AI在创造力中的应用：对品牌的真正影响

创造力中的AI：品牌究竟会发生什么变化

一句话总结：在HUMAN X大会上，Typeface的Abhay Parasnis、AudioShake的Jessica Powell以及Picsart的Mikayel Vardanyan解释道：创造力中的AI并不会消除人的价值——它只是把竞争优势转移到相关性、个性化、品味、信任，以及对越来越复杂工作流进行编排的能力。

在HUMAN X大会上，由Nora Ali主持的小组讨论聚焦了一个对营销人员、媒体团队和科技公司都至关重要的问题：当内容生产以AI的速度加速时，创造力会如何变化？由此得出的答案非常清晰：今天，问题不再只是快速生产内容。真正的难题在于，打造与品牌一致、并且对受众而言可信的、相关且有情境的内容。

总结而言：AI会大幅减少制作时间和成本，但会让那些难以轻易标准化的东西变得更重要。最关键的是，价值从单纯的执行转向决策的质量。

HUMAN X大会：速度与质量之间的新平衡

讨论包含三个相互补充的视角。来自Typeface的Abhay Parasnis提出了一个观点：AI应用于个性化营销。AudioShake的Jessica Powell展示了AI如何把过去不可能或过于缓慢的音频工作流彻底改变。Picsart的Mikayel Vardanyan则给出了更宏观的愿景：多个智能体和模型能够降低创作者与团队的运作摩擦。

情境很重要。这并不是关于自动化的理论争论，而是对组织内部活动、素材以及创作流程正在如何改变的实践性观察。

创造力中的AI：摩擦消失在哪里，瓶颈仍留在哪里

据Parasnis所述，AI已经消除了两个长期存在的历史性摩擦：内容创建的成本与时间。随着对文本、图像、视频和音频愈发有效的模型出现，制作不再是主要障碍。瓶颈转移到别处：能否在实时层面保持相关性，以及能否真正个性化信息与触点。

这意味着，内容的充裕并不自动等于有效。相反，它可能会增加噪音。

新的“刹车”主要有三类：

在正确的时刻保持相关性

针对受众、产品和渠道的深度个性化

让人类在质量、语气以及机会上做判断

Parasnis强调一个关键点：当每个人都能访问类似的平台时，优势不只是来自工具，而在于如何应用判断力、信任感与品牌话语。

AI时代的“品味”是什么意思

小组讨论中出现的最强观点之一是：“品味”并没有一个通用的定义。Parasnis将其与情境关联起来：B2B和B2C采用不同的标准；获取与参与遵循不同的逻辑。正因如此，品味很难被完全自动化。

在这种情境下，品味意味着判断能力。它意味着理解要发送什么信息、给谁、在何时、以什么形式发送。它也意味着避免那些在审美上看起来正确，但在策略上却毫无关联的沟通。

对Typeface而言，品味的核心要素之一是极致的相关性。一个在没有考虑与客户既有关系的情况下进行沟通的品牌，会制造摩擦而不是价值。在一个被内容充斥的生态系统里，即使素材打磨得很好，如果到达的时机与情境不对，也会失去效果。

第二个组成部分是信任。Parasnis将“品味”与信息的真实性与可靠性所带来的感知联系在一起。在AI生成内容日益常见的环境中，品牌必须传达一致性与正确性，而不只是创造力的光彩。

关键问题：如何用AI生成内容建立信任？

答案：用更贴切、侵入性更低、且更符合客户真实画像的沟通来建立信任。

Parasnis提到了一个案例：一家美国大型电信公司向数百万用户发送完全相同的邮件，尽管他们掌握了大量关于套餐、购买行为与消费画像的情境数据。介入的做法并不是“生产更多内容”，而是发送更少的、更有针对性的内容。报告称结果提升了约93%的点击率和下游转化，这归功于对每个细分人群发送了更相关的信息。

战略上的启示很明确：有效的个性化并不等同于不断增加输出数量。它等同于更好的信息选择。

如何避免AI内容同质化

明确讨论了同质化风险。Parasnis强调“AI烂活（AI slop）”的问题：当很多人使用相似的工具、遵循相似的逻辑时，结果就会开始彼此相像。

Typeface的应对建立在两个层面之上。

品牌情境与记录系统

理念是用品牌的特定情境来训练系统：品牌声音、产品目录、受众、数据与分析。在这种逻辑下，价值并不只来自基础模型本身，而来自情境这一层——它让输出对该特定业务而言更具差异性与可用性。

跨渠道编排

个性化不能止步于单一触点。Parasnis强调：如果个性化邮件把所有人都导向同一个落地页，就无法形成真正相关的体验。因此，邮件、网页与社交需要在同一套个性化逻辑中协调起来。

这意味着，营销中AI的未来不仅是更快地生成素材。更重要的是在素材、渠道与客户旅程中的各个时刻之间实现一致性的编排。

AudioShake：当AI让不可能变为可能

Jessica Powell补充了一个很有用的视角：区分生成式AI与其他机器学习应用。就AudioShake而言，所提到的技术是源分离（source separation），也就是把现有音频的各个组成部分分开。简而言之，源分离就是把同一段音轨中的人声、音乐、噪声或其他元素进行隔离。

这种能力会以两种方式改变工作流。

第一是生产层面：它能让广播、社交以及后期制作内容的处理更快。

第二是更有趣的：它让那些以前根本无法使用的材料变得可用。Powell给出了具体例子，比如在嘈杂环境中录制的片段，或因为背景音乐而无法发布的内容。在这些场景中，AI不仅加速了流程，还解锁了新的创意与分发可能性。

关键问题：人类的判断力在AI增强的创作工作流中何时介入？

答案：当系统产出组件或选项时，最终形式、审美呈现与创意优先级仍需要专家来决定。

Powell解释说，一旦音频轨道被分离，之后的每个决策仍然是深度的人类工作。音频工程师、后期制作团队，或A&R专业人士，会凭借多年的经验来判断混音应该是什么样、如何适配到特定格式、以及如何在新的情境中进行增强。

最重要的是：AI会扩大人类人才的能力范围，而不会抹除它在高影响力的关键定性步骤中的作用。

Picsart：更少的技术选择，更关注要解决的问题

Mikayel Vardanyan谈到了一个日益相关的问题：由于模型激增而带来的决策疲劳。对终端用户来说，弄清楚在视频、图像或其他任务中应使用哪个模型，往往是没有必要的额外负担。Picsart试图通过整合众多模型，并让它们在后台根据使用情境自动协作，从而降低这种摩擦。

由此引出另一个同样重要的点：随着自动化增加，需要具备编排能力的人。Vardanyan谈到那些能够理解流程、品味、质量以及正确的应用时机的人。仅仅使用AI工具还不够——它们必须在业务目标之下被协调起来。

另外，他对品味的观察也很有意思：品味往往是一种实验性的现象。很多时候真正有效的，并不一定与创作者的个人品味一致，而是与特定受众群体能产生共鸣的内容一致，例如Gen Z或千禧一代。这让由AI驱动的创意重新落回非常具体的基础：测试、受众反馈，以及持续适配。

AI驱动创意经济中真正重要的能力

最后，小组把话题转向团队、角色与技能。Jessica Powell强调了通才的角色，尤其是在初创企业和敏捷团队这类动态情境中。能够在设计、社交、沟通与内容之间切换的人，能够带来显著的运营优势，同时在需要深度的地方也能与专家进行搭配，保持有效协作。

Vardanyan用更宏观的视角强化了这一点：理解业务如何在横向层面运转，从产品到财务，从用户需求到AI工具，这是一项决定性的能力。他的观点是，市场将越来越倾向于混合型人才，甚至是能够利用自动化的个体创业者（solopreneurs）。

而在结尾，当Abhay Parasnis被问到今天要在两句话里选择哪项技能时，回答立刻给出：“品味和信任。”

现在品牌与创意团队应该做什么

从这个小组讨论中可以看出一个清晰方向。

加速生产不再足够

相关性是首要的竞争杠杆

个性化必须是有情境的，并且覆盖跨渠道

在人类判断仍在高价值时刻保持至关重要

最强的能力融合了适应性、商业理解力与批判性思维

总结而言：创造力中的AI并不会降低门槛。它会改变门槛。减少对纯粹生产的权重，把更高权重放到策略、一致性、信任，以及解读真正对受众重要之事的能力上。

FAQ

创造力中的AI意味着什么？

创造力中的AI指的是使用人工智能系统来加速、扩展或实现文本、图像、视频、音频等格式中内容的生产。然而在HUMAN X的讨论中，人们发现当AI以情境、品味和商业目标为导向时，真正的价值才会出现。

AI会取代创意人员吗？

讨论并不暗示对创意人员进行线性替代。相反，它暗示的是角色的转变。当创造成本更低、所需时间更少时，人类判断、选择能力、质量控制以及品牌一致性会变得更重要。

如何防止AI内容看起来都一样？

小组讨论给出的答案是：使用专有的情境、品牌数据、受众知识以及跨渠道编排。没有这些要素，输出就有风险会与其他任何使用同一套基础模型的人看起来高度相似。

今天要在AI驱动的创意工作中需要哪些技能？

既需要通才的适应能力，也需要专才技能。尤其是，发言者强调品味、信任、产品理解、商业知识，以及能够跨不同职能协作的能力。

为什么个性化如此重要？

因为当内容生产变得工业化之后，真正区分品牌的，是能够在正确的时间把正确的信息发送给正确的人。相关的个性化能提升体验、信任与表现。

为了更深入了解创造力中的艺术及其影响，探索像LABA提供的教育路径，或像SAE Institute这样的专业机构会很有帮助。

最后，对于希望及时了解最新技术创新的人，我们强调Grok 3 API的推出——这是Elon Musk对GPT-4o的替代方案，现已向开发者开放；以及像TurboLearn AI这样的创新工具，它能把PDF、视频和音频转换为个性化笔记、测验与闪卡。