
點解大多數 AI 行銷工具睇落好快,卻削弱咗團隊嘅判斷力
我喺廣告行業做咗好多年,一直見到團隊將「郁得快」誤當成「有進展」。後來我開始 自己整 AI 行銷工具,先發現個問題其實更嚴重:執行快咗,判斷反而弱咗。
514 posts about AI, learning, and building products

我喺廣告行業做咗好多年,一直見到團隊將「郁得快」誤當成「有進展」。後來我開始 自己整 AI 行銷工具,先發現個問題其實更嚴重:執行快咗,判斷反而弱咗。

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。

大部分 teams 仲係問應該用邊個 model。以我嘅經驗嚟講,呢個已經唔係最重要嘅問題。如果你嘅 AI system 唔記得個 client 或者 brand、category、同埋乜嘢先叫做好,就算全世界最叻嘅 model 每次對話都係由零開始。

2023年我以為 generative AI 會令平價 content 淹沒 search,減低 SEO 嘅 return。三年之後,呢件事的確發生咗。但更大嘅 shift 係:content production 本身已經唔再係 moat。Structure、trust、QA、localization quality 同 answer-engine visibility 先係。

一個人。七個 modules。三個鐘 video。十五個 templates。18 種 layout type 嘅 custom slide pipeline。Professional voice clone。全部喺做緊 VP 嘅 full-time job 期間完成。呢個就係 AI-first operating model 用喺自己身上嘅樣。

話 AI 會取代初級工作嘅 narrative 根本搞錯重點。一個做 activation 嘅 junior 唔係做雜務 — 佢係喺度 configure DV360 targeting、QA tracking pixels、manage bid strategies。真正嘅問題係:當 AI 拉高咗所有人嘅地板,competitive advantage 點嚟?Depth。

我幾乎用咗成一年 Claude Code 配 Opus 4.6,之後再花一個星期試 Codex 同 GPT-5.4。結論係:冇邊個可以完全勝出。真正更好嘅做法,係將兩個一齊用——做跨模型 review、食盡互補優勢,同埋建立操作層面嘅韌性。

兩個星期前我寫:「仲喺 build。仲未 done。」今日 DIALØGUE(對話)正式上架 App Store。呢篇就講最後 40% 實際係點嘅故事。

493 篇博客文章,橫跨 17 年,翻譯成 10 種語言,大約 4,900 個檔案,大約 390 萬個字。Claude Code 嘅平行代理令呢件事成為可能——但韓文嘅災難、粵語語氣嘅問題,同埋 5 小時嘅使用上限,教咗我嘅嘢比成功更多。

我喺唔識 Swift 嘅情況下 build 緊我第一個 iOS app。Claude Code 一個晚上 scaffold 咗成個 app。然後我打開 Simulator,真正嘅工作先開始。

我將個 blog migrate 到 Next.js,以為最難嘅部分已經過咗。然後複利開始——8 日內 6 篇 mega guide、一個更醒嘅 AI 助手、原生 newsletter、bot 保護同 SEO 大翻新。

去過 26 個國家公園之後,呢份係我哋嘅真心指南——8 個我哋會即刻再去嘅公園、令我哋失望嘅公園、4 條 road trip 路線,同 2026 年國際旅客需要知嘅所有嘢。