AI技术如何重塑新闻人的职业技能

2025-7-24 22:12| 发布者: 刘海明| 查看: 22| 评论: 0|来自: 中国记者

摘要: AI技术如何重塑新闻人的职业技能

一、引言：AI技术与新闻从业者的焦虑

在近两年生成式AI的浪潮下，新闻业受到剧烈影响，引发了一系列关于新闻业以及新闻人职业角色的讨论。和任何一种技术变革带来的影响一样，AI技术在新闻业中的应用也伴随着乐观与悲观两种情绪的交织，衍生出替代性的人机竞争与赋能性的人机协作两种流行叙事。新闻从业者在这一浪潮中既感受着AI技术带来的工作效果加持，也经受着AI技术引发的被替代焦虑与本领恐慌，迫切需要能够适配人工智能时代的职业价值捍卫和职业素养与技能的转型升级。

当前，人机共生、人机协同已经成为每一个受到AI冲击、并选择主动拥抱AI的行业的普遍认同。新闻业界与学界在AI与新闻业交互的讨论中基本上已经达成了“以人为中心”的价值导向，围绕新闻人这一主体来探索AI技术在新闻业中的应用潜力与边界，从关注“AI技术能做什么”，转向关注“AI技术应该做什么”，以人为尺度来定义AI介入后的新闻实践。基于新闻业中人机行动者共存和协作这一普遍共识，对于新闻机构与一线的新闻从业者而言，更为关心的是操作层面“怎么做”的问题。新闻机构与新闻人应该以何种姿态拥抱AI技术，以谋求在快速变动的信息生态中重新锚定自身位置、提升新闻媒体的公信力，是当前需要深入探讨的关键问题。本文从新闻工作者的职业主体性切入，采用基于任务的分析框架（task-based framework），将新闻业务实践分解为一系列需要完成的任务，具体考察AI技术对于新闻实践的工作流再造，辨析哪些新闻任务正在和将被替代，AI技术又如何引入新的任务，这些变化如何给新闻人的职业技能提出新要求，进而讨论新闻人应该如何提升职业技能以在人机共生的新闻生态中锚定新的生态位。

二、工作流程再造：任务视角下AI技术对新闻实践的影响重塑

（一）以任务为中介的AI技术影响框架

当AI全面接入新闻工作实践后，给新闻从业者的劳动状况带来一系列新问题，诸如新闻从业者的劳动技能与价值是否被重新定义，新闻从业者又应该如何顺应AI技术变革潮流，在新闻实践中与智能化的“赛博同事”（Cyber-colleagues）有效协作。要回答这些问题，需要将AI介入改造后的新闻业拆解成最基础的生产单元——“任务”来分析。

AI技术对于各行各业而言不是简单提高效率，而是一种促使任务在资本和劳动之间重新分配的力量。技术迭代是行业生产力变革的基础动因，相应地也会塑造行业内的劳动者状况。技术变革对于劳动力的影响主要通过“任务”这一基础的中介单元实现，一方面通过技术影响劳动任务的变化，另一方面则借由任务的重塑而影响劳动者的技能需求。基于任务的分析框架，核心在于分析技术的进入如何通过改变生产实践的任务内容来影响具体行业的生产率，以及劳动力需求等要素指标。技术通过任务对劳动力产生影响，主要表现为两种效应：一是任务替代效应（task-displacement effect），即通过任务自动化替代旧的任务流程，这种效应下表现为对旧式劳动力的替代；二是任务迭代效应（task-reinstatement effect），即通过新技术的引入而促进资源与任务的重置，创造新的任务，进而增加对于劳动密集型任务的需求，表现为对于新式劳动力的需要。

具体到AI技术与新闻业的交互场域而言，AI技术对于新闻实践流程的再造主要通过自动化改造的任务替代与新任务创造的任务迭代两种方式展开。任务视角对AI技术嵌入新闻业的理解本质上是在关注人类行动者如何采纳AI技术，以及在具体的实践层面上，AI技术在新闻业务各个环节的介入如何改变工作流。

（二）AI技术对于新闻实践的介入与重塑

要准确把握AI技术对于新闻业的变革趋势，首先需要明确AI技术并不是此前媒介迭代逻辑下的辅助性工具，而是一种重塑新闻实践流程和生态演进的基础性力量。当前，AI技术的多元应用正在冲击和改变着原有的工作结构和组织管理，已然对于新闻生产流程的全环节产生影响。从选题、内容生产到新闻的传播与分发，无一不被AI技术改造，且这种改造不只是效率化、工具化层面的，而是从结构与逻辑层面给新闻实践场域带来了全新的流程再造。这种流程再造一方面表现为对每个传统新闻实践环节中的关键流程展开精细化赋能再造，另一方面则表现为流程之间交互与迭代的关系再造，突破了原有的线性新闻实践环节。

1.新闻策划与采集环节：赋能新闻信息获取、筛选与深度分析。传统新闻业的选题主要依靠记者和编辑等个体专业经验积累与人工把关环节的层层定夺，其信源的获取也依赖于从业者的人脉网络、平台资源、通联系统等决定。AI技术工具则能够在拓宽信源信道、大规模信息筛选和分析这些任务环节实现智能化增强，提升选题的广度和精度。首先，AI技术可以拓宽信息采集的广度，除了通过不间断监测各类社交媒体、搜索引擎、新闻源等所有数字化信息渠道的更新动态，一系列AI驱动的传感器也可以在环境中采集数据，识别故事线索。比如，美联社与纽约大学曾开发一种供记者在大型公共活动中使用的传感器驱动相机的原型，该传感器会监测空间中诸如噪音之类的触发因素，当其达到一定阈值时，传感器会拍摄照片并将其通过电子邮件发送给记者。其次，AI技术可以提升新闻挖掘的效率和深度，尤其适合于完成大海捞针式的任务，过滤海量数据，从非结构化数据中提取信息，从中捕捉人类记者难以关注觉察的细节、趋势与故事线索。新华社研发的“新闻雷达（NewsRadar）”，能够自动预警突发事件，并根据事件性质和规模预测事件热度。此外，AI技术目前也被用于研判预测受众潜在的关注热点，通过AI技术对多模态信息内容自动化展开主题分析、情感分析等，筛选出既契合受众关注又具有新闻价值的选题点。

2.新闻生产与编辑环节：赋能新闻内容创建的产能提升。自动化新闻生产是AI技术在新闻业的核心应用。新闻机构在新闻生产中采用AI自动化来处理新闻产制类任务的应用方式也日益多元。目前，财经、体育等领域是AI自动化新闻最直接的实验田，AI技术可以基于结构化数据自动生成大量新闻报道，大幅提高新闻生产效率和内容供给质量。比如，目前已经迭代至3.0版本的第一财经“星翼大模型”只需3分钟就可以制作一个可视化的公司财报，只需60秒就能生成一条包含当日热点新闻的财经早报短视频。除此之外，当前AI更为普遍的任务场景是作为自动化内容生成的辅助工具，助力新闻从业者提升生产效能。例如，帮助记者从收集的数据或者既往报道中自动生成初稿，然后人类记者再结合语境撰写修改；或者基于文字等内容自动生成语音、视频等多模态内容。比如，2024年巴黎奥运会报道中，新华社使用了AI技术为基础的采编助手，包含智能管理媒介素材、智能精准检索、AI一键成片等功能，有效节省80%的媒体人工时间。此外，AI技术在新闻生产与编辑环节也常常承担起内容优化作用，基于深度学习实现优化标题、导语、预览图等局部要素，以提高内容的点击量。

3.新闻分发与互动环节：赋能新闻信息更为有效的受众触达。智能算法在新闻分发领域的应用早已非常成熟而普遍，主要用于提升新闻分发的个性化、本地化与交互性。AI技术使得新闻分发的任务从原来的“一刀切”范式转变为适配不同读者行为、偏好、人口统计指标、地理位置等综合要素的个性化、定制化和本地化内容，并能够快捷精准地实现内容的跨平台分发，自动优化内容适配不同平台的传播制式。人民日报全国党媒信息公共平台依靠平台自身的“党媒算法”模型训练提高传播分发精度形成内容多方位关联的推荐内容库，通过AI技术引领打造积极向上的主流价值观传播生态。AI技术强大的数据聚合和摘要能力也使得聚焦基层社会的超本地化信息分发成为可能。比如，在美国覆盖3万个社区的新闻应用Patch可以一键生产可读性较高的本地快讯，用技术弥合新闻“最后一公里”。与此同时，AI工具在新闻分发端的嵌入更注重将受众的信息消费习惯纳入考量，以受众为本反向优化新闻的分发方式，进一步促进了受众新闻消费模式的迭代。比如，英国《金融时报》的人工智能团队发现读者有一种阅读习惯会将新闻内容粘贴到ChatGPT中去总结内容要点，于是就设计新功能，在其每篇文章顶部显示三个由内部AI技术生成的要点，通过AI提炼来为受众创造更好的内容交互体验，以确保新闻机构的信息主导权。AI技术也正在推动受众的新闻消费体验从传统的静态阅读体验转变为动态的互动对话。尼曼新闻实验室（Nieman Lab）的一篇分析文章认为，人机对话界面正在成为新闻消费的新载体，受众可以与AI新闻助理进行对话交互，通过类聊天式的方式获取个性化的新闻内容。

4.AI技术驱动下新闻流程环节的响应与迭代循环。基于上述AI技术在传统新闻流程环节中的全方位介入考察，可以发现AI技术的强势表现在它不仅是在单纯地为每一个新闻实践环节赋能，同时其技术逻辑与人机对话的模式也在影响和重塑着新闻实践的工作模式。具体来看，AI技术系统性嵌入新闻实践流程，使得原有的“采集-生产-分发”的线性工作流程中各个环节以新的技术思维和数据驱动逻辑衔接起来，以效率提升和受众导向为目标重新整合内外资源并定义具体任务，实际上构成了一种数据驱动的动态响应和迭代的循环。“响应”强调的是受众导向，即理解受众端的新闻信息消费数据，以AI更加精细化的数据获取和分析作为受众需求依据，然后反向倒推给选题策划、内容生产与分发呈现策略等环节；同时这种“响应”也要求新闻生产流程各环节内部要超越各自为战的工作方式，转变为对彼此需求能够有机响应和协作的工作模式。“迭代”意味着新闻生产环节不是线性固化的，而是可以内部反复实验、验证并交互调试的。类似于互联网产品设计中能够快速验证产品概念的开发策略“最小化可行产品”（Minimum Viable Product），新闻生产亦可以基于初步的信息需求启动“最小化可行报道”（Minimally Viable Stories）的内容版本进行分发，然后根据受众的响应数据来评估效果，拟定下一步行动策略。比如，如果受众对于某个自动化生成报道产生高度兴趣，就可以投入更多资源展开深度报道，而一个新闻点就是在迭代的过程中基于受众的数据反馈而经历各类形式的实验，衍生出不同的内容产出和分发策略。这种响应与迭代之间的动态循环打破了传统新闻实践的线性流程，在实践层面则更加强调建构有利于实验与迭代的新闻流程环境，鼓励和引导新闻从业者大胆试验、在迭代尝试中不断创新超越。

（三）新闻业中的人机劳动价值博弈：任务替代与任务迭代间的动态平衡

AI技术已然成为人类新闻从业者工作中不可忽视的“赛博同事”，在带来新鲜感之余，AI冲击也使得人类从业者不得不重新思考新闻职业的内涵与边界，即AI究竟可以替代多少新闻实践中的任务，而哪些任务是绝对不可替代或不应由AI替代的，AI的介入又创造了哪些新的任务类型。

1.任务替代：AI替代新闻实践能力的实然与应然探讨。新闻从业者的一种普遍职业焦虑在于被替代。事实上， AI对于新闻业实践流程的介入程度可以划分为从工具辅助到完全替代的两级，而判断流程中具体的任务能否被AI自动化完全取代，大概有三类判断路径。首先，是从任务本身的属性来看，一般而言，低阶常规性任务相对于高阶任务更容易被AI替代。比如，当前AI技术完全的自动化任务替代主要包括财报撰写、赛事结果报告、天气预报、访谈转录、内容标签（tagging）、校对与摘要等高度结构化、重复性强的工作，使得新闻从业者可以从低阶常规劳动中解放出来，将更多的时间精力投入到深度的、有挑战的、高质量的信息生产任务中。第二类判断维度是基于考察AI技术在具体任务环节中所发挥的功能价值比例，如果一项任务接入AI之后效率提升越显著，则该类型任务则越可能被替代。第三类判断维度则是关注从新闻信息受众的角度来判断，即受众对于新闻业采纳AI技术的接受边界，反过来影响了新闻实践流程中的AI采纳程度。比如，2024年一项基于加拿大1042名新闻受众的调查发现，超过85%的受访者希望新闻机构明确说明AI的使用方式，约75%的人希望AI生成的内容能够被清晰标注；近60%的受访者表示，如果发现原以为由新闻人撰写的报道实际上是由AI生成的，他们对该新闻机构的信任将会下降；其中，受访者对AI用于转录和校对等非编辑任务表示更高的接受度，而对其用于撰写文章和决定报道内容等编辑任务则持保留态度。受众视角的判断标准，一定程度上反映的是AI替代任务的讨论从“能否做到”向“是否应该”的转向趋势。

2.任务迭代：AI技术如何引入新任务和新角色。AI技术对于新闻业的重塑同时也存在任务的迭代效应，即对流程内所包含的任务进行重构，由此产生新的劳动力需求。对于人类新闻从业者劳动价值的捍卫，除了识别与强调新闻工作中人类工作者不可替代的劳动价值，比如人类所特有的深度理解、伦理判断与情感要素等，另一种路径就是重新发现与理解AI作为生产要素对于新闻业的核心价值和关键新闻职责等有何影响，引导调试AI介入之后的新闻实践适配新闻行业的一系列社会公共价值和根本属性，由此衍生出哪些新的任务和角色的设定。新闻业的工作流程背后指征的是一种知识生产型的社会制度，其系统逻辑与行业内的从业者之间构成相互塑造的内在关系，即新闻业的行业机制塑造着新闻从业者的行为，反过来新闻从业者的行为也会塑造行业机制。而AI技术的介入则使得原来的二元互动关系成为了一种三角互动关系，AI技术影响系统逻辑与机制的势能显著增强，也由此重新配置了新闻行业内部的权力结构、资源结构，进而重新塑造了新闻业中的知识生产方式与任务构成。任务的迭代效应对于新闻从业者而言是一种职业技能升级重塑的机遇，也引导人们去思考在人机协作的模式下，AI技术与人类从业者在新闻流程中如何科学有效分工。

在创造新任务方面，AI技术的出现催生了新的任务类型。最普遍也最直观的新任务就是各个流程环节中的人员都需要能够适应人机共生的AI协作机制，精准而熟练地驾驭多元AI工具进行大数据挖掘新闻线索、多模态可视化内容生成、受众行为分析等。进而，基于各类AI自动生成或是辅助生成的内容，需要人类从业者进行监督、事实核查和内容优化。在机构层面，也相应地衍生出符合机构特点的AI项目工具开发、项目策划、实施与管理等新任务。

围绕这些新的任务内容，新闻实践流程中也逐渐形成了新的职业角色需要。比如，专注AI辅助内容生产的AI工具管理师或提示词工程师，需要深入理解AI模型、精通人机互动技术和策略，能够设计和优化指令，以引导AI生成高质量、符合新闻业务要求的各类内容。再比如，聚焦内容审核与事实核查的内部专家，负责对AI生成的新闻稿、摘要、翻译、图文、视频镜头等进行严格的人工审核、事实核查和修正，确保内容的准确性、客观性和符合新闻伦理标准。此外，还有负责协调新闻编辑室与技术供应方对接协作的AI产品经理、参与专业化AI系统优化的AI训练师/标注员、定期开展内部审核的AI伦理顾问等新角色。这些角色有些诸如AI产品经理等目前在传媒行业的招聘需求中已经非常普遍，其余一些角色虽尚未设立专有新岗位，但一定程度上也成为一种具体的新职能，嵌入已有的职业角色中。

三、重构主体性：AI时代新闻从业者的职业技能重塑

新闻从业者需要自我迭代和重塑技能并不是为了对标AI抢任务，而是在新的流程分工格局下，重新锚准和巩固人类在新闻流程中的主体生态位。在新闻实践中与AI做同事，需要明确各自擅长的任务类型，同时也要明确各自在任务执行中的能力边界。比如，AI擅长处理结构化数据，而人类记者更加擅长获取与处理原始数据，如与人交谈，将数据组织成有意义的信息，最终产生具有深度和人文关怀的新知。所以，人在新闻业中的职业主体性价值毋庸置疑。新闻业是高质量内容的重要来源，其生产的本质是人，如果没有人类从业者亲临一线、深度调查、生产饱含人类情感价值的高质量内容，单纯依靠AI自动化的信息生态则很容易出现幻觉、低质量循环等系统性风险。因此，新闻从业者对于AI技术的适应性应该包含两个相互作用的方向：一是与时俱进地适应技术变革的逻辑，理解并熟练运用AI技术的辅助和增强为新闻实践提质增效；二是要注意避免对于AI工具的过度依赖以及对AI技术逻辑的无脑采纳，而是要思考如何将新闻行业的人本价值观念植入其中，反向驯化新闻编辑室中的AI行动者，引导把控AI产出能够切实发挥新闻价值和新闻功能。

AI的不断快速进化意味着其知识与能力边界的扩大，因此任务分工的版图势必也会处于快速的变动革新状态，因此人类需要聚焦提升的经验与能力就显得尤为重要。基于上述新闻从业者主体性的讨论，结合AI介入后任务更加精细化的新闻流程特点，可以重点围绕如下三个维度来规划重塑人机协作模式下新闻从业者的能力体系。

（一）技术驾驭维度：提升AI协作与沟通能力

AI技术使得从前许多内容生产技能的门槛大幅下降，但同时对于从业者的AI技术能力与理解提出了更高要求。混合型技能的角色将在新闻实践中发挥越来越重要的作用，比如集“记者-程序员”本领于一身的从业者。新闻从业者对于AI技术的学习采纳应该保持一种终身学习、持续迭代的态度。一方面要能够熟练驾驭AI工具生态，深化对于AI技术逻辑的理解并建立数据洞察与分析思维，精准高效地采用适配的AI工具来解决任务问题；另一方面，新闻从业者需要切实介入相关模型工具的训练、开发与维护更新等任务流程，通过直接参与对AI工具的训练而提升新闻从业者的主体性。此外，AI嵌入之后的新闻流程更加强调多元主体间协作，因此需要着重提升从业者的沟通能力，包括与AI协作的人机沟通能力，以及混合团队框架下跨学科、跨领域、跨职能的沟通协作能力。

（二）多模态创作能力维度：提升适应于AI时代的话语创新能力

在AI驱动的多元媒介融合架构下，新闻从业者需要着力提升适应当前传播生态的叙事创新能力，把握信息生产的主体性。一方面，要理解生成式AI与平台媒体共同作用下的内容业态和媒介形态发展趋势，强化对于内容适配性的感知力与创新生产能力，提升对于受众群体的内容偏好理解以及内容交互体验设计等；另一方面，则是聚焦于提升目前AI仍然无法替代的深度任务能力，强化人类在新闻行业中特有的核心竞争力，比如深度调查、批判性思维、情感共鸣等技能，让“木桶的长板更长”。

（三）伦理与责任维度：强化公信力与社会价值担当

新闻行业面临的一个突出挑战就是AI技术被用于生产传播假消息或误导性内容，如果新闻从业者无法有效分辨，则很容易在不知情的状况下将这类内容分发给受众。因此，重中之重的技能是强化AI相关的伦理素养与社会责任意识。在AI介入的新闻实践流程中，人类从业者需要扮演重要的“AI行为监管者”角色，充分理解算法的工作机制并监督其工作过程；同时需要把握AI介入后的新闻流程关键环节，对重点任务的AI执行结果进行审核与验证，进而提高媒体机构内容生产的新闻价值与公信力。（作者系福建理工大学人文学院副教授，本文系福建理工大学人才建设基金项目“行动者网络视角下县级融媒体协同基层治理的效能提升研究”〈E2100174〉的阶段性成果）

来源：中国记者

链接：https://mp.weixin.qq.com/s/gjR0oOQcG_FoMozLvT4PWQ

编辑：杨泓艳