陈昌凤谈传播工程化与人工智能传播入口机制

人工智能何以成为人们获取信息、理解世界和完成任务的 新入口 
？这一变化基于怎样的历史演变与系统条件？它拓展了哪些传播实践，传播又当如何驾驭新的系统能力？

本期推荐的文章认为， 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需要面对的实践命题。

工程方法、数字技术与传播实践的长期结合，使传播逐步形成由数据、知识库、工作流、接口、模型和智能体共同支撑的运行体系。

它拓展了传播资源、产品形态、行动主体和社会功能，也把意义判断、人的主体性与责任承担带入系统设计的内部。

随着传播价值实现的场域由作品扩展到传播系统，需确保以人为本的价值导向、专业判断和社会责任能够进入数据治理、模型选择、流程配置与效果评价。

电报普及和广播兴起时，工业时代的标准化思维进入了内容生产领域，新闻的采集、编审与定时播出开始遵循严格的技术规程，传播第一次被当作可精确调度的过程来管理，稿件的长度、播发的时点、传输的路径都有了可执行的标准。工程思维由此进入传播的日常工作。

传播的工程视角，伴随着现代传播学的诞生。香农和维纳把传播当作可以分解、可以测量、可以调整的系统来处理。当时的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，这种“传递观”也被凯瑞指出无法解释传播维系共同体的作用。但今天，条件发生了变化，意义生产本身正在被拆解为流程。因此，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60-70年代精确新闻学的兴起把社会科学方法正式带进了新闻生产。用数据说明新闻成为一种职业方法，记者在个人观察之外获得了可检验的经验基础，计算机辅助报道则把数据处理变成了记者的常规能力。

20世纪末的数字化浪潮中，采编系统、资料库与互联网把“工具化”推到了编辑部的全流程。虽未改变“采集—写作—编辑—发布”的线性结构，但它让整个流程的每个环节都可计算，完成了数字化热身，为流程层面的重组储备了物质条件。

进入21世纪，数字化、数据化与平台化相互叠加，技术开始由辅助工具转化为流程组织力量。数据新闻与计算新闻的成熟，使新闻生产内部形成了一条以数据为骨架的工作流程。

平台传播的算法推荐机制以用户行为数据为依据，自动完成内容的抽取、整合、编排与个性化推送。平台传播数据实时回流，使传播者首次能观测传播的过程并据此调整策略。媒体对平台的依赖深入生产与分发的日常运作，并成为全球新闻业共享的结构性处境。

与流程重组相适应的是岗位结构变化，随着内容管理系统、数据分析工具与算法平台的普及，新闻机构内部生长出开发人员、设计师、数据专家等新型岗位，传统的全能型记者模式开始瓦解，报道从事件发生到发布被拆解为多个由不同角色负责的环节。

劳动分工的精细化正是工程化的体现，只有当工作被拆解为可交接的工序，不同专业背景的人才能在同一条流水线上协作。岗位结构的变化也为下一阶段人机协同作了铺垫。自动化新闻的实践把流程化推向了生产环节本身，机器开始直接承担新闻写作的标准化工序。

生成式人工智能变成了可按需调用的基础设施，为使其进入采集、生产、产品开发、内容管理和分发等组织流程，媒体进行了流程重组、岗位调整和系统投入。

开源模型的突破进一步压低了系统进入的门槛，使中小型机构也获得了接入系统级能力的现实通道，从而使工程化更加普及。与此同时，一批新闻机构开始把自有内容档案转化为可对话的知识服务，媒体的内容资产被重新组织为模型可调用的知识库，媒体从内容生产者延伸为知识服务的运营者。

随着推理模型和标准化工具协议的成熟，智能体迎来规模化落地与爆发式增长。它能调用、执行指令，传播的自动化从内容生成扩展到任务执行，使感知到推理再到行动成为可自主循环的运行单元，传播的监测、核实、写作、发布、追踪等任务可以整体委托给机器执行。

智能体改变传播格局的更大变化，来自智能体与外部世界、智能体与智能体之间接口的标准化，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，两者共同构成智能体时代的接口层，传播的可见性得以向智能体调用、检索与摘要发展，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，成为生产与传播的重要指向，作为工程条件进而改变内容生产。传播的目标从争夺人类读者的注意力，扩展向同时争取机器读者。

媒体最主要的资产是其生产出来的内容。而传播工程化正在改变内容资产的存在方式，稿件被拆解为事实、实体、关系、来源和时间等数据单元，机构档案被组织为知识库，模型、工具和专业流程则被封装为可以调用的能力。

这种拓展意味着传播建设对象的改变。媒体机构不仅要生产眼前的内容，还要持续处理历史数据，建立统一的元数据、来源标记、版权状态和可信度规则。《金融时报》的AskFT之所以能够从多年报道中生成带有出处的回答，是依赖长期积累、可被检索且权属清晰的内容资源。数据质量、知识组织和模型可调用性看起来是后台技术问题，实际上它们是新闻与传播能力的一部分。

资源拓展还形成了媒体机构之间的能力差异。能够把内容转化为可信数据、把专业经验沉淀为知识规则、把核心能力封装为服务接口的机构，更容易形成可复用的传播基础设施。传播竞争也就从单篇作品的竞争部分转向数据资产、知识结构和系统能力的竞争。长期积累的地方知识、专业知识和多语种资源，可以被组织为可检索、可解释、可持续服务的知识底座，对于地方媒体、行业媒体和国际传播机构而言更有实践意义。

当然，资源化不是要把所有内容无差别地数据化。传播工程化的质量既取决于数据规模本身，同时也取决于数据、知识和专业规则能否形成可信关系。因此，传播资源的拓展同时关涉技术建设、知识建设和制度建设。

生成式人工智能系统改变了原本先生产、后消费的基本模式，内容可以在用户提出问题时即时组合，可以根据语言、知识水平和使用情境调整表达，也可以随着新数据进入而持续更新。传播形态由固定成品拓展为液态化的“流模式”服务。

同一知识资源能够针对不同受众生成复杂程度不同、媒介形态相异的表达，传播服务由统一供给转向情境化响应。信息与具体需求之间建立了新的连接方式，系统可以围绕问题，从多篇材料中组织答案。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，都更加容易实现。

动态服务也使传播从一次性交付转变为持续运行。新闻专题可以随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，舆情监测可以将变化即时传递给采编和决策环节。传播者需要维护知识来源、更新系统规则、处理异常回答并评估长期效果。质量的外延扩大到系统能否稳定提供有来源、有边界、适应情境的回应。

同时，信息的液态化改变了可见性的形成方式。在平台上内容首先以作品形态存在、再由推荐系统决定其曝光，而在智能入口中，信息可能先被模型解析和重组，一条信息能否被结构化识别、能否保留来源、能否进入模型的检索与引用，开始影响它是否被看见。

智能体进入以后，人工智能可以在授权范围内承担检索、转写、比对、生成、提醒和分发等连续任务。传播主体由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。合理的人机协同可以把记者从重复劳动中释放出来，使其将更多精力投入现场调查、关系建立、因果解释和社会关切。但工程化的目标不应该是减少人的参与，而应重新配置人机能力，使人的专业判断出现在最需要它的位置。

二是新闻知识生产的基本单元改变。人工智能成为嵌入新闻知识生产过程的认知协作者，记者、数据、模型、提示指令、编辑流程与验证机制构成新的新闻生产单元，新闻劳动也由主要依靠个人完成的完整活动，转化为可以分解、配置与重新组合的认知任务体系。

三是组织方式变化。工程化传播更适合围绕任务和系统组织跨专业团队。内容策划、数据治理、模型配置、交互设计、风险审核和运营评估等岗位在生产链条上前后交接，还需要共同参与系统设计。新闻价值、内容标准和伦理要求也应在数据选择、模型接入、权限设置和流程规则确定时就被讨论和落实。

四是权力位置变化。传播过程一旦依赖平台、模型和接口，掌握工作流设计、数据接入和模型调用权限的人便获得影响传播结果的权力。传播工程化既创造新岗位和新协作，也重新界定传播主体，谁能够设定目标、改变规则、中止系统，谁就是确定传播秩序的参与者。

智能传播使系统能够组织知识、解释情境并辅助行动。大模型可以围绕问题汇集材料、比较观点、生成解释；智能体还可以依据获得的信息调用工具，完成预订、提交表格、更新文件或协调其他任务。传播正在向帮助人理解和支持人行动延伸。认知支持是这一拓展的关键环节。基于可信知识库的生成式服务，可以把分散报道组织为问题导向的知识结构，说明事件背景、概念关系和不确定性。

行动代理则进一步改变传播效果。传播评价由注意力指标向任务完成、知识增益和实际效用拓展，新闻传播因而开拓了社会功能。

工程能力越深入认知和行动层面，人的主体地位和系统责任就越不能被视为附加要求。

工程化存在先天的缺陷。工程化要求任务可以被表达、分解和测量，但传播中的许多重要判断具有情境性和默会性，而且计划从来不能穷尽具体情境。模型和指标可以处理已经被表达的目标，却难以主动发现尚未进入数据的社会关切，可以生成符合既有模式的内容，却未必能够理解例外何以重要。

因此，工程化必须确定认识边界。可计算部分可以交由系统提高效率，不可充分形式化的意义判断则需要让人介入。系统评价要容纳真实性、社会影响、文化差异和未被量化的群体需求，不能让可计算性挡住传播的价值追求

传播环节一旦被拆解为标准任务，判断权可能从传播职业工作者转移到流程设计者、模型提供者和接口控制者。受众也可能因智能系统能便利地提供摘要、解释和建议而愿意交出信息选择和判断权。工程效率便可能牺牲人的专业自主性和认知自主性。

人的主体性应体现为确保其在目标设定、系统设计、关键判断和责任承担中拥有位置。新闻传播工作者应进入数据选择、模型评估、接口权限和指标设定环节；受众应当知道何时与智能系统互动，能够理解主要依据、修正系统偏好并保留最终选择。人机协同的价值在于人的判断能力得到增强，人的基本权利和自主选择受到尊重。

工程化传播通常需要由数据提供者、模型企业、平台、媒体机构、智能体和具体操作人员共同完成。流程越复杂，越容易出现每个节点只负责一部分、最终结果无人负责的局面。

因此，价值调适必须把责任要求嵌入系统运行。要明确传播系统的最终责任主体，不能以采用外部模型或自动流程为由转移机构责任；要依据不同节点的实际控制能力配置责任，使数据、模型、接口、应用和审核各有清晰要求；要保留来源记录、版本信息、人工干预和异常处置机制，使重要传播结果可以复核、纠正和追责。责任应成为权限设计、流程控制和质量评价的组成部分。