今天看到一个挺有意思的小新闻。Paul Graham（Y Combinator 的联合创始人。） 最近说，他现在收到很多创始人邮件，都是一种很奇怪的“新闻稿腔”。句子很完整，表达很顺，情绪很到位，甚至还带一点创业者该有的雄心和诚恳。但他一眼就知道，这是 AI 写的，然后他就不读了。
这个事有意思的地方在于，它不是说 AI 写得差。恰恰相反，很多 AI 写出来的东西，已经比大部分普通人自己写得更顺、更完整、更像一封“合格的商业邮件”。问题就出在这里，它太合格了，合格到你会突然觉得，这封信里面好像没有人。
不是因为 AI 不像人，而是因为它太会装人
很多人一聊 AI 写作，就会滑到一个很奇怪的方向。既然 AI 写得太整齐，那我是不是要故意写得乱一点？是不是要加几句口语？是不是要留几个语病？是不是要塞一点地方性的表达，让它显得更像人？
我觉得这个方向挺危险的。人味不是语病，真人写作也不是靠“我就故意写得不专业”来证明自己是真人。一个创始人给投资人写邮件，一个销售给客户写方案，一个作者给读者写文章，如果只是靠几句口水话、几处不完整句子、几段故意松散的表达来证明“这是我本人写的”，其实也挺廉价。
真正让人相信一段文字背后有人的，不是它有多少”人为”的缺点，而是里面有没有真正意义上的主观判断。你到底怎么看这个事，为什么现在来找我，你知道自己在承诺什么吗，这句话如果被追问，你能不能接得住，有没有自己真的把这个事想清楚。这些东西，才是商业写作和创作者写作里最要命的部分。
AI 现在很擅长把一句话写得礼貌、顺滑、体面。它知道一封融资邮件应该怎么开头，知道一封合作邮件应该怎么表达尊重，知道一篇公众号文章应该怎么制造共鸣。但它最大的问题是，它并不为这些话承担后果。这正如企业 AI落地实践中对于AI 产生成果的追责问题一样。
它可以写“我们非常重视长期价值”，但到底谁重视？怎么重视？过去做过什么取舍？为了这个长期价值放弃过什么短期好处？它也可以写“我对这个市场有一些不同判断”，但这个不同判断到底从哪里来？是你跑过数据，是你跟客户聊过，是你自己亏过钱，还是你只是看了三篇文章之后觉得应该这么说？这些，模型都不知道。
所以 AI 写作最容易出问题的地方，不是文笔，是责任，是个性化。
商业沟通里面，对方要看的不是你的文采
Paul Graham 反感 AI 写的创始人邮件，我觉得背后不是一种老派文人的洁癖。他真正反感的，可能是一个关系信号被污染了。
创始人第一次给投资人写邮件，本来就不只是传递信息。它是一次很小的关系试探。对方会从里面看很多东西：你是不是清楚自己在做什么，你有没有抓住重点，你是不是知道对方为什么应该理你，你是不是有一点真实的急迫感。
这些东西不一定要写得多漂亮。有时候，一封邮件很笨，甚至有点不熟练，但如果它里面有真实的判断、有明确的请求、有对具体问题的理解，反而会让人愿意看下去。因为对方知道，后面真有一个人在那里。
但 AI 代写会把这个信号变得很混乱。它可以帮你把语气修得更专业，也可以帮你把结构变得更完整。但如果你只是把自己的粗糙想法丢进去，让 AI 替你生成一封看起来很像创始人会写的邮件，那对方读到的不是专业，而是偷懒。
甚至更糟糕。对方会开始怀疑，你后面所有看起来很坚定的判断，是不是也只是 prompt 出来的。
这让我想起来去年有个找我讲课的商务，其中有一句话，让我一个AI 敏感症发作，只回了她一句“AI用的不错”。 这其实并没有增加我们之间的信任。到底是不是AI其实事实可能没那么重要，因为不信任的种子已经埋下。
[[img/79b7043071bc0d1eeb43947061dc9361_MD5.jpeg|Open: Pasted image 20260527160715.png]] ![[img/79b7043071bc0d1eeb43947061dc9361_MD5.jpeg]]
这才是 AI 写作在商业沟通里的信任税。它降低了你的表达成本，却提高了对方的验证成本。以前对方读一封邮件，只需要判断这个项目有没有意思。现在他还要多判断一层：这封信里面到底有没有作者本人。别小看这一层，在信息爆炸的环境里，多一层怀疑，就足够让人直接关掉。
但这不代表学术写作也要装得更像人
说到这里，很容易走向另一个极端。既然商业邮件不能太像 AI，那是不是所有文章、所有论文、所有报告，都要努力写得更“有人味”？我觉得不是。这是很多 AI 写作讨论里面最容易混淆的地方。
不同文体承担的责任是不一样的。商业信函、公众号文章、销售外联、创业者表达，它们确实需要一个真实的人在场。因为这里面有立场，有关系，有信任，有对未来行为的承诺。但学术论文、技术文档、研究报告，它们首先要承担的不是“像不像真人”，而是逻辑是不是清楚，概念是不是准确，证据链是不是完整，推理是不是能被复核。
在这些场景里，AI 的优势反而很明显。坦率地讲，AI 在理性表达、结构整理、语法规范、逻辑顺序这些方面，已经比很多人稳定。至少它可以把一段混乱的材料整理成更清楚的论述，可以把不够规范的表达修成更像论文的语言。这不是坏事。
如果一个人写学术论文，本来表达很准确，逻辑很清晰，证据也完整，结果因为某个 AI 检测工具说“AI 率偏高”，他就被迫往里面加一些口语化表达、模糊句子、主观感叹，甚至故意制造一点不那么顺的地方，那不是让文章更有人味，那是在降低学术质量。
学术文本不需要靠缺点证明自己是人写的。它需要靠证据、方法、引用、推理和可复核性证明自己站得住。这个道理其实很简单。一篇论文如果因为更清楚、更严谨、更规范，就被怀疑成 AI；一篇本来清楚的论文为了躲检测，反而要写得更模糊、更口语、更像聊天记录。那就不是人在战胜机器，那是人为了迎合一个黑箱，把自己写得更差。
AI 检测率不能变成新的迷信
我一直觉得，所谓 AI 检测工具最大的问题，不是它不准。工具不准，这个大家多少都能理解。更大的问题是，它经常没有办法解释自己到底在检测什么。
它检测的是模型生成痕迹，还是检测一种“过于规整”的表达风格？它判断的是概率，还是结论？它能不能说清楚，为什么这一段像 AI，另一段不像？它能不能接受反证？它有没有明确的误判边界？如果这些问题回答不了，那 AI 检测率就不能变成一个硬标准。
尤其在学术场景里，这件事更危险。网上有人把一些经典中文散文放进 AI 检测工具里，也能测出很高的 AI 率。这个现象本身就很讽刺。如果一个工具连过去人类写出来的经典文本都可能误判，那它到底是在检测 AI，还是在惩罚某种语言风格？
更麻烦的是，一旦大家开始把 AI 检测率当成唯一标准，写作者就会反向优化。不是为了把观点讲清楚，而是为了让工具觉得不像 AI。不是为了让论文更严谨，而是为了降低一个黑箱分数。不是为了让沟通更有效，而是为了在表面上留下“人类瑕疵”。
这事听起来很荒唐，但已经在发生。它最后会带来一个很坏的结果：真正有价值的表达标准被挤掉了，剩下的是一套奇怪的风格伪装术。
真正该建立的是文字责任标准
所以我觉得，AI 写作这件事，不能简单分成“能用”和“不能用”，更不能简单分成“像人”和“不像人”。我们真正需要的是一套场景化的判断标准。
商业邮件里，核心不是句子够不够漂亮，而是有没有真实意图和关系承担。你可以用 AI 帮你改语法、理结构，但关键判断必须来自你自己。你为什么找这个人，你想推进什么，你能给什么，你愿意承担什么，这些不能外包。
公众号文章里，核心不是有没有口语感，而是有没有作者自己的判断。读者不是来看你表演人味的，读者是想知道你在一个具体问题上到底怎么想。AI 可以帮你整理材料，但不能替你拥有经历、取舍、偏好和阶段性判断。
学术论文里，核心不是 AI 检测率，而是研究是否成立。概念、方法、数据、引用、推理、限制条件，这些才是该被审查的东西。只要这些站得住，表达清楚并不是罪。
技术文档里，核心也不是文风多自然，而是读者能不能照着做，边界有没有说清楚，错误场景有没有覆盖。说到底，一段文字到底好不好，不应该先问它是不是 AI 写的，应该先问它有没有完成这个场景里的责任。
这句话可能有点绕，但我觉得很重要。商业沟通的责任，是建立可信关系。学术写作的责任，是提供可复核的知识。创作者文章的责任，是给出真实判断和新的理解。技术文档的责任，是减少误解和执行成本。
如果 AI 帮你更好地完成了这些责任，那它就是工具。如果 AI 替你逃避了这些责任，那它就是问题。
最后
AI 写得越像人，越容易让人不信。这句话听起来像是在批评 AI，其实我觉得它批评的是我们自己。
我们太容易把写作理解成一种表面工作。把邮件写得更礼貌，把文章写得更顺，把论文写得更规范，把表达写得更像某种标准模板。但真正重要的东西，往往不在这些表面上。
它在一个人是否真的想过，是否真的判断过，是否知道自己为什么说这句话，是否愿意为这句话承担后面的追问。AI 可以模仿语气，可以模仿结构，可以模仿真诚，甚至可以模仿一点点笨拙，但它不能替你成为那个说话的人。但是把，人类的交流效率就是如此的低下，对于刚建立交流的人来说，形式大于本质是千年来流传下来的明规则了。怪不得三体人会嘲讽地球人的信息交流效率。
所以未来好的写作，不一定是最像真人的写作，而是读完之后，对方能感觉到，这里有一个真实的人在做判断。
这就够了。
