AI輔助創意

一句話定義

使用 LLM / ChatGPT 協助行銷創意工作中的文案發想 / 內容撰寫 / 企劃靈感——在「有一般常識但平庸的非專業人士」品質帶上瞬間生成「普通、常見」的可用基底，讓人專注在創意核心概念。

核心要點

• 與 AI輔助開發 的雙翼結構：vault 中 LLM 應用分類的兩個落腳點—— AI輔助開發 處理工程 / 程式 / 配置 / 翻譯 / 諮詢 / 增強類任務（有 ground truth 的領域）；本頁處理創意 / 文案 / 企劃 / 內容類任務（抽象主觀的領域）。兩者共享 Prompt-Engineering / ChatGPT / AI-幻覺 等上游概念，但下游品質判準不同：開發領域可用測試 / 型別 / 文件驗證；創意領域要由人主觀判斷「這個還能不能用」。
• 三類任務分類（傑哥（推測）035 期實測）：
  • 文案發想：產品命名、廣告標語、slogan——適合「散彈 → 收斂 → 變體」的迭代範式
  • 內容撰寫：社群貼文、宣傳文、產品體驗文——AI 能維持品牌標語上下文 / 從一個產品特色掰出整篇
  • 企劃靈感：行銷企劃、節慶連結、短片腳本、活動創意——「真正的難題」，AI 易給泛用版本，需給明確方向（例：「延伸某產品特性連結到某情緒」）才能跑出可用點子
• 品質定位：現階段 ChatGPT 像「有一般常識，但工作表現極為平庸的非專業人士」——可以閃電般產出「普通、常見」的內容建議。邊界判準：(a) 不期待高於市場水準的內容；(b) 給予明確方向的特定形式上（例：Facebook 貼文文案）；(c) 作為「能讓人直接修改的內容基底」而非終稿。
• 人機分工觀（核心命題）：

  頂尖的創意人才、專業的行銷從業人員可以不用花時間在庶務、重複性高的工作上，而是專注在想出創意核心概念，接下來讓 AI 根據這個概念去快速延伸各種內容形式

  • 這個分工是 002 「皮 vs 骨肉」原則的反向應用：002 警告人類不要只模仿外在的皮，必須有內在的骨肉；035 重新分配——骨肉（創意核心）= 人 / 皮（內容延伸）= AI。
• 反向供應鏈（出自 2026-05-08-曼報-EP251-AI時代兩種命）：AI 不只替創作者延伸內容，也會反過來吸收創作者的作品、聲音、表情、專業素材與互動樣本作為訓練資料。這條反向關係由 AI資料勞動 承接：當人把創作痕跡供應給模型，問題從「怎麼用 AI 發想」轉成「哪些人格 / 作品資產被 AI 供應鏈抽取」。
• 意圖是內容工作不可外包的核心：2026-07-30-VK-Make-Something-Wonderful 補上「AI 降低資訊傳遞成本，但內容是否有具體意圖」這條邊界。AI 可以協助蒐集、摘要、草擬與改寫；但為什麼此刻講這個故事、希望讀者帶走什麼、是否讓人感到被看見，仍是創作者要負責的創意核心。
• 適用情境（誰最受惠）：「孤軍奮戰、沒有完整團隊跟你一起討論的中小品牌行銷人員」——AI 補上人力 / 角度 / 速度的缺口；對位 001 提到的「數據驅動降低靈光一閃的依賴」—— AI 在類似的位置上「降低空白頁恐懼」。
• prompt 迭代範式（散彈 → 收斂 → 變體）：
  1. 散彈：先要 N 個粗糙版本（不給太多方向，看 AI 默認思路）
  2. 收斂：給明確方向（例：「超級英雄風格」「延伸某產品特性連結到某情緒」）再要 N 個
  3. 變體：選定一個版本後要求「優化 + 5 種版本」做 A/B 對比
  • 對位 Prompt-Engineering 的「迭代觀」（從基礎 prompt 開始，根據輸出缺陷補資料、約束、驗證）—— 035 是 vault 中第一個以實際 prompt-response 對話展示這個迭代範式的來源
• 多輪對話的上下文記憶：ChatGPT 可以連同前面問過的問題一起理解，追問不需要重新解釋背景——這是創意產出迭代的關鍵 UX 條件（不然每次都要重新貼上品牌資料、tone & manner、目標族群等）
• 已知缺陷與應對：
  • 輸出截斷：「話講一講就停下來」，特別是要求大量內容時——應對 prompt：「你話還沒講完」
  • 自信編造：對「有正確答案的知識與資訊」可能「自信滿滿給你錯誤答案」——驗證責任仍在人（呼應 AI-幻覺 / AI輔助開發 的「驗證責任仍在人」原則）
  • 沒見過產品也能掰：產品體驗文沒提供具體規格也能寫出整篇——雙面刃：可以快速生成基底，但事實性無法被信任
  • 過於泛用：第一輪企劃多半是「萬用版」，必須給連結點 / 反差點 / 情緒鈎子才能跑出有特色的版本
  • 想不到第 N 個：要求 6 個但只能給 3-4 個就停下，無法靠自由發揮補完——AI 的「創意儲備」有上限
• 時態定位（元命題）：

  我們在討論的不是「未來可能的趨勢」，而是「現在我們已經確定可以利用 AI 完成哪些任務」

  • 與其擔心「還有多久 AI 才會真正威脅到我的工作」，該開始思考「現在我已經可以利用 AI 幫助我完成什麼」——本頁累積的不是預測，而是已驗證的可用範圍

與其他概念的關係

• 是 Prompt-Engineering 的具體應用場景：prompt 品質取決於能否把創意任務放進「散彈 → 收斂 → 變體」迭代範式 + 給予明確方向（風格 / 情緒 / 連結點）。
• 與 AI輔助開發 形成「LLM 應用 × 領域」雙翼：開發領域可用測試驗證；創意領域必須由人主觀判斷可用性。共享上游 prompt 工法，下游驗證機制不同。
• 與 AI-幻覺 有直接張力：創意領域 AI 可以「沒見過產品也能掰」整篇體驗文——對發想來說是優點，對事實宣稱來說是風險。
• 對位 數據驅動創意：兩者都是「降低人類創意過勞」的工法——數據驅動讓「社群輿情」當創意的起點；AI 輔助讓「LLM」當內容延伸的執行者。它們不衝突，可組合：數據驅動找方向 → AI 輔助跑內容變體 → 人定核心概念。
• 對位 創意風格：創意風格 強調「有資格談風格 = 必須對特定領域有深度共鳴」；本頁的人機分工把「深度共鳴」歸給人類，把「形式延伸」歸給 AI——風格的核心仍在人。
• 對位 002 期 的「皮 vs 骨肉」：035 用這個原則做人機任務分配——人負責骨肉 / AI 負責皮。
• 與 Context-Engineering 相關：多輪對話累積的上下文（品牌名 / 產品特性 / 已選定的標語）是 context window 的有效利用；好的創意產出需要把所有歷史 prompt 視為延伸 context 的一部分。
• 在 行銷漏斗 / 流量池模型 中的位置：漏斗中段內容產出（社群貼文 / 體驗文 / EDM）可由 AI 加速；漏斗頂端的「創意核心 / 切入角度」仍應由人主導。
• 與 SEO / 技術SEO 對位：SEO 內容產製是 AI 輔助創意的典型應用場景——關鍵字研究 + 大綱生成 + 內容草稿 + meta description + FAQ Schema 都可由 LLM 加速；但需 SEO 從業人員把關「對齊搜尋意圖」，否則 AI 寫出來的內容雖通順但無法排名。對位 Welly 來源的元命題「速度不如相關性」——AI 解決速度，相關性仍歸人。
• 與 AI資料勞動 互為正反面：本頁描述 AI 如何成為創作者的延伸工具；AI資料勞動 描述創作者 / 工作者如何成為 AI 模型與產品的資料供應者。

相關來源

• 2026-04-30-Indie-Creative-035-AI行銷企劃 — 035 期：傑哥（只要有人社群顧問，推測）；vault 中第一個以「AI 工具實測 + 完整 prompt-response 對話紀錄」為主結構的 Indie Creative 期數；以假想「戰士盾牌」防撞手機殼品牌為 sandbox 跑完命名 → 標語 → 貼文 → 體驗文 → 情人節企劃 → 30 秒短片腳本 → 6 個活動創意全流程；確立三類任務分類 + 品質定位 + 人機分工 + 適用情境 + 已知缺陷
• 2026-04-28-ChatGPT-Prompt-Guideline — 開發者視角的 LLM 應用分類（轉置 / 配置 / 翻譯 / 諮詢 / 增強）；與本頁的創意視角分類（文案 / 內容 / 企劃）形成「Prompt-Engineering 在不同領域的角色映射」對位
• 2026-05-01-Welly-技術SEO9大項目 — SEO 內容產製的對位場景；AI 輔助是內容延伸工具，技術 SEO 與搜尋意圖相關性是品質前提
• 2026-05-01-AI時代資料科學技能樹 — 資料科學職涯對位來源；本頁是創意層的 AI 應用，與 資料科學 從業者層的 AI 衝擊形成「創意 vs 從業」雙視角覆蓋
• 2026-05-08-曼報-EP251-AI時代兩種命 — 補入 AI資料勞動 反向視角：AI 訓練資料市場會吸收創作者 / 工作者的作品、聲音與人格特徵，讓「AI 輔助創意」不只是一條工具使用線，也是一條資料供應鏈線。
• 2026-07-30-VK-Make-Something-Wonderful — 補入內容工作中的「意圖」邊界：AI 可降低資訊傳遞與草稿成本，但題目選擇、時機感、讀者感受與作者想傳達的關心仍由人負責。

備註

• 此頁目前以單一來源（035 期）建立，依「新建頁必須被至少一個既有頁連結 + outbound 3 條以上」原則，主要透過 ChatGPT / Prompt-Engineering / AI輔助開發 / Indie-Creative-電子報 / MOC-行銷增長 / MOC-LLM-應用設計 backlinks 進入網絡。
• 未來累積方向：
  • 不同模型 / 不同年代的對位：035 是 2022-12 推測時點的 ChatGPT（GPT-3.5 era），如未來 ingest GPT-4 / Claude / Gemini / Sora 的行銷實測來源，可累積「模型世代 × 創意品質」軸。
  • 不同任務類型的細部 prompt 範式：社群貼文 / EDM / 短影音腳本 / 圖文小卡 / 廣告標語 / 商品文案 / 新聞稿 / KOL 業配腳本 等任務的 prompt 範式可在本頁累積為任務模板庫。
  • AI 生成視覺：035 結尾提到「再搭配 AI 生成視覺就更猛了」——如未來 ingest Midjourney / DALL-E / Stable Diffusion / Sora 在行銷中的應用來源，可拆出 AI生成視覺 子頁或併入本頁。
  • AI Agent 行銷自動化：本頁目前停留在「單輪 / 多輪人機協作」階段，如未來 ingest agent + 工具調用做完整 campaign 自動化的來源，可建 Agent行銷 或併入 Agent / Augmented-LLM 的應用層。
  • 失敗案例集：035 觀察到「體驗文掰造規格 / 企劃過於泛用 / 想不到第 N 個 / 自信給錯」等已知缺陷；如未來累積實際品牌使用 AI 翻車的案例，可建「AI 輔助創意失敗案例集」段。
• 可累積到本頁的觀察軸：
  • AI 為什麼在創意 / 文案領域平庸？——「抽象主觀 / 難用計算優化」是 035 給的解釋，但這個解釋本身可隨模型進化重新檢驗。
  • 「孤軍奮戰中小品牌」是不是真的最大受惠族群？——大代理商的內部使用 / 個人創作者的應用 / 大型品牌的 brand voice 守護等不同情境的對位案例。
  • 人機分工的失敗模式：如果人「只給核心概念」但概念太抽象，AI 跑出的延伸會脫節；如果人「事必躬親」，又喪失 AI 加速的價值。這個「多深的核心概念才能讓 AI 跑出有用延伸」是值得累積的判準。