这个职业有新的已核实记录时通知我 → · 标出哪些任务是你的(VOLO Pro,发布期间免费)→
文案
写那些要让特定的人做特定的事的文字 —— 并以「他们做了没有」被评判。
选一个你了解的产品,写出你会放在它首页最顶端的那一句话,再写一段为什么。发给一个在那家公司工作的人。
这不是失业概率。它把「岗位任务中有多少暴露于自动化」与「采用实际走到了哪一步」合成为一个值 —— 只用于在同一套口径下横向比较职业,除此之外不作他用。
适用于代理公司、自由职业与企业内部的营销、广告与内容文案。技术写作、UX 写作与长篇编辑属于相邻领域,压力不同。
到底什么在变#
分析单位是任务,不是职位名称。职业不会被整体替代 —— 变的是它的任务构成。
每一格是一项任务。大小是它在这份工作里的分量,颜色是它正在往哪个方向走。点一格,看这个判断还不能说明什么。
便宜的文案淹没了每一个渠道,开始拉低它自身的效果。这不会让旧价格回来,但确实催生了对「能说清一篇东西为什么不起作用」的人的需求。
「找该说什么」是小批量、资深的采购 —— 常常由创始人或市场负责人自己做,而不是买自文案。养活文案职业的是走量的那部分,而那部分没了。
洞察是稀缺的,但「看结果」正越来越多地被广告平台自己打包进去。护住这项任务的是人对上下文的掌握,不是平台跨不过去的某种壁垒。
这就是你做的吗?认一下,这一页会缩到只剩与你有关的那一份。
职位名只是一组恰好被打包买走的任务,而没有两个人手里的那一组是一样的。什么都不会被发送出去 —— 它只留在这个浏览器里。
近期变化#
英国广告公司的招聘岗位,统计口径是「占该行业全部招聘的比例」—— 不是就业人数,也不含企业内部与自由职业文案。占比下降可能因为别的岗位在长;这里的情况是总量在涨而写作类涨得远少。
招聘、人数、工时或职责出现可验证变化。权重最高 —— 但因果归因仍需论证,不能默认。
测量范围是 Claude 对话、Cowork、Claude Code 与 Anthropic 自家 API,取自该报告的样本期(2026 年春,覆盖 4 月 15 日美国报税截止日)。它计的是会话,不是人,也不是雇主:产出博客或文章的会话里 81%、产出营销内容的会话里 80% 被归类为与工作相关,但没有人问过这些产出是否被某个雇主委托、付费或接受。智能体那一侧更高的委派自主度出现在 31 类产出里的 26 类 —— 全部会话平均在 1-5 分制上高 0.37 分 —— 并且在固定模型之后依然存在:同为 Sonnet 的会话仍高 0.26 分,作者因此把它读作产品的性质而非模型的性质。Anthropic 运营并销售被测量的这件工具,同时它也是唯一看得见这些数据的一方 —— 这两件事都该和数字放在一起。这里没有职业上的特指:会话到职业的映射来自分类器,不来自雇主。
一件工具在真实工作里被大规模使用,并且被测量到 —— 而做出「用它」这个决定的是使用者本人,不是雇主。它比「技术能力」多:干的是真活,不是演示;又比「实际部署」少:没有任何雇主把它投入生产、要求使用、或围绕它改过流程。权重定为 `cautious`:`automating` 的定义是「机器能做这件事**并且**有采用迹象」,而这就是一种采用迹象 —— 但使用可能只是试用,而且相当一部分测量来自有利害关系的一方,所以一条永远不够,两条独立的才够。还要注意是谁在计数。厂商遥测直接看得见这件事,而它同时在卖这件工具,所以这类记录要在适用范围里写明这层利害;而一个统计机构去问企业「员工有没有在任务里用 AI」,看见的是同一条通道、却没有任何利害 —— 在它存在的地方,它是更好的来源。
英国广告监管机构就一家事故理赔管理公司的付费搜索广告作出的裁决,这些广告是通过 ASA 自己基于 AI 的广告监测发现的。广告主说,其中一则广告里「100% 免费服务」的宣称是由 AI 生成的,已经撤下;它加强了内部审批流程,今后的任何广告文案都将由一名董事审批。ASA 认定这些广告在服务性质、费用和节省方面具有误导性,违反了 CAP 准则关于误导性广告、限定说明、价格和价格比较的条款,并裁定这些广告不得再以被投诉的形式出现。董事签批是广告主自己的承诺,记录在裁决里,不是 ASA 的要求;这份裁决涉及的是一家小广告主的价格宣称。
失败、撤回、监管或成本正在抑制采用。可以下调评估,或扩大不确定区间。
一家全球消费金融公司的内部营销团队;公司自报,无独立审计。适用于批量营销文案,不涉及定位工作或受监管的表述。
企业已正式投入使用。可以改变基线,但要结合规模与场景相似度加权。
Meta 研究人员关于其广告产品中广告文字生成器的论文。模型用广告主只改文字、其余不变的成对广告来训练,把点击率更高的那一版当作更优,于是文案测试的结果成了训练信号;在 2024 年 2 月至 4 月覆盖 34,849 家美国广告主、约 64 万个广告变体的随机试验中,它比之前的模型点击率高 6.7%,使用它的广告主多创建了 18.5% 的变体。每个变体投放前仍须由广告主选定。Meta 既卖广告也卖这个工具。
企业已正式投入使用。可以改变基线,但要结合规模与场景相似度加权。
一家网上零售商的工程博客,讲自己使用生成式 AI。对于商品描述,它的专业人员写了几百条高质量样例,用来微调模型,让模型学会公司的语言、风格和模板,写出符合 Stitch Fix 品牌语气的描述;对于广告,模型生成标题,文案撰稿人审阅修改,使之符合品牌的语气和信息,公司说现在所有 Facebook 和 Instagram 广告标题都这样做。除了那几百条样例之外没有给出数量,是公司自己的文章。
企业已正式投入使用。可以改变基线,但要结合规模与场景相似度加权。
这对你意味着什么#
以「批量写手」身份入行已经不是一个计划;那块市场被重新定价到接近零,而且不会恢复。剩下的是一份更小、报酬更好的工作,关于了解客户、守住声音、读懂结果。进入的方式是把自己绑在一个产品和它的客户上,而不是绑在「写作」这个泛概念上:一家公司、一群受众、学得深,并把你做过的事和它推动的数字写成案例。
如果你的收入依赖数量,它已经在跌或者将会跌。如果它依赖策略、声音和结果,大概守住了,而且「有人来守住机器产出的一致性」是一项对你有利的新需求。不舒服但必要的转变是:不再卖字,开始卖判断,并按判断定价。
你的选择#
四个方向,每个都写明真实约束和一个本周可验证的动作。继续做下去也是正当选择 —— 只要它是被选择的,而不是被默认的。
卖信息,不卖字
客户仍然搞不清该说什么。如果你能,起草只是细节,起草的价格与你无关。
需要接触客户和业务,而初级的代理公司岗位很少有这种机会。
选一个你了解的产品,写出你会放在它首页最顶端的那一句话,再写一段为什么。发给一个在那家公司工作的人。
接管品牌声音体系
总得有人写工具和同事要遵循的规范,并抓住走偏的产出。三年前大多数公司没有这个岗位。
整天编辑别人(和机器)的东西,与写自己的东西需要的是不同的性情。
取一家品牌最近的十篇内容,分成「符合声音」和「不符合」两堆,写出区分它们的三条规则。写得出来,你就有了这份工作的核心能力。
转产品营销或用户生命周期营销
这些岗位是「信息与结果」的工作,附带写作成分,而不是写作岗位。能力直接迁移,席位也更稳定。
要准备学数据分析,而且开会的时间会多于写作。
请一位产品营销人员给你看上个季度的发布计划。数一数其中多少是文字、多少是关于受众、时机和渠道的决策。
常见问题#
靠数量不行,靠价格和成本几分钱的工具竞争也不行。仍然过得不错的自由文案,都收窄到了一个自己比客户更了解客户的细分领域,卖的是定位与信息而不是字数,并且常常在替那些「吃过亏才发现流畅不等于有效」的客户审核机器产出的文案。这是一个更小、人更少的市场,它奖励具体而不是广泛。
盯你自己的 brief 收件箱。变化的表现是:brief 送来时已经附了一版草稿,让你「润色一下」。当你大部分工作变成修改别人生成的初稿时,重新定价就已经发生了 —— 不管你的报价有没有跟着改。
走量文案 —— 商品描述、变体、那些填满一周并支付账单的常规产出。「找到该说什么」和高风险文案处境不同,但它们是小批量、资深的采购,常常由创始人或市场负责人自己做,而不是买自文案。
这两个答案本身都不安全。撑住的是「跟后果绑在一起」的文案 —— 受监管的宣称、定价、发布信息 —— 因为出错时必须有人负责。往「出错代价高」的领域专精,比往某种体裁专精更站得住。
还在读书、想往这个方向走?
这些专业能通到这里。它们的页面会拆解:哪些能力真的用得上、毕业生普遍缺什么。
这些判断底下是什么#
这一页上 5 条任务判断里,4 条有已核实事件支撑、1 条是平台推断,每一条都在它出现的地方标注着。它们底下是 2 个技术维度、一条自语言模型进入公众视野以来的回溯轨迹,以及 6 条已核实事件。
