夜里，编辑把一段由模型写出的产品说明贴进文档，读了两行就停住。句子没错，语气也顺，甚至比白天匆忙写的那版更完整。问题在于，它像一份谁都能用的说明书，唯独不像这家公司的人在说话。
这类停顿，最近在内容工作里越来越常见。AI内容创作把“写出来”这一步压缩得很短，几秒钟就能得到一版草稿。但草稿之后的那半小时，往往才是决定这段文字能不能发出去的地方：删掉空泛的形容词，补上只有内部人才知道的限制条件，把一句过于肯定的判断改回谨慎表达，再让语气和页面上其他文章接得上。
生成之后，先做减法
模型擅长把常见说法组织得很顺，也容易把“正确但无用”的句子留下。比如一段介绍服务流程的文字，初稿可能写了“高效、便捷、全流程支持”，读起来没有硬伤，却无法回答读者真正关心的问题：提交之后多久会有人回应，哪些环节需要人工确认，出现偏差时找谁。编辑要做的不是继续润色这些形容词，而是把它们换成可核对的信息。
我倾向于把AI内容创作看成一次“草稿放大”：它把可选表达摊在桌面上，让人更快看见哪些句子只是顺手，哪些句子背后有真实判断。放大之后，减法先起作用。删掉一句不承担信息量的套话，通常比再加三个修饰词更能让文章站住。
事实边界要由人来守
模型不会天然知道一家公司的业务边界，也不会自动区分“行业里常见”和“我们确实这么做”。它给出的内容可能合理，却不一定准确。涉及具体承诺、时间、范围、责任划分时，编辑需要回到可确认的材料，不确定的地方就用更保守的说法，或者干脆不写。这个动作看起来慢，却省掉了后面反复解释的成本。
语气也是同理。同一个意思，放在公告里、产品页上、社交媒体里，密度和温度都不一样。AI内容创作可以快速给出多种版本，但选择哪一种，取决于写作者对读者关系的判断。这个判断很难外包。
把它放回工作流里
更现实的做法，是别让模型承担“一次成稿”的角色。先让它整理材料、列问题、把散乱笔记压成短句，再由人决定文章的重心；初稿出来后，用人工通读检查事实、语气和段落之间的衔接。这样做不会让写作变得轻松多少，但能把精力从敲字挪到判断上。
AI内容创作真正改变的地方，可能不是“谁都能写”，而是写作者要更清楚自己为什么写、写给谁、哪些话不能含糊。生成那一下很快，后面那半小时慢下来，文字才重新有归属。