AI营销自动化：先自动化什么，按什么顺序，以及它在哪里咬人

搜AI营销自动化，你会搜到两种页面。企业软件厂商的定义页，和挂着返佣链接的二十个工具清单。两种都没有回答你真正的问题：我先自动化什么，自动化之后什么会坏？

我在一家瑞士 Intralogistik（企业内部物流）公司 SSI Schäfer 负责市场，工作周围的系统都是我自己搭的。两年半下来，我把写稿、翻译、素材准备、监控和通知都搬进了流水线：AI 干量，我做核验。其中一部分每周都在生产环境里跑，另一部分在到达那一步之前摔得很响。

这就是我当初希望有人塞给我的一张地图。不是工具清单，而是一份有顺序的回答：自动化什么、按什么顺序做，附上今天还在跑的系统的收据，以及自动化会在哪里咬你一口。

要点先看

• 先自动化机械活，不是先自动化好看的部分。 素材准备、排期、通知，一周之内就回本。生成性的活回本更慢，而且四周必须有关卡。
• 顺序比工具重要。 从出错便宜、回报即时的地方起步，再往会写字的那层爬。
• 故障都发生在接缝上。 我坏过的每一套自动化，都坏在两个阶段交接的地方，从来没有坏在某个阶段内部。把你的偏执花在缝上。
• 自动化做量，核验留给人。 数字、链接、论断，出门前必须有人过一遍。这一条分工就是整套系统。
• 收据打败工具清单。 两小时内的 newsletter 初稿、34 个测试抓住 3 个真 bug 的看板、161 个全绿的 ingestion 服务、几秒钟内到我手上的警报。
• 判断力永远不自动化。 战略、论断核验、发不发这一锤。机器便宜，且不用负责。你要负责。

AI营销自动化到底是什么

营销自动化是个老东西。触发器、滴灌序列、欢迎流。市面上每一家邮件平台二十年前就解决了，而且全都不需要 AI。

AI营销自动化是另一回事。机器不再只是按计时器发邮件，它在干过去必须有人来干的量活：从结构化笔记里出初稿、对着术语表翻译、把 RSS 源清洗成能读的文章、盯着看板并在有动静时告诉你。触发逻辑照旧无聊，量搬给了机器。

我用的定义是：AI营销自动化是一条生产线，机器干量，人握判断。注意这个定义排除了什么。它排除全自动。它排除不经审核就发布。它排除设置一次之后营销自己跑的幻想。下面写的所有东西都待在这条线以内，因为我搞坏过的所有东西，全都在线外。

地图：三层，从底往上爬

营销里所有能自动化的东西，都能归进三层，而你往上爬的顺序决定这事成不成。

第一层是回报立竿见影的机械活。 发送前的图片压缩。排期。部署或有新线索进来时的通知。盯着看板、有动静就戳你的监控。这层无聊、低风险、第一周就回本。先自动化它。

第二层是量的认知活。 从结构化笔记出初稿。对着钉死的术语表做翻译。把源抓进来清洗成干净的文章。AI 在这一层挣到自己的位置，也在这一层产生幻觉。这一层的出口必须有人工关卡，每一次都是。

第三层是判断。 战略。发还是不发。一条论断的真假。语气上的品牌取舍。这一层永远不自动化。不是模型干不了，而是判断错误的代价落在你的声誉上，而声誉没有撤销键。

大多数团队把金字塔倒过来。先自动化写东西，因为那是演示里最炫的部分，素材准备继续手工，然后纳闷为什么发送日还是一团慌。这个无聊的顺序我是花钱学的：先机械，再生成，判断永远不碰。

收据：我每周在跑什么

这是工具清单抄不走的部分。生产环境里的系统，和每套到底在干什么。

Newsletter 流水线。 SSI Schäfer 的公司 newsletter 每月在固定日期用德语和法语发出去。写初稿过去要吃掉大半个工作日，现在两小时内落地，含我的审校。翻译对着钉死的术语表跑，每种语言不到一小时。每次发送前，图片压到硬性上限以下，每条链接都点开，每个数字都对回源头。整条流水线我在这篇里拆开讲过。

The Nexus。 一个零依赖的 Python 任务看板。五个视图、七条警报规则、实时更新、原子写入，崩了也不会把状态写坏。它带着 34 个测试上线，这些测试在生产前抓住了 3 个真 bug。就是它终结了我每周翻看板的那套仪式。

Corpus。 一个抓 RSS 源并把它们变成干净文章的 ingestion 服务。它跑着 161 个测试，全绿。第一版在坏掉的源上会静默失败，我一周之后才发现。这套测试就是那一周留下的疤。

神经系统。 部署通知和线索警报在几秒内落进一个 Mattermost 频道。一个 cron 任务每两分钟重建一次所有东西。有东西动的时候，我还没想起来去查，就已经知道了。

四套系统穿过同一条纹路。每套自动化都瞄准一个具体的量的问题，每套都自带监控。没有一套是从买工具开始的。都是我自己搭的，像我现在搭所有东西一样。

自动化在哪里咬人：阶段之间的接缝

这是我最想刺在每个营销人眼皮内侧的发现。两年半里，我的故障没有一次发生在某个阶段内部。每一次都发生在一条接缝上，也就是一个阶段向下一个阶段交货的地方。

Corpus 是最干净的例子。抓取逻辑本身没问题，故障住在抓取和处理之间的交接处。一个坏掉的源让阶段悄悄退场，下游没有任何抱怨，那个洞敞了一个星期。修复靠的不是更好的逻辑，而是让失败变得响亮。

Newsletter 从另一侧教了我同一课。初稿时健康的链接，到发送时可能已经死了。两个阶段内部都没坏，坏的是中间那条缝。修复办法是在缝上设关卡：每次发送前每条链接都点开，没有例外。

所以设计流水线的时候，把偏执花在交接处。问一句：第二阶段从第一阶段什么都收不到时会发生什么。再问一句：第三阶段拿着第二阶段的垃圾跑成功时会发生什么。阶段是简单的部分。缝才是项目死掉的地方。

我绝不撤掉的人工关卡

我跑的每条流水线里，有三道关卡永远留给人，每一道我都守得住。

数字关。 所有要出门的东西里，每一个数字都逐字对回源头。模型几秒钟能生成一张图，还能在看起来胸有成竹的同时悄悄换掉一个标签。逐字核对花十分钟，在几千个读者面前出错则是你不想要的账单。

链接关。 发送前每条链接都点开。琐碎、无聊、没得商量。它是唯一防得住腐烂接缝的东西。

论断关。 任何东西发布前，有一个人回答一个问题：这里每一条论断都是真的吗，销售电话里我们敢不敢替它背书？模型是不用负责任的快打员，责任留在关卡的这一侧。

常有人问，这些关卡能不能交给 AI 自己守。部分可以，我也到处在用自动化的起飞前检查。但自动关卡只查有人想到要查的东西，而昂贵的错误永远出在没人想到要查的地方。机器收窄包围圈，人来合拢。两年半每天用 AI 之后，这是唯一一条从来没有动过的线。

工具是你最小的一个决定

上面这些系统，没有一套是从选工具开始的。它们都从一条瓶颈开始，工具是跟着来的。Python、cron、一个聊天 webhook、一个我们本来就在付费的邮件平台。故意选无聊的，因为无聊的东西才敢没人盯着跑。

工具清单把这事讲反了，因为工具正是它们要卖的东西。评估任何 AI 营销自动化平台时，问两个问题。它让不让你在东西出门前检查机器产出的内容？某个阶段坏掉时，它会不会响亮地报错？两个问题有一个答否，你买的就不是自动化，而是一个界面漂亮的隐患。

耐用的资产不是那套工具，而是顺序和关卡。它们能活过每一次工具迁移，也正是它们把自动化从一次性项目变成一种运营纪律。

一个月内就能开工的顺序

如果你从零开始，这就是我会重新爬的顺序，一周上一个小阶段。

第一周：通知。 把你手工在查的东西接上警报。部署、线索、表单提交。零风险、即时回报，还能教会你那个模式：有事情发生，机器来报信。

第二周：素材准备。 带硬性大小上限的压缩、改尺寸、格式化。最不体面的自动化，却是救命最多的那一个。

第三周：写稿。 喂结构化笔记，不是一张白纸，并保留人工审校。这是所有人都想从它开始的一步，但它作为第三步要好得多，底下垫着已经在跑的通知和素材准备。

第四周：翻译，前提是你用不止一种语言发东西。 先建术语表，再建流程。护城河是术语表，不是模型。

之后是监控看板，再是线索分配，再是你真正的瓶颈到底是什么。有一条规则贯穿所有阶段：先手动跑一遍，再自动化，关卡要在需要它之前加上，而不是之后。盯着这一切的那个看板，就是我的 agent 们在读的同一个第二大脑。

我永远不会自动化的东西

清单很短，边很硬。发不发的决定。论断的核验。战略。以及任何失败会是公开的、道歉也会是自动化的东西。

这不是技术恐惧。我每个季度都在往工作里塞更多 AI。这是算术。机器便宜、快、不负责。我贵、慢，而且我的名字挂在发送键上。自动化做量，放大我能产出的东西；自动化判断，放大的就是我能弄坏的东西。

做对了，这件事不会让营销人变多余。它让营销人变成稀缺的那部分：由他来决定什么是真的、什么值得说、什么永远不能出门。

常见问题

AI营销自动化是什么？

它是一条生产线：AI 干营销里的量活，比如写稿、翻译、素材准备、监控和通知，而判断留在人手里。它不等于经典的营销自动化，后者是按触发器发预设邮件，已经存在二十年了。带 AI 的版本在每个阶段产出量，而阶段之间的关卡留给人。

营销里应该先自动化什么？

机械层：通知、素材准备、排期和监控。风险低，回报一周内到账，而且你是在便宜的地面上学习各种失败方式。等无聊的几层已经能无人值守地跑了，再上写稿和翻译这类生成性阶段。

AI营销自动化还需要人工审核吗？

永远需要。我跑的每一套系统都在数字、链接和论断上保留人工关卡，因为故障集中在阶段之间的接缝上，而自动关卡只查有人交代过要查的东西。AI营销自动化在机器做量、人守核验时才成立。把审核撤掉，你建出来的不是流水线，是一个带发送键的隐患。