一半顾客会惩罚AI品牌内容，我们却造出了照用不误的方法
去年，一位首席营销官把一份提案推到我面前的桌上。那是她的代理公司递交的一份工作说明书，其中一行写着"AI增强型内容制作"。旁边的数字，和代理公司一直以来对内容制作收取的价码一模一样——全套传统标准费率。就在同一周，她的团队针对这行费用所产出的内容做了一场消费者调研。反馈回来的结果充满敌意。用他们自己的话说，人们觉得这些广告令人厌烦，而且有点没有灵魂。她生气的并不是AI。她生气的是，自己付着高端价格去制造一批被顾客悄悄拒绝的内容，而整条链路上却没有一个人告诉她。
那次会议正是我们做出如今这套东西的原因。2026年，AI品牌内容的核心问题并不在于技术是否足够好——它已经足够好，而且每个月都在变得更好。问题在于，你可以激进地用AI把内容做得更快更便宜，而只要你的顾客中有相当一部分人察觉到了这一点，他们就会当场惩罚你。所以我们最终确定的目标，也是我们如今为品牌团队打造的东西，几乎是自相矛盾的：在流程中毫不留情地使用AI，而在成品中让它彻底隐形。混合式制作流水线、品牌保真度评分，以及一套经得起监管者盘问的治理层。
让我讲讲我是怎么走到这一步的，包括我们上线过、却出了岔子的那个版本。
高管的信念与消费者的实际行为
先从一个应该让任何营销负责人感到恐惧的落差说起。IAB在2026年发现，82%的广告高管认为Z世代和千禧一代消费者对广告中的AI持正面态度。而这些消费者中真正如此认为的只有45%。这就是37个百分点的认知落差，它正是战略提案与顾客之间的距离。
看得越久，情况越糟。消费者对AI内容的偏好已从2023年的60%跌至2026年的26%。Gartner在2026年3月对1,500多名美国消费者的调查发现，如今有一半人更青睐那些在面向消费者的内容中避免使用生成式AI的品牌。而根据Adobe的《2026数字趋势》报告，三分之一的消费者一旦发现某品牌的内容是AI生成的，就会彻底停止与该品牌互动。
你有一半的顾客并不讨厌AI内容。他们讨厌的是能一眼看出来。
我向持怀疑态度的CMO展示过的最有用的一个数字来自Smartly.io：当一则广告完全由AI制作，而非由人类共同创作时，消费者信任度会从48%跌至13%。这是仅仅一个制作决策就导致的73%的信任崩塌。我见过的任何一张表格里的内容成本节省，都无法抵消73%的信任下滑。这笔账只有在AI隐形时才算得过来。
让这件事真正棘手、而不只是一句品牌口号的，是这种抵触不仅仅停留在观念层面——它是生理性的。NielsenIQ的神经科学研究测量到，即便是那些制作精良的AI广告，也会在大脑中激发更弱的记忆活跃度。消费者给它们的评价是：比传统广告更令人厌烦、更无聊、更令人困惑。在意识层面形成看法之前，大脑就已经在做检测了。
每位CMO都在竭力避免的那个"可口可乐时刻"
我聊过的每一位营销负责人，私底下都对某一个具体事件心怀恐惧，哪怕他们从不点破。可口可乐在2025年为一支节日广告生成了大约70,000个片段，却招来了一场把整个项目从"创新"重新定义为"廉价"和"反乌托邦"的强烈反弹。玩具反斗城在一部用Sora制作的影片里放进了一个AI生成的儿童演员，触发了近乎本能的排斥。麦当劳在观众抗议后撤下了一支节日广告。这些都不是在边缘地带做试验的小品牌。它们是地球上最成熟的营销组织，而内容依然落地得很糟。
真正应该让代理公司一方的负责人夜不能寐的那个案例则有所不同，因为它无关品味。2025年6月，隶属于宏盟(Omnicom)网络的巴西代理公司DM9，在戛纳国际创意节上斩获了创意数据全场大奖(Creative Data Grand Prix)。调查人员后来发现，其案例影片使用了AI生成的画面来模拟活动成果，其中包括未经许可篡改的CNN Brasil报道。首席创意官辞职。十二个奖项被撤销。戛纳为此后每一件参赛作品引入了强制性的AI披露和检测工具。
那不是某个自作主张的自由职业者偷工减料。那是一家大型网络代理公司，在"拿出AI驱动的成果"的寻常压力下，为行业的最高荣誉伪造了证据。它径直指向一个大多数品牌从未大声向代理公司问出的问题：
如果你的代理公司正在以你从未批准过的方式使用AI，那么一旦事发，声誉风险由谁承担？由你承担。
我时常回想起那份工作说明书提案。品牌付的是传统费率，代理公司把AI带来的效率收益揣进了自己口袋，而披露义务——无论是法律上的还是声誉上的——却全部落在了品牌身上。这种不对称正是那套商业模式。我们如今所做的一部分工作，就是在这一切变成品牌在公众面前的麻烦之前，切实审计代理公司实际使用了什么、以及是否已作披露。
我们最初的品牌保真度评分器为何失败了？
接下来是我不太引以为傲的那部分，也是真正教会我们那件值得拿去卖的东西的那部分。
当我们着手衡量AI生成的内容是否符合品牌调性时，我支持了那个显而易见的做法。你拿来品牌的参考图像，把它们嵌入向量，把新素材也嵌入向量，然后给相似度打分——CLIP分数，也就是大多数供应商私下都在用的标准图文匹配技术。我们做出来了，它产出了一个介于零和一之间的干净数字，演示效果也漂亮极了。我被说服了。
然后我们把它拿到一个试点品牌的真实产出上去跑。这个评分器欣然放行了一张违反品牌Logo留白规则——即必须环绕标志的最小空白边距——的图像，只因为这张图在统计上看起来与参考图集相似。与此同时，它却因为一张完全合规的素材配色不寻常，而把它标记为不符合品牌调性。我记得自己盯着那份报告心想，这个数字既自信又错误。
那是一次为之后的一切埋单的失败。CLIP式的相似度衡量的是"这个看起来像不像那个"。它根本不知道你的品牌规范实际上说了什么。"看起来符合品牌调性"和"遵守Logo留白规则"是两个完全不同的问题，而相似度分数分不清它们。
于是我们在视觉语言模型上重建了它——这类系统既能读一张图像，又能读你写下的品牌规范，并把两者互相比对。不是"这与过往作品相似吗"，而是"Logo是否留有所需的空白、字体是否出自获批的字族、语调是否契合有文档记录的品牌声音"。它比相似度评分器构建起来更慢、更烦人。但它也是唯一一个创意总监会足够信任、愿意放进审批流程的版本。
一个连自己所执行的规则都无法引用的品牌保真度分数，不过是带了个小数点的凭感觉罢了。
真正的变量不是AI与人类之别，而是收尾工作。
那个为我重新定义了整个项目的夜晚，我正在回读NielsenIQ的调研数据。里面埋着一个我第一次读时匆匆略过的细节：研究中唯一一则消费者无法立刻辨认出是AI的广告，是一位专业人士经过大量反复编辑而创作出来的。不是生成后就发出去——而是生成之后，再由人花很长时间反复打磨。
那让我停了下来。整场公共讨论的框架都是"AI还是人类"，仿佛这就是那两个格子。但数据在告诉我，那个有预测力的变量并不是像素的来源。而是收尾工作——那份人类的反复打磨，磨掉机器至今仍会留下的那种诡异的毛边。AI几乎可以隐形地承担绝大部分工作。而决定你顾客的大脑会不会对成品发出警报的，正是那最后一道人类的把关——那个没有任何表格费心去定价的部分。
那就是如今整条流水线所依托的设计原则。在不触及顾客感知的地方——构思、变体生成、粗剪、本地化、素材产量——狠狠地用AI。而把人类的匠心留给任何要发出去的东西的收尾环节。"要紧处交给人，帮衬处交给AI"，针对每个品牌来调校，而不是当成一个模板来卖。
而且只要你这样来架构，效率提升是实打实的。AI增强型制作每件素材的成本接近100美元，相比之下传统方式为500到2,000美元，每件素材的人力投入减少约75%。本地化几乎到了令人尴尬的地步：传统本地化每分钟花费50到200美元，而在有人复核的情况下，AI本地化能以大约一半的成本交付人类品质的产出——这一点很重要，因为一家公司平均每年进入1.5个新市场，而糟糕的本地化会悄悄流失约20%的潜在营收。这些节省是真实的。只是它们必须被攒在顾客永远看不到的那些流程环节里。
实现这一点的工具是存在的，而我们对此刻意保持供应商中立。Adobe的GenStudio通过它所谓的StyleIDs把品牌规则编码进Firefly的生成之中，在Creative Cloud的世界里它出色极了——但它把你锁死在Firefly上做生成，而且它的视频落后于领跑者一年甚至更久。Typeface由一位前Adobe CTO创立，被百事、迪士尼和雅诗兰黛这类企业采用，拥有一套确实强大的治理层——但仅限于通过Typeface自身生产的内容。Bria会用多达5,000张你自己的图像训练定制品牌模型，这对图像工作很有力，却对视频毫无用处。Runway的Gen-4.5能产出当前最好的AI视频，带有真实的物理模拟——却零品牌治理；你拿到的是原始产出。Kling 3.0能以Runway约40%的成本做到多镜头一致性。它们没有一个能解决整个问题，而我亲眼看着不止一个品牌内容项目恰恰卡死在那些缝隙里——一个团队为治理买了Typeface，随后发现他们的视频流水线完全在它之外。工具与工具之间的缝隙，才是活儿真正所在的地方。
合规存在于你的元数据里，而非你的创意评审中
我看到品牌在法律层面所犯的错误，是把AI披露当成一个创意评审的勾选项。它不是。它是一个数据架构问题，而那条牙齿最锋利的规则，截止期限已经过去了。
欧盟《AI法案》第50条自2026年8月起生效，要求AI生成的内容必须以机器可读的格式标记，并可被检测为人工生成。请把这句读两遍。机器可读。那份义务并不存在于你创意总监的眼睛里，也不在你的审批会议上——它存在于你的数字资产管理系统和你的CMS里，在于每一条资产记录是否真的携带了AI来源元数据。我打开过太多AI来源"是/否"字段为空的DAM记录，实在没法相信这件事已经被处理妥当了。罚则也并非空谈：违反透明度规定最高可处1,500万欧元或全球营业额的3%。
而且这不是一条规则，它是一张正在碎裂的补丁拼图。FTC更新后的背书指南要求对合成的AI证言作出清晰而醒目的披露。纽约州的SB-8420A自2026年6月起生效，强制要求对商业广告中AI生成的合成表演者作出醒目披露。加州的AB 853也在分阶段引入它自己的一套要求。每个司法辖区、每条时间线、每个定义都略有不同。一个在所有这些地方销售的高端品牌，需要的是一个能满足最严格标准的统一治理框架，而不是四场各自去猜的创意评审。
你的AI披露义务并不存在于审批会议里。它存在于你的资产元数据中——而大多数品牌的元数据都是空的。
这是我们所构建的最不光鲜的能力，也是以我的经验，真正能促成签约的那一个，因为它正是会变成一笔罚款的那个部分。
但治理不仅仅是保险。我见过那些早早构建起成熟AI治理的品牌，不只是避开了罚款——它们还发得更快，因为它们的团队不再在每个项目上反复争论什么是被允许的。研究也印证了这一点：拥有成熟AI治理的组织，创新速度大约快2.5倍，合规风险大约低40%。那个让你免于对簿公堂的框架，正是那个让你得以行动的框架。
难道不能直接买个平台把这一切都搞定吗？
人们常常向我问同一个问题的各种版本：难道我们不能直接买个平台把这一切都搞定吗？而我必须诚实地说清楚，买来的软件在哪里止步。
那些大型系统集成商会欣然为你架构一套AI内容战略——这类合作项目动辄要价50万到500万美元乃至更高，而他们交付的是幻灯片和框架，不是能跑起来的流水线。反正他们往往会把实际的构建工作分包给像我们这样的公司。内部团队给你完全的掌控权和对品牌知识的直接触达，但AI原生的创意制作人如今极难招募，而从零构建治理会让大多数团队花上六到十二个月。像Superside这样的服务型公司能大规模地给你AI增强的人类匠心，但你买的是人力，不是一个你拥有并留存的系统。
有一条更硬的界限，是我学会在第一次会议上就点明的。没有任何外部方——不是平台，不是集成商，也不是我们——能解决你组织内部的认同问题。我曾与一位创意总监相对而坐，他毫不犹豫地告诉我，他不会把自己的名字署在AI作品上。他有这种感受并没有错，而任何治理架构都无法凌驾于它之上。如果那些打造你品牌的人从根本上抵制这套工作流，那么世界上最好的技术也只能闲置无用。你自己楼里的变革管理，得由你自己来担。我宁愿早点把这话说清楚，也不愿假装某个工具就能解决它。
我们能够拥有的，是那套架构：跨司法辖区的治理框架、匹配你真实需求而非某个平台路线图的供应商中立工具组合、能读懂你真实规范的基于VLM的品牌保真度评分、代理公司审计能力、针对你顾客会与不会容忍机器痕迹之处而调校的混合式流水线，以及用于本地化的文化适配评审。那就是我们为品牌内容团队所构建的系统，而且我们构建它，是为了与你已经在用的平台和代理公司相集成，而不是取代它们。
在接下来几年里胜出的品牌，不会是那些用了最多或最少AI的品牌。而会是那些理解了顾客始终在自己脑中运行着一台检测器、并据此构建出一套尊重这一点的制作系统的品牌——在机器帮得上忙处激进，在机器会背叛他们处隐形。那位手握敌意消费者调研的CMO并没有技术问题。她拥有的是一套让效率泄漏进了她顾客唯一正盯着看的那个地方的系统。堵上那处泄漏，AI就不再是一项声誉负债，而回归到它本该一直是的样子：一种更快地做出人们真正信任的作品的方式。
