ARTICLE · 1162461
青记独家丨减负何以增负:生成式AI嵌入新闻生产后的从业者劳动异化
本研究通过对24名一线新闻从业者的深度访谈，考察了AI嵌入后从业者的劳动异化过程。研究发现，AI虽替代了部分机械性劳动，但这部分效率红利并未归还劳动者自身，而是被事实与风格校正、善后返工、追赶工具迭代、绩效考核加码等代偿性劳动所吞没，从业者进行创造性劳动的时间遭到严重挤压。
生成式AI自爆发以来，迅速嵌入新闻生产的信息检索、资料整理、写作润色等各个环节。围绕这一技术变革，逐渐形成一种叙事：AI可以把新闻从业者从机械性、重复性工作中解放出来，使其转向更具创造性的工作。[1]这一叙事暗含的前提是，技术进步带来的效率红利会顺理成章地惠及劳动者。现实中，不少从业者也确实肯定了AI在工作效率上的帮助。[2]但也有不少从业者坦言，使用AI之后并未感到轻松，反而更累。AI帮助减少了一部分机械劳动，却又催生了大量未被认可也难以计量的代偿性劳动，这些劳动在“AI解放生产力”的叙事中被忽略或淡化，却构成了从业者日常工作中不可回避的负担。
围绕生成式AI与新闻业的关系，已有研究多探讨AI介入新闻业后引发的结构性变革、技术机遇与伦理挑战[3]，较少从劳动过程的视角审视人机协作给从业者带来的额外劳动。本研究以劳动异化理论与数字劳动理论为分析框架，通过对新闻从业者的深度访谈，考察生成式AI嵌入新闻生产后从业者的劳动异化过程，据此提出以下研究问题：生成式AI嵌入新闻生产后，从业者承担了哪些被“AI解放”叙事遮蔽的代偿性劳动？这些劳动产生了怎样的后果？这些劳动是如何生成的，以及其生成过程受怎样的技术特性、组织制度与行业生态的影响？
（一）AI与新闻业的三重叙事：被宣称的解放与未被追问的代价
当下学界关于生成式AI与新闻业关系的讨论，大致形成赋能、威胁与共生三种取向。[4]赋能取向持一种技术乐观主义立场，认为AI能替代机械性、重复性劳动，将从业者解放出来去从事更有创造性的工作。[5]威胁取向则把视线从效率转向风险，AI成为笼罩在新闻伦理、专业价值与职业认同之上的阴影。它既冲击从业者的专业权威和职业边界，又因AI幻觉提升事实核查成本、侵蚀新闻真实，并引发从业者角色异化与责任漂移等伦理困境。[6]共生取向试图超越非此即彼的二元框架，主张AI与从业者是一种能力互补的协作关系，追求实现人机价值共创与共生共荣[7][8]。上述三种取向共同勾勒出AI与新闻业关系的基本轮廓。
在这一图景之下，对从业者劳动处境的考察正逐步成为新的关切，相关讨论大体可以从三个层面加以梳理。在工作负荷层面，AI所许诺的效率提升在实践中往往落空。有研究显示，某媒体制作1条AI视频耗时近20天。[9]投入增加而效能未升的落差，与经典的索洛悖论（Solow Paradox）形成了呼应。在职业认同层面，比岗位被替代更早到来的是工作意义感的流失。[10]AI的介入使记者的自主性受到一定程度的侵蚀，波兰记者将机器内容生产称作继财务紧缩和疫情之后的“第三场瘟疫”，核心指向职业自豪感的丧失。[11]更为尖锐的讨论引入了劳动关系的视角，认为AI使新闻产品沦为从业者的“异己之物”[12]，从业者的创作主体性被技术逻辑深度驯化。[13]原本设想的人机协同，在实际运行中往往未能兑现为理想的协作形态。
综上所述，近年来学界对AI嵌入新闻生产后从业者的劳动境况与异化端倪已有初步探索，匡文波、姜泽玮在梳理智能传播研究的基本理论问题时，将数字劳动、职业危机列入“社会—人类”取向的核心议题[14]，但相关研究总体数量有限，仍有较大探究空间。具体而言，以下三个方面仍可进一步推进：一是对AI介入后从业者的代偿性劳动缺少系统的类型划分；二是异化多作为思辨隐喻出现，尚未深入到技术特性、组织制度和行业生态层面做实证考察；三是AI带来的效率提升与额外负担如何在从业者与组织之间分配，仍有待追问。
（二）异化劳动：从马克思到数字时代
马克思在《1844年经济学哲学手稿》中提出异化劳动的四重规定：劳动者与劳动产品、劳动过程、人的类本质、社会关系相异化。[15]异化是劳动者在资本主义生产关系下与自身劳动诸种关系发生倒置的过程，生成式AI嵌入新闻生产，恰在每一重关系上都提出了新的问题，使异化理论成为观察这一变革的合适切入点。
马克思之后，异化理论在批判理论传统中获得了持续的拓展。卢卡奇以“物化”概念拓展了异化分析的理论视域，将商品关系的支配性从经济领域推及资本主义条件下的一般意识结构[16]；布雷弗曼在劳动过程理论中以“去技能化”考察技术与科层如何把劳动拆解并重组，使劳动者对劳动过程的控制权被系统性削弱[17]；布若威则在此基础上进一步追问，劳动者为何接受这种控制？他引入“制造同意”与“生产政体”两个概念，指出资本主义劳动过程的本质是攫取并掩饰剩余价值，劳动者在某种条件下会主动参与对自己剩余价值的让渡[18]，由此补足对劳动者主体性的关注。
进入数字时代，劳动形态发生了变化，蒂齐亚纳·泰拉诺瓦提出“免费劳动”概念，指出文化的知识性消费本身即构成一种隐蔽的生产性行为。[19]克里斯蒂安·福克斯进一步系统地将马克思的剩余价值理论与异化分析框架延伸至数字劳动领域，指出用户的数字劳动为平台创造巨额剩余价值，却因雇佣关系缺失与劳动形态隐匿而被排斥于传统劳动保障之外。[20]这一分析路径对后续研究，尤其是对新技术环境下劳动过程之隐匿性与剥削性的考察，提供了重要的理论支点。尼克·斯尔尼塞克的平台资本主义理论进一步揭示了问题根源，在他看来，数字平台通过垄断基础设施、构建网络效应、占有用户数据不断扩张价值攫取的范围。[21]
国内学界对数字劳动的概念丛与研究进路已作系统辨析，归纳出传播政治经济学驱动的宏观批判、劳动过程理论驱动的中微观分析，以及基于本土经验的另类阐释三条路径。[22]相较于宏观批判对资本逻辑的整体性质疑，本文更侧重于劳动过程理论的进路，即从具体劳动过程出发，考察AI嵌入后新闻从业者在技术设置与组织安排中经历的劳动体验变化。异化理论及其在数字时代的延伸，即构成本文的核心分析框架。
本研究采用半结构化深度访谈法收集资料，受访者经目的性抽样与滚雪球抽样相结合的方式招募。资料收集以信息饱和为停止原则，最终获得24位受访者，编号为A1至A24（见表1）。在样本构成上，24名受访者中女性13人、男性11人，年龄介于26—46岁之间。媒体机构类型涵盖体制内媒体与市场化媒体，全国性媒体与地方媒体均有涉及。岗位分布以记者（13人）与编辑（6人）为主体，另包括新媒体运营（3人）与播音员（2人）。从业时长从2—21年不等，其中5年以下者9人、5—9年者9人、10年以上者6人。访谈于2026年4月至7月进行，采用线上线下相结合的方式，单次访谈时长约为1小时。
表1 受访者基本信息
访谈依托半结构化提纲展开，核心议题涵盖AI工具的实际使用情况、AI嵌入前后的工作内容变化、代偿性劳动的具体体验、职业认同的变迁以及从业者的应对策略。访谈过程中，研究者根据受访者的回答即时追问，不严格拘泥于提纲。所有受访者在访谈开始前均被告知研究目的与数据用途，并征得录音许可。受访者的姓名、具体供职机构等可识别身份的信息一律作匿名化处理。分析阶段参照Braun与Clarke提出的主题分析六阶段框架展开[23]，使用NVivo11软件辅助编码管理。
（一）代偿性劳动的类型与异化后果
生成式AI嵌入新闻生产后，其减负效果客观存在，但节省的时间与精力并未回到劳动者手中，而是被一系列新增劳动持续填补和消耗。在此过程中，AI并不是供从业者随意支配和利用的工具，借用海德格尔的“技术座架”概念，AI主动重新组织了劳动的过程与节奏。从业者的疲惫不只体现于身体层面，更表现为劳动者与自身劳动、职业意义及技术座架之间关系的失调。
1.事实与风格校正： AI新闻生产的修复性劳动。AI的输出建立在概率模型之上，其输出内容表面上流畅通顺，内里却只是训练数据统计规律的拼凑，学者将其产物称为“概率事实”[24][25]。OpenAI的研究发现，即便训练数据完美，AI幻觉仍因模型机制的数学下界而无法彻底消除。从业者若使用AI，就必须迁就这一逻辑。A2的感受颇具代表性：
过去我觉得AI是可以完成从0到1的，但是现在你要先引导AI生成，纠错，之后再改写，耗费的时间和精力并没有减少。而且AI生成的初稿是粗糙的，针对性也不太强，还有一些AI幻觉之类的，我们必须逐字去审核，又多了一套审核修正的工序……你还要承担AI出错带来的追责风险。
在此过程中，AI输出的流畅性便构成一种认知干扰，一个表达得无懈可击的句子，和它表达的内容是否真实之间没有必然的联系。[26]但AI赋予了虚假内容以可信的外表，从业者必须主动抵抗这种流畅表达天然的可信感，逐句核对，否则便要为机器的幻觉兜底。A5的一次失误让这种风险具象化：“AI写得很通顺，但村名写差了一个字，还编了整治后的户数，我一开始没看出来，后面去排版时忽然发现不对，给我吓的，没敢用，只能自己又重新写了一遍。”A2在被领导查出一次AI幻觉后，“此后的每一篇稿子都会审核得很认真”。“一本正经的胡说八道就是AI”（A17），“被AI发疯坑过几次，乱改数据和人名”（A18）。类似的表述在访谈中反复出现，印证了AI幻觉的风险与核查劳动的普遍性。
对许多受访者来说，AI生成的初稿远谈不上可用，要让AI真正能够辅助工作，从业者还需投入时间驯化它，多轮调校提示词，反复试错，逐渐摸清AI的语言风格、能力边界和“脾性”。A3发现“AI理解不了长复合句，只能一点一点喂”；A5则注意到AI的结尾“最后一段一定升华，一看就适合写作文”；A4每天要花近半小时调校提示词，一段内容改三四轮，还要清理那些挥之不去的“AI味”。驯化、核查与祛除“AI味”，构成了把AI产出改造为可用稿件的三道工序。在此过程中，劳动者从内容生产者演变为内容修补者，而非人机协作的引导者。表面上省下的写作时间，在实际操作中往往被事实与风格校正消耗殆尽，而消耗在这一过程上的精力，甚至比亲自写稿还要多。A1与A3都认为，与其花费大量时间核查、修改AI的产出，不如直接凭经验自己写。
2.“核对一下就好”：表面完成度遮蔽下的下游善后劳动。异化不仅发生在劳动者与自身劳动之间，也蔓延到了人与人的协作之中。从业者不仅要为自己的产出负责，还要为同事甚至领导的AI产物兜底。A4作为终审编辑，对这条善后链条有着切身感受：“记者图省事，采访完直接用AI生成一个完整稿交来，里面经常是凭空编的居民原话。”A5遇到过实习生“直接把任务丢给AI，编了一些名字、产量便交上来”的稿件。“领导用AI做一个逻辑不通、漏洞百出的方案让大家照着完成”（A19）；“编辑用AI改记者的稿子，把同期音都改了，害我这个后期找半天找不到采访人说的话”（A22）。记者、编辑、后期，协作链条上的每一个环节都在为他人的AI产物兜底，疲惫沿着协作链条向中下游传递，最终沉淀在那些无力将其转嫁出去的人身上。
善后之累，不仅在于返工本身，更在于这种劳动的结构性不对等。写稿者可以因AI而减负，善后者却因别人的AI减负而增负，这构成了人与人之间劳动关系层面的疏离。有研究指出，媒体机构整合后出现权责不清、协调机制缺位等问题，导致组织内部秩序混乱、人员关系紧张[27]，AI的嵌入使这种失衡现象在协作链条上加剧。而AI生成的文本往往表面完整、格式规范，这种外表上的高完成度构成了双重遮蔽，在协作链条上游，它制造了一种内容已经基本可用的错觉；在管理层，它提供了一种效率提升的假象。于是下游的善后劳动被压缩在“核对一下就好”的日常表述之下，也难以获得绩效层面的承认。从终端呈现来看，编辑与终审的额外付出被AI生成的初稿完成度所遮蔽，初稿来得越快、格式越规整，善后的劳动就越难以被看见、被承认、被计量。
3.工具迭代与追赶：从业者业余时间的劳动化。数字技术模糊了劳动与闲暇的既有边界，将本不被视为劳动的活动卷入价值积累进程。AI工具的快速迭代与多工具并行的使用方式，使这一压力在新闻从业者身上进一步加大。从业者必须持续学习AI新功能、调校多款AI工具、在不同版本之间反复对比，A23常把一个选题“一起给到元宝、Kimi、豆包，让他们一起出，像带了一个AI团队”。多工具并用看似是提升产出质量的主动策略，实则折射出从业者的无奈，由于单一工具的输出难以信赖，从业者不得不以额外的劳动来对冲工具的不确定性。这使从业者的工作流程被拉长，每一项任务都需在多个工具间来回对比、筛选，劳动量随之增加。
AI工具和技能不断迭代，劳动者陷入了持续的技能追赶，而在从业者看来，这种追赶的性价比并不高。“工具更新速度太快了，会产生一种跟不上就落后的压力。最重要的是学习投入和回报是不对等的，你花大量时间钻研更新的功能，到头来其实还是绕不开AI幻觉之类的。”（A13）置于罗萨所建构的社会加速理论视域之下，这一现象的症候更加清晰。技术更新的节奏并不由劳动者掌控，却迫使劳动者不断追赶，形成一种追不上就落后的持续压力。技术的加速与劳动者有限的精力之间形成了持续的落差，难以适配加速化的技术节奏，更容易被归因于劳动者个人，而不是节奏本身有问题。
诸多媒体机构也会为从业者组织AI技能培训，劳动者不得不在业余时间持续适应工具迭代，工作的边界向业余时间不断蔓延。以A4供职单位为例，机构将AI素养培训划定为全员硬性任务，强制从业者参与，且课程时段安排在“下班或周末，领导当然不能让你耽误上班时间”；A12“晚上睡觉前会看一看一些帖子和视频，记录下来比较好用的方法”；A20会“日常逛论坛，起码先收藏起来”以备日后学习。斯尔尼塞克所描述的平台对劳动的持续抽取，在此表现为两个方面。其一，工具增殖对从业者精力产生持续消耗，而这一抽取因披着“自我提升”的外衣而显得理所应当。正如韩炳哲所指出的，剥削从外在强制转为自我剥削，它和自由感、成就感捆绑在一起，让人意识不到自己在被剥削。[28]其二，从业者使用AI的过程本身是在为平台贡献数据和语料，这些资源反过来优化模型，巩固平台对劳动过程的控制。平台不直接雇佣从业者，却通过占有数据和更改劳动节奏，实现了对劳动者时间、精力乃至认知资源的隐蔽提取。
4.考核加码与用工紧缩：AI赋能下的红利上移与代价下沉。马克思的剩余价值分析提示我们，资本对效率提升的占有，最终会转化为劳动者劳动强度的持续攀升。AI嵌入新闻生产之后，效率红利并未完全转化为劳动者的减负，而是成为管理层考核加码的依据。减负的收益向上转移，增负的代价向下沉淀留给了劳动者。增加的产出并未转化为劳动者的报酬，而是作为剩余价值被组织占有，且被“AI赋能”话语遮蔽。A2的考核指标从“每天两篇公众号、一篇短视频文案”调整为“每天四篇公众号、两到三篇短视频文案、一套专题策划案”；A6虽然觉得AI产出快，但“感觉更累了，因为领导一般只看到AI的好处，比如出稿很快，送过来的需求越来越多，任务量加重了”；A13所在的团队里，领导以AI能快速产出为由，将出稿的KPI直接翻倍；A16的领导认为“这个活用AI搞搞十分钟不就搞定了，再给你加点活怎么就不能干”。A24所在的部门虽然没有硬性指标，但“领导见AI出稿快，便自己形成了那种看法，觉得写稿好像不再像原来花那么长时间了”。技术进步成为考核加码的依据，劳动者面对的不是减负，而是A22所说的“活越干越多”，技术效能被完全归于组织，劳动者陷入了更紧凑的劳动节奏。
AI以赋能为名，使组织的加码显得更加合理。因为AI确实替代了部分机械劳动，所以劳动者的抵抗便失去了支点，试图拒绝加码，会被“已经使用AI提效”的现实前提拦住退路；试图说明省下的时间并未真正回到自己手中，又会因为代偿性劳动的可见性不足而难以获得采信。从业者的处境由此陷入一种难以言说的悖论，减负是真实的，增负也是真实的，但前者的真实性足以被援引为加码的依据，后者的真实性却难以进入管理层的视野。于是，AI的赋能叙事不仅完成了效率红利的向上转移，也在一定程度上消解了劳动者对这一转移过程提出异议的现实效力。这正是布若威所揭示的资本主义劳动过程的本质，攫取剩余价值与掩饰这一攫取同时发生。基于这一现实考量，部分从业者会刻意隐匿使用AI的行为，受访者A15提出了“不要宣扬自己在用AI” 的职场生存策略，以此实现自我保护。这一行为展现出，劳动者越是积极适应技术，就越容易陷入更深层次的劳动剥削，自身可支配时间与劳动成果就越容易被资本持续抽取和侵占。
这种占有最直观的表现是编制缩减，增效的收益以劳动者岗位的消失为代价。A8所在岗位“本来两个播音员轮班加班，现在有了AI，只有一个人操控了，天天加班……他们甚至觉得可以让后期来做，播音员全部去新媒体”。岗位的消失并未减少总工作量，只是将劳动密度进一步加压到剩余劳动者身上。A4所在单位的录音转写岗被AI取代后，“活儿就直接分摊到我们每个编辑身上了”；A5单位的领导向上级申请招人，“上面就觉得用AI可以补齐效率短板……就没有再新增编制和人员”。剩余价值的转移呈现出清晰的层次，从工资不变下的产量翻倍，到岗位消失后的工作分摊，再到不增编下的用工紧缩，AI增效的每一分收益，都以劳动者或多或少的失去为代价。
5.新闻价值坐标偏移：创造性劳动的挤压与行业生态的恶化。考核指标的持续加码，直接引发了稿件质量的广泛降级。从业者的日常工作时段大量被AI内容核查、产量追赶等事务挤占，A2坦言“只能从质量上去砍它，（让稿件）粗糙点”，本可用于深度挖掘选题和打磨稿件的时间被挤压。A10提到因考核加压，“跑线下采访的概率降低了”；A11感到“用AI后文字垃圾也随之变多了”。劳动者被锁定在核查、善后、追赶产量与流量的循环中，深度思考等留给创作性活动的环节便成了奢侈品。正对应马克思所描述的劳动者与劳动过程的疏离，本应自由自觉的创作活动，演化为对机器产物的纠偏与修补，沦为外在的、被迫的谋生手段。
选角度、深挖、跑线下、打磨，这些定义了“新闻人”之所以为“新闻人”的活动，正在让位于“坐在办公室”与AI产物的互动与赶产量。A1观察到同行“不出去跑线索，坐在办公室，每天看哪个稿件流量高，标题内容用AI一改”。A4感叹“真正属于新闻人的深度思考的时间被压缩，留给深度创作、独立思考的时间越来越少”，乃至迷茫“编辑不可替代的地方到底是什么？”这种迷茫比单纯的身体疲惫更沉重，是一种劳动意义和职业认同的耗竭。
延伸到行业生态层面，不仅劳动被异化，新闻业的公共价值亦被异化。产量与流量成为核心指标，AI洗稿从个别行为演变为集体性的生存策略，新闻业的价值坐标发生位移。A2对同行用AI洗稿表达了理解，并将其归因于绩效压力。在一些从业者的感知中，“AI时代媒体的作用就是给大模型喂语料”（A23），媒体不再是向公众提供真实信息的公共机构，而是被定义为数据的供给端。受访者感到“AI加速了新闻的衰落”（A12），甚至认为“AI时代新闻已死”（A13）。这并非AI单独造成的，而是行业生态与技术嵌入等多因素共振的结果。AI在其中扮演了加速器的角色，它降低了洗稿的门槛，放大了产量逻辑的支配力，使媒体的价值定位向数据供给端偏移。
（二）代偿性劳动的生成机制
上述代偿性劳动嵌入在技术、组织与行业三层结构之中，三者彼此嵌套、互相强化。技术的不确定性首先制造了增负的起点，但技术本身并不必然导向过载，真正将增负固化为日常的是组织的管理和考核方式。在这一过程中，行业中流行的“AI赋能”叙事遮蔽了提效的代价，一个自我强化的循环由此闭合。
1.技术特性：概率生成与不透明性。代偿性劳动的生成，首先源自AI本身的技术特性。AI以概率方式生成文本，算法的决策逻辑对使用者也并不透明，输入与输出之间缺乏可追溯的中间环节。从业者难以预知AI会在何处出错，也无从追溯某处错误因何而起，唯一能做的，是以反复校对来应对这种结构性的不确定性。A15认为AI“组织能力很强，很难看出来它到底哪一部分是错的，于是必须每一句话都核对”。技术的不确定性与不透明性，正是代偿性劳动得以生成的底层条件，从业者的大量精力，首先被技术的概率本性所消耗。
新闻生产对通用大模型的依赖，进一步放大了这一问题。当前AI在新闻业的诸多应用仍属于“一次性项目”导向，受制于高昂成本而难以大规模复制[29]，而通用模型的训练数据并非针对新闻场景设计，其知识截止时间、语料来源与覆盖范围均有各自的短板。A1认为“DeepSeek数据库迭代有限定，对于最新的事情它不知道，豆包（数据）库没有DeepSeek齐，但信息时效更近”。各工具各有局限，从业者不得不以多工具并行的方式相互补足，以降低单一工具的不稳定性。
2.组织制度：效率误判与剩余价值占有。技术特性提供了代偿性劳动产生的可能，那么组织制度则决定了劳动的强度与分配。制度因素可以进一步拆解为三重机制。其一，效率误判与信息不对称。AI嵌入后，一种典型的信息不对称在组织中蔓延，A18认为“在领导的预期里AI可以大幅减负、一键出成品，实际工作其实是反过来的。”领导的“AI+一切”（A5）想象与从业者真实的工作境况之间，隔着一道效率误判的鸿沟。A5更直白：“领导不了解，大部分只看表面的效率，不去了解我们背后额外付出了什么。”AI生成初稿的速度之快是可见的，核查之重却难以被看到，造成管理层对AI效率的误判。
其二，反映机制失效。A17因记者交来的稿件几乎全部由AI生成，机器痕迹明显，也曾与部门领导沟通，“反映过很多次，但领导只看整体发稿量，反映也没有用”，使劳动者间关系的异化无法通过内部反馈渠道得到纠正。
其三，剩余价值的占有。A4认为“AI本身只是一个工具，是单位一味追求产量、把AI当成压榨效率的手段”，“技术永远不能让人轻松，只有管理和制度才行”。（A24）这些表述共同指向，工作负担的加重，其根源不在技术本身，而在组织以效率为依据对劳动的重新调配与对剩余价值的占有。
3.行业生态：转型共振与叙事遮蔽。AI介入后从业者代偿性劳动的增加，还嵌入在行业整体转型的宏观语境之中。营收收缩、用工紧缩与技术嵌入相互交织，AI既是诱因，也是放大器，与行业已有的生存压力交织共振，将已有的产量压力、流量焦虑与用工紧缩进一步放大与加速。
与此同时，“AI赋能”的主流叙事构成了一种话语遮蔽，宏大叙事与从业者的日常体验之间存在隔阂，它将技术的提效属性无限放大，却对其代价保持沉默，使代偿性劳动得以在“AI赋能”的主流话语之下隐身，考核加码因这一叙事而被赋予了合理性，显得无从质疑。直到被看见、被承认、被计入成本之前，这种劳动将一直作为理所当然的技术附庸而存在。
本研究聚焦生成式AI嵌入新闻生产后从业者的劳动异化过程，通过对24名新闻从业者的深度访谈，考察了“用AI后更累”这一未被充分解释的工作体验。研究发现，AI确实替代了一部分机械性劳动，但这并未使劳动者感到轻松，节省下来的时间和精力被多种代偿性劳动所吞没。这些劳动不在绩效考核的账面上，也不被“AI赋能”的主流叙事所承认，却构成了从业者每天工作中绕不开的负担。其异化后果触及创造性劳动时间的缩减、劳动产品质量降级、人际协作秩序紊乱、新闻业价值坐标偏移与行业生态的恶化；其生成根植于技术、组织与行业三者的深度叠加。以此为起点，本研究为理解AI时代新闻从业者的劳动处境提供了一个批判性视角。
其一，本研究以经验材料为AI与新闻从业者关系的研究补充了新视角，拒绝了“赋能即解放”的简化推论。减负与增负并非对立的两极，而是同一技术嵌入过程的两副面孔。其二，本研究将马克思异化劳动的四重规定延伸至AI时代新闻劳动情境，使异化理论在智媒情境下从思辨性判断走向可操作的分析框架。与劳动产品相异化，呈现为稿件一经产出即脱离从业者支配，被组织以产量指标的形式占有，产品数量成为压榨劳动者的尺度，成为与劳动者相对立的异己力量；与劳动过程相异化，呈现为核查等被动环节大面积取代了原本属于创造性劳动的活动；与人的类本质相异化，呈现为深度思考过程被挤压，从业者迷茫于自身不可替代的价值；与人际关系相异化，呈现为协作秩序的紊乱。其三，本研究揭示了技术、组织与行业三重因素循环强化的发生机制，这一模型不仅解释了“更累”为何发生，也解释了它为何迟迟不被看见、不被纠正。要改善劳动者的工作体验，关键在于打破这个自我强化的循环。管理层需要正视AI的真实劳动代价，打破“AI赋能”的单向度叙事，建立符合新闻生产实际的AI使用规范与责任边界。
未来研究可以持续追踪AI迭代过程中从业者劳动体验的动态变化；补充管理层视角以呈现组织逻辑的另一面。制度逻辑深刻影响了技术的落地方式，仅靠从业者一侧的经验描述是不够的，还需要看见制度设计者如何理解技术效率。正如马克思所言，“学会把机器和机器的资本主义应用区别开来，从而学会把自己的攻击从物质生产资料本身转向物质生产资料的社会使用形式”[30]。唯有将制度层面的逻辑纳入视野，“更累”才不至于被简单归咎于技术本身，而是被理解为一种制度选择的后果。改变制度，才能让技术真正服务于劳动者而非反过来支配劳动者。
参考文献
▼
[1] Albizu-Rivas I, Parratt-Fernández S, Mera-Fernández M. Artificial intelligence in slow journalism: Journalists’ uses, perceptions, and attitudes[J]. Journalism and Media, 2024,5(4): 1836-1850.
[2] Baptista R, Martins P, Cruz C, et al. Between bits and news: Portuguese journalists’ uses and perceptions of artificial intelligence[J]. Media and Communication, 2026,14.
[3] Gutiérrez-Caneda B, Lindén C G, Vázquez-Herrero J. Ethics and journalistic challenges in the age of artificial intelligence: Talking with professionals and experts[J]. Frontiers in Communication, 2024,9:1465178.
[4]何映霏.理解-协商-阐释：技术创新采纳中新闻从业者的AI想象[J].新闻记者，2025(12):69-82.
[5] Cools H, Diakopoulos N. Uses of generative AI in the newsroom: Mapping journalists’ perceptions of perils and possibilities[J]. Journalism Practice, 2026,20(3):878-896.
[6] Van Dalen A. Revisiting the algorithms behind the headlines. How journalists respond to professional competition of generative AI[J]. Journalism Practice, 2026,20(3):897-914.
[7]陈昌凤，袁雨晴.智能新闻业：生成式人工智能成为基础设施[J].内蒙古社会科学，2024,45(1):40-48.
[8]黄河，庞家瑞，刘琳琳.新闻迭代与共生生态：智能传播趋势下的新闻业态重塑[J].新闻春秋，2026(02):3-12.
[9]强月新，杨雨凌.“是助手而不是同事”：新闻从业者如何理解与使用人工智能[J].当代传播，2025(03):70-74+86.
[10] Møller L A, van Dalen A, Skovsgaard M. A little of that human touch: How regular journalists redefine their expertise in the face of artificial intelligence[J]. Journalism Studies, 2025,26(1):84-100.
[11] Kreft J, Boguszewicz-Kreft M, Fydrych M. (Lost) Pride and prejudice. journalistic identity negotiation versus the automation of content[J]. Journalism Practice, 2025,19(8):1659-1682.
[12]邓桂英，郝康云.生成式AI对新闻生产主体的重塑及其伦理审视[J].湖南科技大学学报(社会科学版)，2025,28(1):110-116.
[13]史慧琴，李依鹭.从“劳动密集”到“智力密集”:生成式人工智能赋能短视频新闻生产的路径、隐忧与治理[J].中国新闻传播研究，2025(05):305-313.
[14]匡文波，姜泽玮.论智能传播研究的基本理论问题[J].中国人民大学学报，2024,38(3):115-126.
[15]卡尔·马克思.1844年经济学哲学手稿[M].中共中央马克思恩格斯列宁斯大林著作编译局，编,译.北京:人民出版社，2018:46.
[16]卢卡奇·格奥尔格.历史与阶级意识：关于马克思主义辩证法的研究[M].杜章智，任立，燕宏远，译.北京:商务印书馆，1996:143.
[17]哈里·布雷弗曼. 劳动与垄断资本：二十世纪中劳动的退化[M].方生，等，译.北京:商务印书馆，1979:65.
[18]迈克尔·布若威. 制造同意：垄断资本主义劳动过程的变迁[M].李荣荣，译.北京:商务印书馆，2008:89.
[19]蒂齐亚纳·泰拉诺瓦，杨嵘均，曹秀娟.免费劳动：为数字经济生产文化[J].国外社会科学前沿，2023(01):53-69.
[20]常江，史凯迪.克里斯蒂安·福克斯:互联网没有改变资本主义的本质——马克思主义视野下的数字劳动[J].新闻界，2019(04):4-10.
[21]尼克·斯尔尼塞克.平台资本主义[M].程水英，译.广州:广东人民出版社，2018:46.
[22]冉桢，张志安.媒介基础设施与数字劳动：概念辨析、研究进路与未来展望[J].新闻爱好者，2026(03):25-30.
[23] Braun V, Clarke V. Using thematic analysis in psychology[J]. Qualitative Research in Psychology, 2006,3(2):77-101.
[24] Bender E M, Koller A. Climbing towards NLU: On meaning, form, and understanding in the age of data[C]//Proceedings of the 58th annual meeting of the association for computational linguistics. 2020:5185-5198.
[25]白红义，万旭琪.“概率事实”的核查：拆解AI大模型的新闻生产机制[J].新闻界，2026(05):16-27.
[26]杨奇光，张宇.生成式人工智能新闻生产的边界——基于AI新闻评论文本语态与幻觉风险的考察[J].新闻记者，2025(09):21-36.
[27]倪彬彬，张雨桐，张铮.回到“人”本：主流媒体系统性变革中新闻从业者的职业境遇考察[J].全球传媒学刊，2025,12(4):19-38.
[28]韩炳哲.倦怠社会[M].王一力，译.北京:中信出版集团，2019:14.
[29] de-Lima-Santos M F, Ceron W. Artificial intelligence in news media: Current perceptions and future outlook[J]. Journalism and Media, 2021,3(1):13-26.
[30]卡尔·马克思. 马克思恩格斯文集:第5卷[M].中共中央马克思恩格斯列宁斯大林著作编译局，编译.北京:人民出版社，2009:493.
长按下方二维码，即刻订阅《青年记者》
