AI 在創意領域：品牌真正的變革

創意中的 AI：品牌真正改變了什麼

TL;DR：在 HUMAN X 會議上，Typeface 的 Abhay Parasnis、AudioShake 的 Jessica Powell，以及 Picsart 的 Mikayel Vardanyan 解釋說：創意中的 AI 並沒有消除人的價值；它只是把競爭優勢轉向相關性、個人化、品味、信任，以及能夠協調日益複雜的工作流程。

在 HUMAN X 會議上，由 Nora Ali 主持的座談針對行銷人員、媒體團隊與科技公司的一個關鍵問題展開討論：當內容生產以 AI 的速度加速，創意正在如何改變？浮現出的答案很明確。如今，問題不再只是要快速產出內容。真正的問題是要產出與品牌一致、並且對受眾可信的、相關且具語境脈絡的內容。

總結：AI 能大幅降低製作時間與成本，但讓那些無法輕易標準化的部分變得更重要。最重要的是：價值從單純的執行轉向決策品質。

HUMAN X 會議：速度與品質之間的新平衡

討論涵蓋了三種相互補充的觀點。Typeface 的 Abhay Parasnis 提出了「AI 應用於個人化行銷」的觀點。AudioShake 的 Jessica Powell 則展示了 AI 如何轉變先前不可能或太耗時的音訊工作流程。Picsart 的 Mikayel Vardanyan 描述了更廣的願景：多個代理與模型能降低創作者與團隊的作業摩擦。

語境很重要。這不是一場關於自動化的理論辯論，而是對組織內行銷活動、資產與創作流程正在如何改變的實務反思。

創意中的 AI：摩擦消失在哪裡、瓶頸又留在哪裡

根據 Parasnis 的說法，AI 已經消除了兩種歷史性的摩擦：內容創作的成本與時間。由於文字、影像、影片與音訊的模型日益有效，製作不再是主要障礙。瓶頸轉移到別處：在即時情境中保持相關性，以及真正個人化訊息與接觸點的能力。

這意味著，內容量的充沛並不會自動保證有效性。相反，它可能會增加雜訊。

新的煞車主要有三項：

在正確時刻的相關性

在受眾、產品與通路上的深度個人化

人類對品質、語氣與機會的判斷

Parasnis 強調一個關鍵面向：當每個人都能使用類似的平台時，優勢不僅在工具本身，而在於如何套用判斷、信任與品牌語調。

AI 時代的「品味」是什麼意思

座談中浮現的一個最強烈觀點是：「品味」並沒有通用的定義。Parasnis 將它連結到語境：B2B 與 B2C 的標準不同；獲客與參與遵循不同的邏輯。正因如此，品味才難以完全自動化。

在這種情境下，品味意味著判斷能力。它意味著知道要傳遞什麼訊息、要傳給誰、何時傳、以及以什麼形式傳。它也意味著要避免那些在美學上正確、但在策略上卻毫不相關的溝通。

對 Typeface 來說，品味的核心元素之一是極致相關性。若品牌在未考量既有客戶關係的情況下溝通，只會產生摩擦而非價值。在一個被內容飽和的生態系中，即便資產打磨得再好，如果送達的語境不對，仍會失去成效。

第二個組成部分是信任。Parasnis 將品味這個概念連結到訊息的真實性與可靠性的感知。在 AI 生成內容變得更常見的環境中，品牌必須傳遞一致性與正確性，而不只是創意的卓越。

關鍵問題：如何用 AI 生成的內容建立信任？

答案：透過更貼切、侵入性更低、且與客戶真實輪廓更一致的溝通來建立信任。

Parasnis 引述了一個案例：一家大型美國電信公司向數百萬用戶寄送相同的電子郵件，儘管它掌握了大量關於方案、購買行為與消費輪廓的語境資料。介入的重點不是「產出更多內容」，而是寄送更少、且更有針對性的內容。據報導，因為對每個區段傳遞了更相關的訊息，點擊率（click-through rate）與後續轉換（downstream conversions）約提升了 93%。

策略上的教訓非常清楚：有效的個人化不等同於大量增加輸出。它等同於更好的訊息選擇。

如何避免 AI 內容同質化

座談中明確討論了同質化的風險。Parasnis 強調「AI slop」的問題：當很多人使用相似的工具、採用相似的邏輯時，結果就會開始彼此雷同。

Typeface 的做法分為兩個層次。

品牌語境與系統的唯一紀錄（system of record）

概念是用品牌的特定語境來訓練系統：包含語氣、產品目錄、受眾、資料與分析。在這種邏輯裡，價值不只來自基礎模型（base model），而是來自那層使輸出對特定商業來說更具辨識性、也更有用的語境。

跨通路協調

個人化不能止步於單一接觸點。Parasnis 強調：一封個人化的電子郵件把所有人都導向同一個著陸頁，並不會創造出真正相關的體驗。因此，必須在同一套個人化邏輯下協調電子郵件、網站與社群。

這代表行銷中 AI 的未來不只是更快地生成資產。而是要在資產、通路與客戶旅程中的每個時刻之間維持一致性。

AudioShake：當 AI 讓不可能變為可能

Jessica Powell 補充了一個很有用的觀點：透過區分生成式 AI 與其他機器學習應用。在 AudioShake 的案例中，所引用的技術是「來源分離」（source separation），也就是把既有音訊的各個組成部分分離出來。簡單說，來源分離就是把同一段聲音軌裡的人聲、音樂、雜訊或其他元素分離出來。

這項能力在兩方面改變工作流程。

第一是提高產出效率：讓廣播、社群與後製內容的製作能更快完成。

第二是更有趣的一點：讓那些過去完全不可用的素材變得可用。Powell 給出具體例子，例如在嘈雜環境錄製的片段，或因背景音樂而無法發布的內容。在這些情況下，AI 不只是加速，還解鎖新的創意與配發（distribution）可能性。

關鍵問題：人類判斷在哪裡進入到 AI 強化的創作工作流程？

答案：當系統產生出組成成分或選項時，人類專家就需要決定最終形式、審美呈現方式，以及創意優先順序。

Powell 解釋說：一旦音訊軌道被分離，後續的每個決策仍然深深是人類在主導。一位音訊工程師、一個後製團隊或一位 A&R 專業人士會運用多年經驗，去決定混音應該怎麼聽、要如何把它調整到某個格式，或要如何在新的情境中強化它。

最重要的是：AI 擴大了人類人才的範圍，它不會在高影響的高品質步驟中抹去人類的功能。

Picsart：更少的技術選擇，更多聚焦在要解決的問題

Mikayel Vardanyan 點出一個越來越相關的議題：模型激增造成的決策疲勞。對終端使用者而言，理解該用哪個模型來做影片、影像或其他任務，往往是一種不必要的負擔。Picsart 試圖透過整合眾多模型，並讓它們在幕後依照使用情境運作，來降低這種摩擦。

接著又浮現另一個同樣重要的觀點：隨著自動化程度提高，需要能夠協調（orchestrating）的人。Vardanyan 談到的是能理解流程、品味、品質，以及正確的應用時機的人。只使用 AI 工具是不夠的，它們必須在商業目標中被協調起來。

另外，他也觀察到品味是一種實驗性的現象。在很多情況下，真正有效的並不一定等同於創作者的個人品味，而是與特定受眾產生共鳴，例如 Gen Z 或 Millennials。這讓由 AI 驅動的創意又回到非常具體的地面：測試、受眾回應，以及持續調整。

AI 驅動創意經濟中真正重要的技能

最後，座談聚焦到團隊、角色與技能。Jessica Powell 強調通才（generalist）的角色，尤其在像新創與敏捷團隊這樣的動態情境中。能在設計、社群、溝通與內容之間移動的人，能創造很大的作業優勢，同時也仍然適合在需要深度的地方與專家搭配。

Vardanyan 用更廣的視角強化了這種觀點：理解企業如何在橫向運作——從產品到財務、從使用者需求到 AI 工具——會成為一項決定性的能力。他的想法是，市場將愈來愈偏好混合型人才，甚至是能夠運用自動化的獨立創業者（solopreneurs）。

而在收尾時，Abhay Parasnis 被問到用兩個字該選哪個技能時，答案立刻揭曉：「品味與信任。」

品牌與創意團隊現在應該做什麼

這個座談帶來一個清晰方向。

加速製作不再就夠了

相關性是首要的競爭槓桿

個人化必須具語境並涵蓋跨通路

人類判斷在高價值時刻仍然至關重要

最強的技能結合了適應力、商業素養與批判性思維

總結：創意中的 AI 不會降低門檻。它只是把門檻移動。把重心放在純粹的製作上更少，放在策略、一致性、信任，以及理解對受眾而言真正重要的能力上更多。

FAQ

創意中的 AI 是什麼意思？

創意中的 AI 指的是使用人工智慧系統來加速、擴展，或使文字、影像、影片與音訊等格式的內容生產成為可能。然而，在 HUMAN X 的座談中，大家指出：當 AI 受到語境、品味與商業目標的引導時，真正的價值才會出現。

AI 會取代創意人嗎？

這段討論並不暗示線性地取代創意人。相反，它暗示的是角色的轉型。當創作成本更低、所需時間更少時，人類判斷、選擇能力、品質控管以及品牌一致性就會變得更重要。

如何避免 AI 內容看起來都一樣？

座談中給出的答案是：使用專屬的語境、品牌資料、受眾知識以及跨通路的協調。沒有這些要素，輸出就有風險變得跟任何使用相同基礎模型的人都很像。

今天要在 AI 驅動的創意工作中需要哪些技能？

需要通才的適應能力與專家的技能。特別是，發言者強調品味、信任、產品理解、商業知識，以及能夠跨不同職能協作的能力。

為什麼個人化如此重要？

因為當內容生產變得工業化後，真正能拉開品牌差距的，是能把對的訊息在對的時間傳給對的人。相關的個人化能改善體驗、提升信任與帶來更好的成效。

要深入了解創意中的藝術及其影響，探索像 LABA 提供的教育路徑，或像 SAE Institute 這樣的專門機構也很有用。

最後，對於想要掌握最新科技創新的人，我們強調 Grok 3 API 的推出——Elon Musk 針對 GPT-4o 的替代方案——目前已向開發者開放；以及像 TurboLearn AI 這樣的創新工具，它能把 PDF、影片與音訊轉成個人化筆記、測驗與快閃卡。