當內容變成免費：Odd Lots 談 AI 如何翻攪社群工作者的生活
2026 年 9 月 24 日《Odd Lots》洛杉磯現場，Taylor Lorenz 與 Rachel Karten 談 AI 進入社群與行銷工作後的實況：老闆把判斷外包給模型、消費者嘴上討厭 AI 內容卻照看、教學型創作者被取代。本文為聽後心得與延伸思考，屬教育性內容，不構成投資建議。
昔者莊周夢為胡蝶，栩栩然胡蝶也，自喻適志與！不知周也。俄然覺，則蘧蘧然周也。不知周之夢為胡蝶與，胡蝶之夢為周與？
—— 《莊子・齊物論》（戰國）
2026 年 9 月 24 日《Odd Lots》在洛杉磯錄的第一場現場節目裡，主持人 Tracy Alloway 與 Joe Weisenthal 找來 Taylor Lorenz 與 Rachel Karten，談 AI 進到社群媒體這一行之後發生了什麼。Rachel 訪過大約一百位行銷人，最常聽到的場景是老闆把下屬做的迷因丟進 Claude 問「這好不好笑」，她引用其中一句受訪者的話：demoralizing as hell。另一組數字來自 Instagram：史上觀看次數最高的 20 支 Reels 裡，有兩到三支是 AI 生成的。這集談的是製作成本趨近於零之後，靠內容吃飯的人怎麼活下來，講的是美國市場的社群產業，換到別的行業要自己重新對過一遍。
這集在講什麼
Odd Lots 平常聊債市、聊供應鏈、聊大宗商品，這次人在洛杉磯，題目換成網紅經濟。兩位來賓都在這行裡面：Taylor Lorenz 寫科技與網路文化的電子報 Usermag，Rachel Karten 寫 Link in Bio，讀者是各家公司的社群團隊，她形容自己那份電子報是社群這一行的行業刊物。
Joe 開場丟的問題很直白：當做內容變成免費或接近免費，創作者會怎樣？我聽完覺得，這集給出的答案比「AI 取代人類」這種標題複雜得多——被打掉的東西跟大家以為的不太一樣，而真正讓從業者難受的那一塊，跟技術幾乎無關。
摘要重點
老闆的 AI 腦，是這一行現在最大的痛。 Rachel 寫過一篇叫〈你的老闆有 AI 腦嗎〉的文章，訪了大約一百位行銷人。他們遇到的狀況是老闆要求用 AI、老闆自己也在用，然後把自己的直覺整包外包給模型。她聽到有人辛苦做好一個迷因送上去，老闆丟進 Claude 問好不好笑；還有人發現老闆只接受來自 Copilot 的點子，於是把自己的提案做成 Copilot 介面的截圖送審。她的結論不是把 AI 趕出行銷部門，而是這種導入方式沒有章法——她在 Condé Nast 的時候，公司導入 Asana 那種專案工具，前前後後花了好幾個月教大家怎麼用，AI 進公司卻沒有人教、沒有規範。
消費者把社群當成產品用心程度的代理指標。 Rachel 的說法是，大家預期一個品牌會在創意上投入，社群上花的心思會被讀成產品上花的心思。看到喜歡的連鎖餐廳用 AI 生成的圖，接下來的聯想就是：那他們在別的環節還抄了哪些捷徑。
人們反感的是被騙，而不是 AI 本身。 Taylor 說 YouTube 上現在一堆人在唸 AI 寫的腳本，留言區照樣誇「分析精彩、腳本很棒」。同一群人可以在某支影片底下罵「你居然用 AI，噁心」，滑到下一則就說「我好愛這個柳橙愛上紅蘿蔔的故事」——那是 AI 生成的短劇「水果戀愛島」。Rachel 的解釋是，迷因這種東西風險低，觀眾不在乎它的工藝；可是要掏錢買的公司，觀眾在乎。
真正被打掉的是教學型內容。 Taylor 指出，早年網路內容民主化靠的就是 how-to——最早的 YouTube 影片幾乎都是化妝教學、怎麼修這個怎麼弄那個。而 AI 在這件事上是更好的權威，洗碗機壞了問模型比翻影片快。
Joe 順勢講了一段：他媽媽前陣子很得意地說，自己用 ChatGPT 把馬桶修好了。Rachel 補了一句我覺得最耐人尋味的話——她說要是以前，她會打電話叫水電工，那是一次跟真人的互動。
把困惑變現，是短期紅利長期爛帳。 Rachel 去查了 Instagram 史上觀看最高的 20 支 Reels，兩到三支是 AI 生成，其中一支做成「幕後花絮」的樣子，假裝在拍電影裡的海浪、示範它打到房子會怎樣。她說這是借用「證明這是真的」這個框架去製造混淆，靠混淆賺流量。AI 帳號一天可以發 50 則，像在拉吃角子老虎，總會中一次。
長得起來的帳號都在做連續劇。 Rachel 觀察現在成長中的帳號有一條共同的線：熟悉感，像是在經營自己的電視節目。她舉的例子是一位餐廳廚師，戴著 Meta 眼鏡把自己做菜的過程錄下來，每天一集，兩三個月漲到大約 50 萬追蹤。Taylor 接著說，別在 2026 年還想當生活風格網紅，沒人在乎，而且對那類帳號的反感很強。節目裡還提到 Instagram 負責人 Adam Mosseri 的說法：社群媒體上的「社群」，現在發生在私訊——傳一個讓你想到對方的迷因給朋友，比公開分享自己的近況更像社交。
延伸想法
「我做的東西，被一個沒在看的人用模型否決了」
這句話我想很多上班族看了會心頭一緊。你花三小時想出來的東西，主管三十秒丟進對話框，回來一句「AI 覺得普通」。難受的地方不在 AI 的判斷準不準，而在整個判斷的責任憑空消失了——你沒辦法跟模型辯論，也沒辦法跟一個把判斷讓出去的人辯論。
我聽到這一段的時候，想到的是投資上同構的一件事。我們手上的持股，有多少是自己推導出來的？有多少是因為某個 KOL 說看好、某份研究報告給了目標價、某個模型算出來的分數漂亮？這中間的差別，在行情順的時候看不出來，在股價腰斬的那天才會露餡：自己推出來的，你知道當初的理由是什麼、現在還成不成立，可以判斷該抱還是該走；借來的，你只能再去問一次那個人，而他這次可能沒空回你。
Rachel 那個 Condé Nast 的對比我覺得是全集最實用的一句。導入一個排任務的工具都要教好幾個月，導入一個會替你做判斷的東西卻沒人教。套到自己身上就是：如果要用 AI 幫忙做投資功課，得先想清楚哪一段交出去、哪一段自己留著。我自己的做法是資料整理與翻譯交出去，判斷「這個數字代表什麼」留著——不一定對，但至少那條線是我畫的。
嘴上討厭，手上照看，該信哪一邊？
節目裡這個矛盾很好笑：留言區一片罵 AI 圖，然後把 AI 做的水果短劇傳給朋友。Taylor 跟 Rachel 給的解法是分風險層級——低風險的娛樂不在乎工藝，要付錢的決定才在乎。
這套分層我覺得可以直接搬到讀市場情緒上。散戶情緒調查、社群聲量、留言風向，量的是「大家說什麼」；資金流、成交量、持倉變化，量的是「大家做什麼」。兩者背離的時候，多半不是其中一個在說謊，而是它們問的問題不同——嘴巴回答的是「我希望自己是什麼樣的人」，鈔票回答的是「我現在怕什麼、貪什麼」。所以看到一份調查說八成的人看空，要先問的是：這八成的人，倉位動了嗎？
延伸到公司身上也一樣。法說會上講的是嘴巴，資本支出、庫存、應收帳款講的是手。管理層說今年重點是紀律，同時把資本支出拉高四成，那就以資本支出為準。
可以複製的那部分，正在貶值
這集最硬的一段推論來自 Taylor：how-to 型的創作者會很辛苦，因為模型在「告訴你怎麼做」這件事上做得更好、更快、更貼合你家那台洗碗機。而難以複製的內容——有觀點的評論、一個人本身的存在感——留了下來。
我把它讀成一句話：一項技能的價值，取決於它能不能被複製，而不取決於它花了你多少年學會。
這句話在職涯上很傷人，可是逃不掉。整理資料、翻譯、寫制式文案、做固定格式的分析，這些都是可複製的那一疊。剩下的是什麼？節目給了一個具體答案——那位戴著眼鏡每天煮一集的廚師，他的內容之所以複製不了，是因為那是他每天真的在做的事。
這裡我要收一句節制的話：這是 Taylor 與 Rachel 在 2026 年 9 月從自己產業裡看到的樣子，樣本是社群與行銷這一行，論證裡也沒有數據支持「how-to 創作者收入下滑多少」。它成立的前提是模型持續便宜、持續好用，而 Taylor 自己也承認她試過一堆 AI 剪輯工具，連一集 podcast 都剪不好。所以這是一個有方向感的觀察，還不是一個可以拿去下注的結論。
可以參考的資料
- Bloomberg《Odd Lots》2026 年 9 月 24 日那集的節目頁與節目筆記，洛杉磯現場錄音
- Rachel Karten 的電子報 Link in Bio，寫社群團隊的日常與各平台格式變化，節目裡提到的〈你的老闆有 AI 腦嗎〉一文出自這裡
- Taylor Lorenz 的電子報 Usermag，寫網路文化與科技政策
- 想看平台方怎麼說，可找 Adam Mosseri 在 Bloomberg Screen Time 上關於私訊與社群的那段發言
帶得走的一件事
把判斷交出去的那一刻起，你就不再累積判斷力。 工具會幫你省時間，代價藏在後面——省掉的那一步，正好是讓你下次更準的那一步。那位老闆並沒有變笨，他只是每一次都少練了一遍，兩年後他對「什麼東西好笑」這件事的手感，會停在他開始外包的那一天。
我試過一個做法，這禮拜你也可以挑一件事來玩：下次你要問 AI「這樣好不好、這樣對不對」之前，先在紙上或備忘錄寫三行——你的答案、你的理由、你最沒把握的地方。寫完再去問。然後看差在哪：是模型想到你沒想到的角度，還是它只是把你已經知道的事講得比較漂亮？
這件事跟投資沒關係也能做。挑選餐廳、跟孩子講道理、評估一個工作機會、判斷朋友傳來的訊息可不可信，都行。重點在那三行是你自己寫的，而且你事後回去對過答案。
本文為投資方法論的教育性分享，不構成任何個股買賣建議、不提供目標價、不針對當期標的。投資有風險，任何決策請自行判斷或諮詢合格的專業人士。