and integrated trilateral framework of digital disinformation for information systems research〉，DOI 為 10.1016/j.ijinfomgt.2026.103066。文章要處理的不是單一假訊息案例，而是更根本的問題：在生成式 AI、演算法優化與 bot automation 已經深度滲入平台環境之後，我們究竟該如何理論化數位假訊息的整體流程。

2. 研究問題

本文的核心研究問題是：digital disinformation process 該如何被理論化，特別是在 AI 已不只是輔助工具，而是能直接參與內容生成、擴散與互動操控的情況下。作者指出，既有研究多半分散在兩邊，一邊研究人為相信與分享假訊息的心理機制，另一邊研究技術偵測與平台治理工具，但缺少一個能把「來源、內容、管道、接收者、影響」串成完整流程的理論框架。因此，真正的問題不是單點辨識假訊息，而是如何理解 AI 與人類在假訊息生命周期中的互動結構。

3. 理論基礎

本文最重要的理論基礎是 communication theory，尤其是 sender-message-channel-receiver-impact 的基本傳播邏輯。作者主張，數位假訊息本質上是一種 communication process，而不是只是一類內容物件，因此應該從傳播結構去理解。這個理論選擇非常關鍵，因為它讓研究不必只停留在「內容真假」或「個體心理偏誤」，而能進一步追問：訊息是由誰發出、經由什麼機制被擴散、由誰接收、又如何產生行為與社會影響。作者同時把數位假訊息放回 socio-technical systems 脈絡，強調人類與 AI 的互動關係本身就是理論對象。

4. 研究架構

文章提出一個 theory-informed and integrated trilateral framework。所謂 trilateral，指的是數位假訊息有三條互相連動的基本路徑：human-based、AI machine-based 與 hybrid-based。所謂 integrated，則是指這三條路徑都依循五個 process layers 展開，分別對應到 communication theory 的五個核心維度：source、message、channel、receiver 與 impact。這個框架的貢獻在於，它不只說明假訊息有不同來源，而是進一步指出：人在不同層級的動機、AI 的自動化能力、平台的擴散 affordances 與受眾的回應會交織成一個持續迴圈，並最終產生 hybrid-based disinformation 的黑箱效果。

5. 假設邏輯

這篇不是假設檢驗型研究，因此更適合理解為命題邏輯。作者首先主張，數位假訊息至少存在兩條 primary paths，也就是 human-based path 與 AI-based path；接著作者指出，這兩條路徑並不是彼此獨立，而是在各個流程層級中透過 feedback loops 彼此放大，最終形成第三條更具威脅性的 hybrid-based path。再往下，作者推論不同 message types、platform channels、receiver vulnerabilities 與 impact dynamics，會在 AI 的 scalability、 personalization 與 automation 能力之下被重新組合，因此未來研究必須把 disinformation 當成動態流程，而不是靜態分類。

6. 方法

本文採 conceptual theory-building approach。方法上不是做 survey、實驗或二手資料計量分析，而是先整合資訊系統領域中關於 digital disinformation 的設計科學與行為科學研究，再結合傳播理論與既有 disinformation research，進行概念澄清、理論統整與框架推導。換句話說，這是一篇典型的理論建模論文，其價值不在統計顯著，而在能否提供一個足夠清楚、可供後續研究操作化的 explanatory structure。

7. 結果

文章的主要結果是提出一個結構清楚的流程理論。第一，作者確認 digital disinformation 應被區分為 human-based、AI machine-based 與 hybrid-based 三種路徑。第二，這三條路徑都橫跨五個流程層級：actors/objectives、message types、distribution channels/dissemination mechanisms、receivers，以及 impact。第三，作者指出 AI 不只是加快訊息生成而已，而是會透過 synthetic identities、bot networks、microtargeting、real-time responsiveness 與 generative richness，改變假訊息的擴散速度、規模與滲透方式。第四，最值得注意的是 hybrid path：人類戰略意圖與 AI 可擴張性結合後，會讓假訊息操作變得更難辨識、也更難治理。

8. 理論貢獻

這篇最大的理論貢獻，是把原本破碎的 disinformation 研究重新組裝成一個 process theory。第一，它補足了過去過度偏向 psychological mechanisms 的侷限，把結構性流程重新拉回討論中心。第二，它彌合了 behavioral IS research 與 technical IS research 之間的鴻溝，讓研究者可以在同一框架內討論認知偏誤、平台機制與 AI 自動化。第三，它把 AI 在 disinformation 中的角色從單純工具提升成一種會重塑整個 communication process 的 actor-like mechanism。第四，它提供未來命題發展與實證操作化的基礎，使得後續研究可以針對某一層級或某一條 path 做精準延伸。

9. 實務意涵

對平台治理、政策制定與企業資訊治理來說，這篇的啟示很直接。若數位假訊息是跨五層流程的 socio-technical process，那麼治理也不能只靠單點 intervention，例如只做 fact-checking、只做內容下架，或只做使用者教育。更合理的作法，是針對不同 path 與不同 layer 設計對應干預，例如在 source layer 處理 bot 與 synthetic identity，在 channel layer 處理平台擴散機制，在 receiver layer 處理脆弱受眾與認知防護，在 impact layer 則評估政治、健康與商業後果。這種思路對企業內部的 AI risk governance 也很重要，因為 disinformation 不只威脅公共領域，也會威脅品牌、平台信任與市場運作。

10. 研究限制

這篇的主要限制在於它是一篇理論建構文，尚未透過大規模實證資料驗證各層級之間的關係強度，也未比較不同平台、不同國家情境或不同 AI 技術型態下的差異。其次，雖然文章提出很多值得測試的命題，但目前仍偏結構描述，尚未把變數操作化到可以立即進行標準化量測。再者，hybrid-based path 雖是全文最有洞見之處，但也是最需要後續研究補強的部分，因為它涉及人機混合代理、平台 affordance 與動態回饋機制，實證上不容易完整捕捉。

11. 對我研究的啟發

這篇對我最有價值的地方，是它示範了如何把 AI 不只是當成自變數或工具，而是當成會重塑知識流、資訊邊界與協調機制的社會技術力量。我可以把它和我已經累積的 organizational learning、performative AI、ecosystem orchestration、knowledge creation 與 governance 類文獻接起來。尤其可重用的是這條理解路徑：source/message/channel/receiver/impact 並不是新聞傳播專屬模型，它其實也能轉譯成組織內外知識操控、平台互動與人機協作中的資訊治理框架。若我之後要研究 Human-GenAI collaboration、AI-mediated cognition 或 digital governance，這篇可以作為「從個體心理擴展到系統流程」的重要理論橋樑。

12. 整體評價

我認為這篇很值得優先讀，因為它不是再多加一個 AI 假訊息案例，而是試圖建立一個能整合既有研究的理論總圖。它的強項在於結構清楚、問題意識明確，而且把 AI 對 disinformation 的影響提升到 process-theory 層次，這對後續理論累積非常有幫助。若要挑剔，最大的弱點就是尚未進入實證檢驗，因此目前更像一個高品質的研究平台，而不是已被驗證的因果模型。不過就「可重用性」與「研究價值」而言，這篇在 backlog 裡仍屬高優先級。