Substack本周把AI检测工具嵌进了发布流程，结果第一批反应不是欢呼，而是有人喊出“猎巫”。
平台与检测公司Pangram合作，任何用户都能对一篇文章发起扫描，系统会返回一个百分比，标注文字里有多少比例疑似AI生成、多少比例像人写的。CEO Chris Best在公告里说，“内容是不是真人写的正在变得越来越难辨认”，机器批量生产的文字正在挤压平台上真实的人声。
Substack给文章打AI分，创作者喊话“这是猎巫”
问题不在Substack想不想管AI内容——想管的理由摆在明面上。问题在于，这套系统把一个概率判断，变成了公开挂在文章旁边的信誉标签。作家Mack Collier在平台上直言不打算为用AI编辑道歉，他写了二十年文章，用AI只是让结构更清楚、产出更稳定；写作教练Alice Lemee说得更直接：“这类检测工具出了名的不准，一次误判就足以几乎不可逆地毁掉一个作者的名声。”教授、《Slow AI》作者Sam Illingworth把这套逻辑总结成一句话：我们造了一台真正意义上的探测机器，用海量文本训练它做概率猜测，然后把它对准你的写作，去判断藏在字里行间的是不是一个人。
不进推荐算法不等于没代价，概率误判先伤的是名声
Substack的说法是，这套工具“不影响平台的内容发现和推荐”——分数只展示给读者看，不进推荐算法，作者也能在发布前后关闭检测，或对自己认为判错的扫描结果提出异议并要求移除。Pangram的CEO Max Spero此前告诉404 Media，公司估计自己的误报率大约是万分之一，但这是Pangram自己给出的数字，没有经过第三方独立复核，单篇文章的评分是否可靠，仍然只能就事论事。
分数不进算法，却进读者的印象——这才是真正的代价所在。
Illingworth提出的担忧是，非英语母语写作者、神经多样性写作者，以及那些依赖AI做编辑和结构梳理、而非整篇代写的人，语言习惯本来就和检测模型训练时见过的“标准范本”不太一样，更容易被算法当成异类挑出来。这是受访者的担忧，还没有独立数据验证，但担忧本身已经足够真实：举证的负担，从平台转移到了作者一个人身上。
- 风险.一次公开的高AI占比评分，足以让读者和合作方对一个从未用AI代笔的作者产生怀疑，而申诉发生在质疑之后，不是之前。
从Spotify的放任到Substack的打分，治理AI仍没有中间地带
Substack这次的动作，也拿到了另一批人的掌声——受够了平台AI垃圾内容却投诉无门的读者。同一时期，404 Media还报道过Spotify的AI内容乱象：大量未标注的AI生成音乐混在正常曲库里，Spotify没有提供任何识别或标注机制，逼得听众自己搭建网站，靠社区力量标记疑似AI生产的作品。
两个平台代表了治理AI内容的两种极端。Spotify什么都不做，治理真空由用户自发填补；Substack做了，却用一个未经外部验证的概率分数去填补信任缺口，风险转嫁给了老实的作者。Substack自己也承认，公司内部大量用AI写代码、做研究，开发翻译、视频剪辑等产品功能——它并不反对使用AI，只是想让“读者知道自己看到的是什么”。这话没错，但打分这个执行方式选错了，可能适得其反。
真正比较少被讨论、却可能更管用的，是那个可选填的“How I make this”声明：作者说清楚有没有用AI、怎么用的，把解释权还给作者本人，而不是丢给一台做概率猜测的机器。Illingworth的建议也是这个方向——用对话取代怀疑，用主动披露取代打分。
- 建议.对依赖Substack发布和经营口碑的作者、编辑和代笔写手来说，现在最现实的动作是查一下自己文章的检测分数，再尽快把“How I make this”填好——与其等一个概率数字替自己说话，不如自己先说清楚。