一、引言 党的二十届三中全会通过的《中共中央关于进一步全面深化改革、推进中国式现代化的决定》，明确指出要“构建适应全媒体生产传播工作机制和评价体系，推进主流媒体系统性变革”，这标志着我国主流媒体的改革进入深水区，不能停留于局部变革和浅层次修补，而是需要在关键点上取得突破，探索具有中国特色的新型主流媒体建设路径[1]。 与此同时，生成式AI正逐渐渗透至策划、写作、编辑与分发等多个新闻生产核心环节，带来了新闻业内容生产的范式转换、传播生态的迭代升级和权力关系的重构[2]。然而，智能技术的深度嵌入并未单纯带来线性的革新效果，而是在新闻组织内部触发了多层级、多岗位与多制度要素之间的复杂互动。新闻业原有的专业规范、组织结构与生产惯习深刻塑造了技术的应用路径和实际效果，而技术的引入也激活了流程机制、职业角色和权力结构的重构。这种双向嵌入过程超越了智能技术工具性使用的范畴，呈现出一种动态的制度调适与结构再生产，构成当下新闻业智能转型中的关键张力场。 尽管目前已有大量研究关注生成式AI对新闻业的影响，但整体上仍多集中于特定技术功能、个体使用经验、职业伦理争议等分析，强调技术的工具赋能属性和新闻机构的内容生产角色。智能技术并非孤立嵌入某一环节，而是以网络化的方式渗透进新闻机构的各个部分，并在此过程中与原有的协作机制、专业边界和价值规范等进行交织互动。因此，目前仍缺乏从系统层面、动态视角统摄技术、制度、平台和价值之间复杂关系的理论框架，难以揭示技术在组织内部引发的深层次结构转型与制度重构；既未能清晰回答何为“系统性”，也缺少对“变革”本质的把握。 在此背景下，亟须采用一种超越技术功能主义与静态个体经验研究的系统协同视角，深入揭示智能技术在新闻组织中被接纳、协商与制度化的动态过程。本文关注的核心问题是：在生成式AI深度嵌入新闻生产系统的背景下，新闻组织如何在协作模式、结构关系与制度机制上作出回应与调适，并由此呈现出一种新的系统运行逻辑？ 二、主流媒体系统性变革的分析路径 近年来，智能技术与新闻实践的深度融合持续推进并带来了深远的影响与变革。围绕这一实践转向，国内外学界基于多种量化与质性方法开展了大量实证研究，形成了若干主要的分析路径。 (一)智能技术与新闻业 第一类研究聚焦于智能技术在新闻采集、写作、编辑和分发等环节中的工具性嵌入，尤其关注其在特定任务场景中的能力与局限性。Dörr提出“算法新闻”概念，将其定义为以自然语言生成技术为核心的自动化新闻生产过程。它适用于体育与财经等结构化数据丰富的领域，但在叙事和判断上仍显不足[3]。Miroshnichenko进一步拓展了“弱AI”在数据挖掘、选题决策、评论区治理和自动写作等多个功能模块中的应用谱系，强调写作算法在规模与效率上已呈现出超越人类的趋势(如2016年Wordsmith生成15亿篇新闻)，在多项盲测中通过了图灵测试，读者难以区分机器与人类作者[4]。Tejedor与Vila提出的“外延新闻”(exo journalism)模型通过“外骨骼”隐喻强调AI应成为增强而非替代记者认知与创造力的技术外延，在信息获取、事实核查、文本生成、内容分发与用户反馈分析等环节与记者形成互补协作，而非完全替代人类劳动[5]。Cools与Diakopoulos则基于对欧洲新闻从业者的访谈，总结出大模型在采集、撰写、分发等场景中的16种应用类型[6]。Shi和Sun分析了生成式AI在信息采集、内容生成以及定制化分发中的作用，指出其可以提升新闻的效率、精准度与多样性[7]。 第二类研究聚焦于新闻从业者与智能技术之间的互动机制，探讨AI在新闻实践中的接受、协商和抵触过程。借助人机关系理论、技术采纳模型与职业社会学视角，互动机制路径揭示从业者如何应对技术变革。如Lewis等以人机传播框架为核心重新审视自动化新闻，打破人类中心主义的预设，强调将新闻看作人机交互的社会实践[8]。Schapals与Porlezza以“新闻角色循环模型”与“新闻作为一种意识形态”为理论框架访谈德国主流媒体的从业者，发现他们倾向于将自动化技术视为辅助工具，并通过强化创造性、脉络化与独特性等人类专属技能来进行“论述维护”(discursive maintenance)，以此捍卫其专业的角色与核心价值[9]。Cools等通过访谈美、英、德三国主流媒体从业者，发现算法新闻推荐系统虽可提升选题效率，但记者对其既依赖又警惕，担忧其削弱专业判断与议程设置权[10]。Noain-Sánchez的深度访谈发现，多数记者由于缺乏技术知识，对AI存在误解与抗拒心理，尤其担心“被取代”以及使用AI的技术门槛。但数据部门更易接受AI，新闻机构内部呈现出差异化的采用情况[11]。Thäsler-Kordonouri与Barling的深度访谈揭示，英国地方新闻室广泛部署了自动化技术，带来选题机制、生产模式和职业技能机构的系统性变革，但其黑箱性与语境适配不足引发组织信任危机[12]。吴璟薇等基于扎根理论指出，人与算法在新闻流程中形成协作与规训关系，共同重塑新闻实践和价值观念，呈现出网络关系本体论的特征[13]。严三九与陶冠男则基于技术接受模型对长三角地区的新闻从业者进行问卷调查，发现感知有用性受相对优势、复杂性、兼容性等多重认知变量影响，并显著影响大模型使用意愿[14]。蔡梦虹和陈衍宁的问卷调查发现AI工具的效用价值和未来价值显著提升使用意愿，而不确定威胁感则削弱记者对AI工具未来价值的正向评价及其转化为使用行为的可能性[15]。徐敬宏等则强调从业者通过边界划分抵御职业认同模糊，强调新闻核心价值在动态环境中的再确认[16]。 第三类研究将分析焦点上移至组织层面，探讨新闻机构部署智能技术的驱动机制与采纳阻力。Simon总结出组织采纳AI的四重动因：技术成熟、商业化压力、同侪模仿与象征性资本积累，它们共同构成以效率提升和未来想象为导向的制度性部署逻辑[17]。Rinehart与Kung则通过对美国192家地方新闻机构的“AI准备度记分卡”调查及25家单位的深访，揭示了愿景领先但应用滞后的矛盾，实际部署受到技术堆栈冗余、人力资源流动频繁、时间与资金不足的限制[18]。Munoriyarwa以技术的社会建构为理论视角，通过对非洲的19位新闻从业者开展深度访谈，识别出三类AI进入新闻业的结构性阻力：组织缺乏明确战略和认知协同，记者技术素养不足且培训匮乏，以及基础设施薄弱导致对外部系统依赖[19]。对此，Gutierrez等从技术设计视角切入，通过扎根分析，提出五条策略以提升AI驱动工具在新闻工作流中的适配性：保留人工编辑链路、在模型与界面层嵌入新闻价值逻辑、建立跨域协同机制、推动技术和新闻人才互嵌与知识共构，以及构建反馈循环以提升工具的可调性与透明度[20]。
