AI撰写的新闻节省成本却流失读者：这笔账算不过来

上面的标题由人类撰写。下面的标题由大语言模型在两秒内生成。你会相信哪一个？

这个问题已不再是假设。过去十八个月里，从地方报纸到全球通讯社在内的数十家出版物，已悄悄将AI撰写的文章引入其生产流程。宣称的目标是效率：用更少的资源覆盖更多新闻。未言明的后果则是，那些将新闻业与内容生成区分开来的特质正在缓慢消失。 the-generative-ai-content-factory-is-coming-for-your-digital-identity

数量的陷阱

这一逻辑似乎无懈可击。语言模型可以摄取新闻稿、财务文件或体育数据，并在数秒内输出一篇可读的文章。对于报道常规财报电话会议、比赛总结或天气警报的条线记者来说，这项技术承诺将节省时间用于深度报道。

但早期结果描绘了一幅更复杂的图景。一项针对某采用AI撰写地方新闻的主要新闻网站的研究发现，虽然这些文章的页面浏览量初期有所上升，但回访次数下降了。点击过一次的读者没有再次回来。根据用户调查，原因在于一种千篇一律的感觉, , 一个令人不安的山谷效应：每篇文章都感觉与其他文章别无二致，即使事实准确无误。 why-generating-an-article-on-command-misses-the-point-of-journalism

仅有准确性并不能建立信任。风格、背景以及表达编辑判断的意愿才能。一个为将风险降至最低而训练的AI模型，会产生语法完美、事实中立、但也完全乏味的文本。

反馈循环问题

还有一个更隐蔽、更具结构性的风险，很少有新闻编辑室领导者在讨论。随着AI生成的文本在开放的网络上激增，它成为下一代模型训练数据的一部分。牛津大学的研究人员已经证明，在合成文本上训练的模型会随着多代迭代而退化，这一现象他们称之为模型崩溃。错误堆积，风格怪癖固化，输出偏离人类写作的丰富性。 the-art-of-generating-articles-one-prompt-at-a-time

对新闻业而言，这造成了一种不正当的激励：一个出版物通过AI输出的内容越多，它就越是污染了所有未来AI模型汲取的源泉。结果是一场逐底竞赛，每家媒体的文章都成为其他媒体文章的略微劣化版。

读者真正想要什么

调查一致表明，读者最看重的是原创报道与分析。路透社研究所2024年的一份报告发现，主要市场中三分之二的受访者表示，他们能够识别AI生成的文章，并且会比同一主题的人类撰写文章更不信任它。这种信任差距在突发新闻和调查报道中尤为明显，而这正是编辑判断至关重要的领域。 france-is-launching-a-national-ai-generation-platform-for-journalists

一些媒体已经在进行调整。《金融时报》已公开声明不会使用AI撰写新闻文章，将该技术保留用于转录和数据可视化等后台工作。《纽约时报》也采取了类似立场，将AI的使用限制在编辑辅助工具而非内容生成。这些决定并非卢德主义，而是战略性的。在一个每个角落都充斥着通用AI文本的未来，人类撰写的新闻将成为差异化的产品。

另辟蹊径

如今，在新闻编辑室中最聪明的AI应用并非大规模生产。而是增强：帮助记者发现数据集中的模式、总结长文档、建议不同的措辞，或为不同受众翻译报道。以这种方式使用，AI扩大了记者的能力范围，但并未取代他们的声音。 overcoming-writers-block-self-doubt-is-the-real-drag

转录和文档分析等工具多年来一直是调查报道部门的标准配置。下一个前沿是AI帮助记者提出更好的问题，而非写出更多的答案。这需要有意识地选择让人类留在闭环中，并非出于对打字机的怀旧，而是因为读者能分辨出其中的差别。

AI生成内容的热潮是真实的，并且不会消失。但数字媒体未来十年中的赢家，不会是那些产出最多文章的人。而是那些产出最不可或缺文章的人, , 而这一标准是任何算法都无法独自达到的。