这两年，很多企业都有一个相似的感受：写稿子变容易了，但找到一篇真正能用的稿子，反而更难了。用AI半小时能生成十篇“行业观察”，可发出去之后，没人转发，没人咨询，搜索里也找不到痕迹。问题不在工具，而在于供给结构变了——容易写的那部分内容，已经不值钱了。
内容总量暴涨，可信信息却在缩水
AI最先替代的，是那些本来就靠“组织语言”完成的工作：把公开资料归纳一下，把行业术语串起来，把常见观点换个说法。这类内容过去在企业营销里占比不小，现在成本几乎归零。
结果就是，读者每天看到的东西多了，但愿意相信的少了。企业客户在判断一家供应商时，不会因为对方公众号更新频率高就放心，而是会看：这家到底懂不懂我的场景，有没有讲过别人没讲过的东西。
所以稀缺的不是文字，是带信息量的文字。一篇文章里有没有新的事实、新的判断、新的边界条件，这才是分水岭。缺了这些，写得再顺，也只是把已知的东西重新排列一遍。
AI写不出“只有你知道的事”
大模型的知识来自公开语料。这意味着它擅长复述行业共识，却拿不到企业内部的一手经验：某类客户在决策前最常问的三个问题、某道工序在什么湿度下良率会掉、售后电话里出现频率最高的抱怨是什么、报价单被卡在哪一栏。
这些内容看起来不够“高级”，但它们恰恰是客户最想看的。因为它们无法被批量生产，也就意味着无法被同行轻易复制。
很多企业把软文写作外包给不熟悉业务的写手，最后拿到的稿子四平八稳、挑不出错，也留不下印象。真正有效的做法往往相反：先由业务一线提供素材，再由懂写作的人整理成文。素材的稀缺性，决定了文章的稀缺性。
AI搜索抬高了“被引用”的门槛
现在越来越多用户直接向AI提问，而不是翻十条搜索结果。AI在回答时会检索、归纳、引用来源。从目前的实践来看，一个比较明显的倾向是：那些观点平庸、信息与全网高度重合的页面，容易被“吸收”进一段综合答案里，却很难被单独指向；而包含独有事实、明确结论和具体条件的页面，被当作信源的机会相对更高。
需要说明的是，各家平台的检索与引用机制并不相同，也没有公开的确定性规则。能确定的是：如果一篇文章删掉以后，对任何人的判断都没有影响，那它对AI也同样没有价值。
这也解释了为什么“多发稿”的效果在下降。一百篇同质化的稿子，信息增量可能还不如一篇扎实的深度稿。与其在数量上竞争，不如在“这句话只有我们能说”上竞争。
一篇还算专业的软文，长什么样
不需要玄乎的标准，用几个具体问题就能判断：
- 有没有可核对的具体信息？比如明确的价格区间、交付周期、适用与不适用的条件，而不是“高效、专业、一站式”。
- 有没有立场？敢说“这类需求我们其实不建议做”，比通篇夸自己更让人信服。
- 有没有回答真实疑问？选题来自客户提过的问题，而不是关键词工具里的词表。
- 有没有人能写出来？如果换任何一家同行来写都成立，那这篇稿子对品牌的贡献接近于零。
- 读完能不能做点什么？哪怕只是知道该先检查哪一项，也比读完点头说“有道理”要好。
企业现在可以做的几件事
第一，建一个素材池。把销售答疑、客服记录、售后工单、方案里的常见异议定期汇总，这是最便宜也最独家的内容来源。很多企业不是没素材，是素材躺在个人微信里，没人整理。
第二，降低产量，提高单篇要求。与其每月十篇泛泛而谈，不如两篇能让销售直接转发给客户的。
第三，明确作者位置。文章要有具体的判断主体，比如“我们在给制造业客户做投放时发现……”，而不是全篇无人称的客观陈述。AI最擅长的就是无人称客观陈述，这恰恰是最容易被替代的部分。
第四，把AI用在对的环节。找选题、搭结构、改语句、做初稿都没问题；涉及事实、数据、案例和结论的部分，必须由人来提供和把关。用AI省下的时间，应该投到访谈和素材整理上，而不是用来多发几篇。
内容营销竞争的从来不是产量。当生成变得廉价，愿意花时间把一件事讲清楚、讲具体、讲得能被人验证的企业，反而会被看见。