Ghost Framing Theory: Exploring the role of generative AI in new venture rhetorical legitimation

该论文提出了“幽灵框架理论”（Ghost Framing Theory），旨在阐释生成式 AI 如何通过其修辞属性与创始人及投资者协同构建混合主体，进而通过递归迭代过程重塑新创企业的修辞合法性与共鸣机制。

要点

这篇文章提出了一套名为"幽灵框架理论"（Ghost Framing Theory）的新观点，用来解释生成式人工智能（GenAI，比如 ChatGPT）如何彻底改变了创业公司“讲故事”和“找钱”的方式。

为了让你轻松理解，我们可以把创业找投资的过程想象成一场**“超级选角大赛”**。

1. 核心概念：什么是“幽灵框架”？

想象一下，以前创业者（创始人）去见投资人，就像是一个演员拿着自己写的剧本去试镜。演员必须自己背词、自己设计动作，如果演技不好或者剧本写得烂，投资人（评委）就会直接淘汰。

但现在，情况变了。创业者手里多了一个**“看不见的幽灵编剧”**（这就是生成式 AI）。

• 幽灵编剧：它才华横溢，读过世界上所有的书，能瞬间写出完美的台词、设计最动人的故事，甚至能模仿各种角色的语气。
• 幽灵框架：创业者利用这个“幽灵”来包装自己的创业故事。虽然故事看起来是创业者讲的，但背后的修辞、逻辑甚至情感色彩，很大程度上是 AI 帮忙“代笔”或“润色”的。因为 AI 是隐形的（Ghost），所以叫“幽灵框架”。

关键点：现在的创业故事，往往是**“人类 + AI"**联手创作的“混合体”。

2. 这个“幽灵”有什么超能力？（五大修辞天赋）

文章指出，AI 给了创业者五种以前没有的“超能力”，让故事讲得更好：

1. 凭空造物（Generativeness）：就像变魔术，哪怕你只有一个模糊的想法，AI 也能瞬间变出一整本完美的商业计划书，填补所有空白。
2. 疯狂组合（Extreme Combinatorics）：人类大脑很难同时处理几十种复杂的矛盾（比如既要省钱又要高增长），但 AI 可以瞬间把成千上万个碎片信息拼凑成一个逻辑自洽的完美故事。
3. 百变声线（Tone Repertoire）：AI 可以瞬间切换语气。面对严肃的银行家，它用专业冷静的语调；面对热情的天使投资人，它用充满激情的语调。它能让创业者“变身”成最懂投资人的人。
4. 不知疲倦（Velocity/Energy）：人类会累、会卡壳，但 AI 可以 24 小时不间断地修改、优化，一夜之间把一周的工作量做完。
5. 共享智慧库（Shared Substratum）：这是最厉害的。AI 学习了全人类的数据，它知道什么样的故事最容易打动人。它就像一个拥有全人类经验的“老谋士”，能帮创业者避开那些没人爱听的“自嗨”故事，直接击中投资人的痛点。

3. 比赛流程变了：从“单挑”变成“人机对战”

以前是“人 vs 人”，现在是**“人+AI"组合 vs“人+AI"组合**。

• 第一阶段：幽灵路演（Ghost Pitching）
  创业者用 AI 把故事包装得无懈可击。

  • 结果：如果创业者没用 AI，而投资人用了 AI 来筛选，那个没用的创业者就像拿着手写信去跟打印店比速度，很容易被直接刷掉。
  • 比喻：就像在赛车比赛里，别人都开了法拉利（AI 辅助），你还骑着自行车，还没起跑就被淘汰了。

• 第二阶段：幽灵筛选（Ghost Screening）
  投资人那边也用了 AI 助手。

  • 投资人的 AI 助手会快速阅读成千上万份商业计划书，用同样的“共享智慧库”去匹配。
  • 神奇之处：因为创业者和投资人都用了同一个“智慧库”（AI 训练数据），他们讲的语言、逻辑甚至“梗”都变得很像。这反而让双方更容易产生共鸣（Resonance）。
  • 比喻：就像两个用同一种方言聊天的人，哪怕内容不同，也能瞬间听懂对方的弦外之音。

• 第三阶段：幽灵关系建立（Ghost Relationship-Building）
  如果进入了下一轮，双方开始长期合作。

  • 这时候，AI 的作用从“包装”变成了“润滑剂”。它能帮创业者秒回投资人的邮件，帮投资人监控项目风险，甚至帮双方消除误解。
  • 结论：到了这个阶段，谁用没用 AI 就不那么重要了，因为双方都习惯了这种高效、精准的沟通节奏，关系反而更稳固了。

4. 这个理论告诉我们什么？

• 不仅仅是工具：AI 不再只是一个打字机，它成了创业者的“合伙人”和“幽灵军师”。
• 双刃剑：
  • 好的一面：让很多口才不好但点子很好的创业者，也能讲出精彩的故事，获得机会。
  • 坏的一面：如果大家都用 AI，故事可能会变得千篇一律（同质化）；而且，如果投资人发现你全靠 AI 编故事，可能会觉得你缺乏诚意或能力（虽然目前大家还在偷偷用）。
• 未来的趋势：在这个时代，**“会提问”和“会指挥 AI"**比“会写文章”更重要。创业者和投资人都在进化成“人机协作”的混合体。

总结

这篇文章就像是在说：现在的创业比赛，不再是看谁的故事讲得最感人，而是看谁能更好地指挥那个“看不见的幽灵编剧”，并且能听懂投资人那边“幽灵助手”的暗号。

如果你是一个创业者，别担心自己文笔不好，只要学会如何与这个“幽灵”合作，你也能讲出最动人的故事；但如果你拒绝使用它，在这个全员装备 AI 的赛场上，你可能连入场券都拿不到。

技术摘要

这是一份关于《幽灵框架理论：生成式人工智能在新创企业修辞合法性构建中的作用》（Ghost Framing Theory: Exploring the role of generative AI in new venture rhetorical legitimation）一文的详细技术总结。

1. 研究问题 (Problem)

核心问题：
随着生成式人工智能（GenAI）在创业融资和评估中的“幽灵式”（即隐蔽、未被公开承认）部署日益普遍，现有的新创企业修辞框架（Framing）和合法性（Legitimacy）理论面临失效风险。

具体背景与痛点：

• 现状： 越来越多的创业者使用 GenAI 撰写商业计划书、制作路演幻灯片（Pitch Decks），而投资者也越来越多地使用 GenAI 进行项目筛选和尽职调查。
• 理论缺口： 传统理论假设修辞框架是由人类作者透明地创建和传递的。然而，GenAI 引入了“幽灵代理”（Ghost Agency），即人类与 AI 共同创作但 AI 贡献隐蔽的情况。
• 挑战：
  • 修辞层面： 当流畅的文本和完美的视觉呈现可以由低成本 AI 生成时，传统的“语言流畅度=能力/可信度”的启发式判断是否依然有效？
  • 评估层面： 投资者（评估者）也在使用 AI，这改变了人机交互的评估动态。
  • 合法性层面： 现有的合法性构建理论未涵盖这种“人机混合体”（Human-AI Ensembles）如何共同生产、竞争和重新校准共鸣（Resonance）的过程。

2. 方法论 (Methodology)

研究性质：
这是一篇理论构建型论文（Theoretical Paper），而非实证研究。作者通过整合现有文献，构建了一个新的概念框架。

理论整合路径：
作者将三个主要学术对话领域进行交叉融合：

1. 修辞框架与合法性构建 (Rhetorical Framing & Legitimation)： 结合 Lounsbury & Glynn (2001) 的文化创业理论，以及 Bitektine (2011) 和 Tost (2011) 的微观合法性判断理论。
2. 人机协作 (Human-AI Collaboration)： 引入 Raisch & Fomina (2025) 等人关于混合代理（Hybrid Agency）的研究，定义“人机混合体”（Ensembles）。
3. 技术可供性理论 (Technological Affordances)： 基于 Gibson (1968) 和 Leonardi (2023) 的理论，重新定义 GenAI 在修辞语境下的特定可供性，特别是其“可见性”和“传递性”。

构建过程：

• 概念隐喻： 借用政治界的“代笔”（Ghostwriting）概念，提出“幽灵代理”（Ghost Agency）。
• 模型构建： 提出了一个递归/迭代的流程模型，包含三个核心阶段：幽灵路演（Ghost Pitching）、幽灵筛选（Ghost Screening）和幽灵关系构建（Ghost Relationship-building）。
• 命题推导： 基于上述逻辑推导出了三个核心理论命题。

3. 关键贡献与核心概念 (Key Contributions & Core Concepts)

A. 核心理论：幽灵框架理论 (Ghost Framing Theory, GFT)

GFT 认为，一旦 AI 系统共同创作创业叙事，框架的代理权（Agency）就从个体创业者转移到了“人机混合体”。评估者（投资者）也形成了自己的“人机混合体”。两者的交互产生了新的修辞动态。

B. 五大 GenAI 修辞可供性 (Five GenAI Rhetorical Affordances)

作者识别了 GenAI 赋予创业者和评估者的五种独特能力：

1. 生成性 (Generativeness)： 能够“无中生有”地产生大量修辞内容（如商业模型、财务预测），尽管可能存在幻觉风险。
2. 极端组合性 (Extreme Combinatorics)： 能够处理海量输入，将看似不相关的碎片信息（如消费者洞察、技术文档）重组为连贯的叙事，超越人类认知极限。
3. 语调库 (Tone Repertoire)： 能够根据受众需求，在无限多的语调和风格之间切换，甚至模仿特定人群（如金融专家、政府官员）的语言风格。
4. 速度/能量 (Velocity/Energy)： 提供不知疲倦的产出速度和能量，克服人类的时间限制和认知疲劳。
5. 共享基底 (Shared Substratum)： 基于海量人类训练数据，提供了超越个体经验的“集体智慧”和跨文化/跨领域的视角，减少了个体认知的偏差。

C. 三大理论命题 (Three Theoretical Propositions)

• 命题 1（幽灵框架效应）： 在控制创业价值的前提下，使用 GenAI 辅助框架策略（如稳健的脚手架、多维平衡、语境扩展）的创业者，比不使用的人更容易在初期获得评估者的共鸣。
  • 机制： GenAI 帮助创业者快速构建逻辑自洽的叙事，减少个体错误，并利用“共享基底”匹配评估者的期望。
• 命题 2（幽灵筛选的调节作用）： 评估者是否使用 GenAI 会调节上述效应。
  • 如果评估者也使用 GenAI（幽灵筛选），创始人使用 GenAI 的正面效应会被增强（因为双方基于相同的“技术基底”和逻辑进行交互）。
  • 如果创始人不使用 GenAI，而评估者使用，创始人被筛选掉的风险会增加（因为无法匹配 AI 处理的高标准或速度）。
• 命题 3（关系对齐效应）： 随着时间推移，从“路演/筛选”阶段进入“关系构建”阶段，上述调节效应会减弱，转变为普遍的正面效应。
  • 机制： 在长期关系中，GenAI 支持的“超个性化”（Hyperpersonalization）和“增强响应”（Enhanced Responsiveness）策略，使得双方能更快速地消除误解、建立信任，AI 的中介作用从“筛选工具”转变为“关系催化剂”。

D. 流程模型

• 幽灵路演 (Ghost Pitching)： 创业者利用 GenAI 进行稳健的叙事搭建、多维利益平衡和语境扩展。
• 幽灵筛选 (Ghost Screening)： 评估者利用 GenAI 进行快速验证（Rapid Vetting）、速度提炼（Speed Distillation）和强力反馈（Power Feedback）。
• 幽灵关系构建 (Ghost Relationship-building)： 双方利用 GenAI 进行超个性化沟通和主动监控，形成螺旋上升的共鸣循环。

4. 研究结果与发现 (Results & Findings)

由于是理论论文，其“结果”体现为理论模型的逻辑推演和解释力：

1. 重新定义了合法性判断： 合法性不再仅仅取决于人类作者的技能和意图，而是取决于“人机混合体”如何利用 GenAI 的可供性来生产符合评估者认知图式的叙事。
2. 揭示了“技术共鸣”： 当创业者和投资者都使用 GenAI 时，他们实际上共享了一个基于训练数据的“技术基底”。这种共享使得双方的沟通更加顺畅，但也可能导致叙事的同质化（Homogenization）。
3. 动态演变： 在早期阶段，GenAI 的使用是竞争性的（谁用得好谁赢）；在后期关系阶段，GenAI 的使用是协作性的（共同优化关系）。
4. 风险识别： 理论指出了“幻觉”（Hallucination）、“AI 垃圾内容”（AI Slop）以及过度依赖 AI 导致创业故事缺乏独特性（Idiosyncrasy）的风险。

5. 研究意义 (Significance)

理论意义：

• 对创业学： 挑战了“框架必须由人类创造”的假设，将人机协作引入文化创业和合法性构建的核心。
• 对组织理论： 扩展了技术可供性理论，提出了“可供性的传递性”（Transitivity，即 A 使用 AI 影响 B 的决策）和“可供性的可见性”（Visibility，即 AI 使用的隐蔽性作为战略变量）。
• 对人机交互研究： 将“增强”（Augmentation）而非“自动化”（Automation）确立为当前创业语境下人机协作的主要模式，强调了人类在提示工程（Prompt Engineering）中的核心作用。

实践意义：

• 对创业者： 必须掌握 GenAI 的修辞可供性（如语调匹配、多维平衡），否则在 AI 驱动的筛选机制中处于劣势。同时需注意避免过度依赖导致的故事同质化。
• 对投资者： 需要意识到自己的筛选工具（GenAI）可能正在改变被评估对象的特征，需警惕算法偏见和“回声室”效应。
• 政策与伦理： 引发了关于创业融资中 AI 使用透明度、披露义务以及“幽灵代理”伦理边界的讨论。

未来研究方向：

• 研究提示工程（Prompt Engineering）技能差异对结果的影响。
• 探讨“代理型 AI"（Agentic AI，即高度自主的 AI）出现后，人类是否会被完全排除在框架构建之外（即“僵尸框架”）。
• 考察组织规范和社会对 AI 使用的态度变化如何影响“可供性可见性”。

总结：
这篇文章通过提出“幽灵框架理论”，系统性地解释了生成式 AI 如何从根本上重塑新创企业的融资修辞和合法性构建过程。它指出，未来的创业竞争不仅是创意的竞争，更是“人机混合体”利用 AI 修辞可供性进行叙事构建和评估互动的竞争。