用 AI 半小時就能寫出兩千字，排版乾淨、段落整齊、看起來什麼都講到了。發佈三週後打開 Search Console，曝光卻一路往下掉，連原本還在第二頁的舊文也跟著被往後擠。你不是沒寫，是寫得「太像 AI 寫的」。通篇正確卻空洞，沒有一句話是只有你寫得出來的。
問題從來不是你用了 AI，而是你把 AI 的草稿當成成品送出去。Google 公開講過很多次，AI 生成內容本身不會被懲罰，它只是內容；真正被降權的，是那些缺乏 E-E-A-T（Experience 經驗、Expertise 專業、Authoritativeness 權威、Trustworthiness 可信度）的低品質內容，不管是人寫的還是機器寫的。換句話說，AI 生成內容能不能達到 E-E-A-T 標準，差別不在工具，在於草稿落地之前，你有沒有補進機器補不出來的那一塊。
接下來先講清楚為什麼純 AI 稿天生缺 E-E-A-T，再給你一套「AI 草稿八成、人補兩成」的協作模型，最後拆成 5 個今天就能動手的動作。
為什麼純 AI 生成內容容易被 Google 判低品質？
純 AI 稿被判低品質，根本原因只有一個——它沒有「親身」過任何事。AI 是把全網讀過的東西重新排列組合，它能寫出「生酮飲食有三大風險」，卻沒有真的吃過、量過、追蹤過任何人的血糖；它能整理出「五種濾杯比較」，卻沒有一支沖過。Google 的品質評估員（Quality Rater）正是被訓練來嗅出這種「資訊正確、但沒有第一手痕跡」的內容。
E-E-A-T 的第一個 E 是 Experience（經驗），這正是 AI 結構性最弱的一環。AI 能從網路抓資料，但它沒有實際體驗，寫出來的東西容易停在「理論正確」。所有句子都對，卻沒有一句帶著「我實際做過才知道」的細節。讀者讀得出來，評估員也讀得出來。
更麻煩的是，AI 為了把話講得流暢，會自動補上一種「公文化」語調，每段都四平八穩、每個論點都不偏不倚。這種沒有立場、沒有取捨、沒有踩雷紀錄的內容，在 Google 眼裡剛好對應到「缺乏專業判斷」與「無法驗證」兩個負面訊號。它不一定是錯的，但它對讀者沒有額外價值；而 Google 早就不缺「正確但沒用」的內容。
還有一個常被忽略的點。AI 高度依賴第三方的二手資訊，它寫的每一句幾乎都能在別處找到相似版本。當你站上有一整批這種內容，Google 會逐漸把整個網域判定成「拼裝、低原創」，連帶拖累那些原本還可以的舊文。這也是為什麼有些站台一發 AI 稿，舊文排名跟著掉。降權往往不是針對單篇，而是針對整個內容品質訊號。
Human-in-the-Loop 是什麼？為什麼是 AI 內容的安全線？
Human-in-the-Loop（人在回路，簡稱 HITL）是一種把人類判斷放回 AI 流程關鍵節點的工作方式。它不是「AI 寫完人類校個錯字」，而是讓 AI 負責它擅長的速度與結構，人類負責它做不到的查證、經驗與責任歸屬。簡單來說，AI 把車開到九成路程，最後一哩由人接手，因為決定內容能不能對外發佈的，永遠是人。
把這套搬到內容生產上，最務實的比例是「AI 八成、人補兩成」。AI 完成草稿、大綱、改寫這些高重複、高速度的工作；最後在終點線的那兩成（事實查核、經驗補充、語調調整、責任確認）必須由人完成。這兩成看起來少，卻是把一篇「正確但空洞」的稿子，變成「有人味、可驗證、有立場」內容的全部關鍵。
不過要提醒一件事，「兩成」是工作量的占比，不是隨便看一眼。實務上，一篇兩千字的 AI 初稿，要做完事實查核、經驗補充、語調調整，通常得花上一個半到兩個半小時的人工編輯。如果你以為 AI 一鍵生成就是省下全部時間，那省下的其實是「會被降權」的那部分時間。該花的編輯功夫一分都少不了。
那為什麼這套流程能當安全線？因為 Google 評估的是內容的「誰、如何、為什麼」：誰寫的、怎麼做出來的、為了什麼目的。純 AI 稿這三題全部答不出來，沒有具名作者、沒有人類查核、目的看起來只是填關鍵字。而 HITL 流程剛好把這三題補齊，人類編輯署名解決「誰」，查核與經驗補充解決「如何」，從讀者需求出發解決「為什麼」。差別不在你用不用 AI，在於這三題你答不答得出來。
不是所有題目都需要同等的人工比例。資訊型內容（操作教學、清單整理、基礎知識說明）最適合 AI 輔助，人補的比例可以低一些；但觀點型、案例研究、產業分析這類需要立場與第一手判斷的內容，人工要補的就遠不只兩成。先認清你這篇是哪一種，再決定要投多少人力。
光知道要「補兩成」還不夠，真正的問題是這兩成具體補什麼、怎麼補。下面拆成 5 個動作，每一個都對應 E-E-A-T 的一塊缺口。
提升 AI 內容 E-E-A-T 的 5 個可操作動作
這 5 個動作不是抽象原則，是你拿到 AI 草稿後可以照著做的具體編輯步驟。它們分別補的是 E-E-A-T 的四個面向，從最容易被忽略、也最能拉開差距的「經驗」開始。
動作一：把第一手經驗與原創數據補進去
這是 AI 最補不了、也最能立刻把內容拉出「通用感」的一塊。AI 草稿裡通常只有「某產品很好用」這種沒有溫度的判斷，你要做的是把它換成只有你做過才寫得出來的細節。
具體怎麼補？把「這個方法有效」改寫成帶過程的句子，像是「我們實際拿同一組關鍵字跑了兩種寫法後發現⋯⋯」「依最近半年的客戶案例，這個流程的回稿時間落在⋯⋯」。如果你手上有自家的後台數據、A/B 測試結果、實際操作的前後對比，那就是金礦：這些是全網獨一無二、AI 永遠抓不到的原創訊號。
舉個能對照的做法。一篇相機評測如果只寫規格表，跟官方文案沒兩樣；但如果附上自己拍的原始照片、當下用的對焦參數、不同光線下的成像差異，這篇就立刻有了「親手用過」的證據。內容也是一樣，差別就在你有沒有把自己真的做過的那一段寫進去。
這裡有一條硬底線。第一手經驗必須是真的：你沒做過的測試、沒有的客戶、沒跑過的數據，一個字都不要編。編造的「經驗」一旦被讀者或評估員看穿，傷的不是這篇，是整站的可信度。沒有真實經驗可寫時，寧可改用「業界普遍觀察」這類整合句，也不要假裝有第一手。
動作二：逐筆查核草稿裡的每個數字與引用
AI 最危險的地方，是它會把「聽起來很合理」寫得跟事實一模一樣。它可能給你一個漂亮的統計數字、一份煞有其事的研究引用，而那份研究根本不存在。可信度（Trustworthiness）是 E-E-A-T 的地基，一個查不到出處的數字，就能讓整篇的信任崩掉。
做法很直接：把草稿裡每一個數字、百分比、研究引用、專家說法都標記出來，逐筆回到原始來源查證。查得到、來源可靠的才留；查不到的，要嘛刪掉，要嘛改寫成「業界普遍認為」「多項觀察指出」這類不綁具體數字的整合句。原則只有一句：不確定就拿掉，寧可少一個數字，也不要留一個錯的。
要特別小心 AI 直接「提供」給你的統計數據，那是查核的最高風險區。要求 AI 在生成時就把需要查證的事實標出來，會讓這一步省力很多。把這當成發佈前的最後一道閘門，所有留在文裡的數字，都要有你親手確認過的權威來源撐著。
動作三：補上具名作者與專業背景
權威（Authoritativeness）和專業（Expertise）很大一部分，是靠「誰在說話」建立的。Google 越來越看重作者的真實身分，而 AI 稿最大的破綻之一，就是作者欄寫著「編輯部」「小編」「品牌團隊」這種模糊稱呼。這在評估員眼裡幾乎等於沒有作者。
該補的是：在文末或作者欄放上具名作者，附上頭銜、經歷、專長領域，有條件的話建立一個作者頁面，把這個人的所有著作彙整起來，讓讀者和搜尋引擎都能判斷「這個人有資格講這件事」。如果內容主要由 AI 輔助生成，更要加上人類編輯的署名，明確標示這篇經過專業審核。
順帶一提，Google 建議不要直接把 AI 列為作者署名。比較好的做法是在內容生產過程中對讀者說清楚 AI 的參與程度，例如標註「本文部分內容由 AI 工具輔助生成，並經專業編輯審核」。這種透明揭露不但不會傷排名，反而是加分的可信度訊號。它正面回答了讀者心裡「這是怎麼做出來的」那個疑問。
動作四：把 AI 的公文腔改成你的品牌語氣
AI 草稿讀起來都有一種說不上來的「平」：每句都對、每段都穩，但沒有人味、沒有立場、沒有語氣的起伏。這種公文化語調本身就是一個負面訊號，它讓內容看起來像批量生產，而不是某個有觀點的人寫給某群特定讀者看的。
調整的方向，是把「正確但中立」改寫成「有判斷、有取捨」。AI 會四平八穩地把每個選項都誇一遍，你要做的是表態：哪個情況該選哪個、哪個常見做法其實是陷阱、你會優先處理哪一步。同時把那些聽起來像廣告模板、過度承諾的句子刪掉，換成你真正會對讀者講的話。調整段落順序、補上有因果的過渡句，也是這一步：讓文章讀起來是一個人在好好跟你說，而不是一份條列報告。
語氣不是裝飾，它承載的是「專業判斷」這個訊號。一篇敢明確說「這個情況我建議先做 A，不要急著做 B」的內容，比一篇把所有選項都列出來卻不給方向的內容，更能讓人相信背後有真正懂的人在把關。
動作五：寫出可被引用的結論句
最後這個動作，是多數 AI 稿完全沒做、卻在當前搜尋環境越來越值錢的一塊。現在 Google 的 AI 概覽（AI Overview）已經出現在相當大比例的搜尋結果頁，而它引用的來源幾乎清一色是高 E-E-A-T 的內容。被 AI 引用，正在變成新的流量入口。
要被引用，你的內容裡得有「可以被直接摘出來當答案」的句子。AI 概覽和讀者都偏好那種把結論講得乾淨俐落、一句話就能獨立成立的陳述。所以在每個段落、每個小節，盡量先用一句完整、明確、不依賴上下文也讀得懂的話把結論講掉，再展開細節。把答案藏在段落最後，或寫成模稜兩可的「視情況而定」，就等於把被引用的機會讓出去。
講具體一點。與其寫「轉換率優化有很多方法可以參考」，不如寫「最花錢的優化，往往不是最該先做的」這種帶立場、可獨立成句的結論。前者是廢話，後者既是觀點、又剛好是一個能被摘錄的答案。把全篇的關鍵主張都打磨成這種樣子，等於同時服務了三種讀者：人類讀者、Google 的排名系統，還有正在找答案來引用的 AI。
AI 內容常見疑問一次釐清
最常被問的一題，是用 AI 寫會不會被 Google 懲罰。Google 的立場一直很一致：它獎勵的是原創、高品質、以人為本的內容，不管是人寫的還是 AI 寫的。會被降權的是低品質、缺乏 E-E-A-T、或意圖操縱排名的內容，而生成方式本身不是判準。把 AI 當成「便宜又容易操縱排名」的工具來用，才是真正會出事的用法。
那要不要主動標示用了 AI？當讀者可能會好奇「這是怎麼做出來的」，揭露就是有用的。Google 也明確表示透明標示 AI 使用不會影響排名，反而能增加可信度。一句「本文部分內容由 AI 輔助生成，並經專業編輯審核」就夠了，它把模糊的疑慮直接攤開來講。
還有人問，有沒有官方的 E-E-A-T 分數可以查。Google 並未提供任何官方的 E-E-A-T 評分工具，E-E-A-T 本身也不是單一的演算法排名因子，而是用來影響其他核心系統怎麼評估你內容的一組品質特質。真要衡量，只能從間接訊號看：品牌搜尋量的成長、直接流量占比、使用者停留時間、反向連結的品質，這些一起變好，通常代表你的 E-E-A-T 訊號在往對的方向走。
至於 AI 適合寫哪種內容、不適合寫哪種？分界其實很清楚。操作教學、清單整理、基礎知識這類資訊型內容，最適合用 AI 打底；觀點分析、案例研究、產業洞察這類需要立場與第一手判斷的，AI 只能當輔助，主導權得握在有專業背景的人手上。用對地方，AI 是加速器；用錯地方，它就是降權的引信。
工具負責效率，人類負責那兩成不可取代的價值
回到開頭那篇半小時寫出、三週後曝光卻一路下掉的稿子。它的問題從來不是「AI 寫得夠不夠好」，而是「人有沒有在對的地方接手」。AI 內容能不能達到 E-E-A-T 標準，差的就是這件事。AI 負責的是速度與結構這八成，人補的是經驗、查證、判斷、責任這兩成；而 Google 獎勵的，恰恰是那兩成裡才裝得進去的東西。
所以別再把 AI 草稿當成品送出去。下一篇用 AI 起稿時，留下那一個半到兩個半小時，把第一手經驗補進去、把每個數字查一遍、把作者署上名、把公文腔改成你的話、把結論句磨到能被引用。工具讓你跑得快，但決定內容值不值得被搜到的，永遠是你親手補上的那兩成。