上周在一个内容团队的例会上，有人演示了新工具：把三百字的需求粘进去，二十秒后弹出八百字初稿，结构齐整，语气顺滑。会议室安静了两秒，随后有人说“以后是不是不用写了”。散会后我路过那位同事的工位，她正在把刚才那篇初稿逐句改，改了两个小时。
这个场景大概能说明AI内容创作此刻的真实位置：它把“从零到一”变便宜了，却没有把“从一到能用”变便宜。
省下来的时间，去了哪里
把写作拆开看，其实是几件不同的事：搜集材料、决定说什么、组织顺序、落笔成句、核对事实、调整语气。模型介入最深的是第四件——落笔成句，因为它最接近“预测下一个词”这件事本身；而前面几件和最后两件，仍然大量落在人身上。
于是出现一种错位：初稿成本骤降，评审和修改的成本没降，有时反而上升。因为机器写得越顺，越容易让人放松警惕，把一段读起来没毛病、实际上没有依据的文字直接放出去。
它擅长的是平均，不是判断
模型学到的是大量文本里的共现规律，输出的是给定上下文下最可能的表达。这意味着它天然倾向“最常见的那种说法”。对通稿、说明、常规科普，这正好够用；对需要辨识度的内容，它起的是反向作用——你的品牌之所以是你，恰恰在那些不那么常见的措辞和取舍里。
所以很多人第一次用AI内容创作时会觉得“能用，但不像我”。这未必是提示词没调好，而是目标本身有偏差：你要的不是概率最高的那句话，是有理由的那句话。
能真正改善结果的几件事
- 给素材，不给形容词。与其写“语气专业又亲切”，不如贴三段你认为合格的旧文。
- 明确“不要写什么”。禁用词清单往往比风格描述更有效，模型对否定式约束的响应通常更直接。
- 分段生成。一次要两千字，等于让它一次性做完所有决策；先定结构，再逐节填。
- 保留人工改写这一环，并把它写进流程，而不是靠自觉。
边界在哪里
最需要人守着的是事实。模型对不确定的东西也会给出确定句式，这是运作方式决定的，不是态度问题。数字、时间、引用、承诺，凡是出了错要担责的部分，都不该由它独自完成。其次是同质化：同一个提示词给十个团队，会得到十篇相似的东西，这在信息密度低的内容里不明显，在需要观点的内容里很致命。
我的判断是，AI内容创作短期内不会替代写作者，但它会重新分配各环节的比重——遣词造句的比重下降，判断、取材和核实的比重上升。把这件事当成“买一个工具”的团队，往往几个月后就回到原样；真正见效的，是把它当成一次流程改造，先想清楚哪一步可以交出去，哪一步必须留在人手上。