回顾金投赏：AI时代，好问题即好创意
“你过去花80分努力能赚100块，现在可能花120分努力只能赚50块。别去纠结比例，先去适应新规则。”
——金投赏创始人贺欣浩《未来广告行业如何干》
适应什么新规则？
是AI这个超级变量公平而冷酷地降临；还是说了无数遍的行业结构性转折；抑或是更宏大的经济周期问题所引发的阵痛。
都是，都有，都要直面。
而且三者还在互相叠加着持续影响，将规则推向更新。具体新到什么程度，谁都无法准确描绘，但有的是人先行动起来，成为新规则的叙述者，甚至从局部去定义去解释，到底新在哪里、可以如何应对。
以AI为例。去年这时候大家还只是将AI视为一种趋势，相信其必然性，却不至于有如临大敌的危机感。
直到deepseek发布，你我迷迷糊糊过了一个还算安稳的春节，复工正式进入工作状态才意识到，用“后院起火”都不能形容实际的巨变。而且变化还在以乘X的超级速度持续迭代。
今年过年还能像去年那样踏实吗？估计很多人心里都要打一个问号。
“AI正在推动营销与创意行业，从工业时代的生产范式，向智能时代的生态范式进行一场彻底的‘系统重置。”
这话就是deepseek总结的。与此同时，对于AI的认识和讨论还存在很多局限性。最典型的，很多声音都认为“AI只是一种超级工具”。但AI效用的大小由使用它的人决定。
你是在用AI生成内容，还是在用AI做或大或小的决策，完全是两码事。
在一个组织里，AI停留在工具层，还是被落地在具体的项目里，同样属于不同维度的应用。
那么我们要如何认识AI？对于品牌、代理商而言，这个超级变量会产生怎样的影响？
2025金投赏创意节圆桌上，数英听到了些答案，有甲乙方的探索经验，也有平台跑成功的应用实践。
更重要的是有人抛出了好问题，虽说尚未给出圆满回答，但提问题本身就是在促成下一个开始。
圆桌主题：《AI时代，好的创意案例成功标准有何不同?》
主持人：须聪 前京东零售市场营销部负责人
嘉宾：黄介中 Google大中华区首席市场官
孙学 华扬联众 首席运营官
游仁宏 顶新国际集团便利、餐饮连锁事业 行销副总
具体如：当AI基于行为数据归因的结果，和人的直觉判断不一致时，该如何决策？
更大的担忧：在AI的推动下，平台会不会走向自证的陷阱，变成“数据孤岛”。那时愈发依赖平台的品牌，还能在不同平台孤岛之间，建立起相对统一的形象吗？分裂的用户心智，如何弥合？
我们更想直面“内容通胀”——当内容生产成本持续下降，传播压力却在上涨，既能生产又能传播的AI，真能智慧到帮我们破开这个死循环吗？
问题尖锐而实际，待从头梳理。
一、认知决定看到的世界
对AI的认知程度，直接影响着我们对变化的评判。
有嘉宾犀利谈到：“之所以说AI工具化，是因为目前更多还是员工在用AI，因为他们最有危机感……”
而很多公司，还在方向上摇摆：
设立单独AI预算，还是融入组织体系；
由企业主推动，还是由代理商先行一步；
AI 究竟是一项新功能，还是能从底层撼动企业甚至产业运作逻辑的新动力。
而一旦变化，必将给组织带来震动，要如何处理后续连锁反应？
工作流程中，哪部分是可以由AI完成的。
对应岗位的职责，需要扩大，还是要从方向上进行调整。
更大的组织架构，要调整吗？部门之间还像过去那样有明确区分吗？
粗暴来说，过去的一个坑一个萝卜的岗位逻辑，还会适用吗？
圆桌主题：《打造人与AI高效合作的新一代组织》
主持人：王高 中欧国际工商学院市场营销学教授
嘉宾：李强 智联招聘集团 副总裁
宋琦 贝壳找房首席市场营销官
张雷 百胜中国首席资讯技术官
“把组织结构打平，变成项目制，将AI用在具体的项目里。”
“部门间的小闭环，会被打破。”
“以后组织内部，没有绝对的边界。”
“组织能量的大小，不会由人员数量决定，一个人也可能形成一个大组织”
“以前（薪资）按照岗位来定价，以后按照技能来定价。”
嘉宾们一言道出真相，尤其智联副总裁对薪酬价值逻辑的总结，能帮我们从底层理解变化——
不再基于岗位定薪酬，是因为过去点对点的分工逻辑不再适用，未来更要求大家有复合能力，尤其是基于本职在横纵向工作流中看到逻辑，并通过参与逻辑、影响逻辑，取得结果的能力。
也就是局部的know how。
而且这部分能力无法被量化、更无法被AI取代，它也能让你更好的应用AI，也就是所谓的超级个体。
从组织角度看，人效也是如此提升的，至于如何用AI整体提升事效，还是要由管理者基于业务模式从上而下推动，由具体的业务驱动AI落地。这样更有方向，也能有阶段性成果来验证、再校准。而不是漫无目的探索，边发现AI的无所不能边焦虑。
说到底一切问题都是在处理关系，我们会对新变量这么恐惧，也是因为没找到和它最匹配的关系。
让AI为我所用，为事所用，为组织所用，并导向最终的价值生产，这也是金投赏所呼吁的——让技术服务于“模式创新”和“创造意义”。
二、如何理解变化
那么问题来了，要怎么用。
一方面，内容生产被无限平权，任何人都能基于AI产出海报、文案、脚本、说得过去的视频。创意、内容层技能，一夜之间贬值。相关产业价值链，也被打乱再分配。
“品牌—代理商—平台这三方的关系正在改写。过去以‘创意外包+流量采买’为主。而如今AI让品牌能力上移、平台权力强化、代理地位重新洗牌。”
品牌方能力上移指：原本外包的很多内容生产环节，都能由AI消化。
对应代理商的改变则为：越到执行层的产出，越不值钱，甚至订单趋近于0。业务模式和价值逻辑都在受到挑战，许多广告公司、代理商或主动或被动地寻求转型。
有的向上求，发展更高价值的业务模式；有的横向拓展媒介资源，保证从内容生产到传播能自行闭环，给客户更好地交付结果。后者也更像个自行运转的生意机器。
生产力侧的变动还只是表象，更关键在于，AI会渗透到从洞察—创意—投放—反馈全链条的系统，从而促成一种全新的产业运转方式。
“企业开始设立新的角色：AI内容工程师、提示设计师、算法策略师、合规审查官。
他们像是营销团队的新神经元，让创意与算力协同共振。”
过去我们还能说“广告工业水准如何如何”，以后势必要从智能化角度衡量，而且要关注智能化的程度，以及该智慧系统是不是健康可持续，后者涉及到可能的“孤岛”困境。
“AI的崛起带来新的效率，同时也加深了“数据孤岛”的裂缝。不同平台、不同模型各自定义标准、封闭数据，这使得品牌很难获得全局视野。”
圆桌主题：《AI时代的测量与归因革命》
主持人：方军 上海数见管理咨询 创始人
嘉 宾：蔡启东 博观瑞思集团 董事长
梁定郊 广东电声市场营销股份有限公司 董事长
杨光宏 北京联世传奇网络技术有限公司 创始人
杨静怡 保乐力加品牌总监
总的来说，AI冲击的不只是创意生产的方式和效率，还有更底层的数字传播逻辑——变得更动态、更个性化，而且能实时评估、即时优化。
这也使得传播链条更有弹性，有调整的空间和余地；
同时还意味着评估过程被大大拉长，不再像过去那样只能事后复盘；实现了某种程度的“效果可视化”，当然更多只是数据层的可视化。
因为数据只是用户行为的外在表现，不一定代表真正动机。要时刻判断AI给出的归因结论为真，还是为假。也就是前文提到的那个好问题——“当AI基于行为数据归因的结果，和人的直觉判断不一致时，该如何决策？”
虽然嘉宾答案统一指向“还是要由人来做最后的决策”，但你我都知道实际要经历的决策过程，远比这一句答案复杂。
三、警惕陷阱：AI的谎言和投机性
进一步追问，为什么会归因错误？
是因为AI只能机械地通过种种数据做判断。而数据反映的是相关性，但不保证因果性。
相关性指，A行为和B结果有关联。因果性则为，A行为导致了B结果。其中的偏差，可想而知。
此外，数据非常擅长精准地反映局部。但人的行为逻辑更偏向网状化，一个购买决策或者朋友圈点赞、小红书收藏行为背后，有太多因素在叠加，对复杂行为的分析能力提出更高考验，
这种能力既需要对当下数据表现快速反应，又要结合实际经验综合判断。针对AI会撒谎哄骗这一点，有嘉宾就调侃其为——“精准地导向错误”，文章以为不过分。
周宏骐 新加坡国立大学 商学院兼任教授
另外，非常依赖数据的AI还有可能陷入数据的圈套中，尤其当预设的优化目标比较单一时，风险更甚。
因为AI本身没有意图，它只会疯狂地完成人类设定的KPI。而简单的数据目标，是能够由畸形的途径来完成的，但是AI对于畸形还是健康，没有认知。此所谓——AI具有投机性。
再就是更大的矛盾了，比如文章一开始提到的，AI会加剧平台之间的孤岛效应。每个平台都是一个巨大的回音壁，回音和回音之间，很难达成共识，这也导致了品牌容易面临用户心智不一致、甚至分裂的风险。
到底要精准还是要共识，会是个不小的问题，或者已经是。
最后：保持有效地提问
如上，有很多问题只有解释，没有或未能给出答案。可是答案重要吗，或者即使有人给出肯定的答案，大家还会信任吗，可信度有几分？
尤其在这个过渡期阶段，任何肯定句式及保证都显得轻率。而且AI本身就是一个生产各种答案的机器，它可以站在任何立场、任何视角。
还有互联网上类似“三大招五个要点”的方法论，以及打着观点之名实则是为了流量而做的强行发言，对于这些大家还没听够吗？
更别说即使让AI犀利地批判自己，即把文章第三部分的风险讨论交给AI，它也不在话下。
可，谁来提问呢？
是说有效地提问，不用大概念迷惑，也戒掉那种下意识用大话题或经典的营销名词去回避具体、回避新变化的习惯。
而且，提问意味着发现了问题甚至是变化，发现了「新」。而之所以能发现，是因为对既有秩序有认知有了解，提问是在有逻辑、有方向地关联旧和新、现在和过去。有效地提问，就是在推动向前。
能预见到的是，在不缺答案的现在以及未来，好问题本身就是一种创造，它能吸引来具体的经验、有全局观的解释，这些和提问一起，又能推动变化更明晰一些，也更有操作的可能。
撰文：Dreamer
转载请在文章开头和结尾显眼处标注：作者、出处和链接。不按规范转载侵权必究。
未经授权严禁转载，授权事宜请联系作者本人，侵权必究。
本文禁止转载，侵权必究。
授权事宜请至数英微信公众号(ID: digitaling) 后台授权，侵权必究。
评论
评论
推荐评论
全部评论（5条）