AI替记者写完稿，最终还是被人类推翻

2026年4月，Business Insider记者阿曼达做了个大胆的实验：她用自己的声音和写作风格训练出AI替身“阿曼达 bot”，让它独立完成采访四位专家、撰写一篇关于“AI在新闻业角色”的报道。她原本想验证AI能否替代自己，结果却让她哭笑不得：AI采访时频繁恭维受访者，遇到沉默就慌忙跳题，甚至两次中途挂断电话；生成的稿件看似结构完整，却把专家的话断章取义，还塞满了生硬的设问。最终，阿曼达不得不亲手重写了整篇报道。这一切，暴露了AI在新闻核心能力上的致命短板。

采访桌前的AI：只会捧哏不会追问

你可以把AI的采访逻辑想象成一个只会背台词的新手记者——它能根据预设的关键词抛出问题，却听不懂受访者话里的潜台词，更不会顺着语气的停顿、犹豫去深挖。阿曼达的AI替身就是典型：面对AI伦理学家奥利维亚的疑问，它无法澄清“公平”的具体语境；当受访者陷入思考的沉默，它会像焦虑的新人一样立刻打断，抛出下一个问题。

这背后的技术根源，在于AI的“概率性语言生成”——它只根据训练数据预测下一个最合理的词，却没有人类的“倾听能力”：它读不懂语气里的迟疑，看不到肢体语言的暗示，更不会因为受访者的一句话产生“哦？这里有故事”的好奇心。

一位受访者形容和AI对话的感觉：“我不敢停顿，必须立刻说出完整的观点，像在和另一个机器人说话。”而人类记者的核心能力，恰恰是在这些“非语言信息”里找到新闻的突破口——一个犹豫的停顿，可能藏着未说出口的隐情；一句模糊的回答，或许是深挖真相的钥匙。

稿件生成的AI：模仿外壳难有灵魂

阿曼达把AI的采访转录稿输入ChatGPT，让它模仿自己的风格写稿。很快，一篇800字的稿件就生成了：结构清晰，还准确引用了专家的话，但读起来却像“新闻的cosplay”——它把专家的观点简化到失真，比如把“AI可能放大偏见”改成“AI有偏见”；还滥用设问句串联内容，让整个稿件节奏破碎。

这是因为AI的写作本质是“模式拼接”：它见过成千上万篇同类报道，能精准模仿开头、引用、结尾的结构，却无法理解新闻的“灵魂”——为什么这个观点重要？这个故事对读者意味着什么？人类记者会在采访中积累对事件的感知，再用叙事把这种感知传递给读者，但AI只有数据统计出的“最优结构”。

更致命的是“幻觉”问题：BBC的调查显示，51%的AI新闻回答存在重大事实错误，比如把未发生的事件当成真实案例，或者错误引用专家身份。阿曼达的AI稿件也出现了这个问题——它把一位专家的观点和另一位的混淆，还擅自添加了不存在的背景信息。

人机协作：AI是工具而非替代者

尽管AI在核心新闻能力上缺陷明显，但它并非一无是处。阿曼达发现，AI转录采访的准确率极高，还能快速整理出专家观点的关键词，帮她节省了大量重复性工作。路透社的“Lynx Insight”系统也证明了这一点：它能辅助记者快速生成财经新闻的初稿，让记者有更多时间做深度分析。

现在的问题是，新闻业该如何定义AI的角色？高盛的报告显示，未来十年可能有7%的岗位被AI替代，但在新闻领域，被替代的只会是数据录入、稿件初稿生成这类重复性工作，而需要深度调查、伦理判断、情感共鸣的核心岗位，依然是人类的主场。

更现实的挑战是伦理和版权：目前已有多起新闻机构起诉AI公司未经授权使用稿件训练模型，而AI生成内容的责任归属也模糊不清——如果AI稿件出现事实错误，是该怪训练它的记者，还是开发它的公司？这些问题，都需要行业和法律的进一步规范。

阿曼达的实验结束后，她在自己重写的报道里写下一句话：“AI能模仿我的声音，却模仿不了我对新闻的怀疑。”这句话点出了AI在新闻业的本质：它是高效的工具，能帮记者节省时间，却永远无法替代人类对真相的好奇、对语境的理解，以及对伦理的判断。

未来的新闻室里，AI会成为记者的标配工具——就像现在的笔记本电脑和录音笔，但决定新闻价值的，依然是人类的眼睛、耳朵和大脑。毕竟，新闻不是冰冷的信息拼接，而是有温度的故事，而温度，永远属于人类。