AI 協作/在全美14州發行30份報紙的美國報業集團創設於1857年的「麥克萊契」(McClatchy)日前啟用1款自行研發的新的人工智慧(AI)工具,能從記者撰寫的傳統文稿中抓出重點,然後為不同受眾生成出不同版本的文稿/旗下報紙的記者,如今都拒絕在這些以記者原稿為藍本、但經AI工具改寫並生成的新文稿前署名,意即這些AI文的訊頭沒有發稿記者的名字,還被標記「AI輔助撰文」。記者不想讓自己的名字出現在不是他們實際撰寫的文稿上,因為此舉本身宛如扯謊,「即便這些文章(指AI文)是以我們的稿子為藍本」。
AI 編稿與生成技術確實已成為全球新聞產業的轉型重點。面對麥克萊契(McClatchy)報業集團所遇到的記者抵制現象,這反映了技術工具與新聞倫理之間的深層衝突。
以下從工具應用、心理抗拒與台灣現狀三個維度進行分析:
一、 目前主流的 AI 編稿與協作工具
除了麥克萊契自行研發的工具外,全球媒體界目前廣泛應用的技術工具包含:
內容重組與多平台適配:
Jasper / Copy.ai: 用於將長篇報導改寫為適合社群媒體(Facebook, Instagram)的短文。
Reuters Lynx Insight: 路透社使用的 AI 工具,能分析大數據並向記者提示潛在的新聞線索或自動生成簡易財報新聞。
標題優化與 SEO:
Chartbeat / Echobox: 透過 AI 預測不同標題的點擊率,並自動在最佳時段發布新聞。
語音與影像自動化:
Waymark / HeyGen: 將文字稿快速轉化為短影音素材或 AI 主播播報。
二、 如何消除記者的抗拒心理?
麥克萊契記者的抗拒核心在於「署名權」與「職業責任」。要降低這種張力,必須從制度面與心理面著手:
定義「AI 輔助」的界限: 建立明確的標記準則。如果 AI 僅執行「格式轉換」(如長文變短要點),則保留原記者署名並註明「本文經 AI 格式處理」;若 AI 涉及內容生成,則應採取雙重標註,保障記者的專業主體性。
從「替代者」轉向「賦能者」: 強調 AI 是為了處理低價值的重複勞動(如改寫 SEO 標題、彙整數據),讓記者有更多時間進行深度採訪與調查報導。當 AI 成為減輕負擔的工具而非競爭者時,抗拒感會降低。
參與式設計: 在研發 AI 工具時,應邀請資深記者參與測試與邏輯設定,而非由技術部門單方面推行。讓記者感覺自己是系統的「訓練者」而非「被產出者」。
三、 台灣媒體的 AI 應用現狀
台灣媒體環境目前正處於「嘗試期」與「觀望期」並行:
初步應用:
SEO 標題生成: 多數網路媒體已使用 AI 協助生成吸引點擊的標題。
新聞摘要與社群發文: 針對即時新聞,利用 AI 快速產出 Facebook 貼文內容,縮短發稿時差。
財報與氣象自動化: 部分通訊社與財經媒體已落實由 AI 自動抓取政府公開數據(如股市收盤、氣象特報)產出簡短稿件。
面臨的挑戰:
在地化語境與準確性: 繁體中文的語境與台灣特有的政治、社會名詞,若 AI 訓練不足,容易產生幻覺或用語生硬(如出現大陸用語),這對追求信譽的傳統報業是極大風險。
法律與著作權: 台灣目前對於 AI 生成內容的著作權歸屬尚在討論階段,媒體主管對於「AI 生成內容是否受法律保護」仍有疑慮。
產業趨勢: 目前台灣較具規模的媒體(如中央社、聯合、中時等)多在內部成立數位轉型小組,嘗試導入 AI 進行內容分析。然而,由於台灣新聞競爭激烈且人力精簡,AI 往往被視為「提升發稿產量」的手段,而非「提升深度」的工具,這也是未來可能引發第一線記者反彈的潛在因子。
四、 深度反思:職業倫理的保衛戰
如您提供的案例所述,記者拒絕署名是為了守護「真實性」。在資訊爆炸且「認知作戰」頻繁的時代,記者的名字代表的是一種信譽背書。若 AI 改寫過程中流失了原始採訪的語氣或細微轉折,讀者對媒體的信任度將大幅下降。
未來趨勢應是發展出更細緻的「人機共創歸屬模型」:
低度改寫: 記者署名。
高度改寫: 標註為「編輯部綜合報導(AI 協作)」。
全自動生成: 標註為「機器人記者」。
這樣既能享受技術帶來的速度,也能保留新聞專業的尊嚴。
全民基本收入(Universal Basic Income, UBI)的概念在 AI 浪潮下再度被推上風口浪尖。楊安澤(Andrew Yang)提出的「向機器人課稅」以支應 UBI,核心逻辑在於生產力的轉移:當機器取代人力創造價值時,該價值應由全民共享,而非僅由科技巨頭壟斷。
以下為您整理 UBI 的適合實施狀況、現行國家案例與相關金額:
一、 適合實施 UBI 的狀況與條件
UBI 並非在任何經濟體系下都適用,通常在以下情境下最被討論:
AI 與自動化造成結構性失業: 像楊安澤所言,當技術進步導致特定行業(如行政、翻譯、倉儲、運輸)永久性失去職缺,傳統的轉職培訓已無法追趕科技速度時。
極端貧富差距: 資本與技術持有者財富暴增,但基層消費力萎縮,實施 UBI 可維持社會底層的購買力,從而支撐整體經濟循環。
行政效率低下: 當現有的社會福利體系(如失業救濟、低收補助)審核流程過於繁瑣、官僚,且存在「福利陷阱」(即工作收入略增便喪失補助,導致人們不願工作)時,無條件的 UBI 能大幅降低行政成本。
零工經濟盛行: 勞工不再受僱於單一企業,缺乏勞健保與退休保障,UBI 可作為社會安全網的底層。
二、 目前已實施或實驗中的國家/地區
目前世界上並沒有任何一個主權國家全面、長期性地實施全國性的 UBI。現有的案例多為「地方性實驗」或「特殊資源分紅」。
| 國家/地區 | 性質 | 具體金額與執行方式 | 現況 |
| 美國阿拉斯加州 | 永久基金分紅 | 每年發放約 $1,000 - $3,200 美元(視當年石油收入而定)。 | 始於 1982 年,最接近 UBI 的長期制度。 |
| 芬蘭 | 國家級實驗 | 每月 €560 歐元(約新台幣 1.9 萬)。 | 2017-2018 實驗兩年,結論是提升了心理健康,但對就業率影響中性。 |
| 肯亞 | 非營利組織實驗 | 每月約 $22 美元(由 GiveDirectly 資助)。 | 預計進行 12 年,是目前全球最大規模的長期 UBI 實驗。 |
| 加拿大 (安大略省) | 政府實驗 | 單身人士每年最高可領 $16,989 加幣。 | 2017 年啟動,後因政黨輪替與預算問題於 2018 年提前終止。 |
| 韓國 (京畿道) | 青年基本收入 | 24 歲青年每季領取 25 萬韓元(代幣/點數形式)。 | 旨在促進地區經濟與青年福利,由前州長李在明大力推動。 |
三、 實施 UBI 的核心爭議
雖然楊安澤的提案聽起來極具前瞻性,但實務上仍面臨巨大挑戰:
資金來源(財政負擔):
楊安澤主張: 課徵增值稅(VAT)以及「AI 稅/機器人稅」。
反對者觀點: 課徵 AI 稅可能導致科技創新外流到稅率更低的國家,且如何界定「哪一部分產值是由 AI 創造」在技術上極其困難。
勞動意願:
批評者擔心每月發錢會讓人變懶。不過多數 UBI 實驗結果顯示,人們拿到錢後多用於改善生活品質、教育或創業,而非完全停止工作。
通貨膨脹:
若全民購買力瞬間提升,且生產端未同步增加,可能導致物價飛漲,最終抵銷了補助的實質價值。
總結
楊安澤的建議本質上是在挑戰「不工作就不能生存」的傳統經濟契約。在 AI 奇點(Singularity)可能來臨的 2026 年,UBI 不再只是學術討論,而是各國政府在應對社會動盪時,不得不放上桌面討論的「壓力閥」選項。
留言
張貼留言