为什么你最得力的员工在抵触 AI？通常是因为他们有标准，而工具达不到。把代理商里的 AI 阻力当成“人的问题”，你得到的是强制推行、培训日，以及晚上 7 点还在返工机器产出的疲惫骨干。把它当成“标准问题”，那些抵触者就会变成让 AI 产出达到交付水准的关键人物。
关于质量的讨论，很少像现在这样公开。Marketing Week（英国《营销周刊》）上月刊文，BBH 联合创始人 Sir John Hegarty 批评如今的大量营销“重复、陈词滥调、无聊”。他认为这个行业如今充斥着懂电子表格却不懂创意的“左脑思维者”，并指出“大约 95% 的新品上市都失败了”——他说尽管数据多了很多，这个比例 20 年来却没有变化。把平庸的 AI 产出灌进这样的体系，你只会更快地得到更多同样的东西。
为什么资深员工会抵触 AI 工具？
本周在新加坡的一场 AI 应用分享会上，一位代理商创始人对此坦率得令人意外。他花了 18 个月，试图把自己约 20 人的代理商改造成“AI 原生”，并且大力推动全员使用。当他仔细观察谁在抵触时，发现这些人并不是技术恐惧者。他们抵触的是糟糕的产出：系统在生产劣质的工作成果，而他们被迫使用它。
这些人已经入行五六年，清楚什么才叫好。AI 初稿达不到要求时，他们只能自己重做，于是干脆回到老办法。在他看来，所谓 AI 阻力，往往只是工具没有达到团队的标准。质量一旦失守，行为改变就无从谈起。
这对任何一位代理商老板都是一次有用的视角转换。那位不肯发送 AI 写的进度报告的客户总监，或者把 AI 做的用户画像从头重做的策略人员，并不是在刁难你。他们是在替你做质量把关——没有报酬，也没人感谢。
强推 AI 会让代理商的职业倦怠更严重吗？
有可能。推行不当时，AI 会让工作量翻倍：因为被要求，先用工具出一版初稿；又因为这样的东西没法给客户看，再手动改一遍。再加上“采用得不够快”的内疚感，资深员工被耗尽几乎是必然的。
推行得当，效果则恰恰相反。在 Forbes Agency Council（福布斯代理商委员会）一篇讨论代理商如何保持不可替代的文章中，Multiply 的 Matt Jayson 指出，广告系列搭建和质检是最容易自动化的工作：“对于一个高速增长的客户来说，这轻轻松松就是每周 20 小时看不见的工作。”这类苦差，连同工时表、进度报告、尺寸适配、预算跟踪和竞品审计，才是 AI 应该拿走的。
区别在于，产出能否不经二次返工就达到标准。如果自从推行 AI 之后团队加班更多了，那工具并没有节省时间，只是把时间挪到了晚上。
为什么人们对 AI 的信任崩塌得这么快？
信任理论（Trust Theory）给出了朴素的解释：当我们相信一个人或一个系统有能力、靠得住、并且站在我们这边时，才会信任它。这几点都只能通过经验和对话赢得，无法靠宣布获得。一个连续交出三份糟糕初稿的工具，就失去了“有能力”的说服力；一个没征求团队意见就强加的工具，就失去了“站在我们这边”的感觉。
这正是强制推行会适得其反的原因。使用量看板能告诉管理层谁登录了，却无法告诉他们员工是否信任产出。只有对话能做到：坐到策略人员身边，问她改了什么，为什么改。
客户也在做同样的计算。这位新加坡创始人的观点是，你不能把半成品交给客户，因为这正是失去客户信任的方式。你的抵触者，其实是在守护客户关系。
“好”的标准应该由谁来定义？
由那些本来就懂的人。这位创始人的解决办法，是给领域专家一个明确的角色——审批人（Approvers）：由他们定义什么是好，没有他们签字，任何东西都不能交付。人人都能从 AI 中受益，但不是人人都需要去搭建它。专家的职责是设定标准。
不妨把常见的抵触信号，解读为关于标准、而非态度的信号。
| 抵触的表现 | 通常意味着什么 | 应该怎么做 |
|---|---|---|
| 员工悄悄回到旧模板 | 产出没达到他们的质量线 | 请他们展示修改了哪些地方；修系统，而不是修人 |
| 改初稿比自己写还慢 | AI 在增加工作，而不是减少 | 统计修改时间；在采纳率提升前暂停该工作流 |
| 没人愿意把 AI 产出交给客户 | 他们看不到结论从何而来 | 要求每条 AI 结论都有可追溯的来源 |
| 资深员工不用，初级员工过度依赖 | 标准从来没有写下来 | 让专家担任审批人，定义什么是好 |
| 每次全员会上都有人拿“机器人”开玩笑 | 工具是在没有沟通的情况下强推的 | 让团队参与工具的选择和测试 |
Forbes 专家组反复提到的主题也指向同一方向：问责、判断力，以及承担那些 AI 无法被追责的工作，才是代理商保持不可替代的关键。
如何把 AI 抵触者变成审批人？
- 找到嗓门最大的怀疑者，请他们展示修改记录。AI 初稿和他们最终发出的版本之间的差别，就是你对“好”的具体规格。
- 把标准写下来。语气、结构、信息来源、绝对不能出现的内容。如果标准只存在于某位资深员工的脑子里，AI 和新员工都无法达到。
- 让专家担任真正有权力的审批人。任何 AI 辅助的工作在交给客户之前都要经他们签字，他们也有权叫停不达标的工作流。
- 衡量修改时间，而不是登录次数。如果修改比重做还费时，就先停下来修好工作流，再考虑推广。
- 把修改反馈回去。把审批人的每一次修改变成更好的提示词、模板和示例，让下一版初稿需要的修改更少。
- 从看不见的工作开始。广告搭建、质检、报告和监测——出错代价低，省下的时间立刻能感受到。
- 公开讨论。每两周花半小时聊聊哪些有效、哪些无效，比任何推行通知邮件都更能建立信任。
什么样的 AI 产出才值得信任、可以交付？
专家能够核查证据的产出。资深策略人员会接受一条能看清来源、可以自己判断的 AI 结论；而一段口气笃定却毫无出处的文字，她会直接否掉。
这正是为什么在 Defy 平台上，每一条 AI 结论都能追溯到背后真实发布的帖子。策略是从受众和竞品实际发布的内容中反向推导出来的，而不是来自问卷调查，审批人可以打开证据，自己做判断。
这位创始人说，人类并不擅长改变。人是 AI 转型中最大的阻碍，也是最大的推动力。你的团队会成为哪一种，取决于工具是否尊重他们的标准。
