一半的顧客會懲罰 AI 品牌內容，我們卻打造出照用不誤的方法
去年，一位行銷長把一份簡報推到我面前的桌上。那是她的代理商提交的工作說明書，其中一項寫著「AI 增強製作」。旁邊的數字，和代理商向來為製作收取的費用一模一樣——完整的傳統費率。同一週，她的團隊針對這項條目所產出的作品做了一場消費者座談。結果充滿敵意。人們用他們自己的話說，這些廣告惱人、而且有點空洞無魂。她生氣的不是 AI，而是她付著高價來製造顧客正悄悄拒絕的內容，而整條產業鏈上竟沒有一個人告訴她。
那場會議，正是我們打造出這套系統的原因。而AI 品牌內容，其核心問題在 2026 年並不在於技術是否夠好——它確實夠好，而且每個月都在進步。真正的問題在於：你可以積極運用 AI，把內容做得更快、更便宜，但只要有可觀比例的顧客一察覺到，就會在那一刻懲罰你。因此，我們最終確立的目標，也就是我們如今為品牌團隊打造的成果，幾乎是自相矛盾的：無情地運用 AI——在流程之中，卻讓它隱形——在產出之中。混合式製作管線、品牌一致性評分，以及一套經得起監理機關質問的治理層。
讓我帶你走一遍我是怎麼走到這一步的，包括我們推出過、卻失敗的那個版本。
高階主管的信念，與消費者的實際行為
先從一道應該讓任何行銷主管感到害怕的落差說起。IAB 在 2026 年發現，82% 的廣告高階主管認為 Z 世代與千禧世代消費者對廣告中的 AI 抱持正面看法，實際上卻只有 45% 的消費者如此。這是 37 個百分點的認知落差，也正是策略簡報與顧客之間的距離。
你看得越久，情況越糟。消費者對 AI 內容的偏好，已從 2023 年的 60% 跌到 2026 年的 26%。Gartner 在 2026 年 3 月針對超過 1,500 位美國消費者所做的調查發現，如今有半數消費者更偏好那些避免在面向消費者的內容中使用生成式 AI 的品牌。而根據 Adobe 的 2026 年數位趨勢報告，有三分之一的消費者一旦發現某品牌的內容是 AI 生成的，就會徹底停止與該品牌互動。
你有一半的顧客並不討厭 AI 內容。他們討厭的是能夠一眼看穿。
我向抱持懷疑的行銷長展示過最有用的一個數字來自 Smartly.io：當廣告完全由 AI 製作、相較於與真人共同創作時，消費者信任度會從 48% 掉到 13%。這是單一製作決策所造成的 73% 信任崩跌。我看過的任何一張試算表裡，都沒有哪項內容成本的節省，能抵得過信任度下滑 73%。這筆帳只有在 AI 隱形的前提下才算得過來。
真正讓這件事棘手、而不只是一句品牌口號的，是這種抗拒並不只是意見層面——它是生理層面的。NielsenIQ 的神經科學研究測到，面對 AI 廣告時（即使是精修過的），大腦中的記憶活化較弱。消費者評價這些廣告比傳統廣告更惱人、更無聊、更令人困惑。早在意識形成看法之前，大腦就已經在做偵測了。
每位行銷長都極力避免的那個「可口可樂時刻」
我談過的每一位行銷主管，私底下都對某個特定事件感到恐懼，即使他們不把它說出口。可口可樂在 2025 年為一支節慶廣告生成了約 70,000 支片段，卻招來反彈，把整件事從「創新」重新定義成「廉價」與「反烏托邦」。Toys "R" Us 在一部用 Sora 製作的影片裡放進一個 AI 生成的童星，觸發了近乎原始本能的排斥。麥當勞在觀眾強烈抗議後撤下了一支節慶廣告。這些都不是在邊緣試水溫的小品牌，而是地球上最頂尖的行銷組織——內容卻依然踩錯了。
真正該讓代理商端主管夜不成眠的那件事則不同，因為它無關品味。2025 年 6 月，隸屬 Omnicom 集團的巴西代理商 DM9，在坎城國際創意節（Cannes Lions）拿下創意數據類全場大獎（Creative Data Grand Prix）。調查人員後來發現，那支案例影片使用了 AI 生成的畫面來模擬活動成效，其中包括未經許可就竄改的 CNN Brasil 報導畫面。該公司的創意長辭職。十二座獎項遭撤銷。坎城更為日後每一件參賽作品導入了強制性的 AI 揭露與偵測工具。
那不是某個不受控的自由接案者偷工減料，而是一家大型集團代理商，為了業界最高的榮譽而偽造證據——背後是那股再尋常不過、要求展現 AI 驅動成果的壓力。而這直指一個多數品牌從未大聲問過自家代理商的問題：
如果你的代理商正以你從未批准的方式使用 AI，一旦事情曝光，聲譽風險由誰承擔？由你承擔。
我經常想起那份工作說明書簡報。品牌付的是傳統費率，代理商把 AI 帶來的效率收進口袋，而揭露義務——無論是法律上還是聲譽上的——則全都落在品牌身上。這種不對稱本身就是那套商業模式。我們如今所做的一部分工作，就只是在事情演變成品牌在公眾面前的麻煩之前，稽核代理商實際上用了什麼、有沒有揭露。
我們的第一版品牌一致性評分器為何失敗？
接下來是我比較不引以為傲的部分，也是真正教會我們什麼才值得賣的部分。
當我們著手衡量 AI 生成的內容是否符合品牌調性時，我支持了那個顯而易見的做法。你拿品牌的參考圖像，把它們做成向量嵌入，再把新素材也做成嵌入，然後為相似度打分——也就是 CLIP 分數，大多數廠商私下都在用的標準圖文比對技術。我們把它做了出來，它產出一個介於 0 到 1 之間的漂亮數字，展示效果也很出色。我被說服了。
接著我們把它用在一個試點品牌的真實產出上。這個評分器很開心地放行了一張違反該品牌標誌留白規範的圖像——也就是標誌四周必須保留的最小空白邊距——只因為那張圖看起來在統計上與參考圖組相似。與此同時，它卻把一件完全合規的素材標記為不符品牌，只因為它的色彩分級不尋常。我記得我盯著那份報告，心想這個數字既自信、又錯得離譜。
那次失敗換來了之後的一切。CLIP 式的相似度衡量的是「這個看起來像不像那個」。它根本不知道你的品牌規範實際上寫了什麼。「看起來符合品牌」和「遵守標誌留白規範」是兩個完全不同的問題，而相似度分數根本分辨不出兩者。
於是我們改用視覺語言模型（VLM）重新打造它——這類系統既能讀懂一張圖像，又能讀懂你寫下的品牌規範，並拿兩者互相核對。問的不是「這個和過去的作品像不像」，而是「標誌有沒有留出規定的空白、字體是否來自核可的字型家族、語氣是否符合文件裡記載的品牌聲音」。這比做一個相似度分數更慢、也更惱人。但它也是唯一一個能讓創意總監信任到願意放進審核流程的版本。
一個無法引述自己所執行規則的品牌一致性分數，不過是一種帶著小數點的感覺罷了。
真正的變數不是 AI 對真人，而是收尾的工。
那個重新定義了整個專案的夜晚，我正回頭翻閱 NielsenIQ 的座談數據。裡頭藏著一個我第一次略過的細節：研究中唯一一支消費者無法立刻辨識為 AI 的廣告，是一位專業人士經過大量反覆修編所打造出來的。不是生成完就出貨——而是先生成、再由真人耗費長時間反覆打磨。
那讓我停了下來。整場公共討論都被框定成「AI 還是真人」，彷彿只有這兩個選項。但數據卻告訴我，具預測力的變數並不在於來源——就那些像素本身而言。真正關鍵的是收尾的工——也就是由真人反覆打磨、把機器仍會留下的那種詭異違和感磨平的過程。AI 幾乎可以隱形地扛下所有工作。真正決定你顧客的大腦會不會對成品亮起警示的，是最後那道真人親手把關——這個部分沒有任何試算表願意去計價。
這就是整條管線如今賴以建立的設計原則。在不觸及顧客感知的地方——發想、變體生成、粗剪、在地化、素材量產——就狠狠地用 AI。而把真人的匠心，保留給任何要出貨東西的收尾這一道。「在要緊處用真人，在有幫助處用 AI」，並且針對每個品牌量身調校，而不是當成範本來賣。
而當你這樣搭建架構時，效率是實實在在的。AI 增強製作每件素材的成本接近 $100，相較之下傳統做法要 $500 到 $2,000，每件素材的人力投入約可減少 75%。在地化這一塊幾乎令人難為情：傳統在地化每分鐘要 $50 到 $200，而只要有真人審過，AI 在地化就能以大約一半的成本交出人類品質的成果——這一點很重要，因為一家公司平均每年會進入 1.5 個新市場，而糟糕的在地化會悄悄流失約 20% 的潛在營收。這些節省是真的。只是它們必須被存放在顧客永遠看不到的那些流程環節裡。
做這件事的工具是存在的，而我們刻意在廠商選擇上保持中立。Adobe 的 GenStudio 透過它所謂的 StyleIDs，把品牌規則編碼進 Firefly 的生成之中，在 Creative Cloud 的世界裡表現極佳——但它把你的生成綁死在 Firefly 上，而且它的影片能力落後領先者一年甚至更久。Typeface 由前 Adobe 技術長創立，PepsiCo、Disney 和 Estée Lauder 這類品牌都在用，它有一套確實強大的治理層——但僅限於透過 Typeface 本身產出的內容。Bria 用你自己多達 5,000 張的圖像訓練客製化品牌模型，這對圖像工作很強大，對影片卻毫無用處。Runway 的 Gen-4.5 能產出目前最好的 AI 影片，帶有真實的物理模擬——而品牌治理則是零；你拿到的是未經處理的原始產出。Kling 3.0 能以大約 Runway 四成的成本做到多鏡頭一致性。它們沒有一個能解決整個問題，而我親眼看過不只一個品牌內容專案，正是卡死在那些縫隙裡——某個團隊為了治理買了 Typeface，接著才發現他們的影片管線完全在它的涵蓋範圍之外。工具與工具之間的縫隙，才是真正的工作所在。
合規存在於你的中繼資料裡，而不是你的創意審核裡
我看到品牌在法務面犯的錯誤，是把 AI 揭露當成創意審核中的一個勾選框。它不是。它是一個資料架構的問題，而且那條最有牙齒的規則，其期限已經過了。
歐盟《AI 法案》第 50 條自 2026 年 8 月起生效，要求 AI 生成的內容必須以一種機器可讀的格式被標記，並且能被偵測為人工生成。這句請讀兩遍。機器可讀。這項義務不存在於你創意總監的眼睛裡，也不在你的審核會議上——它存在於你的數位資產管理系統和你的 CMS 之中，存在於每一筆素材紀錄究竟有沒有真正帶著 AI 來源出處的中繼資料。我打開過太多「AI 生成：是/否」欄位空白的 DAM 紀錄，實在無法相信這件事已經被處理好了。而罰則也並非紙上談兵：違反透明度規定，最高可處 1,500 萬歐元或全球營業額的 3%。
而且這還不是單一一條規則，而是一張不斷碎裂的拼布。FTC 更新後的背書指南，要求對合成的 AI 見證式廣告做出清楚且顯著的揭露。紐約州的 SB-8420A 自 2026 年 6 月生效，強制要求對商業廣告中 AI 生成的合成演出者做出顯著揭露。加州的 AB 853 則分階段導入它自己的一套要求。每個司法管轄區、每條時間軸、每個定義都略有不同。一個要在這所有市場銷售的高端品牌，需要的是一套能滿足最嚴格標準的治理框架，而不是四場各自猜測的創意審核。
你的 AI 揭露義務不存在於審核會議裡。它存在於你的素材中繼資料中——而大多數品牌的中繼資料是空的。
這是我們打造的能力中最不光鮮的一項，卻也是依我經驗真正促成簽約的那一項，因為它正是會演變成罰款的那個部分。
但治理不只是保險。我看過那些早早建立起成熟 AI 治理的品牌，不只是避開了罰款——它們出貨更快，因為它們的團隊不再在每個專案上反覆爭論什麼是被允許的。研究也證實了這一點：擁有成熟 AI 治理的組織，創新速度大約快 2.5 倍，合規風險則約低 40%。那套讓你免上法庭的框架，正是那套讓你得以行動的框架。
這一切，難道不能直接買個平台就好？
人們常常換著法子問我同一個問題：這一切，我們不能直接買個平台就好嗎？而我必須誠實說明，買來的軟體到哪裡就走不下去了。
大型系統整合商很樂意為你規劃一套 AI 內容策略——這類專案的價碼從 $500,000 到 $5,000,000 起跳，而他們交付的是投影片與框架，不是能運作的管線。反正他們往往會把實際的建置工作分包給像我們這樣的公司。內部團隊能給你完全的掌控權，以及對品牌知識的直接取用，但 AI 原生的創意製作人現在極難招聘，而從零打造治理，多數團隊要花上六到十二個月。像 Superside 這樣的服務商能大規模地給你 AI 增強的人力工藝，但你買的是人力，而不是一套你自己擁有並保有的系統。
還有一個更難跨越的限制，我已經學會在第一次開會時就把它說清楚。沒有任何外部方——不是那些平台，不是整合商，也不是我們——能替你解決組織內部的認同問題。我曾坐在一位創意總監對面，他毫不猶豫地告訴我，他不會把自己的名字掛在 AI 作品上。他這麼想並沒有錯，而任何治理架構都凌駕不了它。如果打造你品牌的那群人從根本上拒絕這套工作流程，全世界最好的技術也只會被閒置。你自家大樓裡的變革管理，得由你自己來扛。我寧可早早把話說明，也不願假裝有個工具就能搞定它。
我們真正能夠掌握的，是架構本身：跨司法管轄區的治理框架、依你真實需求而非某個平台路線圖來搭配、且不綁定廠商的工具組合、以 VLM 為基礎、會去讀你真正規範的品牌一致性評分、代理商稽核能力、依你顧客在哪裡會、又在哪裡不會容忍機器產物而調校的混合式管線，以及為在地化所做的文化適配審查。這正是我們為品牌內容團隊打造的那套系統，而我們打造它，是為了與你早已在用的那些平台和代理商整合，而不是取代它們。
在接下來這幾年勝出的品牌，不會是用了最多 AI、或用了最少 AI 的那些，而會是那些明白了顧客的腦子裡隨時都跑著一台偵測器、並據此打造出一套尊重這件事的製作系統的品牌——在機器能幫上忙的地方積極進取，在它會出賣自己的地方保持隱形。那位手裡拿著充滿敵意消費者座談結果的行銷長，並沒有技術問題。她有的是一套讓效率滲漏進她顧客正盯著看的那唯一一處的系統。把那道滲漏堵上，AI 就不再是一項聲譽上的負債，而回到它一直以來本該扮演的角色：一種讓人們真正信任的作品得以更快產出的方式。
