Kotler《Marketing 7.0》讀書筆記 Ch2｜AI 取代行銷是真的嗎？AGI 與 Agentic AI 帶來的行銷典範轉移
這是整本書最具威脅感的一章。Kotler 直球發問：如果 AI 能跑完整個行銷流程，人類行銷人到底還剩什麼價值？ Ch2 把人類核心能力拆成六項，一項一項對照 AI 進度，告訴你哪些你正在被取代、哪些是你最後的護城河。
銜接閱讀：本章接續 Ch1：Marketing 7.0 演進地圖與 Three Gateways，從「環境變了」進到「人類角色變了」。
本章核心重點（TL;DR）
- AI 進化四階段：Rule-Based → Predictive → Generative → Agentic AI。Agentic 是這章主角，能主動跑完整個行銷漏斗，不是被動等 prompt。
- 人類角色四次轉型：Computer → Programmer → Trainer → Orchestrator。每一次都從「親自動手」往「定義方向」退一步。
- 人類六大能力護城河：思考 / 溝通 / 感知 / 執行 / 想像 / 連結。AI 在前四項追近，但「Imagine（想像）+ Episodic Memory（生活經驗）」是人類最後守得住的差異化。
- 行銷人新價值：不是「會用 AI」，是「會問 AI 沒問的問題」——對 AI 推薦案打問號的能力，才是 Ch5 認知羅盤所說的 Thinking Marketer，也呼應 Ch1 Three Gateways裡「進顧客大腦」的策略目標。
AI 時代行銷人的角色演進：從 Computer 到 Orchestrator
書的開頭講了一個有趣的歷史。在 17 世紀到 20 世紀中葉，「Computer」這個詞不是指機器，是指「人」，特別是一群坐在桌前做天文計算的女性。後來電腦發明，人類角色變成「Programmer」（寫機器碼）。
進入 AI 時代，我們又再變一次：
| 時期 | 人類角色 | 工作內容 |
|---|---|---|
| 17-20 世紀 | Computer | 親手做數學運算 |
| 20 世紀中後期 | Programmer | 寫程式語言給機器 |
| 2010s-2020s | Trainer | 餵訓練資料給 AI |
| 現在進行式 | Orchestrator | 設定目標、監督 AI 執行 |
這個演進有個共同邏輯：人類一直在從「親自動手」往「定義方向」退。 退得越遠，就越要回答一個問題：「我還在貢獻什麼？」這也是這一章想逼讀者面對的問題。Kotler 在 Ch1 Marketing 7.0 演進地圖說的「行銷人從執行型升級為設計型」，講的就是 Orchestrator 這條路。
AI 進化四階段：從 Rule-Based 到 Agentic AI 的行銷自動化
書中（Figure 2.2）把 AI 演進分四階段，這四個你公司可能同時都有在用：
| 階段 | 類型 | 行銷裡的長相 |
|---|---|---|
| Phase 1 | Rule-Based AI | 「客人加入購物車沒結帳就發提醒信」這種 if-then 自動化、簡易聊天機器人 |
| Phase 2 | Predictive AI | 流失預測（churn）、商品推薦引擎、Next Best Offer |
| Phase 3 | Generative AI | 自動寫 EDM、批量產出社群素材、進階對話機器人 |
| Phase 4 | Agentic AI | 主動跑完一整個行銷漏斗：找名單、聯絡、培養、成交，全程少人介入 |
Phase 4 是這一章的真正主角。 Agentic AI 不是被動等 prompt，是主動朝目標前進。Kotler 預期它會接管整個 campaign management 跟銷售漏斗：你只要告訴它「拉高品牌知名度」，它自己決定受眾、優化素材、分配預算。這不是科幻，是當下。 對應到 Ch1 的三道閘門，Agentic AI 會搶下「Personal Gateway 個人化推送」這一關，行銷人就剩下 Social 與 Experiential 兩道閘門能差異化。
AGI 進度盤點：2025 年 AI 發展的關鍵數據
書裡列了幾個讓人坐立難安的事實：
- 2022.11：OpenAI 推 ChatGPT，5 天破 100 萬用戶
- 2025.01：中國 DeepSeek R1 上市，宣稱以零頭成本打到 ChatGPT 等級
- 2025.03：UC San Diego 報告，GPT-4.5 通過 Turing Test，73% 的人分不出它是不是真人
- 2025：根據 McKinsey 報告，92% 企業未來三年計畫投資生成式 AI；根據 The Conversation 全球調查，58% 勞工已在用 AI 提升生產力
最有趣的數據：學習科技公司 Filtered 分析 Reddit 跟 Quora 的討論發現，2025 年 AI 最常見的用途是「療癒陪伴」（therapy & companionship）。AI 不只是工具，已經滲入情感場域。
AI 行銷六大能力盤點：機器進度 vs 人類護城河
這章最核心的框架（Figure 2.3）。Kotler 說，AGI 要實現，機器必須在「人類六大能力」上全部到位。每一項都對應一個行銷風險：
人類六大能力 vs AI 進度（2025）一眼看
| 能力維度 | AI 當前進度 | 行銷人的護城河 |
|---|---|---|
| Think 思考 | 🟡 高（pattern recognition、cross-sell） | 對 AI 推薦案打問號的 strategic judgment |
| Communicate 溝通 | 🟡 高（NLP / LLM） | 文化敏感度、品牌語氣的真實感 |
| Sense 感知 | 🟡 中（視覺 / 語音強，嗅味弱） | 微表情解讀、民族誌（ethnographic）觀察 |
| Execute 執行 | 🔴 極高（被吃得最快） | 為 AI 偏見負責、定義倫理邊界 |
| Imagine 想像 | 🟢 低（容易產生 hallucination） | 跨框架的品牌敘事、Episodic memory |
| Connect 連結 | 🟡 中（IoT、AI agent 互教） | 真實顧客關係的人對人協調 |
一句話總結：AI 在「執行 + 思考」追近，但「Imagine（想像）+ 文化敏感度」是 Thinking Marketers守得住的最後差異化。
Think 思考能力：AI 演算法決策與人類同理心的差距（能力一）
機器靠 neural network、訓練資料、強化學習做決策，越來越像人類的「快思」（heuristics）跟「慢想」（algorithmic thinking）。Apple 店員的 cross-sell 直覺、Amazon 的推薦引擎，本質都是 pattern recognition。
行銷人的風險：太依賴 AI 跑數據，自己的直覺跟判斷力萎縮，把客戶當成 data point，失去同理心。「資料告訴你趨勢，只有同理心能告訴你人為什麼這樣做。」
Communicate 溝通能力：LLM 的文化盲點與品牌真實感（能力二）
NLP（自然語言處理）讓機器懂人話，LLM 讓任何人都能用自然語言操作 AI。但有個關鍵限制：LLM 主要的內部推理還是用英文進行，連 DeepSeek 這種中國模型也是。文化細節容易在翻譯中流失。
書中舉了 Coca-Cola「Share a Coke」案例：在美國印名字，在中國要改用「小可愛」「大神」這類社會身份標籤才能打中 Z 世代。這種文化敏感度 AI 還沒掌握。
行銷人的風險：把品牌語氣外包給機器，丟掉品牌最珍貴的「真實感」。聊天機器人接走了所有對話，行銷人從此沒機會跟真實顧客講話。
Sense 感知能力：Living Intelligence 與民族誌觀察的價值（能力三）
電腦視覺、語音辨識、觸覺感測器、電子鼻電子舌，機器正在補齊五感。futurist Amy Webb 提出 Living Intelligence 概念：AI + 感測器 + 生技，讓 AI 即時從環境學習。
行銷人的風險：把市調外包給機器，失去民族誌（ethnographic）式的觀察能力。機器看得到表情，但看不懂表情背後的情緒。「微笑可能是開心、可能是欺騙、可能是尷尬，只有人類的同理心能解碼。」
Execute 執行能力：Agentic AI 與演算法偏見風險（能力四）
從前台機器人 check-in、銀行 RPA 到 agentic AI 自動跑 campaign，「執行」這層被 AI 吃得最快。「以前要花幾週準備的 campaign，現在幾分鐘就上線。」
行銷人的風險：把行銷變成黑盒子。書中舉例：AI 用歷史資料訓練，可能學到「優先給高收入郵遞區號優惠、排除低收入社區」，這種演算法偏見會強化社會不平等。機器執行，責任還是人扛。
Imagine 想像能力：AI Hallucination 與人類創意的最後護城河（能力五）
這是機器最弱的一環。生成式 AI 只能在訓練資料的邊界內創作，真正的想像是「跨出已知」。當 AI 試圖跨出時，常常產生 AI hallucination（一本正經胡說八道）。書中說：「機器越來越會做創意，卻越來越難分辨它是在『願景』還是在『幻覺』。」
行銷人的風險：把品牌敘事權交給沒有人類判斷的機器，不小心強化刻板印象、誤譯文化、破壞品牌信任。
Connect 連結能力：AI Agent 生態系與品牌橋樑角色（能力六）
IoT、區塊鏈讓機器形成生態系。更值得注意的是 2024 年 Nature 一篇研究：科學家做出能教其他 AI 學任務的 AI 模型。AI agent 之間不只交換知識，還能傳遞最佳實務。
行銷人的風險：把客戶關係的協調全外包給 AI agent 生態系，行銷人逐漸從「品牌與顧客的橋樑」邊緣化。
AI 時代行銷人的三個 take-away：給行銷與零售從業人員
讀完這章，我會把它翻成三個給台灣從業人員的 take-away：
AI 工具時代行銷人的真價值：會問 AI 沒問的問題（Take-away 1）
這章的 Reflection 第一題很尖銳：「你還在設策略，還是只是在批准 AI 給你的建議？」
過去三年，台灣行銷圈的學習重點是「如何用 AI 工具」。但這章告訴你：會用工具是基本盤，真正的價值是在 AI 推薦案上面打問號。 AI 推薦的受眾分群，少了哪個被忽略的小眾？AI 寫的素材，文化上有沒有踩雷？AI 的優化目標，會不會犧牲長期品牌資產？
這些問題 AI 不會主動問，因為它的目標函數只看當下指標。會問這些問題的行銷人，才是 7.0 時代真正的「Orchestrator」。 想知道行銷人該用什麼框架去想事情，可以直接跳到 Ch5：認知羅盤。
實體零售的 Sense 感官優勢：AI 補不上的稀缺價值（Take-away 2）
書中講機器的 sensing 進度，但有意思的是：到 2025 年，電子鼻電子舌仍然遠遠落後其他感測器。 這對零售業是好消息。
當 e-commerce 把視覺跟資訊處理做到極致時，百貨專櫃、選品店、體驗店的「氣味、觸感、人對人的微表情解讀」就變成 AI 補不上的稀缺價值。櫃哥/櫃姐讀客人臉色的能力，是公司資產，不是成本。這正是 Ch1 Experiential Gateway 體驗閘門的核心：把整段體驗刻進顧客大腦的長期記憶區。
別讓組織把「現場經驗」當成可被 AI dashboard 取代的東西。
演算法偏見的 ESG 合規風險：AI 行銷的責任邊界（Take-away 3）
書中那個「AI 給高收入區優惠、排除低收入區」的例子，台灣零售業已經在發生。會員分群、推薦邏輯、廣告投放，只要訓練資料有偏，輸出就有偏。
當 ESG 跟 DEI 變成上市公司的揭露要求，演算法歧視會從「技術問題」升級成「合規與聲譽風險」。這不是行銷部一個人的事，但行銷人是第一線執行者，責任跑不掉。建議現在就跟 IT、法務、永續部門一起，把 AI marketing 的責任邊界畫清楚。
Marketing 7.0 Ch2 的三個自問題：你還在批准 AI 還是設策略？
書末的反思，調整成台灣情境版：
- 你還在設策略，還是只是在按 AI 的「同意」？ 過去三個月，你有幾次否決 AI 的建議？
- 你跟最大那 10 位 VIP 顧客，多久沒講過話了？ 是 AI 在維護關係還是你在維護？
- 如果你的 AI 行銷系統明天被監理機關要求解釋每一筆決策，你解釋得出來嗎？
下一章 Ch3 換個角度開戰：談數位行銷怎麼把品牌做空、把組織做扁、把行銷人做笨。Performance Marketing 跟 AI 的雙重陷阱。
系列導覽：← Ch1 Marketing 7.0 演進地圖 ｜ Ch3 數位行銷的陷阱 → ｜ Appendix：5D + 4C + 9E 整合圖
📖 書目資訊：Philip Kotler、Hermawan Kartajaya、Iwan Setiawan，Marketing 7.0: A Guide for Thinking Marketers in the Age of AI，Wiley，2026（ISBN: 9781394329861）。本文所有觀念框架與品牌案例（Coca-Cola、Apple、Amazon、ChatGPT、DeepSeek、Perplexity 等）皆引用自原書，智慧財產權屬原作者及 John Wiley & Sons, Inc. 所有。完整論述、圖表（Figure 2.1–2.3）與案例細節請以原書為準。
引用來源說明：文中提及的 McKinsey 92% 數據、The Conversation 58% 數據、Filtered 研究、UC San Diego GPT-4.5 Turing Test 結果、Nature 2024 AI 教 AI 研究，皆轉引自原書 Ch2 內容，原始出處請參考原書。
協作聲明與免責
這篇文章由王董與 AI 一起整理製作完成。文中引用的第三方資料、研究或工具都會標註來源名稱；若原始出處有公開連結，會以 [來源名稱](URL) 形式附上，方便你進一步查找。若文中內容與原始出處有任何出入，請以原文為準。
內容僅供參考與學習交流，不構成任何專業、商業或投資建議，請依自身情況判斷並自行承擔行動風險。文中提及的工具功能、數據與平台政策可能隨時間異動，請以各官方最新公告為準。
