AI写稿、AI剪辑、AI生成视频。当主流媒体纷纷把AIGC写进战略规划，一线记者却在抱怨：工具多了，活儿没少，反而更累了。

问题出在哪？

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丁颖，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，中国新闻史学会传媒经济与管理专业委员会荣誉理事长喻国明在《传媒》2026年第12期刊发的《我国新闻机构AIGC创新层次研究》作出了分析。

两人调研了人民日报社、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家代表性新闻媒体，访谈30位从业者。他们发现：决策层与一线之间，存在着一条难以跨越的认知鸿沟。

决策层的“四件套”

调研显示，8家媒体决策层对AIGC几乎一致乐观。绝大多数受访者认为，“新闻媒体必须努力跟随潮流，才能免于被淘汰的风险。”

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“创作大脑”覆盖策采编发全链路，新华社成立“新华妙笔工作室”打通技术与采编部门，澎湃新闻为编辑配齐AIGC辅助工具。技术路径上，既自研垂类平台，也接入文心一言、混元、星火、通义等第三方大模型。

一线记者的“四道坎”

但决策层的热情，没能完全传导到一线。

调研发现，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。

第一道坎是“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。

第二道坎是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，“不仅增加工作成本，更直接关乎媒体机构的品牌声誉”。

第三道坎是人机交流障碍。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。

第四道坎是原创性不足。喻国明、丁颖判断，“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”。这恰恰是新闻业最看重的——独家视角、深度解读、未知的敏锐开掘。

四道坎叠加，AIGC在一线的存在感，就从“提质增效”滑向了“变相加压”。

“越用越累”的本质：组织在加，个体在扛

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。

喻国明、丁颖将AIGC在新闻业的创新模式概括为“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。组织社会学的解释是：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。

即决策层把AI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”。

怎么破？把省下来的时间还给“人”

调研也给出了破解方向。喻国明、丁颖强调，“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”。他们提醒新闻从业者：“避免沦为单纯的‘核实者’”。

这意味着，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，记者就该去做核实、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”。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”。