案例背景
据经济观察报报道，生成式AI正在让诈骗进入「流水线」时代：话术可以批量生成，语音与视频可以低成本伪造，诈骗团伙的组织效率与覆盖面大幅提升。与此对应，平台在反诈上的投入持续增加，风控模型、实名核验、异常识别与人工审核层层加码，但仍有骗局未能被及时拦住，用户损失时有发生。
报道提出了一个更难回避的问题：被骗走的资金一旦流入平台的正常业务链条——例如被用于直播打赏、被用于投放广告、或通过支付通道完成流转——平台本身还可能从中获得收入。于是问题从技术层面的「能不能拦住」，转向了经济层面的「该不该承担」：哪些损失原本是可以避免的？平台要不要为这些损失付出代价？这构成了AI时代平台治理最具张力的一道命题。
核心分析
一、负外部性的内部化：从庇古到科斯
诈骗造成的用户损失，在相当程度上是平台活动的负外部性：平台通过开放性与低门槛获取流量与交易规模，而由此产生的欺诈风险部分由用户承担。Pigou的经典处方是征收相当于边际外部成本的税（庇古税），使私人成本与社会成本趋于一致；在平台场景下，这一思路转化为对平台施加与风险水平挂钩的责任与赔付义务。科斯定理则提供了另一视角：只要产权界定清晰且交易成本足够低，无论初始权利归属于谁，双方都能通过谈判达成有效率的结果。但在平台场景中，科斯条件难以满足——用户分散、损失金额小、举证困难、谈判成本极高，因此私下协商几乎不可能发生，这意味着责任的法律界定而非市场谈判，才是决定资源配置效率的关键。这也解释了为什么监管介入在此类问题上具有经济合理性：它不是替代市场，而是在交易成本过高时提供产权界定这一公共品。
二、AI黑灰产的工业化：攻防成本结构的不对称
AI对诈骗的改变不只是效率提升，更是成本结构的重构。传统诈骗高度依赖人力，边际成本随规模上升；AI介入后，话术生成、身份伪造、目标筛选的边际成本趋近于零，攻击方获得了近乎无限的规模弹性，且可以快速迭代绕过既有风控规则。而防守方的成本结构恰恰相反：风控规则每增加一层，都会提升误伤率、降低正常用户的转化率，其边际成本随防线强度递增。这种攻防成本的不对称，意味着单纯依靠技术投入难以收敛风险。更棘手的是激励问题：当被骗资金最终以打赏、广告等形式回流为平台收入时，平台在反诈投入上可能面临事实上的收益抵消——严格风控减少欺诈的同时也减少流水，宽松风控带来流水的部分来自欺诈资金。这并非说平台有意纵容，而是指出一种结构性的激励扭曲。激励相容理论提醒我们：制度设计必须让主体的自利行为与社会目标方向一致，否则任何道德号召都会被成本收益的现实考量消解。
三、反诈投入的成本收益分析与责任边界
理性的反诈投入决策，应当比较边际防控成本与边际损失减少额，在二者相等处达到最优投入水平。但这一计算在平台上存在三个现实障碍。其一，损失口径难以界定：用户损失是否等同于平台责任损失？若资金流入平台业务并产生分成，平台的净损失远小于用户损失，投入动力自然不足。其二，误伤成本被低估：过度风控导致正常用户流失与体验下降，这类成本隐蔽且难以归因。其三，责任边界模糊：平台是内容分发者、交易撮合者还是资金通道，不同角色对应的注意义务差异巨大。可行的治理路径包括三条：一是建立与风险敞口挂钩的资金处置规则，对被认定为欺诈相关流水限制平台分成；二是推动跨平台的风险情报共享，降低单个平台的识别成本，这本质上是通过协作降低交易成本；三是将反诈投入纳入合规激励，使严格风控的平台获得监管或市场层面的正向回报。其共同指向是同一件事：让平台承担的社会成本真实进入平台的损益表。
管理启示
第一条可迁移原理是：外部性的治理效果取决于成本是否进入决策者的损益表。只要某项社会成本不进入主体的收益计算，任何技术投入与伦理倡议都难以持续，因为主体会在边际上作出符合自身利益的选择。因此治理设计的首要任务不是提高道德要求，而是重构成本归属。
第二条是：当攻防双方的成本结构严重不对称时，纯技术路线无法解决问题，必须引入改变激励结构的制度设计。对平台而言，越早把风险控制从「成本项」重新定义为「信任资产」，就越能在监管趋严的长期趋势中掌握主动。信任是双边市场最核心的资产，一旦用户对平台安全性失去信心，双边用户的流失会形成自我强化的负向网络效应，其代价远高于当期反诈投入。
其他思考
- 请运用外部性理论与科斯定理分析：在用户分散、举证困难的场景下，为什么界定平台责任的法律规则比企业自律更有效？
- 当被骗资金通过打赏、广告等形式转化为平台收入时，平台的激励发生了怎样的扭曲？请设计一种机制使平台的自利行为与社会目标趋于一致。
- 反诈投入是否存在过度风控的风险？请讨论如何在防控损失与控制误伤成本之间确定合理的最优投入水平。
关键词：负外部性内部化、科斯定理、平台治理
来源：每日经济新闻、经济观察网、财新网等真实来源 | 整理：经管大课堂
原文链接：https://www.rcbom.com/aibps/6346.html
