近年来，人工智能在我国新闻领域的应用成为学术研究焦点，相关研究明晰了其行业发展现状与未来趋势，但学界观点存在分歧。部分学者从数字技术革新、人工智能发展的宏观视角，结合AIGC与传统新闻生产的差异，认为其具备巨大发展潜力，既能赋能新闻生产实现“提质增效”，又能够重塑新闻生产，带来新闻传播范式革命。而另一部分学者通过内容分析AI辅助生产的新闻作品发现，人工智能的技术潜能尚未在新闻领域充分落地；其能否为新闻机构带来真正革新，并非取决于技术本身，而是由技术与制度、社会环境等社会因素的“互构”决定，各类社会因素均会参与并影响这一创新过程。

　　本文引入制度主义分析的核心概念来解释上述学术分歧，通过深入新闻组织内部，从微观与中观层面调研以下问题：新闻组织决策层与从业者面对人工智能的基本态度，以及其引入、使用人工智能的初衷、遭遇的困境阻力与核心担忧；新闻从业者的技术效能感、预期回报率、人工智能素养，与新闻组织的“资源储备”“资源支持”的内在关联；进而探究AIGC是否在新闻生产领域实现学者预期的“提质增效”效果，是否能重构新闻生产、推动传播范式革命，并展望未来人机关系的发展趋势。

　　传播学者舒德森（Michael Schudson）于20世纪70年代指出，技术创新的实现不仅依托技术潜能，更依赖其与社会因素的互动。互联网兴起后，新闻编辑室成为技术应用研究热点，新闻生产民族志研究形成微观、中观两大路径。微观路径聚焦新闻从业者日常实践。中观路径以新闻组织为研究核心，考察组织层面因素对新闻创新的形塑作用，主控风格、专业规范、组织需求、编辑部文化及制度因素均属重要影响变量。

　　本文的逻辑基础为两大核心概念：其一为制度嵌入，即组织始终处于特定制度环境中，该环境会对组织成员提出行为要求、限制其行动选择；其二为制度嵌入的创意者，新闻组织的创新实践至少涉及两层创意者，即总编辑、社长等决策团队构成的高层创意者，与记者、编辑、技术人员等直接参与创新实践的基层创意者，这一“双层创意者”结构融合了结构主义与个体主义视角。其中，高层创意者主导创新决策，搭建影响基层创新行为的“创新结构”，如制定人工智能发展战略、搭建技术平台、储备专业人才；基层创意者则在既有“创新结构”基础上，推动创新实践具象化并形成常规工作流程。这一分析视角兼顾中观组织与微观个体层面，有效弥合了“结构”与“个体”的研究分歧[8]。新闻媒体属于典型强制度约束型组织，简单采用组织与个体二元视角分析，仅能对表层现象进行分类描述。本文使用制度主义分析框架，弥补经验性视角缺乏深层归因的不足。

　　本文采用参与式观察和深度访谈相结合的质性田野调查方式进行资料收集。研究选择了8家新闻组织作为研究对象，分别是：人民日报社、新华社、中央广播电视总台（以下简称“总台”）、上海电视台、南方日报社、南方都市报社、深圳晚报社、澎湃新闻。在媒体的样本选择上尽量兼顾中央媒体与地方媒体、传统媒体与新媒体。调研共访谈了上述组织中30位人员（见表1），涵盖了部门负责人、记者、编辑、技术人员、经营人员等多种角色。本次访谈中入职5年以上人员占比偏低，这主要源于当前媒体技术岗、新媒体采编岗人员结构年轻化的行业现实。中青年从业者更贴近AIGC日常实操场景，能够真实反映技术落地的微观实践状态。

　　本研究以2024年1—5月为田野调查时间节点，该时期恰逢国内主流媒体规模化探索AIGC应用、系统化构建AI采编规范的关键起步期，具有重要的节点研究价值。为突破单一时间截面静态研究的局限，本研究采用历时性追踪与多源资料互证的综合研究方法，整合近三年样本媒体的多维资料展开分析。主要包含三重数据收集体系：其一，持续收集受访媒体管理层及一线从业者在行业培训、学术研讨中的经验交流材料，动态考察其AI认知与实践策略的演进轨迹；其二，系统梳理调研对象刊发于行业期刊的学术论文、行业访谈记录，深入分析媒体内部对AIGC应用的反思总结与制度研判；其三，对8家样本媒体近年来推出的AI新闻专栏、AI新闻作品、技术试点成果进行概览式内容分析，纵向梳理其应用模式、落地场景与演化节奏。这种数据来源组合兼具即时性田野资料、长期性文本资料与持续性行业观察资料的特征，既能够反映媒体AIGC应用的短期实践状态，又能展现近几年演化趋势，资料体系具备时间延展性与多元互补性。

　　AIGC为新闻业拓展了生产边界，创造了全新发展机遇，但其向新闻创新的转化并非由技术单一主导，更依赖于与社会各要素的互动融合，且受多重社会因素制约。本文从中观视角切入，以新闻组织为研究核心，探讨我国新闻机构的AIGC创新实践路径，及其受内外部因素的影响机制。

　　通过对8家新闻机构业务负责人的调研发现，媒体引入人工智能的顶层设计核心在于明确发展战略与落地路径，其中制定人工智能发展战略与目标为首要举措，各机构均围绕提效、内容优化、体验升级等核心方向，锚定与自身业务适配的发展目标。

　　2．构建技术支撑体系。媒体顶层设计高度重视人工智能技术支撑体系的搭建，通过布局数据分析、机器学习、自然语言处理等技术领域，推动其落地于内容生产、分发、接收、反馈全环节，并与高校、科研机构联动研发媒体适配的AI技术与应用。受访的8家新闻单位所使用的生成式AI平台主要分为两类：一是媒体自主研发平台，需长期技术积累、持续维护及跨部门深度协作，仅技术资源雄厚的媒体可独立研发；二是第三方平台，直接依托文心一言、腾讯混元、星火大模型、通义千问等市面成熟产品辅助新闻生产。

　　各头部媒体均形成特色技术布局：新华社旗下的智能技术研发平台——新华智云，赋能全国主流媒体实现业务与生产模式创新；南方报业集团2022年启动“南方智媒云”建设，已落地“小南AI写作助手”等多款AIGC应用，南方都市报社则以数据中台为数字战略基建，打通集团数据库并融入南方智媒云；上海广播电视台启用Scube（智媒魔方），集成实况拆条、AI剪辑、自动横转竖等功能，大幅提升短视频生产效率；澎湃新闻自2022年底起便接入第三方平台，为编辑配备常态化AIGC辅助工具（P1）。

　　综合来看，自主研发需要高昂的技术和人力成本，较长的研发时间，还有技术部门与内容生产部门协调配合，这些困难因素让很多媒体组织对自主研发望而却步。所以，自主研发垂类应用型AI技术或平台，并不适合所有组织。

　　3．业务流程与组织架构优化。为了使人工智能技术常态化落地，近年来国内主流媒体适度优化和调整内部业务流程和组织架构，着力打破传统采编与技术部门之间的壁垒。

　　人民日报社在组织架构调整方面，确立了“将技术融入采编，全链路智能升级”的发展目标，为统筹技术研发和业务应用，组建智慧媒体研究院和传播内容认知全国重点实验室，技术人员从之前的后台支撑转向前端参与，全程介入选题策划、内容制作及效果评估；在业务流程方面，持续优化AI编辑部和创作大脑AI+平台，实现从选题策划到采访、写稿、后期制作、审核分发、传播监测的全链条覆盖。新华社则在组织架构上聚焦“流程闭环、架构协同”的发展路径，成立了“新华妙笔工作室”，打通技术研发、产品运营与内容生产之间的部门界限，推动技术团队与各采编部门的深度融合，确保AI工具能够精准适配业务场景；在流程设计上，升级推出“新华妙笔AI一体机”，优化人机协同创作流程，实现文稿的智能生成、纠错、风险提示、个性化分发，并着力提升使用者的阅读体验（X2）。整体而言，在不改变传统采编审核机制的前提下，媒体主要从优化生产流程和增加专门AI研发部门两个维度来推进智能化升级改造。

　　4．加强AIGC人才体系建设。受访的媒体机构为适配人工智能技术的落地发展，在顶层设计层面逐步完善人工智能领域人才培养体系，通过内部业务培训、人员调整、外部人才招聘等方式加强AIGC人才体系建设。新华社定期开展人工智能技能培训、行业技术研讨会，为补强研发与运维实力，还定向引进相关技术人才，为组织的智能化转型注入发展动能（X3）。人民日报社近几年则主要通过内部调配机制整合专项的AI研发团队，从而以较低成本进行渐进性智能化转型（R1）。澎湃新闻编辑部门采用复合型人员组团方式，整合数据分析人员、软件开发工程师、资深新闻采编人员，推进新闻生产全流程的智能化升级（P2）。

　　总体上新闻单位决策层对于AIGC的引入持积极乐观态度。绝大多数接受访谈的人士认为，AIGC代表着未来的趋势，新闻媒体必须努力跟随潮流，才能免于淘汰风险。

　　自AIGC热潮兴起以来，新闻机构决策层对机器算法逻辑与新闻专业理念及主流价值导向之间的契合度始终存有深层隐忧，尤其对内容的政治合规性、真实性、客观性与准确性有疑虑。当前，AIGC面临信息审查能力不足、技术体系尚待完善、版权归属界定困难等行业共性瓶颈（Z1），成为其向新闻领域深度参与的核心制约因素。考虑数据安全等原因，总台优先采用国产AI工具并加速自主研发平台，于2024年3月发布了我国首部媒体人工智能使用规范，确立发展与安全并重原则，对AI应用实施审慎监管并构建监督问责机制。新华社亦制定了生成式人工智能运用手册，以规范内部AIGC使用流程（X3）。

　　基于罗杰斯创新扩散理论，研究从使用动机（相对优势、兼容性、可观察性）与使用挑战（易用性、可试性）两大维度，考察一线新闻从业者对AIGC的认知特征与实践现状。

　　一线采编人员普遍表示，对于AIGC的采纳多出于提升生产效率的考量，尤其是在一些重复性工作内容中，从业者期待借助AI压缩工作时长，简化工作任务。

　　1．生产效率提升。生成式AI通过强化反馈学习机制，可协助从业者完成选题检索、资料梳理、报道提纲拟定等前期工作，有效降低内容生产的认知负荷。例如，上海电视台记者S1通过向AI提供新闻报道样本及自身采访素材，获得文章提纲及素材布局建议，显著降低了认知负荷，提高了工作效率。南方日报社记者N1通过AI解析复杂专业资料，实现知识的快速转化与通俗化表达。

　　2．创新表现形式，提升传播力。部分从业者尝试以AI为技术支撑，探索数据新闻、视觉海报、短视频等多种形式新闻产品的创作路径。例如，澎湃新闻编辑P2依托AIGC完成节日主题内容盘点，以“AI+数据新闻”的创作模式实现传播效果突破。AI成为拓展新闻表现形态、丰富内容传播维度的重要抓手。

　　3．兴趣驱动与学习型组织赋能。新闻从业者对新技术的实践包括情感层面的认知参与和技能层面的实践参与两个维度。其中，“高情感参与”会促使新闻生产者提升个体对新媒介技术实践的参与效率和参与深度，从而推进新媒介技术实践进程。例如，澎湃新闻数据新闻部门的从业者，在团队氛围的影响下积极探索AIGC工具的使用，优化生产流程，规避技术难题。学习AIGC需投入额外的时间和精力，因此，团队内部的学习交流氛围对维持学习兴趣至关重要。调研发现，“学习型部门”氛围能有效激发新闻从业者对AIGC辅助新闻生产的实践积极性，通过实践与试错，提升技术信念。

　　多数受访基层从业者对AIGC持审慎态度，普遍认为其在实际新闻生产中应用价值有限，部分场景甚至无实际使用必要，核心原因集中于以下四方面。

　　1．技术壁垒与应用“灰箱化”。基层从业者多为人文专业背景，缺乏对AI生成逻辑的深层认知，人机协作处于“灰箱”状态——既无法实现技术逻辑的透明化理解，亦非完全的技术黑箱操作。原本旨在减负的技术工具，因前期训练、人机磨合等方面大幅增加沟通成本，最终消磨了从业者的技术探索热情。

　　2．技术缺陷与新闻真实性底线的冲突。大语言模型存在的AI幻觉问题，易出现虚构事实并嵌入真实信息的情况，生成表面自洽却与事实不符的文本内容，这与新闻业不可动摇的真实性核心原则形成直接冲突。为规避事实差错，AI生成内容的核查成为必要流程，这不仅增加了工作成本，更直接关乎媒体机构的品牌声誉。

　　3．人机交流障碍。生成式AI常因“思维僵化”导致交互体验不佳，从业者需通过反复对话调试、指令修正等方式才能获得符合预期的结果，额外的操作工作量抵消了技术本应带来的效率收益。同时，AI对抽象概念的理解能力有限，其算法层面的“创造性”易产生偏离报道主题、传递误导性信息的内容，进一步加重后期审核与修正的工作负担。

　　4．内容生成的固有技术局限。生成式AI在应用中存在技术限制，如视频生成的时长、分辨率难以满足专业生产需求，且高级功能需付费升级（Z2）；内容生产层面则表现为原创性不足，输出内容多基于既有数据的重组整合，缺乏新颖的视角与深度的分析，难以满足优质新闻生产的要求。此外，生成式AI在技术层面无法满足多样化呈现形态的需求，这大大降低了部分从业者的使用热情（D1）。本质而言，生成式AI仅能实现对已知知识的“再组织”，尚不具备创造全新概念与思想的能力。

　　基层从业者的技术期待与现实挑战之间存在着结构性张力。以下从组织创新模式、技术接受程度、范式变革进程、素养形成机制与人机关系重构几个层面，凝练本研究的核心发现。

　　AIGC新闻创新发生于由既有制度、认知与想象构成的“生买球官方网站成语境”之中。这些既存要素是创新者带入的资源，也是创新行为得以生成与常规化的土壤。新闻组织积极跟进生成式AI技术演进，主动布局策略并营造创新氛围；然而，其适应与创新活动始终受制于新闻生产任务、媒体技术水准、新闻专业要求及商业考量，因而呈现出边缘改进型的策略——对AIGC工具边缘性引入、限制性使用，并在时政报道等核心领域强调人工流程。这一现象可在既有组织创新理论中获得解释。组织社会学家斯科特（W.Richard Scott）与戴维斯（Gerald F.Davis）指出，技术的复杂性、多样性、不确定性及互依性等方面的特征会深刻影响组织的应对策略。当面对高度不确定性的生成式AI技术时，组织通常会采取多种手段，在技术的核心与外界环境的不确定性之间构建隔离层，以降低外部因素对技术核心的干扰。本研究发现，面对AIGC，受访新闻组织普遍持开放而审慎的立场。

　　此外，AIGC在新闻领域的引入与应用是一个渐进、动态的生成过程——并非成熟技术或成品的简单采纳与扩散，而是由组织内部不同层级行动主体持续参与、协同求解，使AI生产模式逐步形成并落实为具体产品的过程。这一过程依赖组织的“创新基因”，即组织及成员接纳新技术、尝试实验并进行创造性应用的动态能力，并由此催生出数字主播、全景沉浸式报道、可视化交互性呈现等新产品与新流程，为组织带来发展机遇。

　　AIGC在内容生成、传播方式与效果等方面的应用，已促使学者重新审视既有理论，并尝试提出算法与传播效果、数据驱动分析、自动化与创造力、个性化传播及伦理责任等新议题。然而，这些理论革新仍处于初级阶段，还需实证研究加以检验与完善。

　　依据创新链理论框架，评估技术应用创新程度需考察其是否满足市场需求、解决既有问题。调研发现，AIGC未能完全解决新闻生产中的现实困境，亦未能充分满足从业者需求。在创新资源配置（人才、资金、技术、设备）方面，新闻机构及从业者尚未实现有效整合与利用。多数从业者对AIGC的使用可概括为“工具型使用”（人主技辅的松散协作）与“边缘性使用”（观望、怀疑甚至抵抗所致的低频与切换行为），尚未形成深度融合。同时，AIGC在内容原创性、深度、复杂性与情感表达方面仍无法媲美人类创作者，公众对机器生成内容的真实性存疑，接受度有限。此外，侵犯知识产权、传播虚假信息等伦理与法规问题尚待妥善解决。

　　总之，尽管AIGC已在理论探索与技术潜力层面取得进展，但受制于技术成熟度、公众认可度、实践应用广度及制度规范等，宣称“AIGC已实现新闻传播范式革命”为时尚早。

　　人工智能素养指个体适应AI技术迭代、与AI协同工作所需的技术知识、应用技能与伦理素质的综合体。新闻从业者的技术效能感在组织资源准备与人工智能素养之间发挥显著的中介效应。一方面，组织资源准备有助于提升基层从业者的技术效能感；另一方面，高技术效能感又促使其更积极地使用AI，进而提升自身的人工智能素养。返回搜狐，查看更多