兩千篇沒有經過人工編修的 AI 文章，發布三十六天內，七成一被 Google 收進索引，一個月時八成的網站至少排進一百個關鍵字。這是 Search Engine Land 與 SE Ranking 合作的一項十六個月實測結果，乍看像是「AI 內容一樣有效」的證據。但同一批文章，三個月後留在搜尋結果前一百名的頁面只剩下百分之三。
這個反差正好戳破一個常見誤會。AI 生成內容 SEO 風險，問題往往不是內容能不能被 Google 收錄，而是收錄之後留不留得住。會踩線的原因並不神秘，通常藏在幾個具體、事先就能避開的環節裡，用什麼方式產出、產出後有沒有加東西進去、放進發稿流程的哪個位置，每一個環節都在決定這篇內容最後會不會被留下來。
先把最容易誤解的一點講清楚，AI 寫的內容本身會不會被判定成低品質，再一路拆到真正會讓排名掉下來的幾種風險，最後收在什麼樣的用法才站得住腳。
AI 生成內容本身，會被 Google 判定成低品質內容嗎？
不少人以為 Google 有辦法一眼看穿「這篇是 AI 寫的」，只要抓到就自動降權。這其實是最常見的誤解之一。Google 官方的立場一直很明確，排名系統看重的是內容品質、是不是真的對使用者有幫助，不是內容用什麼方式產出。這個立場早在 2023 年的官方部落格文章就講過，後來也寫進 Google 現行的生成式 AI 內容使用指南裡。
指南裡有一句話直接肯定 AI 的用途：「生成式 AI 在研究主題時特別實用，還可為原始內容加入結構。」也就是說，拿 AI 來查資料、整理架構、幫內容打底，是被明確認可的用法，不是灰色地帶。
但同一份指南也劃了一條界線：「使用生成式 AI 工具或其他類似工具產生大量無法為使用者帶來價值的網頁，可能會違反 Google 針對大量內容濫用行為的垃圾內容政策。」關鍵字是「大量」跟「無法帶來價值」，這兩個條件同時成立才會出問題。單獨用 AI 寫一篇有實質內容的文章，不會因為產製方式被扣分。
換句話說，風險從來不是「用不用 AI」這個是非題，是接下來幾種具體的操作方式與結果。下面就從最容易踩線的做法開始拆。
為什麼整批發稿衝關鍵字覆蓋率，特別容易踩線？
上一節那條界線聽起來抽象，但 Google 官方的垃圾內容政策裡其實寫得很具體。政策把這種行為定義為：「大量內容濫用行為是指產生許多網頁，但主要目的只是操控搜尋排名，而非協助使用者。這種濫用行為通常著重於製作大量的非原創內容，無論內容由何種方式製作，對使用者而言都幾乎毫無價值。」條列的例子第一條就寫：「使用生成式 AI 工具或其他類似工具產生多個網頁，但無法為使用者帶來價值。」
這種濫用抓的不是有沒有用 AI，是產出的模式。常見的踩線樣態包括：同一個主題換句話說發好幾篇當成不同內容、用同義詞替換就當成原創、短時間內大量發布卻沒有真正回答不同的問題。三種做法背後其實是同一件事，把發稿量與關鍵字覆蓋率當成目標，而不是讀者能不能得到新東西。
自我核對的方法其實不難。把你這批準備發的文章標題全部列出來，拿掉其中一半，讀者會不會因此少知道什麼？答不出來，通常就是該收斂發稿量的訊號。
WordPress 上「自動排程量產文章」的功能，問題不在功能本身
市面上不少 WordPress 網站會裝 AI 批量產文外掛，或找代寫服務，把「產生內容」跟「排程發布」串成一條自動化流程。這類功能本身不是問題，它只是把原本要手動貼文的動作自動化，跟前面講的垃圾內容政策沒有直接關係。真正會踩到那條紅線的，是把它設定成不經人工審閱、每天固定產出多篇、主題彼此高度重疊的用法。排程一開，一天固定跑出好幾篇，沒有人看過內容就直接上架，而且題目都圍著同一個關鍵字打轉。
要檢查自己有沒有踩線，不需要複雜的工具。打開你的發稿排程清單，看接下來一週要發的文章題目，彼此像不像同一篇的不同標題。如果答案是像，代表產出的是數量，不是內容，該做的不是關掉自動化，是把審閱這一關補回流程裡。
內容跟別人長得太像，連被展示的機會都變少
上一節談的是量的問題，這節換一個角度。同質化風險不需要整批發稿也會發生，只發一篇一樣中招。AI 模型是從海量既有內容訓練出來的，寫同一個主題時很容易寫出跟其他網站高度相似的段落結構與論述順序。讀起來每一句都通順，卻沒有一句是只有這個網站會講的話。這不是抄襲，是同質化，問題比抄襲更難察覺，因為找不到任何一句能明確指認出處。
前面提到的十六個月實測，完整曲線正好說明這種風險怎麼發生。兩千篇未經人工編修的 AI 文章發布後，三十六天內七成一被索引，一個月時排名的網址裡有超過兩成八已經擠進前一百名，八成的網站至少排進一百個關鍵字，這個階段看起來成績相當不錯。但大約三個月後，留在前一百名的頁面只剩百分之三；追蹤到第十六個月，這批網站的能見度大多沒有明顯回升。
實驗團隊把原因歸給幾個訊號的缺席：沒有反向連結或外部驗證撐起的權威性、沒有作者身分或真實世界經驗背書的專業度、內容跟既有的東西高度重疊、缺乏差異化。這幾個訊號合起來，正是 Google 常提的 E-E-A-T 架構，經驗、專業、權威、信任這四項。換句話說，Google 不一定會主動處罰這類內容，而是演算法系統性地不再把它展示給使用者看，結果跟被降權沒有兩樣。
內容講錯一次，賠掉的是整個網站的信任
前面幾節談的風險都還在排名層面，這一節要談的風險更根本，信任一旦受損，影響的不只是某一篇文章的排名。
AI 模型在生成具體的引用、來源、數字時，是它表現最不穩定的任務類型之一，這不是憑印象的判斷，已經有大型學術研究量化過。Xu 等人於 2026 年發表的一項研究，針對十三個主流大型語言模型、涵蓋四十個電腦科學研究領域、分析超過三十七萬五千筆生成引用，發現各模型虛構引用的比例落在 14.23% 到 94.93% 之間，依模型與領域不同差異極大。所謂虛構引用，指的是模型給出一個看起來完整的作者、期刊、年份，實際上查無此文。
放進網站經營的脈絡看，這個錯誤率意味著什麼。如果一篇文章裡有具體的引用、統計數字、法規條文，而這些內容是未經查證就直接照抄 AI 寫出來的版本，出錯的機率並不低。讀者一旦在某一篇裡抓到一個明顯兜不起來的數字或來源，連帶懷疑的往往不只是那一篇，是這個網站接下來每一篇的可信度。E-E-A-T 架構裡的信任訊號本來就要靠長期累積，卻可能被一次明顯的錯誤大幅打折扣，這也是為什麼具體數字、引用、法規這類內容，即使是 AI 先寫出來的草稿，也一定要回頭查證再放行。
AI Overview 已經把內容講完了，讀者還會點進來嗎？
前面幾節談的都是排名會不會掉，還有一種風險更容易被忽略。就算文章順利被索引，甚至排到前面，讀者也未必會點進來。
原因跟 AI 生成內容常見的產出方式有關。如果內容只是把公開知識重新排列組合，這類內容正好最容易被 Google 的 AI 摘要整段引用，直接呈現在搜尋結果最上方，讀者看完摘要就滿足，不需要再點進原始頁面。Pew Research Center 在 2025 年的一項實測量化了這個差距。搜尋結果出現 AI 摘要時，使用者點進一般搜尋結果連結的機率只有百分之八；沒有出現摘要時，這個機率是百分之十五，幾乎是兩倍差距。出現 AI 摘要時，使用者直接結束整個搜尋過程、沒有點開任何連結的比例是百分之二十六，同樣明顯高於沒有摘要時的百分之十六。
這代表內容有沒有非得由這個網站來講的獨特角度，現在連讀者會不會點進來都直接掛鉤，不只是排在第幾名而已。排名和點擊，正在變成兩個要分開追蹤的指標。
AI 放在流程的哪個位置，才不會踩到這幾條線？
把前面幾節的風險收斂起來看，其實可以濃縮成三個定位原則，決定 AI 該放在流程的哪個位置。
第一個原則，AI 負責研究與草稿，不負責這篇該不該發、一次發幾篇的決定。發稿量要不要擴張，得由你根據讀者真正的需求判斷，不是看 AI 一次能寫出幾篇。這正是前面「整批發稿衝關鍵字覆蓋率」最容易踩線的原因，把決定權交給產能，而不是交給價值判斷。
第二個原則，每一篇都要留一段只有你的網站、你這個作者才寫得出來的具體經驗或判斷，不是把別人已經講過的內容換句話說一次。這是同質化風險的解方，也是 Google 認可 AI「可為原始內容加入結構」這個用法背後真正的意思。AI 負責把資料整理成骨架，骨架裡要填的血肉，得靠這個網站自己的觀察補進去。
第三個原則，凡是具體數字、引用、法規條文，你都要回頭查證來源再放行，尤其是模型最容易出錯的引用與來源類型。這一步不是選項，是前面「內容講錯一次，賠掉整個網站信任」風險的唯一解法。
三個原則放在一起看，其實只回應同一件事。AI 省下來的是寫一篇草稿的時間，不是判斷這篇內容值不值得讀的責任，後面這件事一直都得留給人。
AI 縮短的是產出一篇文章要花多少時間這段差距，沒有縮短這篇內容值不值得被讀那段差距。真正決定排名留不留得住的，從來不是有沒有用 AI，而是有沒有人真的為這篇內容的品質把關。
隨著 Google 把越來越多的搜尋結果版面讓給 AI 摘要，內容能不能提供摘要抓不走的獨特價值，會是接下來排名與流量留不留得住的關鍵分水嶺。這道題的答案，依然握在寫東西的人手上，不是握在生成內容的工具手上。