冇 Senior Judgment 嘅話，AI 喺 Media Operations 仲會搞錯啲乜
AI 而家可以好快咁 produce media plans、performance summaries、measurement frameworks 同 campaign setups。問題唔係 output 明顯差。問題係佢好多時「夠好」到過到一個 casual review，但 miss 咗真正 matter 嘅 business context。
過去幾個月，我一路 build 緊個 AI-native media operations 嘅 course，有個唔安嘅念頭不斷返嚟。
AI 已經叻到去到一個好特定嘅危險位。
唔係因為佢明顯錯。危險係因為佢好多時 聽落好似啱。
呢個係完全唔同嘅 failure mode。
如果一個 AI model 俾個荒謬嘅答案你，大部分人會 catch 到。笑下，可能 screenshot 佢，可能 po 去 LinkedIn，然後繼續。
但如果 AI 俾你一個 80% 啱嘅 campaign plan、一個聽落好完整嘅 measurement framework、一份感覺好 polished 嘅 reporting narrative、或者一個睇落好有 strategic coherence 嘅 channel recommendation，咁個 failure 就微妙得多。
總有人要問：
- 呢個係咪 grounded 喺真正嘅 business？
- 呢個 fit 唔 fit 個 client context？
- 呢個反唔反映個 platform 喺現實中嘅行為？
- 呢個係咪製造咗正確嘅 trade-offs，而唔係淨係最靚嘅答案？
呢個就係 senior judgment 仲好重要嘅地方。好重要。
問題唔係「AI 做 Media 好差」
講清楚先，我唔覺得 AI 做 media operations 仲係差。
事實上，我覺得呢個 argument 每個月都越嚟越冇力。
AI 已經好有用：
- first-draft media plans
- audience hypotheses
- reporting summaries
- creative testing frameworks
- competitive scans
- campaign QA checklists
- measurement documentation
如果有人仲話「AI 淨係玩具」，我覺得佢哋低估緊發生緊嘅嘢。
我嘅擔心幾乎係相反。
AI 已經叻到好多 teams 會 trust 佢，但佢哋 build 到足夠嘅 judgment layer 去 supervise 佢之前就 trust 咗。
而以我嘅經驗，media operations 充滿住好多唔會 neatly 出現喺 documentation 入面嘅 judgment calls。
AI 仲會搞錯嘅五件事
呢啲係我不斷見到嘅 patterns。
1. 佢 optimize 睇得到嘅 metric，唔係真正嘅 business objective
AI 好叻跟住俾佢嘅 target 去做。
聽落好 obvious。但喺 media 入面，stated target 同 real target 好多時根本唔同。
可能 KPI 話要 leads，但 business 真正需要嘅係 qualified pipeline。可能 brief 話要 reach，但 client 其實需要嘅係 internal political confidence。可能 dashboard 話 efficiency，但個 brand 暗地裡想保護 premium positioning。
AI 通常 optimize 嗰啲 legible 嘅嘢。
Senior judgment 先會問嗰個 legible target 一開始係咪 correct。
2. 佢當 platform guidance 係現實
Platform best practices 係有用嘅。我 career 入面好大部分時間都同佢哋打交道。
但任何真正 run 過幾年 campaigns 嘅人都知道 platform guidance 同 messy operational reality 之間嘅 gap。
Help center 入面 work 嘅嘢，唔代表對呢個 client、呢個 budget、呢個 category、呢個 market、呢個 data maturity、或者呢個 deadline work。
AI 好多時會 produce 教科書答案。Senior operator 知道教科書答案幾時會喺碰到現實嘅一刻 break。
3. 佢 miss 咗 stakeholder politics
呢個係個靜雞雞嘅 killer。
一個 media plan 可以喺數學上冇問題，但仲係 fail，因為佢唔 match stakeholder expectations。
可能個 client 需要喺某個 channel 有明顯嘅 brand investment，因為 leadership 相信佢。 可能 regional team 需要 local flexibility。 可能 sales organization 唔信 black-box attribution。 可能 procurement care 嘅唔係 elegance，而係 vendor consolidation。
我唔係話要將 strategy 投降俾 politics。我唔係咁講。
我講嘅係 media operations 活喺 organizations 入面，唔係活喺乾淨嘅 diagrams 入面。
Senior 嘅人通常知道啲隱形嘅 tripwires 喺邊。
4. 佢 smooth 過啲 exceptions
AI 鍾意乾淨嘅 systems。
真正嘅 media operations 唔乾淨。
到處都係 exceptions：
- 一個 approval gates 特別古怪嘅 client
- 一個有 platform restrictions 嘅 market
- 一個有 known blind spots 嘅 measurement stack
- legal constraints
- legacy taxonomy problems
- creative dependencies 拖慢晒所有嘢
部機器傾向俾你一個 coherent operating model。人要 notice 嗰個醜陋嘅 exception 會 break 成件事。
5. 佢搞混咗 completeness 同 readiness
呢個我覺得特別 relevant，因為我喺 coding 入面見到同一個 pattern。
AI 好叻 produce 啲睇落 done 嘅嘢。
個 deck 有 sections。 個 report 有 bullet points。 個 framework 有 categories。 個 recommendation 有 logic。
但當你試喺 live environment 入面用，就有啲嘢唔啱。
個 sequencing 錯咗。 個 risk 被低估。 個 validation step 冇咗。 個 recommendation assume 咗 team 冇嘅 capabilities。
由「complete」去到「ready」嘅最後一步，仲係好 human。
Senior Judgment 唔等於淨係靠 Seniority
我要加個重要嘅 nuance。
我講「senior judgment」，唔係話房入面 title 最大嗰個自動有最好嘅答案。
事實上，media agencies 有個唔舒服嘅現實：VP of strategy 可能已經幾年冇 touch platform deep 啲嘅嘢。Planning director 可能唔知 implementation 最新嘅 quirks。最接近 truth 嘅人可能係一個更 junior 嘅 operator，佢仲日日喺啲 systems 入面做嘢。
所以我唔覺得答案係：
「等 AI 做完，再搵一個 senior executive bless 佢。」
我覺得答案更加接近：
AI produce first draft。Deep practitioners validate operational truth。Senior 嘅人加 business judgment、trade-off judgment、同 organizational judgment。
呢個係一個同舊式 agency hierarchy 同「AI 取代 junior work」嘅懶版本都好唔同嘅 operating model。
Eval Layer 先係真正嘅工作
我最近寫過，當 AI 拉高咗 floor，depth 就變成 differentiator。
我覺得呢件事喺 operations 上嘅表現就係 evals。
唔係淨係 machine-learning 意義上嘅。係 practical team 意義上嘅。
乜嘢定義一個好嘅 campaign setup？ 乜嘢定義一份可以信嘅 report？ 乜嘢 discrepancy threshold 係 acceptable？ 乜嘢先算 launch-ready？ 乜嘢應該 trigger 第二次 review？
呢啲定義唔係 administrative overhead。佢哋就係 judgment layer。
而 build 好呢個 layer 嘅 teams，會由 AI 入面 get 到遠超過停喺 prompt libraries 同 generic automation 嘅 teams 嘅 value。
呢件事對 Teams 意味住乜
我唔覺得 takeaway 係「要怕 AI」。
個 takeaway 比呢個 demanding 得多。
Aggressively 用 AI。等佢做嗰 75-80%。但要非常清楚人類 judgment 喺邊度進場：
- objective setting
- validation
- exceptions
- trade-offs
- stakeholder management
- quality standards
呢個唔係 anti-AI。呢個先係一個認真嘅 AI operating model 嘅樣。
呢個都係我點解咁 build course 嘅 Module 1。我想個 free module show 到成個 campaign lifecycle，但底下更大嘅 point 係：AI 可以 touch 每一個 phase。呢個唔代表唔再需要 experienced judgment。佢改變嘅係嗰個 judgment 最 matter 嘅位置。
就係咁。
我真心想聽其他人喺實際操作中點處理呢件事。如果你已經喺 run media teams，你見到 AI 喺邊度 produce 最 convincing 嘅錯誤答案？如果你 career 比較早期，你覺得 judgment 嘅 bar 越嚟越清楚定越嚟越模糊？
祝好，Chandler
