有幸生在這個電腦、網際網路、AI 的年代。

現在一家公司要一天產出十篇像樣的文章，已經不是難事。標題通順、段落分明、關鍵字放在該放的位置，讀起來挑不出錯。問題在於你做得到，你的競爭對手也做得到。當每一家都能這樣寫，「像樣」就只剩下及格線的意思。

先做一個小測試。打開你官網上最新的那篇文章，把公司名換成隔壁同業的名字，從頭讀一遍。如果它還是完全成立，一個字都不用改，那這篇文章其實沒有替你說任何事。它只是把整個行業都同意的東西，用你的名義再講一次。

這篇要談的，是一篇文章裡換了名字就不成立的那一小塊。那一塊才算是你的。

01AI 寫的文章，Google 會扣分嗎

這大概是現在老闆最常問的內容問題。光是「用 AI 寫」這件事，不會讓一篇文章被扣分。

Google 在官方文件裡看的是做這份內容的原因。用自動化技術（包括 AI）產生內容，如果主要目的是操控搜尋排名，就違反垃圾內容政策；目的是幫到讀者，就沒有問題。

業界的看法也往同一個方向走。Zyppy Signal 在 2026 年 9 月發布了一份調查，請 131 位 SEO 專家替上百項可能的排名因素打分，範圍從 −3 到 +3。在內容品質那一類裡，「AI 生成內容」得到 −0.50，「規模化 AI 生成內容」得到 −1.82。這兩項在圖表上是分開列的，不是同一件事。原文也特別說明，負面看法主要針對缺少附加價值的批量內容，還有受訪者分享了經過嚴格人工審核的 AI 內容表現不錯的案例。

有一點要先講明，這份調查記錄的是從業者怎麼判斷，不是 Google 演算法裡的權重。拿來看方向可以，拿來算分數不行。不過方向已經夠清楚：會被扣分的是量產出來、彼此長得差不多、沒有多說什麼的內容，用不用 AI 倒在其次。

所以「AI 寫的會不會被抓到」可以先放下。比較值得問的是，這篇文章比網路上已經有的那一百篇，多說了什麼？

02內容被拉平之後，剩下兩樣東西

同一份調查裡，內容品質類得分最高的幾項是這些：原創研究與一手資料 +2.19、內容原創性 +2.02、資訊增益 +1.93、展現實際經驗 +1.78。

這幾項沒有一項跟文筆有關。它們問的都是你手上有沒有別人沒有的東西。

把這些項目收攏，最後剩下兩樣。一樣是現場：你親眼看過、親手做過的事。上個月哪個客戶在簽約前卡在哪一條、你們試過哪個做法結果失敗、報價單上哪一項最常被砍。另一樣是立場：面對一個有爭議的問題，你站哪一邊，理由是什麼。

Google 評估內容品質時用的框架叫 E-E-A-T，四個字母分別是經驗、專業、權威、可信。其中「經驗」是 2022 年才加進去的，要的正是第一手：親身用過、做過、拍過的紀錄，用來和網路上大量轉述、重製的二手內容區隔開來。而四項裡被放在最底層的是「可信」，其餘三項都是替它打地基。

現場和立場，AI 都生不出來。這兩樣東西本來就不在它手上，模型再強也一樣。

03缺料的時候，AI 只會寫出兩種東西

有一組討論 AI 寫業務方案的圖卡，把這件事講得很準。

它的例子是一句需求：「幫我設計一個快消訂單組托發貨方案。」AI 很快交出四條建議：加強 OMS、WMS、TMS 協同，建立托盤資訊共享機制，最佳化排車與裝車流程，完善異常補償機制。每一條都對，每一條也都放在哪家公司都成立。

圖卡的結論是，AI 在缺乏業務知識時只有兩種補法。用產業常識填空，得到「正確的廢話」；自己推測你公司的現狀，得到「看似專業的錯誤」。

把這兩種失敗搬到內容上，剛好對應前面那兩樣缺的東西。

正確的廢話，是沒有立場的文章。它把業界共識整理得很工整，讀完沒有人會反對，也沒有人會記得是誰寫的。換名測試會通過的，大多是這一種。

看似專業的錯誤，是沒有現場的文章。它引用的數字、規格、案例聽起來很有根據，其實是模型順手補上的。一篇外貿網站 SEO 的經驗文特別點出這一點：AI 經常編造數據和不存在的報告，文中出現的參數、標準、測試數據都要逐一核對；內容一旦出錯，排名會掉，正在比較供應商的客戶也會被帶錯方向。

圖卡上有一句話值得記下來：不是它不夠聰明，是你腦子裡的業務知識，它根本不知道。

04立場是一次取捨，不是一種語氣

立場是在兩個都說得通的做法之間選一邊，並且說出為什麼。它跟文筆、語氣都沒什麼關係，多加幾個驚嘆號也生不出來。

假設有一家小型烘豆商，要寫一篇「新手怎麼挑咖啡豆」。沒有立場的版本會列出十點：產區、處理法、烘焙度、新鮮度，每一點都對。有立場的版本會說：剛開始喝的人，我們建議先別買單品豆，挑一支配方豆喝滿一個月再說；還分不出風味差異之前，單品多出來的價差，買到的大多只是標籤。

後面那段話會有人不同意，同業可能第一個跳出來反駁。可是讀者讀完，記得住這家店怎麼想；下次要買豆子，也知道該不該信它。

那組方案圖卡的最後一頁，寫的是 AI 補齊業務知識之後能做到什麼：識別矛盾、提出路徑、說明取捨。說明取捨，AI 可以幫忙；但你的公司站在取捨的哪一邊，只能由人決定。這是判斷，而判斷得有人簽名。

05分工：AI 搭框架，人負責判斷與現場

我們自己的 journal 就是用 AI 流程產出的，所以這篇沒有要勸誰別用 AI。差別在於 AI 拿到的不是「幫我寫一篇 SEO 文章」這一句話。每一篇動筆前，選題表上會先寫好一欄「核心觀點」，說清楚這篇主張什麼；再寫一欄「寫作風險」，列出這篇最容易寫歪的方向。素材來自我們自己整理的知識庫，AI 負責搭架構、拉素材、寫初稿，人負責決定立場、補上現場、刪掉說得太滿的地方。

那篇外貿 SEO 的經驗文也給了一套相近的流程，大致是五步：AI 只負責大綱和初稿，提示裡寫清楚目標讀者與行業背景；人工補進真實案例、客戶回饋、踩過的坑，作者認為這一步最關鍵；逐一核對事實與數據；改掉模板式的句子，把開頭和結尾換成自己的口吻；最後控制節奏，寧可少而精，不要批量灌量。

如果要在這套流程上加一步，我們會加在最前面：動筆之前，先用一句話寫下「這篇我們主張什麼」。寫不出來，就還不到交給 AI 的時候。

還有一件事容易被忽略。改 AI 初稿時，你一定會遇到這種時刻：「我們不會這樣講」「這種客人我們其實不建議接」。每一次這樣的修改，都是一條立場。只改在稿子上，下一篇 AI 還會寫錯；寫回知識庫，它下次就知道了。方案圖卡的說法是：AI 每次理解錯的地方，就是知識缺口，而知識庫是在每次真實工作中慢慢長出來的。這跟我們在〈你的 AI 沒有原料〉談過的是同一件事：公司不缺資料，缺的是被寫下來的判斷。

從哪裡開始

不用先改流程，先回頭看已經發出去的東西。

把最近五篇文章拿出來，每篇問兩個問題。第一，把公司名換成同業，這篇還成立嗎？第二，讀者讀完，能不能用一句話說出「這家公司認為＿＿＿」？

兩題都過不了的那幾篇，不一定要刪。挑其中一篇，補進一段只有你們才知道的現場，再補一個你們願意為它負責的取捨。只改這兩處，它就會變成另一篇文章。

〈別追爆文，去蓋一棟房子〉談的是內容要成體系，一篇接著一篇往上蓋。這篇補的是每一塊磚本身。每塊磚都是通用規格的話，疊得再高，也看不出是誰家的房子。

這件事也是我們 SEO 與內容服務的日常：先看你手上有哪些現場、哪些判斷還沒被寫下來，再決定哪些題目值得寫，最後才輪到 AI 動筆。

讓 AI 加速，讓人定錨。

為品牌築根，為數位開路。