人工智能品牌规范是许多品牌低估的话题。大多数品牌手册是为人写的：为代理商、设计师和能读懂言外之意的团队而写。生成式工具做不到这一点。它只按字面理解写下的内容，并用它学到的东西的平均值去填补每一个空白。
在我现在的工作中，我每天都在使用数据分析、消费者洞察和人工智能驱动的营销。更早的时候，我组建过一支创意团队，并为它制定了质量标准。这两段经历共同告诉我：一套对人来说足够的规则，对机器来说远远不够。
- 人工智能品牌规范需要具体、可检验的规则，而不是好听的形容词。
- 好的示例和清楚的反例，比长篇描述更能教会人和工具。
- 每一个面向顾客的输出都需要人工审批。
- 面向人工智能的品牌规则是一份有专人负责、持续更新的文件。
目录
为什么传统品牌手册不够用
一本典型的品牌手册会用大胆、温暖或高品质这样的词来描述品牌。对有经验的团队来说，这些是有用的提示，因为他们会凭经验补全其余部分。模型对温暖的理解却和品牌不同。结果看起来没错，却依然可以被替代。
此外，很多规则只是隐性存在。品牌绝不展示什么、避免使用哪些词、拒绝哪些取景：资深同事都知道，但没有写在任何地方。工具缺少的正是这种无声的知识。
还有一点常被忽视：许多品牌手册是多年累积而成的，有些地方彼此矛盾。人会通过询问或权衡来化解这些矛盾，工具却会随机选择一边。因此，在为机器写规则之前，值得先检查自己的手册有没有矛盾，并把它们一一定下来。
人工智能品牌规范：哪些内容必须具体化
第一步是翻译。形容词要变成可以检查的规则：句子多长、怎样称呼读者、哪些色值、什么样的光线、哪些画面被禁止。规则越具体，结果越好。我关于视觉语言作为一种态度所写的内容，在这里尤其适用，可以看《品牌视觉语言》一文。
麦肯锡指出，企业可以用品牌规范和过往广告等自有材料来调整模型，从而生成符合品牌的内容，并建议对所有直接面向顾客的内容进行人工审核（参见：McKinsey, How generative AI can boost consumer marketing）。对我来说，这意味着：只有当规则同时是训练材料和检查清单时，人工智能品牌规范才真正发挥作用。
语言也是一样。一个说自己说话亲切的品牌，应当明确用什么样的称呼、允许哪些专业词汇、绝不使用哪些说法。这些规定看起来琐碎，却决定了一段生成的文字听起来像这个品牌，还是像随便哪家公司。
示例比描述更有力
对一套规则最有效的补充是示例。十个好画面、十段好文字，每一个旁边配一个差一点的例子，并附上简短的理由。这种并排对比，能同样清楚地告诉人和工具界线在哪里，这也是好的人工智能品牌规范的核心。
当我组建创意团队时，我正是这样工作的：不是靠冗长的规则，而是靠一起看具体的作品。对机器来说，这个原则更加重要。如何把图像示例变成可靠的生产，我在《图像制作中的人工智能》一文中写过。
人工智能品牌规范的审批与责任
没有任何规则能取代判断。所以人工智能品牌规范总要配上清晰的审批：顾客看到的东西，要由了解品牌的人来检查。工具加快了工作，但责任仍然在团队身上。
同样重要的是有一个人负责维护这套规则。每一个需要修改的输出，都指向一条缺失或不清楚的规则。收集这些信号并把它们写进去的人，会让规范一个月比一个月更好。团队为此需要哪些能力，可以看《团队的人工智能素养》一文。
我会做出哪些不同
我会从一开始就把品牌手册分成两个版本：一个用来启发，一个用来检查。第一个解释品牌代表什么；第二个准确说明什么可以、什么不可以。很长一段时间里，许多品牌只有第一个。有了生成式工具，第二个变得不可或缺。
我还没有定论的是，这样一套规则应该留出多大的空间。规则太紧会带来千篇一律，太松会带来随意。我相信答案在一个清晰的中间地带，而且随着工具变得更好，它也会移动。