OpenAI 執行長 Sam Altman 曾在一次訪談裡丟出一句讓整個廣告圈坐立難安的話：今天品牌花錢請代理商、策略師、創意人員做的事情，大約有 95% 未來會由 AI 幾乎瞬間、幾乎零成本地完成，連把創意拿去對真實或模擬的焦點客群測試都能一併搞定。這句話後來被收進《Our AI Journey》這本訪談集，也一路被轉載到各種「文案要失業了」的標題裡。
多數人聽到這類發言，直覺想到的是自己的飯碗，於是「AI 寫作會取代文案人員嗎」這個問題就懸在每個靠文字吃飯的人頭上。但真正在發生的事，其實比「取代」這兩個字複雜得多，不是一個職業整個被端走，而是這份工作被拆開、重新組裝，有一半被機器接手，另一半反而變得比以前更值錢。
會被 AI 吃掉的，是「把想法變成文字」這個生產動作；留下來、甚至升級的，是「決定要說什麼、判斷這段話能不能用」的那雙手，這就是整篇文章最直接的結論。接下來一節一節看，這條界線實際畫在哪。
AI 真的已經在做文案工作了
先誠實面對一件事，AI 不是「將來」才會搶文案的工作，它現在就已經在做了，而且做得又快又便宜。麥肯錫《The State of AI in 2025》調查顯示，已經有 88% 的組織在至少一項業務中固定使用 AI，其中 63% 的受訪組織直接用生成式 AI 來產出文字內容。文字，正是生成式 AI 最順手的產出型態之一。
被接手得最徹底的，是所謂「量產型」文案。這類工作有幾個共同特徵，也正好是它們最先被自動化的原因：
- 格式固定：像商品描述、規格說明、標準化的商業信件，版型與資訊欄位幾乎都一樣，只是換不同商品填進去。
- 字數短、篇幅小：一句廣告標語、一則社群貼文、一封促銷 Email，短到人類寫起來也快，但要一次生成五十個變體，AI 就有壓倒性的速度優勢。
- 創意需求低、可模板化：A/B 測試要的十幾種版本、同一檔活動投放到不同受眾的措辭微調，本質是把同一個訊息換句話說，重複性高、規則清楚，正是模型最擅長的地方。
換句話說，愈是「大量、重複、可以套公式」的文字工作，AI 的產出品質就愈容易跟人類打平，還快上好幾倍。實際的商業案例也印證了這件事。Klarna 在 2024 年公開分享，公司內部約 80% 的文案已改由一套名為 Copy Assistant 的 AI 工具起草，光是這一年就把行銷代理商的支出砍掉約四分之一，換算下來每年省下約一千萬美元。
所以回到那個懸在頭上的問題，第一層答案其實很清楚，AI 會取代文案工作的一部分，也就是量產那一塊，但這不等於文案這個職業整個消失。要看懂剩下的那塊為什麼還在，得先弄清楚為什麼連過去以為最安全的「創意」，現在也開始鬆動。
為什麼「創意」這道防線正在退守？
過去大家安慰自己的說法，是重複的工作讓 AI 去做、人類守住「創意」就好。這道防線現在正在退守，但退的原因跟你想的不一樣，不是 AI 突然變得有創意了，而是「創意」被消費、被生產的方式整個變了，讓「只負責生產」的那種角色站不住腳。
第一個變化，來自內容被誰讀。以前一篇文案是寫給人看的，讀者打開網頁、滑動社群、讀完被打動。現在多了一個讀者，就是 AI 搜尋引擎與聊天機器人。愈來愈多人問問題不是打開搜尋結果一頁一頁看，而是直接問 AI 助手要答案，品牌的內容於是得同時對「人」和「模型」說話。這件事有了專門的名字，叫生成式引擎最佳化（Generative Engine Optimization，GEO），也就是想辦法讓自己的內容被 AI 引用、被摘進那段回答裡。當內容的目的地從「排在人眼前」擴張到「被機器讀懂並轉述」，寫作這件事的規則就跟著改寫了。
第二個變化，來自內容被誰生產。精準投放、成效衡量這些環節，早就握在掌握大量資料的技術巨頭手裡；如今連過去最靠人力的「創意製作」，也被一路收進同一套技術棧，從產圖、寫變體到自動測試哪個版本轉換率高，串成一條可以自動跑的流水線。麥肯錫的同一份調查也指出，行銷與業務是各部門裡 AI 採用成長最快的領域之一。當生產這一段被技術接管，一個文案如果唯一的價值就是「產出文字」，那他站的正好是被自動化沖刷得最猛的位置。
這才是「創意防線退守」真正的意思，被打敗的不是文案的創意能力，而是「文案的工作只剩下生產」這個前提本身。一旦生產可以被外包給機器，人的價值就得往別的地方移。往哪裡移？下一節就是全文的轉折。
從生產者到把關者，這條界線怎麼畫？
要看懂文案這個職業留下來的那半邊，得先把「文案工作」拆成兩層，也就是生產層，以及把關與策略層。AI 大口吃掉的是生產層；人類留下、而且變得更重要的，是把關與策略這兩層。這不是「AI 沒有溫度」那種安慰話，而是一條可以具體操作的分工線。
先講把關者這一層。當 AI 半分鐘就吐出一篇草稿，真正稀缺的能力，變成有人能判斷這篇草稿能不能用。把關者實際上在做三件事：
- 查核事實正確性：生成式 AI 會把不存在的數字、法規、報價講得跟真的一樣（俗稱「幻覺」），一段讀起來很順的文字，裡面的數據可能整個是編的。把關者要逐句核對，這是機器目前替代不了的。
- 抓出空話與過度承諾：AI 特別愛寫那種「業界領先」、「效果驚人」、「保證滿意」的漂亮空話，這些話在某些產業會直接踩到廣告不實的線、引來客訴。看得出哪句是空話、哪句是危險的過度保證，需要對後果有判斷。
- 守住品牌語氣的一致性：同一個品牌，這篇活潑、下篇突然變得很官腔，讀者是感覺得出來的。人得盯著讓每一篇讀起來都像同一個品牌在講話。
再講策略者這一層。策略者處理的是「這篇東西到底為什麼要寫」，也就是這次內容要服務哪一個商業目標，是要拉新客、催回購，還是穩住老客戶的信任；以及一個更根本的判斷，什麼時候該用 AI，什麼時候不該。有些場合圖快、圖量，交給 AI 起草再修就很划算；有些場合，比方一封危機處理的道歉信、一段要建立長期信任的品牌敘事，交給模型跑出來的「平均值」反而會壞事。決定該不該用、用到哪裡收手，這個判斷本身就是策略。
麥肯錫那份調查談企業導入 AI 時，反覆出現一個框架，當 AI 把協調、執行、例行決策這些工作接手之後，人的角色會往價值鏈的上層移動。把這個框架套到文案身上，畫面就很清楚了。AI 站在生產的位置，人往上站到把關與策略的位置。Klarna 的做法其實也是這個模式的縮影，AI 起草大部分文案，但公司要的不是「無人化」，而是讓人從一筆一畫地寫，變成審核、把關、拍板要不要放行。生產交給機器，判斷留給人。
為什麼「策略判斷」是 AI 目前學不會的事
「策略判斷留給人」聽起來很對，但如果只停在這句，它也只是另一種空話。所以這一節把它拆到最具體，看看策略判斷實際包含哪些 AI 目前做不到的事。
先看幾個真實會遇到、AI 卻答不出來的問題：
- 這次活動該不該用幽默的語氣？同樣一則貼文，開玩笑可能拉近距離，也可能在某個敏感時間點顯得輕浮。這個分寸要看當下的社會氣氛、品牌過去的形象，AI 沒有這個現場感。
- 這個族群現在最在意的痛點是什麼？痛點會隨政策、物價、季節、甚至一則突發新聞而變，模型學到的是過去資料裡的「平均痛點」，抓不到此時此刻正在發酵的那一個。
- 這句話會不會被解讀成過度承諾、引來客訴？要判斷一句廣告詞的法律與觀感風險，得同時懂產業慣例、法規紅線，還有這群消費者被踩到會怎麼反應，這是好幾層脈絡疊在一起的判斷。
這幾個問題有個共同點，答案都不在「一般情況」裡，而在「這一次的例外與脈絡」裡。AI 的本事是把海量資料裡的規律學成一個「平均值」，它非常擅長回答「通常怎麼做」；但策略判斷考的恰恰是「這一次為什麼不能照通常做」。平均值答不了例外題。
這也解釋了一件很多人搞反的事，懂產業脈絡的人，比只懂怎麼下 AI 指令的人更難被取代。下指令（prompt）本身是一種會愈來愈普及、門檻愈來愈低的技能，工具好用了，人人都能下出堪用的指令；但「知道這個產業現在在意什麼、這句話講出去會有什麼後果」的脈絡理解，是要靠時間、經驗、貼近市場才長得出來的，換一個模型、升一個版本都補不上。世界經濟論壇《Future of Jobs Report 2025》也呼應了這個方向，它把分析思考、創造力、AI 素養、好奇心與終身學習列為 2030 年前最被看重的幾項核心技能，同時預估現有核心技能會有 39% 在這幾年內改變。被看重的全是「判斷與理解」這一類能力，而不是「把字打出來」的那一類。
文案團隊的編制正在怎麼變？
把鏡頭從個人職涯拉遠到整個團隊，會看得更清楚，真正在調整的不是「要不要留文案」，而是「一個文案該怎麼配置」。實務上，中小企業與行銷團隊的人力配置正在往幾個方向重組。
第一個變化，是同一位文案負責審核更多篇草稿，而不是從頭寫更多篇。過去一個文案一天能產出的量，被自己動筆的速度綁死；現在 AI 先把初稿量產出來，文案的工時重心從「寫」挪到「審、改、把關」。同樣八小時，過去可能是深耕三篇，現在可能是審完十幾篇 AI 草稿、決定哪些放行、哪些退回重跑。
第二個變化，是團隊裡開始長出混合職能。像「內容品管」「AI 產出審核」這種角色，過去在小團隊根本不存在，現在慢慢變成有人得專門負責。他不見得自己寫最多字，但他是那個確保放出去的每一篇都沒有事實錯誤、沒有過度承諾、語氣對得上品牌的人。生產變便宜之後，把關反而成了瓶頸，於是把關被獨立出來當成一種職能。
第三個變化，落在資淺文案的養成路徑上，這一塊影響最深。過去新人是靠大量寫作累積手感，寫得夠多、被改得夠痛，判斷力才慢慢長出來。現在初稿有 AI 代勞，新人少了「被逼著大量寫」這個磨練，養成方式就得跟著改，更早開始練習判斷與編輯，學著看出一篇草稿哪裡在講空話、哪個數字要去查、這段語氣為什麼不對。手感的來源，從「多寫」轉向「多審、多判斷」。
領英《Work Change Report 2025》給了這個轉變一個量化的注腳，它預估到 2030 年，多數工作所使用的技能會有高達 70% 產生改變。注意，它說的是技能改變，不是職務消失，這正好對上文案的處境。工作沒有不見，但這份工作用到的技能，正在從「產出」大幅換血成「判斷」。
所以，AI 時代到底還要不要當文案？答案不是簡單的要或不要，而是看你把自己投進哪一層。如果你把自己定位成「一台把想法轉成文字的機器」，那確實危險，因為真的有一台更快更便宜的機器了；但如果你願意把重心放到查核、把關、理解產業、替內容做策略判斷這些事情上，這個職業不只留得下來，還會比從前更需要你。要投入的方式很具體，從現在起，刻意把練習的重點從「寫得更多」轉到「判斷得更準」，每看到一篇草稿，先問自己能不能挑出它的毛病，而不是只想著自己能不能寫得更快。
被 AI 取代的，從來是一項一項的任務，不是一整個職業。把想法變成文字這件事，機器已經做得又快又好；但決定要不要相信這段文字、放不放它出去見人，這個判斷還牢牢握在人手上。下一次收到一篇 AI 草稿，先別急著複製貼上，停下來問自己一句：這段話會不會讓真實的人覺得被騙了？願意停下來問這一句、而且答得出來的人，就是文案這個職業之所以還留在桌上的理由。