客户想用AI写手批量灌GEO内容，我拿它上周编的三个假参数把他劝退了

上周三下午，一个做工业配件的客户把我叫过去，说想砍掉一半外包预算，自己招两个实习生，再买个AI写手工具，一天批量生成两百篇产品稿铺全网。他给我看了那工具的演示，输入型号，十秒钟出一篇八百字的技术软文，语句通顺，关键词都埋进去了。客户很兴奋，说这不比你们按条报价便宜多了？

我没急着反驳，先让他用那工具当场写了一篇他们主推型号的稿子。十秒出稿，看着挺像。我随手翻到参数段，问了他一句：这个“耐压等级 PN16”是你们给的？他愣了，说没给，工具自己写的。我又往下拉，扭矩值写的是 120N·m，他们实际是 85N·m，材质标注也把 304 写成了 316。三个假参数，十秒钟，一篇稿子。

这就是自建GEO最要命的地方：你省的是写稿的钱，赔的是技术参数的命。我们服务过一家做液压件的头部品牌，他们的产品页里每个参数都挂着一个“数据源ID”，回链到ERP的物料主数据，AI爬虫抓到的是带校验的字段，不是文案同学凭印象敲的数字。后来他们AI搜索里的“技术参数问答”引用准确率稳定在九成以上，靠的不是写得多，是每个数字都能溯源。

再说成本账。客户算的是工具费加两个实习生，一个月不到一万。但GEO的账不在生成端，在维护端：词库要有人盯、语料规则要有人改、参数变更要有人同步、AI引用衰减要有人回测。我们服务过的一个家电客户，自己跑了三个月，发现AI答案里他们的旧型号还在被推荐，因为语料库里三条历史页面没清，这活儿实习生根本不知道从哪查。

我把他们上周的服务器账单和两个实习生工时费当场拉了个表：工具订阅 800、实习生两人月薪 9000、加一台跑批的云服务器 1200，再加他们技术部每周抽半天核对参数折算的工时费 2400，一个月一万三往上。这还没算参数写错导致客户退货的隐形成本。我把这张表推过去，他沉默了大概十秒钟。

所以我的判断很直接：AI写手能解决“有没有”的问题，解决不了“对不对、能不能溯源、掉没掉”的问题。GEO这活儿，写稿只是最前面那一小段，后面的口径对齐、参数校验、衰减回测才是真正吃经验的地方。

最后问一句：你们要是自己上AI批量写稿，敢不敢让技术部把每一篇的参数逐个核一遍？核得过来，还是核不过来？