AI 原生媒體營運，係廣告同 marketing 團隊喺 AI 承擔大部分執行時運轉 campaign 生命週期——research、planning、activation、reporting、measurement——嘅方式。佢講嘅係廣告同品牌 campaign，唔係 newsroom、PR 或者出版營運。
承載意思嗰個詞係「原生」。佢借自 software：一個 native app 係為佢個 platform 而建，一個 wrapper 就係疊喺人哋嘅嘢上面。當一個 marketing 團隊嘅 workflow 本身就 default 由機器做第一 pass，佢就係 AI 原生。當人做工作、偶爾伸手去拎 model 加速其中一部分，佢就係 AI 輔助。
呢個就係完整嘅區分，我講到咁直白，係因為關於「AI 原生」嘅大部分爭論其實係喺度爭範圍。佢唔在於你俾錢用邊個 model、你啲 prompt 幾咁醒、或者你嘅 stack 入面有幾多個 licence。我見過擁有行內最貴工具嘅團隊穩穩陣陣咁停喺 AI 輔助，亦都見過差唔多咩都冇嘅團隊變成真正原生——因為佢哋重新設計咗條路線，而唔係買咗架快啲嘅車。等我拆開講下到底係咩將兩者分開，因為「AI」呢個詞收埋嘅嘢多過佢揭示嘅嘢。
一行講清個差別
喺 AI 輔助嘅團隊，人產出工作，AI 加速某一步。喺 AI 原生嘅團隊，AI 產出第一 pass，人 review、edit、決定。
順住呢一個改變往下走，幾乎其他一切都唔同：訣竅住喺邊、你投入咩會改善、咩可以唔靠請人就規模化、以及質素風險坐喺邊。呢一切都源自「默認」喺個循環入面嘅位置。
我遇到嘅大部分團隊以為自己原生，因為佢哋日日都掂 AI。然後我問：上個禮拜份 plan 嘅第一稿係邊個產出嘅？誠實嘅答案通常係一個人，之後叫 model 整理咗一下。噉係披住原生詞彙嘅輔助工作。呢個冇咩好慚愧——但你修唔好一個貼錯標籤嘅 workflow。
AI 原生 vs AI 輔助 vs prompt library
將啲人撈埋一齊嘅三樣嘢分開會好有幫助，因為當中只有一樣係 operating model。
| 維度 | AI 輔助 | Prompt library 做法 | AI 原生 |
|---|---|---|---|
| AI 嘅位置 | 人隨手拎嚟用嘅工具 | 一套共用嘅 prompt | Workflow 入面嘅默認執行者 |
| 邊個產出第一 pass | 人 | 人，由一條存起咗嘅 prompt 引導 | Model |
| 人做咩 | 做嘢，用 AI 做其中一部分 | 寫同重用 prompt | 定方向、review、決定、為結果負責 |
| 訣竅喺邊 | 個人習慣度 | 文件或者 folder 度 | 系統同佢啲數據度 |
| 咩喺度改善 | 個人技能 | 單條 prompt 嘅質素 | Workflow 嘅吞吐同可靠度 |
| 咩可以規模化 | 人頭同工時 | 好有限 | 量、variant、語言、report |
| 典型失敗模式 | 慢同唔穩定 | 脆弱——context 一變就失效 | 要真嘅 governance 同乾淨嘅數據 |
中間嗰一列先係大部分「AI 策略」實際所在嘅地方，亦都係值得點破嗰列。Prompt library 係真嘅產物——留住佢嘅團隊確實工作喺嗰一層。但 prompt 係一條指令，而 operating model 係嗰副機器：佢提供啱嘅 context、執行指令、檢查產出、同記住發生咗咩事。一個寫得一頁紙就得，另一個先係你要去砌嘅嘢。
點解重心咁重要
呢個差別睇落好似哲學問題，直到佢撞上一個 deadline。
喺輔助團隊，新客戶嚟到嗰陣，服務佢哋嘅知識住喺兩三個腦度。擴大客戶名單，你就擴大招聘，因為 context 每一次都要重新打入每一個工具度。團隊得到更快嘅個人，而一個更快嘅人難交接、亦都冇得複製。
喺原生團隊，份 brief、brand rules 同歷史表現住喺一個系統度。新入職嘅人第一個禮拜就產出到啱 brand 嘅工作，因為 context 隨住個 task 一齊到達。量上咗去，但唔帶一條成比例嘅人頭線，而且當底下嘅 model 或者 vendor 換咗，個 workflow 依然生存。
最後呢點係嗰道靜靜嘅測試。如果換一個 model 就搞垮你嘅營運，你從來都唔係原生。你只係有一個好嘅 wrapper。呢個正係我喺巡遊問題描述嘅同一個斷層：一場慢巡遊最前面嘅一架快花車，唔會令個巡遊郁。
兩種安排入面人各自做咩
「AI 原生」唔係「人會做少啲」嘅承諾。佢係「人會做唔同嘅嘢」嘅承諾。工作會集中，而非消失，而呢種集中對任何價值曾經係拼裝嘅人嚟講都唔好受。
喺輔助模式，人同時係條生產線同 reviewer——一邊做一邊檢查，兩者之間冇乾淨嘅分離。喺原生模式，條生產線係 model，人係 editor、問題嘅設定者、負責任嘅 owner：決定咩重要、十個講得通嘅 plan 入面邊個貼合真實 constraint、以及邊個為個結果簽名。
呢啲正係 model 而家仍然做得差嘅部分——taste、negotiation、關係，以及願意將一條建議押喺一個判斷上嘅意願。我喺AI 原生 marketing 團隊真正需要咩角色講過呢種分工，短版本係：角色改變嘅係形狀，多過改變數量。
三個將原生同輔助分開嘅測試
我用一個簡短嘅診斷，從未見過一個團隊碰巧通過晒三項。
- 第一 pass 係邊個產出嘅？ 喺原生團隊，一份 plan、一份 report、或者一組 creative variant 嘅初稿，喺任何人打開白紙之前就由個 workflow 度出咗嚟。如果嗰張白紙仍然最先出現，你就係輔助。
- Context 住喺邊？ 如果份 brief 同 brand rules 住喺一個新同事第一日就用得到嘅系統度，你就係原生。如果佢哋住喺某人嘅記憶度或者一條好長嘅 email thread 度，你就係「有更好 software 嘅輔助」。
- Model 變嗰陣會點？ 如果你換咗 vendor 之後個 workflow 仲跑得到，個設計就係真正原生。如果所有嘢停低，噉個 model 就係個 workflow。
呢三個測試都唔問你擁有多少工具。佢哋都喺度問「默認」坐喺邊。
點解「輔助」係一個正當嘅答案
呢度我想謹慎啲，因為「AI 原生」開始聽落好似一種道德義務，而佢唔係。
對一個 channel 單一、又唔想重建 workflow 嘅細團隊嚟講，一套行得好嘅 AI 輔助做法係完全穩定嘅落腳點。工具喺快速改善，做原生嘅成本係真嘅，而一次唔回本嘅重建冇咩值得稱讚。原生係當量同可重複性令呢次重建值得嗰陣，你先升級到嘅嘢——唔係一個你佩戴嘅徽章。
我見到嘅失敗唔係揀輔助。失敗係喺你其實係輔助嘅時候相信自己原生，然後納悶點解咩都唔複利。貼錯標籤先係問題，而唔係嗰個目的地。
團隊實際點樣由輔助走向原生
呢個移動比你聽起上嚟細，亦都比買 software 具體。
揀生命週期入面一個階段——reporting 同 research 係常見嘅起點，因為佢哋可重複、低風險。將嗰個階段嘅 brief 寫成機器讀得到嘅樣，而唔只係同事讀得到。將 context 擺喺 workflow 掂得到嘅地方。端到端跑嗰個階段，俾 model 產出第一 pass，然後好似 review 一位 junior 咁 review 份產出。喺你掂下一個階段之前，先 measure 個 cycle time 係咪真係跌咗。
一個階段一路走到尾，比淺淺咁掃過成個生命週期更教到團隊認識自己嘅營運。佢亦都俾咗你論證下一步嘅證據——呢個同Strategy 指南為成條 lane 所做嘅排序論證係同一個。當你準備好設計成件事、而唔只係一個階段，operating model 個頁由頭到尾講清 AI 原生媒體 operating model 係咩、以及點樣對應生命週期。
FAQ
AI 原生淨係 prompt 好啲嘅 AI 輔助咩？
唔係。更好嘅 prompt 改善嘅係一個仍然由人跑嘅步驟。AI 原生改變嘅係邊個默認跑嗰個步驟。Prompt library 可以令一個輔助團隊快啲；佢自己改變唔到重心，因為人仍然係條生產線。
我哋需要 engineer 先變成 AI 原生咩？
唔一定，但你需要有人設計得到個 workflow、同認真對待數據——context 住喺邊、邊個 review 咩、「做完」係咩意思。大部分團隊由 operating model 同手頭已有嘅工具開始，只喺某個真嘅 integration 開始回本嘅地方先引入工程幫助。
AI 原生係咪代表少啲人？
成日都係，但嗰個係副作用，唔係目標。職能會集中到 review、judgment 同 accountability 上，而唔係消失。先砍人頭、後做重建嘅團隊，通常交付得更差、更快。
一個細團隊可以係 AI 原生咩？
可以。原生係一個設計選擇，唔係規模。一個三個人嘅團隊，有 machine-readable 嘅 brief 同一個 memory layer，比一個五十人嘅團隊、得一個共用嘅 prompt folder，更接近原生，因為重要嘅係第一 pass 嚟自邊度，而唔係你有幾多個位。
短版
AI 原生同 AI 輔助描述嘅係「默認」坐喺邊，而唔係你擁有多少工具。喺輔助團隊，人產出工作；喺原生團隊，model 產出第一 pass，人 review、決定、為結果負責。呢個差別睇落好似哲學問題，直到佢撞上一個 deadline——嗰一刻佢體現為吞吐、交接，以及當 vendor 換咗嗰陣個 workflow 生唔生存。
我仲喺公開咁將佢想清楚，我自己嗰條線亦都隨住啲工具變而移動。但形狀對我始終成立：原生勝過外掛，貼錯標籤要俾一季，而誠實嘅診斷只有一條問題——第一 pass 係邊個產出嘅？
如果你嘅團隊喺呢條路上嘅某處，我好想聽下佢冇通過邊一項測試。嗰個通常先係真正嘅樽頸。
Cheers, Chandler
本文提供繁體中文（香港）版本。課程材料（影片、template同配套指南）以英語同日語提供。本網站提供13種語言版本。