AI 內容生產流程：一個人一週 12 小時的內容工廠怎麼排

AI 內容生產流程要解決的是同一件事：用更少的人撐住同樣的產能。2020 年一個內容團隊需要八到十人，主編、寫手、編輯、設計、影片、社群各一到兩位，月產量落在五十到一百則。2026 年同樣的產能可以改成一個人加一套工具鏈，一週固定投入十二小時。改變的關鍵不在工具清單，在這個人的角色換成監督：判斷方向、校準品質、串接不同模型的輸出。

人力結構與產量的對照來自 PolyTask 自家與客戶專案上的觀察，不是產業普查。後面引用的跨帳戶調查有公開出處，兩組數字的分母不一樣，請分開看。

## 先定義：內容工廠、監督角色、產量的分母

內容工廠指一套固定排程、固定工序、產出可預測的內容生產流程。它的特徵是每週同一個時段做同一件事，而不是靈感來了才寫。一套成形的 AI 內容生產流程，看起來就是一張不會變動的週行事曆。 監督角色指流程裡唯一的人。這個位置做的是判斷、校準與串接；寫稿、畫圖、剪片都交給模型。 產量的分母是最容易被誤讀的一欄。所謂月產兩百到五百，算的是跨平台成品數，包含同一個主題改寫成不同平台的版本、以及從一支長影片切出來的短片段。它和「兩百到五百篇原創長文」是兩件事。 這個分母要先講清楚，因為公開資料的量級完全不同。Ahrefs 在 2025 年 6 月調查 879 位行銷人，其中 87% 使用 AI 協助產製內容；使用 AI 的人每月發布量中位數是 17 篇文章，沒有使用的是 12 篇，差距約四成二。那是以「文章」為單位計算的跨帳戶中位數。拿它去跟跨平台成品數相比會得到錯誤結論，兩個數字的正確用法是各自跟自己的歷史比。

## 2020 與 2026：同樣產能的兩種人力結構

兩種結構的差別，決定了 AI 內容生產流程能不能跑得動。舊的結構把產能綁在人頭上。主編負責選題與把關，寫手產稿，編輯校對，設計配圖，影片剪輯，社群分發，每增加一倍產量就要再加一輪人。月產五十到一百則是這種結構的常見水位。

新的結構把產能綁在工序上。一個人負責判斷與校準，產製環節交給一套工具鏈：對話式模型寫稿、圖像模型配圖、影片模型做動態、專案工具管流程，再加一套跨平台排程工具。常見組合是 Claude、Midjourney、Runway 與 Notion 這一類。

成本的形態也跟著換。人力從人頭變成工具訂閱費加上一個人的薪資，總額通常明顯下降，但不會變成零，而且省下來的錢有一部分會回到校準與審稿的時間上。

## 一個人的一週：十二小時怎麼排

週一｜兩小時：選題與排程。 決定這週要出哪些主題、各自走哪些平台、發布時間怎麼排。這兩小時決定後面十小時的產出值不值錢。 週二｜三小時：批次生稿。 用固定的背景脈絡與模版，一次產出約三十篇初稿。重點是批次，不是一篇一篇生。 週三｜兩小時：自己改稿、上品牌調性。 這一段不能外包給模型，理由在後面那一節。 週四｜三小時：配圖與影片。 圖像與影片模型同時跑，人在旁邊挑與串。 週五｜兩小時：跨平台分發與排程。 把成品排進各平台的發布佇列，設定好下週的追蹤欄位。

合計十二小時，可以撐起三十則以上的跨平台內容。這個時數是內容生產流程順暢後的穩態，第一個月通常要多花一倍時間建模版與調工序。

## 這個位置做的是監督

角色換了之後，一天的工作內容只剩三件事。

判斷。 這個方向對不對、這個主題值不值得做、這個角度有沒有人講過。模型可以給你二十個選題，決定哪一個該做的是人。 校準。 模型產出的東西夠不夠好。這件事需要一個標準，而標準在你腦袋裡。 串接。 把不同模型的輸出拼成一個成品：稿配哪張圖、哪一段切成短影音、哪個版本上哪個平台。

## AI 做不了的三件事

定品牌調性。 第一次一定要人來定。模型可以依照既有範例延續調性，但沒有範例時它只能給平均值。 判斷品質夠不夠。 模型不知道你的標準在哪裡。它能依照你給的規則檢查，無法替你決定規則。 跨平台策略。 哪個平台該加碼、哪個該收掉、預算怎麼重新配，取決於商業目標與既有資源，這些資訊多半不在模型手上。

這三件事構成這個位置的核心價值，其餘工序都可以交出去。這也是招募條件改變的原因：要找的是能跟模型對話、有品味、會判斷的人，而不是再多一位寫手或剪輯師。團隊要擴張時，先問一個人加一套工具鏈能不能撐到目標產量，再決定要不要加人。

## 什麼時候不適用

這套 AI 內容生產流程有邊界，以下情況不要照搬。

內容需要第一手素材。 實地拍攝、人物訪談、現場紀錄，這些東西沒有素材來源就生不出來，工具鏈只能處理後製與改寫。 受規範的品類。 醫療、金融、保健食品的內容要走法遵審查，審查工時往往比產製工時長，省下來的時間會被吃掉。 品牌調性還沒定下來。 調性是第一件要人做的事。調性沒定就開批次，產出的是三十則需要重寫的稿。 內容本身就是產品。 出版品、課程教材、研究報告的標準與一般社群內容不同，批次流程不適用。 要跑影音且平台有揭露規定。 Meta、TikTok 與 YouTube 對寫實的 AI 生成影音各有標示要求，影音工序要多一道合規檢查，排程時要把這段時間算進去。 瓶頸在分發而不在產出。 如果既有內容的曝光都還沒跑完，加大產量只會讓庫存更多。先處理分發，再談產能。

## 這週可以做的三件事

1. 先算分母。 這是內容生產流程最常被跳過的一步。列出目前每月的成品數，並寫清楚哪些算一則：原創長文、跨平台改寫、短影音切片要分開計。 2. 把下週切成五個時段試跑一次。 兩小時選題、三小時生稿、兩小時改稿、三小時配圖影片、兩小時分發。 3. 寫下那三件事由誰負責。 定調性、定品質標準、定平台配置，在你的組織裡分別掛在誰身上。

## TL;DR

AI 內容生產流程的核心是把產能從人頭移到工序上，也就是把內容工廠的產出綁在固定的週循環上。一週十二小時的排法是：週一兩小時選題排程、週二三小時批次生稿、週三兩小時改稿上調性、週四三小時配圖與影片、週五兩小時跨平台分發，可撐起三十則以上的跨平台內容。這個位置做的是判斷、校準與串接。模型做不了的三件事是定品牌調性、判斷品質夠不夠、決定跨平台策略。看產量數字之前先確認分母：跨平台成品數與原創文章數是兩回事，Ahrefs 2025 年的跨帳戶調查顯示使用 AI 的行銷人每月發文中位數為 17 篇。

記住這個順序：先定分母 → 再排工序 → 最後才談擴編。

## 常見問題

一個人用 AI 一個月真的能產出兩百到五百則內容嗎？

要看分母。這個量級算的是跨平台成品數，包含同主題改寫成不同平台的版本與長影片切出的短片段。以原創長文計算的話，Ahrefs 2025 年 6 月對 879 位行銷人的調查顯示，使用 AI 者每月發布中位數是 17 篇，未使用者是 12 篇。

AI 內容生產流程一週要花多少時間？

流程穩定之後約十二小時：選題排程兩小時、批次生稿三小時、改稿與上調性兩小時、配圖與影片三小時、跨平台分發兩小時。第一個月通常要多花一倍時間建立模版與調整工序。

用 AI 做內容還需要請寫手和剪輯師嗎？

產製環節可以由工具鏈承擔，但需要一個能跟模型對話、有品味、會判斷的人。這個位置負責判斷方向、校準品質與串接不同模型的輸出，寫稿、畫圖、剪片都交出去。

AI 不能做的是哪些事？

三件：定品牌調性、判斷品質夠不夠、決定跨平台策略。第一件在沒有既有範例時模型只能給平均值；第二件需要你的標準；第三件取決於商業目標與資源配置，資訊多半不在模型手上。

導入 AI 內容流程之後人力成本會變成零嗎？

不會。成本從人頭換成工具訂閱費加上一個人的薪資，總額通常明顯下降，但省下來的部分會有一塊回到校準與審稿的時間上，受規範品類還要再加法遵審查。

什麼產業不適合跑這套流程？

需要第一手素材的內容（實拍、訪談、現場）、受規範的品類（醫療、金融、保健食品）、以及內容本身就是產品的情況（出版、課程、研究報告）。另外，如果瓶頸在分發而不在產出，先處理分發。

---

分母算清楚之後，如果不確定該補產能、補分發還是補轉換，可以把近三個月的內容清單與成效整理給我們看一次。PolyTask 做的是全鏈路的行銷增壓，診斷會從分母與工序開始。