01
一句话定义
AI 参与了素材生成，但目标、事实、版权和发布责任仍需由人管理。
02
解决什么问题
AIGC 可以扩大探索和生产能力，同时也放大事实错误、版权、品牌一致性与审核风险。
03
适用与不适用
适用场景
- 需要在明确标准下提高研究、生成与适配效率的团队
- 有稳定事实、品牌规范与人工审核能力的内容流程
不适用场景
- 用批量生成替代事实核验与创意判断
- 高风险发布没有人工终审与责任人的场景
04
前置条件
01
用途、风险等级与禁止事项
02
品牌、事实与版权输入
03
人工审核与版本记录
05
输入与输出
| 输入 | 输出 |
|---|---|
| 任务说明、受众与渠道要求 | 可审校的内容或素材版本 |
| 经过授权的素材与来源 | 来源、提示词与修改记录 |
| 提示词、模型、版本与参数 | 风险、授权与发布确认 |
06
标准步骤
01
品牌素材变体
02
初稿与分镜探索
03
跨平台内容适配
07
判断标准
01
先定义用途和风险等级
02
保留来源、提示词与版本记录
03
高风险发布保留人工终审
08
常见失败方式
01
AI 内容天然不被搜索收录
02
生成速度等于可发布质量
09
衡量指标
01
一次通过率
生成结果无需重大返工即可进入下一环节的比例。
02
事实与品牌错误率
抽检中事实、语气、视觉或品牌规范错误的比例。
03
单位合格产出成本
包含生成、审核与返工后的真实单位成本。
10
案例拆解
把 AI 放进审核链，而不是绕过审核
情境
团队生成速度提高，但事实错误和品牌偏差导致返工增加。
处理方法
按风险分级任务，锁定来源与品牌输入，保留人工终审和版本记录。
关键结论
AIGC 的效率应按合格产出计算，而不是按生成数量计算。
11
工具模板
AIGC 任务与风险 Brief
生成与修改记录
发布前审核清单
12
修订记录
版本 2.0
2026-07-15
升级为深度知识单元，补充适用边界、输入输出、衡量指标、案例和主张级证据。
相关概念对比
AIGC 与 UGC
一个描述生成方式，一个描述发布主体；两者都不能替代事实、授权和审核。
| AIGC | UGC | |
|---|---|---|
| 核心特征 | 生成式 AI 参与生产 | 用户或社区成员创作发布 |
| 主要风险 | 幻觉、版权、品牌偏差与批量滥用 | 授权、隐私、虚假口碑与商业关系不透明 |
| 治理重点 | 来源、提示词、版本和人工审核 | 同意、授权、披露和事实核验 |
相关术语
证据与来源
Google Search Central
2026-07-15
生成式 AI 内容与 Google 搜索
该来源支持: AI 辅助内容并非天然违规，重点仍是用户价值、准确性与避免规模化滥用。
美国国家标准与技术研究院 NIST
2026-07-15
AI 风险管理框架
该来源支持: AI 系统治理、风险识别、测量与持续管理的通用框架。
国家互联网信息办公室等
2023-07-13
生成式人工智能服务管理暂行办法
该来源支持: 中国境内面向公众提供生成式人工智能服务时的治理、内容、数据与责任要求。
国家互联网信息办公室等
2025-03-14
人工智能生成合成内容标识办法
该来源支持: 中国境内人工智能生成合成内容显式与隐式标识、传播和平台责任要求，自 2025 年 9 月 1 日起施行。