当AI能一键生成全文，作者身份的定义正被重新书写。本文提出“实质控制”标准，从问题、观点、证据、结构四维拆解人机协作中的创作权归属，并剖析灰色案例，为AI写作产品设计提供新思路。

先说清楚一件事：在公开写作和专业表达里，就算AI写完了最终稿的全部文字，一个人还能不能算作者，不看那些字是谁敲的，看他有没有持续控制四个东西——问题、观点、证据、结构——并且愿不愿意对署名负责。

我说的”AI写完全文”，意思只是成稿里能看见的文字是AI生成的，不等于AI也替人完成了观点形成、证据判断和事实核验。

一、同样由AI写完全文，作者位置可能完全不一样

两个用户用了同一个AI工具，各拿到一篇三千字的文章，成稿里的每句话都是模型生成的。只看最终文档看不出区别，但回到过程里，两人跟AI的关系几乎是反的。

第一个，在打开AI之前已经想清楚了：文章回答什么问题、写给谁看、得出什么结论。手边准备好了事实来源，知道哪些证据撑得住观点。他给AI的是一套编辑指令——把已经成型的判断组织成通顺文字。初稿出来后逐段过，看模型有没有歪曲原意、用错材料，有问题的自己改。AI写了所有文字，但决定文章走向的关键选择是人做的。

第二个，只输入了一句话：”写一篇关于AI时代人与机器边界的文章。”模型自己挑了切入点，提出”作者身份取决于控制程度”这个判断，再自己补案例、法规，拼成一篇完整的文章。用户读了一遍觉得差不多，改了几处措辞就发出去了。他发起了任务、接受了结果，但文章谈什么、支持什么、怎么展开——都是模型替他定的。

两种情况都可以说”AI写完了全文”，但人能不能算作者，答案完全不一样。第一种人把文字生产外包了，保留了判断权；第二种人连选题、观点和论证组织都交给了模型。AI生成的字数只能说明谁完成了表达，说明不了谁完成了那些更重要的选择。

生成式AI确实能干大量文字活儿。2023年Noy和Zhang的实验显示，用ChatGPT写专业文章的那组完成时间平均少40%、质量得分高18%。但实验任务没涉及精确事实核验和复杂背景整合，它能说明AI在某些任务里能提速，但回答不了”作者是谁”。

以前，一个人写多少草稿、改多少遍能追踪。生成式AI把观点形成和文字生产拆开了——你不用逐句写也能拿到完整稿子，但最终文本反而把问题、观点和证据的来源盖住了。所以我的判断是：AI写完全文后，人还能不能算作者，得看他有没有在生成前后持续做选择，有没有能力对模型新增的内容做解释、核验、否决和修改。成稿本身已经不够证明创作过程了。

二、”AI生成””版权归属””作者身份”是三件不同的事

既然AI生成比例说明不了”作者是谁”，大家自然会往法律、版权或”AI生成”标签上找。但这些制度各管各的事，把任何结论直接套到作者身份上，都会漏掉最关键的东西。

“AI生成”首先是在说生产方式。2025年的《人工智能生成合成内容标识办法》要求对AI生成内容做标识，解决的是识别、提醒和追溯，不是给”谁是作者”下结论。标识能说明AI参与了生产，但没判断人的贡献有多大。

版权制度管的是哪些表达受保护、权利怎么分。美国版权局2025年的报告说，AI参与创作不自动排斥版权保护，但人得决定足够的表达性要素。光给提示词通常不足以让用户成为作者；但如果人的原创作品能在输出里体现，或人对AI材料做了有创造性的选择、编排和修改，相关部分仍可能受保护。国内2023年北京互联网法院审了一起AI文生图案，原告输提示词、调参数、选结果，法院认定图片体现了智力投入，构成作品。但这是个案，对象是图片，不能直接套到写作上。两个案例结论不同，但都在问同一个问题：人到底做了什么具体贡献。

我在这儿说的”作者身份”，要求人实际参与问题定义、观点选择、证据判断和论证组织，并有能力解释这些选择、回应质疑。担责任能强化作者位置，但不能单独创造作者身份。

这三套判断在同一篇文章里可能得出不同答案。标签说明生产方式，版权划出保护范围，作者身份得回到人的实际贡献。产品得先承认这些问题各是各的，一个”是否使用AI”的选项扛不住这么多判断。

三、字数、提示词和修改次数，都量不出作者身份

如果作者贡献不能直接从成稿里看出来，产品和平台该用什么判断？最容易想到的是算AI生成字数、提示词长度、人工修改比例、最终确认行为——但这些可统计的数字跟实际判断之间没有稳定的对应关系。

随便编两个流程就能看出问题。甲已经把文章问题、来源、观点和结构都准备好了，只用很短指令让AI按材料成文，生成后只删了一处越界解释。乙输了一大段详细提示词——长度、风格、段落形式都规定了——但没给观点和证据，模型自己补上，然后他再替换表达、调段落，人工修改率反而更高。如果只看提示词长度和修改率，会判定乙参与度更高，但这跟两人对关键判断的控制程度正好相反。

AI生成字数只能说明哪些文字最初是模型吐的，看不出大纲背后的判断。提示词长度一样容易骗人。人工修改率的问题更明显——改五百个形容词和改一个错误因果关系，字符量天差地别，但价值完全反过来。最终确认也靠不住，点”发布”只说明接受了版本，证明不了理解论证或核验过事实。

这些数据各有用处，但扛不住作者身份判断。一旦平台给这些指标设门槛，用户很容易围着门槛做动作。作者身份得看人的操作有没有改变文章里的关键选择。

四、作者位置得看四项创作控制，再加一项发布责任

要建一个更可靠的标准，得看文章出现多个可能方向时，谁在比较方案、否决不合适的、在模型跑偏时实际干预。我把这种持续参与叫”实质控制”。

第一，问题控制。 问题不等于宽泛主题。”AI时代人与机器的边界”能写成伦理讨论、版权分析、教育政策，也能落到产品责任设计上。一个人能说清为什么选当前问题、为什么放弃其他方向，他就控制了写作起点。

第二，观点控制。 模型能快速甩出好几种立场。人的贡献在于用标准去比较这些候选，看什么证据让自己接受当前判断、什么反例会改结论。观点控制不要求人最先提结论，但要求他能依据材料比较方案、拒绝站不住脚的解释、说清结论边界。

第三，证据控制。 AI能列论文法规，但也可能把不同法域、不同时间的材料搅在一起。人对证据的控制得覆盖来源确认、适用范围判断、证据和观点的支持关系。能控制证据的人，得知道材料为什么被用，也得知道它不能证明什么。

第四，结构控制。 结构决定事实之间形成什么关系、读者先看到哪个矛盾。结构控制要求人能改变材料之间的关系，删掉那些信息丰富但推不动主观点的内容。

四项之外还得看发布责任。署名者得核验关键事实、说明AI参与、回应质疑、出错时纠正。如果关键选择全是AI做的，最后加一句”本人担责”，得到的是责任主体，证明不了创作贡献。

这四项控制不适合做成打分表。不同写作任务要求不一样，某一方面弱了不说明”完全不是作者”，但说明那个环节有缺口。

五、灰色案例暴露作者身份的实际边界

“实质控制”得经过灰色案例检验，不然就成了听起来对、用不上的原则。

最难判的是AI先提出新观点。假设用户没想到”作者身份取决于判断权”，模型给了这个方向，然后用户去比较不同解释、查材料、删站不住脚的论据——AI提供了重要贡献，但人通过查证和重构拿到了实质控制，这适合叫实质性人机协作。如果用户只是让AI继续扩写，再把解释当自己的理解，那他最多是认同了结果。后续有没有发生人的判断才是分水岭。

另一个情况：人定好了主题和结构，AI在成文时加了一条错误引用，用户没发现就发了。不能简单说整篇是AI写的，因为观点和结构确实来自人；也不能说人完整控制了文章，因为证据判断和发布审核断了。更准确的评价是：人主导了部分创作，但没有完成证据控制和发布责任。

对”实质控制”最有力的质疑来自导演和主编——他们不用亲自操作每台机器，仍然是重要创作者。这反例说明高层选择本身构成实质贡献。但导演和主编的贡献体现在持续提标准、比较方案、要求修改、对结果做有理由的选择。相比之下，面对AI一次生成的文章点”确认”，只能证明接受了结果。没展示方案、没设标准、没实质干预，”最终由我决定”只描述了权限，不等于创作控制。

基于这些差异，AI写作没必要硬压成”人写”和”AI写”两个选项。更贴合的分类是：人主导创作、实质性人机协作、AI主导生成。

六、AI写作产品得留住人的判断，不只是生成记录

三类场景会导向不同的产品交互。以下只针对公开发表和高责任内容。

产品先区分任务风险。私人备忘录没必要审，公开文章和研究报告需要来源核验。可以在任务开始问用途，根据发布范围调整交互。

全文生成前，先建一张轻量任务卡：记下要解决的问题、目标读者、讨论边界和预期结论。用户确认或修改关键选项，让本来可能由模型自动完成的问题收缩成用户能看见的决策。

观点形成保留候选方案和选择过程。至少区分”AI提出””用户确认””用户修改”三种状态。

证据记录应该比”人类作者评分”更优先。为核心观点建证据账本，把每项主张跟来源关联，标出核验状态。用户点确认后才能记”已核验”，不能因为附了链接就默认成立。证据账本不能把”找到来源”显示成”结论已证实”，应呈现证据支持什么、还缺什么。

结构和版本记录关注观点关系的变化。产品可记核心观点何时变、证据被移到哪个结论下。但需允许关记录、删历史。

发布前责任确认与AI参与说明分开。提示用户检查未核验主张，并生成AI参与声明。标识不能代替事实审核。

产品指标也要换。对高责任写作，更有价值的指标是来源可追溯率、未核验主张数量、用户否决AI建议的比例、发布后纠错率。

这些机制会增加生成时间，不适合一次性全上。产品经理可按风险区分模式，优先建证据账本和发布前风险提示。

AI能写下全文。署名的人要是还想保住作者位置，就得能说清楚自己决定过什么、依据是什么、愿意为哪些判断负责。

参考资料

1. Shakked Noy、Whitney Zhang，Experimental evidence on the productivity effects of generative artificial intelligence，Science，2023年。
2. 国家互联网信息办公室等四部门，《人工智能生成合成内容标识办法》，2025年。
3. 美国版权局，Copyright and Artificial Intelligence, Part 2: Copyrightability，2025年。
4. 人民法院报，《破冰：首例人工智能文生图案生效》，2024年。