為什麼你最得力的員工在牴觸 AI？通常是因為他們有標準，而工具達不到。把代理商裡的 AI 阻力當成“人的問題”，你得到的是強制推行、培訓日，以及晚上 7 點還在返工機器產出的疲憊骨幹。把它當成“標準問題”，那些牴觸者就會變成讓 AI 產出達到交付水準的關鍵人物。
關於質量的討論，很少像現在這樣公開。Marketing Week（英國《營銷週刊》）上月刊文，BBH 聯合創始人 Sir John Hegarty 批評如今的大量營銷“重複、陳詞濫調、無聊”。他認為這個行業如今充斥著懂電子表格卻不懂創意的“左腦思維者”，並指出“大約 95% 的新品上市都失敗了”——他說盡管資料多了很多，這個比例 20 年來卻沒有變化。把平庸的 AI 產出灌進這樣的體系，你只會更快地得到更多同樣的東西。
為什麼資深員工會牴觸 AI 工具？
本週在新加坡的一場 AI 應用分享會上，一位代理商創始人對此坦率得令人意外。他花了 18 個月，試圖把自己約 20 人的代理商改造成“AI 原生”，並且大力推動全員使用。當他仔細觀察誰在牴觸時，發現這些人並不是技術恐懼者。他們牴觸的是糟糕的產出：系統在生產劣質的工作成果，而他們被迫使用它。
這些人已經入行五六年，清楚什麼才叫好。AI 初稿達不到要求時，他們只能自己重做，於是乾脆回到老辦法。在他看來，所謂 AI 阻力，往往只是工具沒有達到團隊的標準。質量一旦失守，行為改變就無從談起。
這對任何一位代理商老闆都是一次有用的視角轉換。那位不肯傳送 AI 寫的進度報告的客戶總監，或者把 AI 做的使用者畫像從頭重做的策略人員，並不是在刁難你。他們是在替你做質量把關——沒有報酬，也沒人感謝。
強推 AI 會讓代理商的職業倦怠更嚴重嗎？
有可能。推行不當時，AI 會讓工作量翻倍：因為被要求，先用工具出一版初稿；又因為這樣的東西沒法給客戶看，再手動改一遍。再加上“採用得不夠快”的內疚感，資深員工被耗盡幾乎是必然的。
推行得當，效果則恰恰相反。在 Forbes Agency Council（福布斯代理商委員會）一篇討論代理商如何保持不可替代的文章中，Multiply 的 Matt Jayson 指出，廣告系列搭建和質檢是最容易自動化的工作：“對於一個高速增長的客戶來說，這輕輕鬆鬆就是每週 20 小時看不見的工作。”這類苦差，連同工時表、進度報告、尺寸適配、預算跟蹤和競品審計，才是 AI 應該拿走的。
區別在於，產出能否不經二次返工就達到標準。如果自從推行 AI 之後團隊加班更多了，那工具並沒有節省時間，只是把時間挪到了晚上。
為什麼人們對 AI 的信任崩塌得這麼快？
信任理論（Trust Theory）給出了樸素的解釋：當我們相信一個人或一個系統有能力、靠得住、並且站在我們這邊時，才會信任它。這幾點都只能透過經驗和對話贏得，無法靠宣佈獲得。一個連續交出三份糟糕初稿的工具，就失去了“有能力”的說服力；一個沒徵求團隊意見就強加的工具，就失去了“站在我們這邊”的感覺。
這正是強制推行會適得其反的原因。使用量看板能告訴管理層誰登入了，卻無法告訴他們員工是否信任產出。只有對話能做到：坐到策略人員身邊，問她改了什麼，為什麼改。
客戶也在做同樣的計算。這位新加坡創始人的觀點是，你不能把半成品交給客戶，因為這正是失去客戶信任的方式。你的牴觸者，其實是在守護客戶關係。
“好”的標準應該由誰來定義？
由那些本來就懂的人。這位創始人的解決辦法，是給領域專家一個明確的角色——審批人（Approvers）：由他們定義什麼是好，沒有他們簽字，任何東西都不能交付。人人都能從 AI 中受益，但不是人人都需要去搭建它。專家的職責是設定標準。
不妨把常見的牴觸訊號，解讀為關於標準、而非態度的訊號。
| 牴觸的表現 | 通常意味著什麼 | 應該怎麼做 |
|---|---|---|
| 員工悄悄回到舊模板 | 產出沒達到他們的質量線 | 請他們展示修改了哪些地方；修系統，而不是修人 |
| 改初稿比自己寫還慢 | AI 在增加工作，而不是減少 | 統計修改時間；在採納率提升前暫停該工作流 |
| 沒人願意把 AI 產出交給客戶 | 他們看不到結論從何而來 | 要求每條 AI 結論都有可追溯的來源 |
| 資深員工不用，初級員工過度依賴 | 標準從來沒有寫下來 | 讓專家擔任審批人，定義什麼是好 |
| 每次全員會上都有人拿“機器人”開玩笑 | 工具是在沒有溝通的情況下強推的 | 讓團隊參與工具的選擇和測試 |
Forbes 專家組反覆提到的主題也指向同一方向：問責、判斷力，以及承擔那些 AI 無法被追責的工作，才是代理商保持不可替代的關鍵。
如何把 AI 牴觸者變成審批人？
- 找到嗓門最大的懷疑者，請他們展示修改記錄。AI 初稿和他們最終發出的版本之間的差別，就是你對“好”的具體規格。
- 把標準寫下來。語氣、結構、資訊來源、絕對不能出現的內容。如果標準只存在於某位資深員工的腦子裡，AI 和新員工都無法達到。
- 讓專家擔任真正有權力的審批人。任何 AI 輔助的工作在交給客戶之前都要經他們簽字，他們也有權叫停不達標的工作流。
- 衡量修改時間，而不是登入次數。如果修改比重做還費時，就先停下來修好工作流，再考慮推廣。
- 把修改反饋回去。把審批人的每一次修改變成更好的提示詞、模板和示例，讓下一版初稿需要的修改更少。
- 從看不見的工作開始。廣告搭建、質檢、報告和監測——出錯代價低，省下的時間立刻能感受到。
- 公開討論。每兩週花半小時聊聊哪些有效、哪些無效，比任何推行通知郵件都更能建立信任。
什麼樣的 AI 產出才值得信任、可以交付？
專家能夠核查證據的產出。資深策略人員會接受一條能看清來源、可以自己判斷的 AI 結論；而一段口氣篤定卻毫無出處的文字，她會直接否掉。
這正是為什麼在 Defy 平臺上，每一條 AI 結論都能追溯到背後真實發布的帖子。策略是從受眾和競品實際釋出的內容中反向推匯出來的，而不是來自問卷調查，審批人可以開啟證據，自己做判斷。
這位創始人說，人類並不擅長改變。人是 AI 轉型中最大的阻礙，也是最大的推動力。你的團隊會成為哪一種，取決於工具是否尊重他們的標準。
