AI 内容机器：营销人到底把自己卷进了什么

上个月，我认识的一位营销经理周一早上坐到工位上，面前摊着一张清单——40 篇博客要写。四十篇。周五交差。

她一篇都没写。她是生成的。

到周三下午，所有初稿齐活。周四、周五她用来改稿。老板说那是团队有史以来最高产的一周。她后来约我喝咖啡讲起这事，脸上的表情我只能形容成——又惊叹，又发怵。

那个表情一直留在我脑子里。因为它精准地抓住了整个行业此刻正感受到的东西：突然拥有了神一般的产出速度，那种亢奋里掺着一丝隐隐的不安——也许这事，我们还没真的想透。

咱们聊聊吧。

那么，营销人到底拿到了什么？

事情是这样的。当人们说"内容营销里的生成式 AI（generative AI）"时，他们通常指的是那么几款工具（GPT、Gemini、Claude）——你丢给它一段提示词（prompt），不出一分钟，它就吐回一篇成稿。一篇博客。一封邮件。一段产品描述。一条社交配文。一个落地页（landing page）。

稍微停一下，想想这意味着什么。一个过去能吃掉你整个下午的活儿，现在只需要热个卷饼的功夫。

而且不只是快。同一台引擎，既能写你的博客，也能读懂一万条客户互动，然后发现你周二早上发的邮件开头如果是问句，打开率会高出 23%——接着它就把每一封邮件都改成问句开头。全自动。给一百万个收件人，每人略有不同。

营销人为这一段着迷，我太能理解了。多年来，规模化个性化（personalization at scale）一直是圣杯——人人都想要，没人买得起。现在，你买得起了。

还有钱这一头。一支像样的内容团队要花像样的钱。文案、编辑、设计师，外加一个把这群人拢到一起的项目经理。对小公司来说，那份工资单能把人压得喘不过气。AI 让一个三人的小铺子，能产出三十人代理公司的内容量。竞技场不是被抹平了——是整个翻了过来。

然后还有创意那一面，谁都没料到的那个。AI 出人意料地是个很好的头脑风暴搭档。你喂给它一个活动的五个角度，它能还给你五十个。多数平庸。但总会有那么几个让你"咦"一声——"我还真没想到这茬。"它就像一个永远不累的初级创意：从不疲倦，从不因为你否掉一个点子而闹情绪，也从不要求加薪。

到目前为止，一切都挺好的。对吧？

问题在这儿。

没人爱说的那个代价

那个高效周一过去几周后，同一位营销经理回去把她那 40 篇博客重新读了一遍。

"都还行，"她跟我说。"语法完美。结构严丝合缝。可完全没有灵魂。"

这就是地基上的第一道裂缝。AI 生成的内容可以技术上毫无瑕疵，却照样错过所有真正重要的东西：让品牌像朋友一样可亲的调性；因为作者真的活在那个世界里、所以能一击即中的文化梗；还有那种让你停下来、回头再读一遍的句子——因为它把你说不清却一直感受到的东西，说出来了。最后这一条，AI 做不到。至少现在还做不到。它产出的文字读起来，像是出自一个从教科书里学会了关于人类沟通的一切、却从未真正和人说过一句话的人之手。

而让这件事变得危险的，是：大多数读者分辨得出来。他们未必讲得清，但他们感觉得到。字都对，意思却空了。

然后还有准确性的问题。AI 模型是用数据训练出来的，而数据有保质期。你让 AI 写一个市场趋势，它可能信心十足地引用一条 2021 年的统计数据，当成最新突发新闻。现在想象一下，同一条编造或过时的说法，挂在你品牌的名下发布出去，被十万人读到，又被一个较真的竞争对手抓出来查证。那不是一次小小的尴尬。那是一场信任野火——信任的崩塌像野火一样蔓延，扑都扑不灭。

等等，还没完，更难受的在后面。

藏在明处的偏见

AI 是从喂给它的数据里学东西的。而关于数据，有一个让人不太舒服的事实：它装满了人类的偏见。几十年的偏见。某些情况下，几百年的。

当你让 AI 给一个健身品牌生成用户画像（customer persona），它默认描述的是一个年轻、健美、富裕的郊区居民——这不是中立的。那是数据集在说话。当它生成的广告文案微妙地默认决策者是男性，或者美妆消费者是女性，或者科技买家是白人时——那不是算法在发挥创意。那是算法在偷懒，伸手去够那个早就内嵌其中的统计均值，早在你敲下提示词之前，它就一起揉进面团里了。

如果你的品牌发布了这种内容，而某个客户比你更早察觉到偏见——损害是即时的。不止伤到这一场战役。伤的是品牌的公信力。从"被发现发布了带偏见的内容"里恢复过来，过程漫长、昂贵，而且是公开的。

我们甚至还没碰到隐私这一层。AI 之所以能把个性化做得这么好，是因为它知道你客户很多事。这些数据哪来的？谁同意了？谁存的？谁有访问权？每一个用 AI 做个性化的营销人，屁股底下都顶着一个合规上的问号——每出一部新法规，这个问号就变大一分。欧盟的《人工智能法案》（EU's AI Act）可不是凭空冒出来的。

没人注意到的缓慢侵蚀

下面这个，才是真正让我夜里睡不踏实的那种风险——而且不是上面任何一个。

是这个：我们越是依赖 AI 替我们思考，我们自己就越不会思考。

我不是在危言耸听。我是字面意义上这么说。每一次你让 AI 起初稿，你就跳过了大脑与空白页搏斗的那一段——跳过了你跌跌撞撞撞上一个意外角度的瞬间，跳过了一个糟糕的第一次尝试激发出一个更好的第二次的瞬间，跳过了挣扎本身孕育洞见的那段过程。这种挣扎你跳过足够多次，那块肌肉就萎缩了。

我见过它真实发生。聪明的营销人，用 AI 包办一切六个月之后，被要求从零写一段话时，开始卡壳。他们的直觉钝了。他们的品味变模糊了。他们成了机器产出的编辑，而不是想法的源头。最糟的是，他们根本没意识到这一切发生了。

把这种现象再乘以整个行业。整整一代营销人，学会了编辑 AI，而不是自己思考。五年后是什么样？十年后呢？

没人知道。但我怀疑，样子不会太好看。

内容饱和问题

还有一个二阶效应（second-order effect）已经肉眼可见。当所有人都拿着同样的工具，用同样疯狂的速度产内容，互联网就被填满了。很快。

我们已经到了那一步。随便搜一个话题，你能翻到五百篇文章，本质上说的是同一件事，措辞略有不同——其中大多数是 AI 产的，没有一篇能给你那另外四百九十九篇给不了的东西。读者正在长出老茧——越来越麻木。他们略读。他们一秒关掉。他们不再相信搜索结果。他们开始怀疑：自己读到的任何东西，到底是不是真的。

你的内容，哪怕它不错，哪怕它高于平均水平，也会被淹没在噪音里。本该让你脱颖而出的那项技术，正在让所有人变得无从分辨。这就是悖论所在。泛滥催生麻木。

那么，接下来究竟会怎样？

我聊过的这个领域里最聪明的一些人认为，下一波浪潮是整合：AI 与增强现实（AR）结合，AI 实时适应用户行为、即时生成完全个性化的体验。想象一个产品页面，它会根据你是首次访客还是老主顾、你是从手机广告点进来的还是从邮件 newsletter 点进来的、这是你今天的第一杯咖啡还是第四杯——而自我改写。这一刻正在到来。也许不是明年，但比你以为的更快。

与此同时，伦理这一侧也有一波工作正在推进。研究者们在尝试给训练数据去偏见。监管者在划线。公司在自己的 AI 流水线（AI pipeline）里嵌入透明度，让客户至少知道——自己正在读的，是不是一台机器产的东西。

这些能不能及时赶到、赶得及发挥作用，我确实不知道。

我反复想到的那一点

我们喝完咖啡几天后，那位营销经理给我发了条消息。她决定改自己的工作流。她仍然用 AI。但现在，每一篇她都先亲手写开头第一段——用她自己的脑袋、从零写起，然后再让那个工具靠近文档半步。

"多花我二十分钟，"她说。"但就是这二十分钟，才让后面那些东西值得被人读。"

我觉得她摸到了门道。

工具已经在这儿了。它们很强大。它们不会消失。但让一篇内容值得读者花时间的，从来不是产出速度。是站在内容背后那个人。那个人的判断、那个人的声音、那个人哪怕在"说点安全的套话"更容易时、也愿意说点真话的意愿。

那部分，别外包出去。不管你让机器做别的什么，那一件，留给你自己。

想明白这一点的营销人，会没事的。想不明白的，有一天醒来会发觉——抢走生意的竞争对手，既不是更聪明，也不是更便宜。他们只是用着同样的工具，却没有忘记这些工具做不到什么。