陈昌凤谈传播工程化：AI如何成为信息获取的新入口

人们获取信息、理解世界乃至完成任务，为何越来越依赖人工智能这个新入口？这背后经历了怎样的历史演变，又需要哪些系统条件？这一变化打开了哪些传播实践的空间，传播又该如何驾驭新的系统能力？

本期推荐的文章提出，传播工程化深刻揭示出意义生产所依托的体系正在变革。它既是理解智能传播的分析框架，也是建设智能传播能力必须面对的实践命题。工程方法、数字技术与传播实践的长期结合，让传播逐步形成一套由数据、知识库、工作流、接口、模型和智能体共同支撑的运行体系。

这套体系把传播资源、产品形态、行动主体和社会功能都向外扩了一圈，同时让意义判断、人的主体性和责任承担进入系统设计的内部。传播价值的实现场域从作品延伸到传播系统之后，就得保证以人为本的价值导向、专业判断和社会责任，能落到数据治理、模型选择、流程配置和效果评价里面去。

电报普及、广播兴起的时候，工业时代的标准化思维进入了内容生产。新闻的采集、编审和定时播出开始遵循严格的技术规程，传播第一次被当作可以精确调度的过程来管理，稿件长度、播发时点、传输路径都有了可执行的标准。工程思维就这样进入了传播的日常工作。

传播的工程视角，与现代传播学的诞生相伴。香农和维纳把传播视为可以分解、可以测量、可以调整的系统。当时意义生产依赖从业者的个人经验，工程方式只描述信号传输，不描述意义生产，凯瑞也指出这种“传递观”无法解释传播维系共同体的作用。但今天条件变了，意义生产本身正在被拆解为流程。提出“传播工程化”，也是把传播学一度放下的分析视角重新捡回来。

20世纪60至70年代，精确新闻学兴起，社会科学方法由此正式进入新闻生产环节。用数据说话成了新闻业的一种职业方法，记者在个人观察之外，多了一层可检验的经验依据；计算机辅助报道则让处理数据变成记者的日常本领。到了20世纪末的数字化浪潮，采编系统、资料库和互联网把“工具化”推及编辑部全流程。这套变化没有动摇“采集—写作—编辑—发布”的线性结构，却让流程中每一环都可以计算，等于做了一次数字化热身，为后来流程层面的重组备好了物质条件。

21世纪以来，数字化、数据化与平台化层层叠加，技术不再只是辅助工具，转而成为组织流程的力量。数据新闻和计算新闻走向成熟，新闻生产内部于是长出一条以数据为骨架的工作流程。平台一侧，算法推荐以用户行为数据为凭据，自动抽取、整合、编排内容并做个性化推送；传播数据实时回流，传播者头一回能看见传播过程，并据此调整策略。媒体对平台的依赖渗入生产与分发的日常运作，成为全球新闻业共同面对的结构性处境。

流程重组也带来岗位结构的变化。内容管理系统、数据分析工具和算法平台普及之后，新闻机构内部出现了开发人员、设计师、数据专家等新岗位，传统的全能型记者模式开始松动，一桩报道从事件发生到发布，被拆成由不同角色分头负责的多个环节。分工日趋精细，本身就是工程化的表现——工作只有拆成可交接的工序，不同专业背景的人才能在同一条流水线上配合。岗位结构的这一变化，也为下一阶段的人机协同做了铺垫。自动化新闻的实践进一步把流程化推进到生产环节本身，机器开始直接接手新闻写作中的标准化工序。

生成式人工智能已成为可按需调用的基础设施。为了让它进入采集、生产、产品开发、内容管理和分发等组织流程，媒体做了流程重组、岗位调整和系统投入。开源模型的突破又把系统进入的门槛压低了一层，中小型机构也拿到了接入系统级能力的现实通道，工程化因此更为普及。与此同时，一些新闻机构开始把自有内容档案做成可对话的知识服务，媒体的内容资产被重新组织为模型可以调用的知识库，媒体也从内容生产者延伸为知识服务的运营者。

推理模型和标准化工具协议成熟之后，智能体进入规模化落地，增长呈爆发之势。它能调用工具、执行指令，传播的自动化从内容生成扩展到任务执行，感知、推理、行动串成一个可自主循环的运行单元，监测、核实、写作、发布、追踪等传播任务可以整体交给机器去办。

智能体改变传播格局，更大的变量来自接口的标准化——智能体与外部世界之间、智能体与智能体之间都有了通用接口。模型上下文协议（MCP）让智能体接入数据与工具，智能体间通信协议（A2A）让智能体彼此协作，两者合起来构成智能体时代的接口层，传播的可见性随之转向智能体的调用、检索与摘要，谁掌握接口与协议，谁就掌握了新入口的调度权。接口标准化带来的一个直接后果，是传播目标的迁移：如何被智能体检索到、被摘要进答案、被纳入行动链，成了生产与传播的重要指向，并作为工程条件反过来改变内容生产。传播的目标从争夺人类读者的注意力，扩展到同时争取机器读者。

媒体手里最值钱的资产，一直是自己产出的内容。传播工程化却在改变这批内容资产的存在方式：稿件被拆成事实、实体、关系、来源、时间等数据单元，机构档案被编成知识库，模型、工具连同专业流程则被打包成随时可以调用的能力。

这种拓展，动的是传播建设的对象。媒体机构不光要生产眼前的内容，还得持续打理历史数据，把统一的元数据、来源标记、版权状态和可信度规则建起来。《金融时报》的AskFT之所以能从多年报道里生成带出处的回答，靠的就是长期积累、可被检索、权属清晰的内容资源。数据质量、知识组织、模型可调用性，看着是后台技术问题，其实是新闻与传播能力的一部分。

资源拓展还拉开了媒体机构之间的能力差距。谁能把内容转成可信数据、把专业经验沉淀成知识规则、把核心能力封装成服务接口，谁就更容易搭出可复用的传播基础设施。传播竞争也就从单篇作品的较量，部分转向数据资产、知识结构和系统能力的比拼。长期攒下的地方知识、专业知识、多语种资源，可以被组织成可检索、可解释、能持续服务的知识底座，对地方媒体、行业媒体和国际传播机构来说，实践意义更大。

当然，资源化不是把所有内容不加区分地数据化。传播工程化的质量，既看数据规模本身，也看数据、知识和专业规则能不能结成可信关系。所以传播资源的拓展，技术建设、知识建设、制度建设三件事都绕不开。

生成式人工智能系统改掉了先生产、后消费的老路子。内容可以在用户提问的那一刻即时组合，可以按语言、知识水平和使用情境调整表达，也能随着新数据进来而不断更新。传播形态于是从固定成品，拓展为液态化的“流模式”服务。

同一份知识资源，能针对不同受众生成复杂程度不同、媒介形态各异的表达，传播服务从统一供给转向情境化响应。信息与具体需求之间，接上了新的连接方式，系统可以围绕一个问题，从多篇材料里组织答案。国际传播的多语种转换、政策传播的分层解释、健康与科学传播的个性化问答，都更容易落地了。

动态服务还让传播从一次性交付变成持续运行。新闻专题可以跟着事件进展不断吸收新信息，知识问答可以依据用户反馈补充新材料，舆情监测能把变化即时传到采编和决策环节。传播者要维护知识来源、更新系统规则、处理异常回答，还要评估长期效果。质量的外延就此扩大：系统能不能稳定给出有来源、有边界、适应情境的回应。

信息的液态化，也改变了可见性的形成方式。在平台上，内容先以作品形态存在，再由推荐系统决定曝光；到了智能入口里，信息可能先被模型解析和重组，一条信息能不能被结构化识别、能不能保住来源、能不能进入模型的检索与引用，开始影响它是否被看见。

智能体进来以后，人工智能可以在授权范围内接手检索、转写、比对、生成、提醒和分发等一连串任务。传播主体也就从单一职业群体，拓展为人、组织与技术系统共同构成的行动网络。

一是分工创新。合理的人机协同能把记者从重复劳动里解放出来，让他们把更多精力放到现场调查、关系建立、因果解释和社会关切上。但工程化的目标不该是减少人的参与，而是重新配置人机能力，让人的专业判断出现在最需要它的位置。

新闻知识生产的基本单元随之变了，这是第二点。人工智能嵌入新闻知识生产流程，充当认知协作者；记者、数据、模型、提示指令、编辑流程和验证机制，共同组成新的新闻生产单元。新闻劳动过去主要靠个人完成一整套活动，现在则变成可以分解、配置和重新组合的认知任务体系。

第三点是组织方式的变化。工程化传播更倾向于按任务和系统来组建跨专业团队。内容策划、数据治理、模型配置、交互设计、风险审核、运营评估这些岗位，在生产链条上前后衔接，同时还得一起参与系统设计。新闻价值、内容标准和伦理要求，也该在选定数据、接入模型、设置权限、确定流程规则的时候就被拿出来讨论并落实。

第四点是权力位置的变化。传播过程一旦依赖平台、模型和接口，那些掌握工作流设计、数据接入和模型调用权限的人，就获得了影响传播结果的权力。传播工程化在造出新岗位、新协作的同时，也重新界定了传播主体：谁能设定目标、改动规则、叫停系统，谁就是确定传播秩序的参与者。

智能传播让系统能组织知识、解释情境、辅助行动。大模型可以围绕一个问题汇集材料、比较观点、生成解释；智能体还能根据拿到的信息调用工具，去完成预订、提交表格、更新文件，或者协调其他任务。传播正在往帮人理解、帮人行动的方向延伸。认知支持是这个拓展里的关键一环。基于可信知识库的生成式服务，能把分散的报道组织成问题导向的知识结构，讲清事件背景、概念关系和不确定性。

行动代理则进一步改变了传播效果。传播评价从注意力指标，扩展到任务完成、知识增益和实际效用，新闻传播也因此打开了社会功能。

工程能力越往认知和行动层面深入，人的主体地位和系统责任就越不能当成附加要求来看。

工程化有它先天的短板。它要求任务能被表达、分解和测量，可传播里很多重要判断带着情境性和默会性，计划也从来穷尽不了具体情境。模型和指标能处理已经被表达出来的目标，却很难主动发现还没进入数据的社会关切；能生成符合既有模式的内容，却未必懂得例外为什么重要。

所以，工程化得把认识边界定清楚。可计算的部分交给系统去提效率，没法充分形式化的意义判断，则要让人来介入。系统评价要容得下真实性、社会影响、文化差异和未被量化的群体需求，不能让可计算性挡在传播的价值追求前面。

传播环节一旦被拆成标准任务，判断权就可能从传播职业工作者手里，转到流程设计者、模型提供者和接口控制者那里。受众也可能因为智能系统能方便地给出摘要、解释和建议，就愿意交出信息选择和判断权。工程效率这样一来，就可能牺牲人的专业自主性和认知自主性。

人的主体性，得落在几个具体位置上：目标怎么定、系统怎么设计、关键判断谁来做、责任谁来担。新闻传播从业者要参与数据选择、模型评估、接口权限和指标设定；受众则应当清楚自己什么时候在跟智能系统打交道，能看懂主要依据、能纠正系统偏好，手里还得留着最后选择的权利。人机协同的价值，说白了就是让人的判断力变强，让人的基本权利和自主选择得到尊重。

所以价值调适得把责任要求嵌进系统运行里去。传播系统的最终责任主体要明确，不能拿“用了外部模型”或者“流程自动跑”当理由，把机构责任推出去；责任配置要按各节点实际能控制什么来定，数据、模型、接口、应用、审核各有一套清晰要求；来源记录、版本信息、人工干预和异常处置机制都得留着，重要的传播结果才查得清、改得动、追得到人。责任不该是外挂，它本身就是权限设计、流程控制和质量评价的一部分。