三家全球化企业回答：AI能帮品牌提效、省钱吗？

：

文｜郑康

编辑｜邱三丰

2026年，AI智能体爆发，在各行各业深度落地。

众多品牌借助AI批量生产内容、自动完成广告投放、智能化运营私域，运营效率大幅提升。然而，品牌在提高效率的同时，竞争对手也在同步加速。AI在让“卷”的速度更快、门槛更低吗？它能否真正帮品牌传播提质增效？

【本期话题】AI能否帮品牌传播提质增效

【受访人】

李林波  蓝色光标Blue AI负责人

曲向明  亿滋大中华区市场部副总裁

廖永红  爱德曼中国首席增长官

问：你所在的部门/团队，现在最立竿见影的AI工具是什么，主要用在哪些环节？

廖永红（爱德曼）：从外在显性来看，使用频率最高的是集团层面部署的Copilot 365通用AI工具；所谓的“立竿见影”，都要建立在我们基于公关和传播背后完整的数据、模型与工作流体系。

整体上，爱德曼中国的AI能力可以分为三个层级：

首先，是以信任为核心的数据与洞察层。例如自建的Trust Stream平台，将传统舆情监测升级为对媒体、社交与调研数据的实时整合分析，不只看“传播结果”，还持续追踪影响品牌信任的关键变量，让传播具备动态调整能力——而不是事后复盘。

其次，是基于爱德曼方法论构建的Agent（智能体）体系——无论是内容生成、洞察分析，还是策略拆解，本质上都是在把过往经验沉淀为可复用的能力。比如内部使用的Draft Master、Research Assistant、Analysis Helper等Agent，已经嵌入日常工作流，使团队能够从执行中释放出来，更多投入判断与策略。

第三，是AI驱动的工作流与应用层——将洞察、策略、内容生产与评估连接成一个完整闭环，让AI贯穿传播全过程，实现真正提效。

李林波（蓝标）：Blue AI与市场上主流的模型和云服务厂商都实现了全面对接。

在蓝色光标的业务场景里，与其说某一个工具，不如说AI已经渗透到日常作业的很多环节。比较常态化的包括：社媒内容洞察、广告数据分析、内容审核（判断素材是否满足广告主推广要求和合规要求）、基于数据的策略启发、达人等资源的建联和触达、内容创作过程中的创意启发、快速出Demo（演示）、快速生成分镜结构和参考、视频剪辑与生成的融合，还有日常的代码生成和补全。

这些环节看起来很散，但背后有一条主线：蓝标在解决营销策略、创意、投放这几个核心流程中，怎么更精准地引入上下文和数据参考。过去很多环节靠人的经验和手感，现在AI能更快地拿到该看的数据、获得策略和创意上的启发、快速把想法变成可感知的Demo、搭建投放策略的初始框架，跑完整个流程之后再做数据回收和复盘。

每个环节AI介入的深度不一样，但方向是一致的：让决策过程中该有的信息和参考更快到位。

曲向明（亿滋）：随着AI技术持续迭代，其在品牌传播降本增效层面的价值不断凸显，正在升级为能够独立完成任务的“副驾驶”。

从消费者洞察、策略分析、产品创新，到媒体资源分配、营销内容制作，以及全链路的追踪和迭代，AI已经应用于品牌经营的各个环节。

我们应用AI Analysis（AI分析）进行市场分析和消费者洞察，提升决策效率。利用AI更深入地挖掘数据、更实时地捕捉趋势、更精准地洞察人群，应用在市场动态监测、消费者情感分析、营销效果评估等场景。

我们还应用AIGC进行创作提效，商业回报立竿见影。AIGC以更丰富的创意、更快速的生产、更敏捷的优化，升级创作能力。现在，我们在品牌营销和销售的各类素材制作中，都在使用AIGC能力，包括平面素材、视频素材、品牌广告、社交帖子、电商短视频等。

亿滋建设了自有的AI工作平台，既契合品牌商业场景，又灵活先进。它具有多方面的优势：第一，通过技术和法务能力，保障数据安全、消费者信息安全。第二，始终调用最先进、最合适的AI模型，高效高质。第三，基于商业场景，研发细分解决方案，通过大量轻而活的工作流，提升效率和体验。

问：请分享一个令你们（公司/部门/团队）印象深刻的AIGC案例。

廖永红（爱德曼）：爱德曼会将自有的模型能力与数据平台结合，用于大规模舆论与内容分析。例如，在一个客户项目中，我们基于Trust Stream平台的数据底座，结合自研模型，在极短时间内处理和分析了数千篇长达六年的媒体报道，并快速生成趋势演化、信任影响因素以及关键传播窗口的洞察。原本需要耗费数天、多名团队成员的项目，在AI驱动下被大幅压缩，让团队能够把更多精力从“整理信息”转向“提出判断和策略”。

这类案例之所以印象深刻，除了感叹效率之高，更在于它真正改变了工作的重心——让人从处理信息中解放出来了，转向做策略以及创意。

李林波（蓝标）：Blue AI一直在短剧和精品内容方向上做半自动化的尝试，这个方向让团队印象很深，因为它把AI内容生成中最难的几个问题全暴露出来了。

挑战分为多层。首先是全局资产的一致性——角色、场景、道具，这些在跨镜头时必须保持统一，但AI目前在这方面还不够稳定。

然后是剧本层面，AI参与改写可以提速，但分镜设计要真正有助于故事性提升，不是简单拆解就行。紧接着，画面审美能不能符合提示词的预期、能不能出有张力的画面，这个和“抽卡”体验很像，概率性很强。

最后是剪辑节奏、配乐、配音这些后期环节，必须符合人的审美直觉，AI能辅助但不能全托管。

我们的应对方式是多线并行。用飞书多维表格管理全局资产，人工拆解剧本和镜头的同时，AI也在并行做拆解，两边对照取优。在画面生成环节，提供更多运镜和构图参考来收窄AI的发挥范围，通过提示词优化和Skill（技能）优化，把抽卡次数降下来。

AI内容生成不是一个“模型够好就行”的问题，而是一整套流程设计和人机协作的问题。模型能力每隔几个月上一个台阶，但怎么把这些能力嵌入可控的生产流程，让出品质量稳定、可预期，这才是团队真正在攻克的问题。

曲向明（亿滋）：亿滋有很多品牌，比如奥利奥、趣多多、炫迈等。对于我们而言，AIGC的应用无论在内容创作上，还是物料延展上，都表现出色。

以内容创作为例——新品上市阶段，电商是关键渠道，可以快速触达目标客群。电商短视频是与消费者联结互动最重要的内容载体之一。我们需要基于品牌营销主旨，为不同人群和消费场景，定制差异化短视频。在一次新品营销活动中，营销节奏特别紧凑，品牌只有一周时间准备视频延展，这在过去是不可能完成的任务。现在利用AIGC的能力，基于产品海报，快速创作短视频素材，投放到前端。我们只用3个工作日就能完成同样的任务，速度提升了70%。场景化视频既提升消费者体验，也赢得平台更高流量。

在物料延展方面——投放户外广告时，不同点位需定制对应素材，适配当地渠道的商业合作需求。比如一场营销活动，通常需要在三四天内产出上百个不同版本物料。这类内容设计工作难度不高，但交付周期短、任务量大、容错空间小，以往依靠人工制作的整体成本会偏高。如今借助AIGC能力实现素材批量生产，设计师仅需把控整体方案，简单操作即可完成全部素材制作。经过此番升级，制作成本降低了90%。

问：你们在使用AI工具上，大概投入了多少学习和适配成本——包括培训、工具费用、内部流程重组等？

廖永红（爱德曼）：从整体来看，爱德曼全球每年在AI相关技术、创新与能力建设上的总投入达数千万美元，已经让AI内化为一种组织能力。

首先，是围绕AI Fluency（AI素养）的人才体系建设。在爱德曼，AI Fluency被定义为推动公司转型的核心能力，而不是单纯的技能培训。我们推动团队至少达到Level 3（第三级）的AI Fluency水平——不仅会使用工具，而且能够在实际工作中稳定与AI协同，通过判断、验证与应用，持续提升工作质量与决策能力。同时，我们也通过持续机制（如每周的AI学习与分享），让团队的AI能力在真实项目中不断迭代，而不是停留在培训层面。

其次，是模型、数据能力以及工作流程的系统性重构。爱德曼不仅构建自有模型和数据资产，更将AI嵌入具体业务流程之中，让能力在实际项目中持续强化，从而放大人的判断、创造力与价值。

李林波（蓝标）：AI越深入业务，越需要既懂客户又能跟AI协作的人。2025年蓝色光标对AI相关的研发和人才投入大约是1.8亿元。而且，我们公司在AI使用上不设上限。除了自研平台，员工也可以自己选外部工具，由公司买单——AI迭代这么快，让大家自己接触、自己判断，比统一指定有效。

但是这笔钱花得值——能持续给客户输出靠谱方案的团队，一定是在“搞清楚AI哪里不行”，然后系统性地调整上下文，下功夫最多的。

问：引入AI技术之后，具体是哪个环节的成本反而增加了，或者出现了意料之外的麻烦？

李林波（蓝标）：增加最明显的是“让AI变得可靠”的成本。

AI进化快，但快不等于准。商业环境里，一份看起来流畅但数据来源有问题的报告，到客户手里就是事故。因此，我们在数据准备、信源校验、输出质量把控上花的精力，比最初预想的多很多，这是让AI从“Demo能跑”到“敢交给客户”的关键。模型谁都能调，围绕自己的业务场景把数据和流程打磨到位，这个功夫省不了。

问：现在行业里很多品牌都在用AIGC做内容，会不会导致“大家都在做差不多的东西”？人的价值在哪里？

廖永红（爱德曼）：会，但这种同质化会被用户快速过滤。

当大家都在用AIGC生产内容时，用户会用行为做出最直接的判断——留下或者离开。在这个过程中，人的判断、创造力与价值被进一步放大——AI不会替代好的内容，只会放大好的内容。

曲向明（亿滋）：无论AI如何发达，人依然是不可替代的核心变量。一场成功的营销，离不开两种稀缺力量——

一、策略的锐度：优秀的品牌主理人，洞见市场缝隙，锚定精准策略，在正确的时刻击中消费者。

二、创意的穿透力：顶尖的创作者，将策略内核与品牌价值转化为直抵人心的表达。

策略定方向，创意赢心智。二者合一，方能赢。

李林波（蓝标）：同一个工具，懂行的人用和不懂行的人用，产出的结果差距很大。

AI的输出质量跟你喂给它的上下文直接挂钩，需要你把自己的专业判断喂进去，让AI帮你放大，而不是把判断权交给AI，等它给答案。

最后在客户面前能站住的，是“我们给了你一个更好的方案”，不是“我们用了AI”。

问：有没有“用AIGC反而效果更差”的情况？问题出在哪里？

廖永红（爱德曼）：这种情况是存在的，而且并不少见。从实际工作来看，问题通常出在AI的使用方式上：

用AI替代“人”的判断——内容逻辑正确，但缺乏洞察，容易变成“正确的废话”。

缺乏人味——表达模板化，用户一眼识别出来，很快离开。

品牌声音缺失——通用模型的平均化表达，削弱品牌识别。

问：过去，自动化是工业生产的核心驱动力。而现在，AI把自动化拓展到了信息与创意领域，让内容的自动化成为可能。面对AIGC快速生成的海量信息，人力消化得了吗？你们如何做效果管理？

李林波（蓝标）：AI感、塑料味、低质泛滥、偏离事实等问题，我们都遇到过，这也是大家担心的问题。

我们的做法，第一，在工作流里建立相对具体的评估标准，一定要相对具体，不是放之四海皆准的标准。AI生成的内容不总能达到人的预期，所以我们在标准里保留了一定的容忍度。但标准必须有，而且需要动态更新——市场接受度在变，客户要求在变，AI模型能力也逐步完善与快速进化，因此标准相关的评估维度也得跟着调整。没有标准，就没有迭代的锚点。

第二，我们目前是两种思路并行。以图片和视频素材为例：一种思路是逼近传统的剪辑创意水平，逐步提升AI素材对人工剪辑素材的替换率。这条路比较好衡量，因为参照系是现有的成熟作品。另一种思路是积极探索适合AI生成特点的新创意形式。这类内容没有现成参照，我们就用用户的认知反馈和在线回收数据作为评价标准——跑出来的数据好，就说明这个方向值得深挖。

第三，人的时间花在哪里？越来越多地花在优化评估标准本身。怎么让AI的输出达到人的审美和巧思，本质上是给AI的手脚装上人的标准，而不是让AI的幻觉自行狂奔。投放类业务的转化数据自动回灌到系统，AI根据效果调整下一轮方向。2025年我们系统内部AI模块的自动协同任务超过1亿次，很多迭代已经不用人逐步下指令了。但人不是退出了，而是退到了更上游：定义什么是好的、什么可以接受、什么必须拦住。这个位置上的判断力，反而比以前更重要了。

问：所有品牌都能用AIGC快速产出内容时，品牌之间比拼的“真正壁垒”变成了什么？

曲向明（亿滋）：公司和品牌竞争的“真正壁垒”，始终没有变。它们是：

一、独特的产品力。产品始终是竞争最根本的壁垒。背后是好的原料、好的配方、好的工艺，以及“做正确的事情”的价值观。

二、坚实的品牌力。与消费者的情感联结和信任，背后是对消费者深刻的洞察力，以消费者为中心的沟通和服务。

三、组织的洞察力和应变力。洞察消费者迁移、市场变局与渠道演进中的结构性机会，敏锐把握商机。此外，借力科技跃迁，快速重构策略，将洞察转化为增长。

廖永红（爱德曼）：我认为壁垒是人、品牌和品牌资产沉淀——谁能用好AI讲出有品牌味道的故事。所以无论是AI时代还是互联网抑或是PC时代，人依旧是公关和传播的核心。如今，谁能成为更好的AI“导演”，谁就能在AI时代的品牌叙事中占得先机。

问：从甲方/乙方的角度，回答“AI是否真的帮品牌传播降本增效了”。

曲向明（亿滋）：AI在真实地帮助我们降本增效。

一方面，数字化和AI，根本上是帮助品牌经营加速迭代，领跑市场。天下武功，唯快不破。另一方面，将释放出的人力、时间，聚焦到策略、洞察与0—1创意的工作中。速度赢当下，高度赢未来。

李林波（蓝标）：AI的降本增效渗透在各个环节，重要的是能提升营销策略和内容决策的质量，这对广告公关行业的影响是革命性的。

它本质上解决的不是某个工种干活快不快的问题，而是帮人和人之间、团队和团队之间更快速地对齐营销策略、内容方向、渠道规划。在每一轮决策过程中，AI能提供更及时、更充分的数据支撑，不用再等人手动拉数据、做分析、写报告。迭代快了，数据到位了，用户反馈能提前模拟了，每次决策的质量自然就上去了。

廖永红（爱德曼）：AI确实在执行层面显著降本增效了，但在策略层面反而抬高了门槛。

从乙方视角看，这种变化是结构性的。在执行环节，AI已经能够承担大量重复性、文字密集型工作，并通过模型与工作流实现自动化或半自动化，使传播效率得到显著提升。

但与此同时，当执行成本被持续压缩后，真正稀缺的能力正在发生转移。过去，传播的核心能力之一是“做内容”；而现在，在AI工具逐渐普及、能力趋同的背景下，传播的价值重心正在转向使用者的判断能力——即是否能够识别关键议题、理解舆论变化，并据此实现真正有效的传播。

换言之，AI让传播更高效，但也让“有效传播”变得更难。从爱德曼的实践来看，这也是我们持续投入信任数据、模型能力和方法论体系的原因——当内容生产逐渐标准化之后，对信任与叙事的判断能力就显得尤为珍贵。