我每天的工作就是盯著台灣一堆電商網站的數據跑，這一年最明顯的變化之一，是打開商品頁與社群素材，AI 生成的影像密度肉眼可見地變高了。這是好事，攝影不再是視覺產能的唯一瓶頸。但同一批數據也讓我看到另一面：有些品牌把 AI 生圖用在對的地方，換季上新速度整個拉起來；有些品牌一頭熱全部改 AI，接著就是退貨率往上、客訴變多、甚至收到平台業者的警示。工具好用，不等於可以無腦用。
先把結論放前面，省你時間：會被消費者拿來當「品質承諾」的畫面，用實拍；純粹營造氛圍與創意的畫面，放手交給 AI。這篇我把 AI 影像在電商裡的四種任務、判準、分層打法、後製收尾與三條法遵紅線一次講清楚，讓你知道哪些真的能省、哪些省了會出事。
先別再籠統講「AI 生圖」，它其實是四種任務
很多人講 AI 影像講得很含糊，好像就是打一句咒語出一張圖。實際做過就知道，電商用得到的是幾個難度與風險天差地遠的任務，把它們混為一談，正是踩雷的起點。我習慣把它拆成四類：
| 任務類型 | 在做什麼 | 風險等級 | 我的態度 |
|---|---|---|---|
| 去背與換背景 | 實拍商品不動，只換掉雜亂背景或改純白 | 低 | 幾乎無條件推薦 |
| 情境圖生成 | 把去背後的真實商品放進 AI 生成的場景 | 中低 | 可控，留意光影比例 |
| 模特兒穿搭圖 | 生成虛擬模特兒或替換真人臉／身形 | 中高 | 牽涉版型與肖像權，要謹慎 |
| 廣告與 banner 素材 | 行銷主視覺、社群貼文、EDM 頭圖 | 低（但有廣告不實線） | 發揮空間最大 |
你會發現，這四種的共同分水嶺在於商品本體是不是真的。去背與情境圖，商品本身是實拍的，AI 只搬場景；模特兒穿搭則可能連商品的穿著呈現都在被 AI 改寫，風險自然陡升。分清這件事，你才不會拿「情境圖能生」的樂觀，去推出「商品主圖也能生」的錯誤結論。
一條判準：這張圖是不是「品質承諾」
面對每一張圖，我只問一個問題：消費者會不會把這張圖，當成他收到商品時該長什麼樣的承諾？會的，就別冒險；不會的，放手用 AI。
商品頁第一張主圖、質感就是賣點的特寫、食品的實際樣貌，這些都是承諾，因為消費者的購買決策幾乎完全建立在這幾張圖上，收到實物一有落差，退貨與客訴就來了，嚴重的還構成廣告不實。反過來，社群貼文的氛圍圖、EDM 的頭圖、廣告的創意主視覺，消費者本來就理解那是包裝，不會拿去對照到貨，這種放心交給 AI。
這條判準之所以好用，是因為它不看「技術做不做得到」，而看「消費者怎麼解讀」。AI 現在確實能生出很唬人的主圖，但能做到不代表該做。判斷基準永遠是信任，不是能力。
該放手 vs 該實拍，我的清單
把上面那條判準落成可執行的清單，我通常這樣分。
可以大膽用 AI 的情況：
- 商品本體已經實拍過，只是要換背景、生情境、做去背，原圖是真的，AI 只是搬場景。
- 廣告 banner、社群主視覺、EDM 頭圖這類行銷素材，消費者理解那是創意包裝。
- 外觀標準化、材質單純的品類，例如 3C 配件、文具、包裝食品的情境擺拍。
- 已下架或缺貨、但要做內容行銷的舊品，補一張示意圖無傷大雅。
應該乖乖實拍、AI 別碰的情況：
- 布料、皮革、金屬、寶石這類「質感就是賣點」的商品，AI 生的紋理常常經不起放大。
- 商品頁第一張主圖，這是購買決策核心，也是廣告不實的高風險區。
- 需要精確呈現尺寸、比例、結構細節的商品，例如家具接合處、包款內裡。
- 生鮮、熟食、烘焙品的實際樣貌，AI 生「看起來很好吃」但與實物落差大的圖，客訴極難善後。
- 任何有法規標示、成分、警語必須清楚呈現的品類，例如保健食品、化妝品。
這份清單不是要你少用 AI，而是幫你把 AI 的火力集中在它真正安全又高效的地方。
真正吃工的不是生成，是收尾
外界對 AI 生圖最大的誤解，是以為打一句提示詞就有圖可用。實際跑過專案就知道，生成只是開始，後面的收斂與一致性才是耗時的主戰場。
商品頁最忌諱每張圖色溫、光線、風格都不一樣，一整排看下來像拼貼，這種頁面轉換一定差。要避免，我的做法是先訂一份「視覺規格」清單：背景色系、光源方向、陰影濃淡、留白比例、商品在畫面的佔比，全部先寫死，再拿這份清單去約束每一次生成，讓 AI 有框架可循，而不是每次都重新賭運氣。
同一商品要多角度、多場景時，一致性更難。現在比較成熟的工具支援參考圖或角色鎖定，你可以餵一張基準圖，讓後續生成盡量貼近同一個模特兒、同一種光線。但坦白說，目前沒有任何工具能保證每張都一致，所以我一定保留一道人工修圖工序：拉齊白平衡、統一裁切比例、修掉 AI 常見破綻，包含多出來的手指、扭曲的文字、不合理的反光。
文字尤其要盯緊。AI 生成的圖只要帶到商品包裝上的字，十之八九是亂碼或錯字，這在食品、美妝會直接變成標示錯誤。我的鐵律是：畫面裡只要有品牌名、成分、規格文字，一律用實拍或後製把正確版本貼回去，不讓 AI 自由發揮。這道收尾工序省不掉，願意花在這裡的時間，決定了你整組圖的質感天花板。
三條法遵紅線：踩一條，省的錢賠十倍
省成本很爽，但下面這三條線踩到任何一條，省下來的錢賠十倍都不夠。這也是我在 ECPRO 一直提醒品牌的地方，因為出事的往往不是技術，是合規。
一、廣告不實
台灣公平交易法對「表示與實際不符」抓得不算鬆。如果你用 AI 把商品修得比實物更大、更飽滿、功能更誇張，或生成一個實際做不到的使用效果，這就是高風險行為，保健食品、美妝、家電這類品類尤其敏感。我的底線很清楚：AI 可以美化氛圍與場景，但不能改變會影響購買判斷的商品特徵，包含大小、顏色、數量、功能表現。
二、著作權
AI 生成的圖看似憑空產生，其實有兩個坑。第一，你餵進去的參考圖，如果是別人有版權的攝影作品或競品商品圖，生成結果仍可能構成侵權。第二，AI 生成內容本身的著作權歸屬與商用授權，各家工具條款不同，用在商業廣告前務必看清楚該工具的商用授權範圍，別假設「AI 生的就完全是我的」。
三、肖像權與人臉
這是最棘手的一條。用 AI 生成一個完全不存在的虛擬模特兒，相對安全；但如果拿真實人物照片去換臉、去延伸生成，或是生出來的臉「剛好」很像某位公眾人物或素人，就有肖像權與名譽權風險。我幫品牌做虛擬模特兒時，一定要求工具生成的是可證明「無對應真實個人」的臉，並保留生成紀錄。用真人模特兒的舊照做二次生成，也要回頭確認原始授權合約有沒有涵蓋這種延伸用途，很多舊約根本沒寫到，等於超出授權。
我通常建議品牌把這三條線落成一份內部檢查表，上架前逐條勾。真的不確定的品類，寧可花錢實拍，別省這筆。
匿名案例：一個女裝官網的分層打法
講個匿名實例。一個中價位女裝官網，過去每季情境圖與模特兒穿搭圖全外包實拍，成本高、換季常來不及、上新速度被卡死。我幫他們重新分配，重點不是全改 AI，而是分層。
- 商品主圖（平拍與掛拍）維持實拍，因為布料垂墜與版型是這個品類的核心賣點，這筆錢不能省。
- 核心主打款，一季挑最主推的約二十款維持真人棚拍上身，保住主力商品的說服力。
- 長尾款先實拍平拍圖，去背後用 AI 生成不同場景與搭配氛圍，讓每一款終於都有情境圖，而不是只剩一張平拍。
- 社群與廣告素材放手用 AI 大量產出，配合鎖定同一個虛擬模特兒的方式維持風格一致。
結果是整季視覺產出的時間縮短，長尾款的情境圖覆蓋率補齊，社群素材的量也拉起來。成本結構上，實拍集中在最關鍵的少數款，AI 負責補滿量的部分。這個「核心實拍、長尾 AI、行銷素材放手」的分層，後來變成我推薦給多數品牌的預設架構。搭配得好的關鍵，是把兩者當互補而不是替代。
導入節奏：從最低風險開始，別一次全開
如果你要開始導入，我強烈建議照這個順序走，別貪快一次全上。
- 先練去背換背景。從最低風險的任務開始，讓團隊摸熟工具的脾氣與破綻在哪。
- 訂視覺規格清單。把背景、光源、陰影、留白、商品佔比全寫死，讓生成有一致框架。
- 小規模 A/B 試投。挑一兩個容錯高的品類或行銷素材，實測 AI 圖與實拍圖的點擊與轉換差異，用數據而不是感覺做決定。
- 建法遵檢查表。把廣告不實、著作權、肖像權三條線做成上架前的人工審核關卡。
- 再逐步擴大。確認前面都穩了，才往情境圖與模特兒圖延伸，並且永遠保留核心商品主圖的實拍。
工具選擇我不特別推單一家，因為更新太快，這個月最好用的下個月可能被超車。真正該盯的是三件事：商用授權條款清不清楚、一致性與參考圖功能強不強、輸出解析度夠不夠上商品頁。把這三項當硬指標，比追哪家最新更實在。
收束：AI 影像是手術刀，不是萬能藥
AI 影像工具對電商是真實的生產力升級，但它是把手術刀，不是萬能藥。用對地方，去背、換景、長尾情境圖、行銷素材，它幫你把產能與速度整個拉起來；用錯地方，商品主圖、質感賣點、食品實貌，它會把你推向貨不對版與廣告不實的風險。
回到那條判準：消費者會拿來當品質承諾的畫面，用實拍；純粹營造氛圍與創意的畫面，放手用 AI。把兩者當互補搭配，核心實拍、長尾 AI、素材放手，再配上一份把廣告不實、著作權、肖像權都納入的上架前檢查表，你就能真的省到成本，又不替自己埋雷。工具會一直進步，但這個分層與把關的邏輯，短期內都不會過時。