（作者喻国明为北京师范大学新闻传播学院教授、学术委员会主任，北京师范大学传播创新与未来媒体实验平台主任；丁颖为兰州城市学院传媒学院副教授，北京师范大学新闻传播学院访问学者）

　　近年来，AIGC（人工智能生成内容）技术席卷各行各业，新闻传媒领域自然也不例外。从人民日报社的“创作大脑”到新华社的“新华妙笔”，从中央广播电视总台的自主研发平台到澎湃新闻为编辑配齐的AIGC辅助工具，主流媒体纷纷将人工智能写入战略规划，构建技术支撑体系，优化业务流程，搭建人才体系，呈现出前所未有的技术拥抱姿态。新闻媒体必须努力跟随潮流，才能免于被淘汰的风险成为普遍共识。

　　然而，将目光从宏伟的顶层设计转向一线记者的日常实践时，会发现另一幅令人困惑的景象：多数基层从业者对AIGC“持审慎态度”，甚至认为其“在实际新闻生产中应用价值有限”。更普遍的现象是，原本被寄予厚望的减负工具，反而让记者编辑更累了。AI用得最多的场景，是选题检索、资料梳理、提纲拟定这类“前期工作”，而在一线从业者看来，工具多了，活儿没少，反而多了核查、调试、二次编辑等额外环节。

　　这一“减负悖论”究竟从何而来？其背后折射出怎样的组织逻辑与结构性矛盾？又该如何破解这一困局？

　　新闻机构决策层与一线从业者之间，存在着一条难以跨越的认知鸿沟。这种鸿沟并非简单的态度差异，而是源于两套截然不同的认知逻辑与行动逻辑。

　　这是我们经过调查研究后发现的一个现象。我们采用参与式观察和深度访谈相结合的质性田野调查方法，选取8家具有代表性的新闻机构作为研究对象，包括人民日报社、新华社、中央广播电视总台、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8家中央媒体与地方媒体、传统媒体与新媒体的部门负责人、记者、编辑、技术人员、经营人员等多种角色，以及近3年样本媒体的行业培训交流材料、学术论文、行业访谈记录和AI新闻专栏、AI新闻作品、技术试点成果等内容。

　　媒体决策层对AIGC几乎一致乐观。在顶层设计上，媒体普遍做了四件事：制定AI发展战略、构建技术支撑体系、优化业务流程与组织架构、搭建AIGC人才体系。

　　人民日报社以全链路提质增效为人工智能核心战略，其自研“创作大脑”覆盖全媒体策、采、编、发及传播效果分析全流程；新华社秉持“人机协同、技术赋能”理念，依托“媒体大脑”推出新一代智能生产引擎“采编助手”；南方都市报社设立独立技术委员会，依托南都大数据研究院深化AIGC技术研发与实践。各头部媒体均形成特色技术布局，在技术路径上既自研垂类平台，也接入文心一言、腾讯混元、星火大模型、通义千问等第三方大模型。

　　然而，决策层的热情未能完全传导到一线。多数基层从业者对AIGC“持审慎态度”，甚至认为“在实际新闻生产中应用价值有限”。AI用得最多的场景，是选题检索、资料梳理、提纲拟定这类“前期工作”。更普遍的现象是：原本想减负的工具，反而让记者编辑更累了。具体而言，一线从业者面临四重困境：

　　一是“灰箱化”。基层从业者多为新闻或人文专业背景，缺乏对AI生成逻辑的深层认知，人机协作处于既无法透明理解又不是完全黑箱的尴尬状态。原本想减负的工具，因前期训练、人机磨合增加沟通成本，反而消磨了使用热情。

　　二是AI幻觉与新闻真实性的冲突。大模型“虚构事实并嵌入真实信息”，生成表面自洽却与事实不符的内容。核查AI生成内容成为必要流程，这不仅增加工作成本，更直接关乎媒体机构的品牌声誉。

　　三是人机交流障碍。AI“思维僵化”，记者编辑得反复调试指令才能拿到想要的结果，额外工作量抵消了效率收益。AI对抽象概念理解有限，算法层面的“创造性”还容易偏离主题、传递误导性内容。

　　四是原创性不足。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，而这恰恰是新闻业最看重的——独家视角、深度解读、对未知的敏锐开掘。

　　四重困境叠加，让AIGC在一线的存在感从“提质增效”滑向了“变相加压”。

　　这一“越用越累”的现象，其本质是什么？事实上，AIGC在新闻业的创新模式可概括为“边缘改进型动态生成式创新”——边缘性引入、限制性使用，时政报道等核心领域仍强调人工流程。从组织社会学的视角来看，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，在技术核心与外界不确定性之间构建隔离层，以降低外部因素对核心的干扰。

　　换言之，AI被应用在了“边缘”——不触碰核心生产流程，但增加了前置与后置环节。一线记者的“累”，本质是“边缘性使用”带来的隐性工作量：AI生成的内容要核查、AI给的提纲要修正、AI的输出要二次编辑。流程变长了，但流程里“被机器替代”的部分并没有真正替代。

　　于是出现了一个尴尬的局面：AI在岗，一线记者不仅没被解放，反而成了AI的“校对员”和“翻译官”。顶层在加资源、加系统、加人才，一线在加步骤、加核查、加反复沟通。这种“组织在加，个体在扛”的结构性矛盾，正是AIGC“减负悖论”的深层根源。

　　从制度主义的分析框架来看，这一矛盾并非简单的技术应用问题，而是制度嵌入性与组织创新之间的张力体现。

　　制度嵌入的双重约束。新闻组织始终处于特定的制度环境中，该环境会对组织成员提出行为要求、限制其行动选择。一方面，新闻媒体具有强烈的“强制度约束型组织”特征，其核心价值——真实性、客观性、政治合规性——构成了对技术应用的刚性约束。另一方面，AIGC技术本身的不确定性、不可解释性（“灰箱化”），与新闻业的专业规范形成了深层冲突。这两种制度逻辑的碰撞，导致了组织在引入AIGC时使用“边缘改进”策略——既不愿错失技术红利，又不敢放权于核心生产流程。

　　安全隐忧与风险规避逻辑。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，成为其在新闻领域深度参与的核心制约因素。中央广播电视总台于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的原则；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。这些举措本质上都是在“安全”与“创新”之间寻求平衡，而“边缘改进”正是这种平衡策略的组织化表达。

　　从“双层创意者”视角审视，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。然而，当高层创意者的“创新结构”与基层创意者的“实践需求”之间存在错位时，便会产生结构性张力。决策层从宏观战略出发，追求“全面覆盖”与“技术领先”；一线从业者从微观实践出发，追求“即插即用”与“真实减负”。两者的预期差异，正是AIGC“越用越累”困局的制度性根源。

　　面对这一困境，媒体机构不应排斥智能技术，而应积极融合，借以提升采集与处理效率，将精力转向深度挖掘与意义生产。具体而言，需要从三个层面推进变革。

　　从认知层面看，应重新定义AI的“减负”逻辑。AI在一线真正的使用方式，不该是“用AI替我写”，而是“用AI省下时间，我去写AI写不出的东西”。当AI能做选题检索，记者就该去做深度调查；当AI能做数据整理，记者就该去做采访与解读；当AI能生成初稿，记者就该去作核实、原创、情感表达。流程里多出的“AI”环节，本应省下更多时间给那些“机器做不了”的部分——如果省不下来，那AI的引入就只是“加了一环”而不是“减了一环”。新闻从业者应避免沦为单纯的“核实者”，而应成为AI产出的“价值判断者”与“意义生产者”。

　　从组织层面来说，应从“边缘改进”到“系统重构”。当前“边缘改进”策略虽有其合理性——在存量不变、增量改革中为新技术提供安全通路，但这种策略不应成为长期选择。未来，媒体机构需要从“边缘改进”走向“系统重构”，将AI嵌入核心生产流程，而非仅作为“外围工具”。这意味着组织架构、人才结构、业务流程和体制机制的系统协同变革：打破部门壁垒，建立适应“人机协同”、数据驱动、快速响应的新型组织；培养与引进“AI+新闻+运营”的复合型人才；基于生成式AI对内容生产、分发、互动和反馈价值链全链条进行“端到端”的智能化改造。

　　从制度层面观察，应构建“人机共生”的制度保障。未来人机关系将从单一工具使用升级为合作伙伴模式，这一过程涵盖物理交互、事理协同、人理融合的深度整合与变迁。要实现这一转变，必须从制度层面为“人机协同”提供保障。一方面，需要建立AI使用的伦理规范与质量标准，确保技术应用不偏离新闻专业的核心价值；另一方面，需要完善培训体系，提升新闻从业者的AI素养与提示工程能力，使人与机器之间形成真正的“学习型协作”关系。事实上，AI归根结底解决的是人类生存发展的基础性问题，而人的精神追求、文化追求、个性追求等，则需要靠认知的解放和引导来形成。

　　AIGC在新闻机构的“减负悖论”，本质上是一个“组织在加、个体在扛”的系统性问题。它提醒媒体机构：技术创新的落地，从来不是单纯的技术问题，而是技术与社会制度、组织文化、个体能力之间复杂互构的结果。AIGC在新闻业的真正位置，不在“它能写多少稿”，而在“它能不能让记者有更多时间去做人该做的事”。

　　当我们不再把AI当作“替代者”而是当作“赋能者”，当组织不再将AI视为“边缘改进”而是“系统重构”，当一线记者不再是AI的“校对员”而成为“价值判断者”，AIGC才能真正从“变相加压”回归“提质增效”的初心。