專訪Mashable CTO:人工智慧如何幫助媒體編輯提升效率
專訪Mashable CTO:人工智慧如何幫助媒體編輯提升效率
2016.11.16 | 人物

科技媒體Mashable創建於2005年7月,其創始人是當時年僅19歲的蘇格蘭人皮特.卡什莫爾(Pete Cashmore)。在那之前皮特沒有任何媒體工作經驗,網站主要從社群網路上追蹤最受使用者關注的科技公司新聞。到現在,Mashable 在全球的Alexa排名已經達到516名,成為世界上訪問量最多的媒體之一。

Mashable
圖/ Mashable

不走傳統新聞操作,而是根據社群媒體熱門內容挑文章

正是因為Mashable的創始人沒有任何媒體從業經歷,這個科技媒體才沒有從傳統媒體那裡繼承任何過時的新聞操作方式。在Mashable創辦初期,整個團隊20多人每天最重要的工作是在Facebook、Twitter和LinkedIn等社群網路上查看自己關注的大量使用者都在轉發什麼內容,並根據熱門內容撰寫相關的文章。

後來隨著現任CTO羅賓.彼得森(Robyn Peterson)的加入,Mashable開始使用自己開發人工智慧工具來代替團隊每天在社群網路上追蹤內容的工作。羅賓帶領研發團隊設計了一個人工智慧資料分析系統Velocity,透過自然語言理解技術分析社群網路使用者對相關事件的討論,並透過視覺化的圖表向編輯部預測可能會爆發的熱點內容。

開發人工智慧追蹤數據、預測話題熱點

在今年的騰訊網媒體高峰論壇上,羅賓接受了《PingWest品玩》的專訪,並詳細解釋了Velocity系統的工作原理。羅賓表示Velocity會根據社群網路上的分享和討論生成一個熱度曲線,它其實很類似於經濟學中的供求曲線,橫軸代表時間,縱軸代表需求量。相應的,當某一個話題的需求量(熱度)提升時,Mashable就會生產相關的內容進行「供應」。

「舉個例子,透過分析我們預測到接下來一個關於食品比較大的事件有可能是《紐約時報》上所發表的轉基因番茄的故事,現在關於這條新聞的轉發量只有幾十條,但我們的系統可以預測到接下來幾個小時它的轉發量將達到上萬。」羅賓說。

使用自然語言處理等人工智慧技術的基礎是能夠擁有大量資料,Volecity每天能夠分析300萬個不同頁面的連結資料,這些連結包括社群網路貼文、文章、圖片和影片,並從中分析出下一個熱點。

2012年12月,羅賓曾在Mashable上發表了一篇文章稱媒體應該像程式師做產品一樣生產內容。在這篇文章裡,羅賓給了正在衰落的媒體公司四點建議,分別是:社群網路比搜尋引擎更重要、擁抱行動網路、提供個性化的廣告和以產品為主導生產內容

羅賓認為媒體公司的衰落主要在於工程師幾乎不為媒體公司工作來幫助他們創造更好的資料探勘工具,但換句話來說,就是媒體公司根本就不重視工程師和產品經理的作用。但沒有任何傳統媒體基因的Mashable卻利用資料探勘工具和演算法成為了新媒體裡的佼佼者。

Mashable CTO羅賓.彼得森
沒有任何傳統媒體基因的Mashable卻利用資料探勘工具和演算法成為了新媒體裡的佼佼者。

在Mashable的網站上,每篇文章下面都會有一個小小的曲線圖表,讀者可以直觀地看到與這篇文章相關的話題的熱度變化。但羅賓解釋道,這個曲線本來是給編輯作為內部參考的,只是初期將它放在了前臺給一個概念。但後來Mashable的讀者都習慣了這個小圖表,甚至在他們取消掉圖表後發出了抗議,所以這個圖表就被保留了下來,成為了Mashable的一個特色。

mashable
Mashable會標示出每篇新聞的熱度表。
圖/ 截圖自mashable

在中國,將人工智慧演算法和新聞編輯結合起來的公司同樣有很多,其中最成功的非《今日頭條》莫屬。羅賓表示,自己並不知道《今日頭條》這家公司,但他很贊同《今日頭條》用機器和演算法輔助人類編輯的做法。但他認為在新聞編輯這件事上,人的作用應該比演算法重要,而機器只能起到輔助作用

「拿Mashable舉例,我們是在這個話題之前收集大量資料進行分析,對這個話題進行預測。這個過程中,我們預測的是人的一些行為。所以我認為我們仍然還是需要人的參與的,我們需要作者和影片製作人員為我們提供有意思的資料,或者說他們來觀看這些資料,來分享這些資料。在這個過程中,可能這些新的分享會給他們帶來一些啟發,給他們帶來一些興奮點,這個過程中他們可以創造更新的東西出來。」羅賓說。

是否擔心過於仰賴演算法造成回聲室?「會盡量做到中立。」

針對演算法和大資料過多的干預編輯是否會造成媒體過於以讀者的興趣為導向,羅賓認為這種情況存在,但最終還是取決於使用工具的人。「你說的這種情況或許在Facebook上是存在的,例如在這次美國大選中,你的資訊流裡幾乎只會出現你支持的觀點,而其他人的觀點是被過濾掉的,我們把這種情況叫做『迴聲室』(echo chamber)。但Mashable是一個面向大量讀者的新媒體,我們認為演算法不能用這種危險的方式來控制人們能夠看到哪些資訊,所以我們會儘量做到中立。」

羅賓認為,人工智慧演算法和大數據能為媒體帶來的最大幫助是效率的提升。「這幾年來媒體公司的日子都不好過了,很多媒體開始大規模裁員。在這種情況下,演算法和資料能夠説明編輯部甄選出值得關注的新聞,並讓他們集中精力在相關領域生產出更深度的新聞,同時也能讓媒體在保持稿件數量的情況下保持品質。」羅賓說。

本文授權轉載自:PingWest

往下滑看下一篇文章
從人、流程到工具:TVBS解構新聞業AI轉型方程式
從人、流程到工具:TVBS解構新聞業AI轉型方程式

在生成式 AI 驅動下,新聞產業正加速進入新一輪轉型。這股技術浪潮不僅改變了內容產製模式,也重塑了讀者獲取資訊的入口。面對這場產業變革,台灣科技媒體領導品牌TVBS 展現強勁的轉型動能,不僅積極布局 AI 應用,更憑藉創新專案獲得「nDX數位創新獎助計畫」肯定。

為加速經驗擴散並促進產業交流,日前,TVBS 攜手數位經濟暨產業發展協會(DTA)舉辦「AI in the Newsroom-TVBS轉型實戰分享」發表會,現場匯聚媒體與科技領域專業人士,從實務案例出發,深入剖析 AI 導入新聞現場的應用模式,共同見證 TVBS 如何以 AI 為核心引擎,重新定義數位時代的媒體影響力。

TVBS-1.jpg
圖/ 數位時代

從「人」出發:從超級個體到超級組織,啟動 AI 原生轉型

TVBS 集團成長長簡西村表示,早在生成式 AI 浪潮成形之初,TVBS 便已啟動轉型布局。不僅於 2023 年成立AI未來科技部,專責 AI 應用開發與轉型推進,更由董事長親自主持每週一次的 AI 策略會議,確保決策與執行節奏高度一致,並進一步盤點出「人、流程、科技(PPT)」三大轉型關鍵,逐步落實將 AI 導入各項營運環節。

從「人」的角度來看,TVBS 以 AI 提升效率與創造價值為目標,提出超級個體與超級組織的轉型藍圖。其中,超級個體指的是能善用 AI 工具的記者,例如:透過 AI 分析海量資料、自動生成初稿或經營個人品牌,透過與 AI 的分工協作,不僅提升產出效率,也讓記者得以回歸深度核實與現場採訪等核心職能。

當多個超級個體串聯,便進一步形塑出超級組織,透過 AI 全面提升團隊的數位戰力,成為 AI Native(AI原生)媒體組織。TVBS 的願景是,讓每一個議題皆能發展出專屬 AI Agent,負責資料處理與初稿生成,而人扮演總編輯角色,負責內容品質與倫理把關。如此一來,不僅能實現全天候、高頻率的內容更新,更可透過多 Agent 協作,同時產出文字、影音、Podcast 等不同形式的內容,實現一次生產、全平台分發的目標。

從「流程」出發:讓AI嵌入新聞產製,縮減 30% 作業時間

從「流程」的角度來看,AI 唯有真正嵌入新聞產製流程,才能發揮最大效益。然而,哪些環節最適合導入 AI、導入後流程該如何重塑,往往只有第一線新聞人最清楚。為此,TVBS 邀請新聞部同仁組成「文科種子」團隊,並由主管從日常工作情境出發,親自示範 AI 應用,讓記者實際感受到 AI 帶來的效率提升,進而翻轉「不好用」的既有印象,吸引更多資深同仁投入 AI 應用開發。

TVBS新聞部網路新聞中心總編輯楊致中強調,「AI不是要把新聞人變成工程師,而是要讓新聞人重新回到專業現場。」因此,這群橫跨編輯、記者、編譯等不同職能的種子成員,從使用者視角出發,與工程師並肩協作,以使用情境取代傳統規格書,讓技術團隊得以深入理解採訪流程中的真實痛點,進而開發出涵蓋多語翻譯、初稿生成、重點歸納、多稿比對、標題與內容優化等 AI 應用,整體作業時間平均縮短逾三成。同時,新聞部也與 AI 部門建立每週開會機制,持續提出痛點及回饋使用經驗,推動產品快速迭代。

TVBS-3.jpg
圖/ 數位時代

另一方面,TVBS 也連續三屆舉辦員工限定的「AI 黑客松」,各部門同仁由日常工作中的痛點出發,發想出更貼近第一線需求的 AI 解決方案,讓 AI 逐步成為組織共通的語言,不僅有效提升工作效率,也進一步形塑出 AI 驅動的創新文化。

從「科技」出發:打造混血系統 AI WIZE,讓AI真正貼近使用需求

從「工具」的角度來看,如何在滿足使用需求的同時兼顧技術快速迭代,成為關鍵課題。為此,TVBS 提出混血系統概念,由新聞人與 AI 部門協助,共同開發出專為媒體場景打造的 AI WIZE 平台。

TVBS-2.jpg
圖/ 數位時代

TVBS AI未來科技部副總監吳楨文說明,AI 技術迭代速度極快,若仍沿用傳統「使用者提需求、工程師寫程式」的開發模式,不僅溝通成本高、也難以快速及時優化,容易導致使用體驗不如預期。若是直接使用外部 AI 工具,在產出結果不穩定的情況下,使用者常常要反覆調整提示詞與修正細節,反而會增加時間成本,使 AI 應用淪為新的負擔。

為解決這樣的困境,TVBS 在開發 AI WIZE 時,結合系統化與人才混血兩大策略,由工程師在「深水區」把關系統架構、資訊安全與成本控管,而新聞人則在「淺水區」透過 AI Studio 等自然語言工具定義應用場景,並將新聞專業封裝成可重複使用的 AI Agent技能,同時透過持續回饋機制,讓 AI Agent 不斷學習與優化,使工具更貼近日常工作需求。

簡西村最後強調,人機協作不是選擇,而是必然路徑。TVBS 期望透過這場 AI 轉型,打造兼具速度、深度與可信度的新型媒體競爭力,並以自身實踐經驗為基礎,帶動台灣媒體在 AI 浪潮下強化整體產業競爭力,重新定義媒體的「真實」價值,開創新聞產業的 AI 新時代。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
AI全球100+台灣20
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓