评价一张 AI 图像时，讨论常常停在“像不像真的”。品牌实际面对的任务更具体：顾客能否认出产品，能否理解画面，是否愿意进一步了解，以及点击之后看到的内容是否和预期一致。一张足够逼真的图，也可能没有完成这些工作。
2025 年的 MSI 工作论文 AI in Disguise提供了一个有用的切入点。作者把图像的实际生成方式，与观察者认为它是否“像 AI”分别研究。这两个变量的区分，比简单给 AI 素材打一个总体分数更值得讨论。
生成方式和人工感不能混为一谈
研究从真实展示广告数据中构建准实验，比较同一广告主在相同活动设置下的 AI 图像和人工图像。总体点击率差异并不显著；进一步考虑感知人工感后，不显得像 AI 的生成图像表现更好。研究局限于一个平台、模型与时间范围。
这个结果没有提供一张适用于所有品牌的“正确图片”清单。它提示的是，制作方式本身不足以解释受众反应。画面怎样被理解，需要单独观察。
因此，在创作讨论中，我们倾向于把“AI 感”拆成可以修改的具体问题。是产品结构不准确，材质没有依据，构图缺少主体，还是所有细节都同样醒目？这些问题要求不同的处理。只把提示词中的“真实”再强调一次，并不能代替判断。
产品的事实先于画面的风格
以皮具产品为一个假设例子。顾客需要通过图像理解包型、比例、开口、提手和材质。如果场景很有气氛，却改变了这些识别细节，它对购买判断的帮助就值得怀疑。审校应当能回到产品原图，而不是只在几张生成结果之间选一张最漂亮的。
视觉风格可以探索。背景、构图、光线和叙述角度都可能带来新的表达，但应提前写清哪些部分允许变化，哪些属于产品事实。这样的约定可以减少无效返工，也让审核者知道自己需要检查什么。
这仍然留出了很大的创作空间。图像可以是插画、概念艺术或编辑摄影，重要的是它承担的角色明确。概念图用来解释一个想法，产品图用来呈现具体商品，案例截图用来展示实际界面。它们不必互相伪装，也不应互相充当证据。
点击以后，还有需要回答的问题
论文主要关注展示广告的点击表现。作者指出，数据不覆盖落地页内容，难以将更后面的转化效果清楚归因于图像生成方式。因此，读到点击方面的发现时，不应直接推导为某个品牌的销售增长。
我们在设计内容实验时，会先约定本轮要观察哪一个环节。若目标是有效咨询，就需要明确什么算有效，以及图像、文案和落地页共同给出了什么承诺。若只改变素材，却同时改变了受众、出价或页面，结果就很难解释成素材本身的作用。
素材版本也要和实验记录关联。团队应该能够找回当时投放的确切文件，知道为什么选它、改过什么，以及后来保留或放弃它的原因。单独积累大量图片，未必积累了关于品牌的经验。
这篇研究对我们的启发，是把注意力放回具体创作与具体反馈。制作工具可以继续变化；产品是否准确、表达是否清楚、效果是否支持原先假设，仍需要逐项判断。最后留下来的，应该是团队下次能够使用的经验。