“生成AI是重要的工具，但报道实务、编辑方针和业务上的关键判断，必须继续由人承担。”OpenAI在最新发布的案例报告中这样定调。当地时间2026年7月22日，OpenAI汇总了全球多家新闻机构在采编、读者服务和经营环节中部署其生成式AI的具体方式，试图向外界展示技术如何辅助而非取代记者的工作。
正方：把记者从重复劳动中解放出来
美联社的做法颇具代表性。每天都有海量的行政资料、会议录像和数千份联邦最高法院文件需要过目，记者大量精力耗在信息筛查上。为了把判断留给记者、把重复活交给AI，美联社利用OpenAI的技术搭建了辅助系统：夜间新闻和播客中自动抓取有采访价值的线索，核对图片视频的上传路径、拍摄地点和时间，还将堆积如山的最高法文件转成可检索的数据库。费城问询报则专门为跟踪地方议会和教育委员会会议，开发了名为Scribe的生成AI工具，自动生成会议文字摘要，再按记者编辑设定的标准评估新闻价值。Axios的内部工具链更丰富——从打磨信息公开请求信、调整图片说明，到提供文章精简建议的定制GPT，全都在日常中使用。法国《世界报》则把OpenAI的模型用于文章英译和文字转语音，直接扩充内容分发渠道。
反方：它真能理解新闻吗？
尽管效率提升显著，但关于生成AI是否正在侵蚀编辑独立性的担忧并未消散。Axios和AP通信的实践表明，这些工具目前仍停留在“模式识别”和“文本处理”层面：寻找线索、整理文件、翻译和摘要。它们无法判断一条教育委员会议题是地方社区真正关心的大事，还是例行程序。费城问询报的Scribe也只是“评估”新闻价值，最终拍板的还是人的编辑标准。OpenAI在报告结尾也刻意强调，报道的实际操作、编辑方向制定和商业决策，仍然牢牢握在新闻人手里。这既是事实陈述，也是在回应外界对AI替代记者的焦虑。
我的判断：辅助层已经跑通，核心采编仍是人的领地
把目光拉回新闻编辑部的日常，AI目前的角色更像是“高级实习生”：它能在一小时内读完记者三天才翻完的档案，但它写不出一个追问。服务读者的场景同样如此。Condé Nast旗下的美食媒体Bon Appétit推出“Test Kitchen Assistant”，基于历史文章回答菜谱问题；美食媒体Eater则上线了用自然语言描述条件搜索餐厅的功能。这些应用确实改变了读者与内容的关系，但背后的知识库和推荐逻辑依然由编辑内容喂养。换言之，AI在放大现有内容资产的价值，而不是凭空生产新的调查报道。西雅图时报的例子则展现了另一个维度：他们用定制GPT来筛选广告潜在客户、生成调研资料并确认老客户关系，把原本数小时的活压缩到几分钟，并直接带来了新增收入。这说明在经营侧，生成AI的降本效果已经可以量化为商业回报。
真正值得注意的趋势是：当生成AI覆盖从线索发现、内容加工、分发到广告变现的全链条时，新闻机构的成本结构和竞争壁垒正在被重塑。那些最先建立AI工具链的团队，也许不是因为技术领先，而是因为他们更清楚哪些环节是重复劳动、哪些必须由人把关。正如OpenAI所承诺的，它会继续与媒体和记者合作，开发支持高质量新闻和机构可持续发展的工具。但显然，用工具定义工作的边界，本身就是这个行业接下来最大的考题。
热门跟贴