2年近萬名記者丟飯碗!從代筆寫稿到預測風險,AI如何顛覆新聞業的運作法則?
2年近萬名記者丟飯碗!從代筆寫稿到預測風險,AI如何顛覆新聞業的運作法則?

在這個資訊以閃電速度流動的數位時代,新聞業的角色從未如此重要,也從未如此充滿挑戰。AI 分身即將全面翻轉新聞的生產與消費模式。

生成式AI 已經具備自動撰寫內容的能力,例如OpenAI 研究的GPT-4 等平台,能夠根據使用者的提示,以驚人的速度產出新聞報導、體育賽事摘要、財經報告和天氣預報。

財經新聞報導就是很好的例子,能清楚展現出AI 的實力。在採用AI 之前,美聯社(AP)需要大批記者,手動撰寫約三百家標準普爾500 企業的季度財報。這個過程既耗時又繁瑣,經常導致公司財報報導延遲。如今,美聯社和其他新聞機構能運用生成式AI,再搭配札克斯投資研究(Zacks Investment Research)的資料,在幾分鐘內產出精簡的財報新聞。

理論上,如果能高效產出營收報導,人類記者應該能空出更多時間,投入更深度的調查報導。但事實上,有大量記者失業。最新一項研究估計,僅在2023 與2024 年間,英國和北美地區就有將近一萬名記者因AI 相關因素被裁員,而且這個數字極可能被低估。

當我們從生成式AI 轉向AI 分身,自動化新聞代理(news agent)會愈來愈擅長即時篩選龐大的資料、辨識趨勢,並產出洞見。這項能力改變新聞機構處理突發新聞與長期追蹤報導的方式,例如路透社開發出一個名為Tracer 的AI 工具,能掃描推特/X 等社群媒體平台與其他網路來源,偵測突發新聞。Tracer 會分析資料,評估消息來源的可信度、資訊的相關性,以及發展中的事件可能產生的影響。

24 小時不休息的新聞雷達

2016 年,《華盛頓郵報》(Washington Post)就開發出名為Heliograf 的AI 工具,能自動生成新聞報導。Heliograf 會監控社群媒體、選舉結果和體育賽事比分等即時資料,快速生成並更新新聞報導。

在2016 年美國總統大選期間,Heliograf 從政府資料庫監測選舉結果,並即時更新關鍵選區的選情報導。到了2020 年,《華盛頓郵報》新增AI 語音助理,能自動將最新的選舉動態以語音形式插入自家的政治類播客節目中。

從2020 年開始,各種自動生成新聞的應用程式不斷湧現,展現出AI 迅速處理資料的能力,讓新聞媒體能用前所未有的速度,回應瞬息萬變的事件。2021 年,美國國會山莊暴動發生的最初混亂時刻,路透社的Tracer 系統從大量社群貼文中迅速篩選資訊,找出關鍵發展和可信來源。路透社憑藉Tracer,得以

在適當的時機準確更新新聞,讓讀者能隨著事件發展,第一時間掌握最新動態。

同樣的,2022 年俄羅斯入侵烏克蘭時,新聞媒體運用AI 工具監控官方發言、社群媒體動態與前線報導,快速核實資訊、追蹤部隊調動、報導人權侵犯事件,因此才能夠在這場瞬息萬變、局勢動盪的戰爭中,持續提供全面又即時的報導。

AI 也能產出多媒體內容。AI 系統能生成語音、影片和互動圖表,提供沉浸式新聞體驗。包括《紐約時報》( The New YorkTimes)在內的多家新聞媒體,已經開始運用AI 製作新聞報導的影片摘要。這些AI 生成的影片可以將長篇報導濃縮成短片,幫助忙碌的讀者快速掌握重點。

在以巴衝突期間,《紐約時報》運用AI 分析以色列在加薩南部轟炸行動的衛星影像。AI 工具掃描衛星影像中的彈坑,偵測到超過一千六百個可能的彈坑。隨後,記者團隊人工檢查這些影像,辨識出最有可能是兩千磅炸彈造成的彈坑,最終製作出結合視覺與數據資料的完整報導。

你的個人化新聞同伴

專業新聞報導的創新,只揭示這場AI 變革故事的其中一面。如果每個人都擁有一個強大的AI 同伴,具備與國際調查記者聯盟同等級的分析能力,能協助分析海湖莊園文件(Mar-a-Lagopapers),或是杭特・拜登(Hunter Biden)的筆電資料,結果會是如何?

我們已經知道,機器學習演算法可以分析使用者行為,為讀者提供個人化內容,這種個人化推薦能確保讀者收到的內容與自己切身相關。但是,使用者專屬的AI 同伴能做到真正的個人化。

假設你對快速變化的科技和創新世界很感興趣,你專有的AI 同伴能分析新聞稿、科技部落格與專利申請文件,幫助你掌握最新的AI 發展、機器人動態、軟體更新與公司消息。體育迷可以要求他們的AI,製作出比賽摘要、球員檔案,以及賽前賽後分析報告。

又或者,你可能希望你的AI 協助分析政府文件、政策白皮書和政治演說,從中找出模式,並總結最新的法律條文、監理措施,以及政治操作。

AI 系統非常擅長把長篇文章濃縮成重點摘要,讓我們快速掌握關鍵資訊。對於偏好輕量閱讀的人來說,這項功能就像雞塊一樣方便食用、容易消化。又或者,你可能真的想要深入研究,你的AI 同伴可以協助分析與理解新聞事件的脈絡,整理公私部門重要人物的背景資訊,評估全球事件的風險,並預測這些事件對於經濟、政治的影響。

擁有多模態AI 之後,你可以選擇自己偏好的新聞媒介與格式。不論你喜歡閱讀文章、觀看影片、或是收聽語音,這些AI 系統都能以你喜歡的方式提供新聞。像是亞馬遜的Alexa、Google 的Assistant,以及蘋果的Siri 等熱門的AI 語音助理,都能根據使用者的偏好,客製化新聞簡報,讓人們在開車、做飯或運動時,隨時掌握最新消息。

AI 與擴增實境技術也會帶來更多互動式、沉浸式新聞體驗。讀者可以透過視覺化、沉浸式的呈現方式,探索新聞故事,透過3D 模擬體驗關鍵事件。試想,現在有一款擴增實境新聞應用程式,能讓讀者進入衝突地區的3D 模擬場景,瀏覽互動式時間軸,甚至提供重要地點的虛擬導覽。這種沉浸式體驗或許能加深理解、引發同理心。但是,使用者的偏好最終是否會讓這些體驗產生偏差?

延伸閱讀:AI引爆「Google Zero」流量危機!72%媒體主管將增加人物故事,另一派「打不過就加入」

本文授權轉載自《AI分身時代:顛覆職場、教育、醫療、人際關係的人機協作新模式》,Joseph Bradley, Don Tapscott著,天下文化出版

BCB906_AI分身時代-立體書封_0.jpg
圖/ 天下文化出版

責任編輯:蘇柔瑋

關鍵字: #AI
往下滑看下一篇文章
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?
從台灣走進北美千家速食門市!Berry AI 如何攜手博弘雲端,讓 AI 規模化落地?

一家來自台灣的 AI 新創,如何讓美國上千家速食餐廳,都用它的 AI「看」得來速車道?

這家公司就是專注於 AI 影像辨識技術的 Berry AI (華捷智能),透過攝影機蒐集匿名數據並轉化為多項營運指標,協助速食品牌找出流程瓶頸、提升現場營運效率與整體顧客滿意度。以美國連鎖炸雞品牌 Zaxby’s 為例,在全面導入 Berry AI 解決方案後,服務速度提升 13%-20%,業績表現最好與最差的門市,每週營收差距從 2.4 萬美元縮小至約 9,000 美元。另一家連鎖速食品牌 Culver’s 在導入後,得來速車道的服務時間也立刻改善,進而提升整體吞吐量。

然而,支撐 Berry AI 解決方案的,不只有前端看得見的攝影機與影像辨識技術,還有後端穩定且具彈性的雲端平台。Berry AI 結合 Amazon Web Services (AWS) 全球雲端資源及博弘雲端顧問服務,打造兼顧即時性、穩定性與成本效益的雲地混合架構,成為推動 Berry AI 持續擴大北美市場版圖的重要關鍵。

從台灣 PoC 走向北美千店規模,Berry AI 面臨架構升級新挑戰

Berry AI 執行長林逸中表示,團隊成立初期投入近2年半的時間,探索最適合影像辨識技術的應用場景,最終將目光鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等。

同時,Berry AI 也進一步將現場蒐集到的數據轉化為可量化的營運指標,例如:不同門市、日期或時段的顧客等候時間,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。

在確立發展方向並於台灣完成 PoC (概念驗證)後,Berry AI 決定前進全球最大、也是 QSR 最核心的北美市場。然而,隨著合作客戶與部署門市持續增加,資料量快速攀升,加上服務範圍橫跨不同區域,既有以地端為主的架構開始面臨規模化挑戰。

林逸中補充指出,尤其 QSR 業者在選擇 AI 解決方案時,格外重視技術效能與穩定性,包括 AI 辨識精準度、能否因應突發狀況、系統能否穩定運作,以及網路發生問題時能否維持服務等。在這樣的要求下,若將所有運算與資料都留在地端,不僅難以因應日益增加的部署門市與資料量體,設備建置與維運成本也會隨之增加。

BerryAI 攜手博弘雲端 打造高可用性 AWS 雲地混合架構,突破北美規模化部署挑戰

如何確保系統的即時性、穩定性與成本效益,成為 Berry AI 進軍北美後必須解決的新課題。為此,Berry AI 選擇與博弘雲端合作,取得穩定且高可用的 AWS 運算與資料庫服務架構,將即時運算留在地端,同時在雲端環境整合資料庫處理大量資料與後續分析工作,形成兼顧地端即時運算與雲端彈性擴充的雲地混合架構。

Berry AI研發同仁汪楚剛說明,包括車輛偵測、追蹤與狀態辨識等需要即時反應的工作,會先在地端完成;再將辨識結果傳送至 AWS 雲端,計算各項營運指標,提供後續分析與決策使用。透過這套架構,Berry AI 至今已處理超過 2 億筆車輛狀態資料。

此外,AWS 也是 Berry AI 持續優化 AI 模型的重要基礎。Berry AI 將整套資料蒐集流程建構於 AWS 上,透過完整且多樣化的資料,持續訓練與優化模型,進一步提升地端影像辨識的準確度。

博弘雲端
Berry AI 鎖定高度標準化的速食餐飲業(Quick Service Restaurant;QSR),推出得來速計時器、餐廳計數器等解決方案,運用 AI 影像分析技術,辨識顧客進入得來速車道或餐廳後的狀態,例如:排隊、點餐、候餐等,協助管理者從數據中找出流程瓶頸與可以優化的環節,進而提升服務效率及顧客滿意度。
圖/ Berry AI網站圖

成為企業技術團隊的延伸,博弘雲端助 BerryAI 把 AWS 用得更好、更省

隨著北美業務持續成長,Berry AI 也迎來新的課題:如何把雲端資源用得更有效率、更省成本,這也成為 Berry AI 與博弘雲端合作的重要契機。

對此,可能有很多人好奇,像 Berry AI 這類技術能力成熟、具備自行建置架構能力的企業,為什麼還需要與博弘雲端合作?「關鍵在於,博弘雲端長期深耕 AWS,對相關服務與技術架構更加熟悉,可以成為企業內部技術團隊的延伸。」博弘雲端技術長宋青雲說。

當 Berry AI 遇到特定 AWS 服務或技術問題時,可以直接尋求博弘雲端協助;若需要進一步與 AWS 原廠確認,博弘雲端也能協助溝通與處理,減少 Berry AI 自行研究與排除問題所需投入的時間,讓內部研發團隊可以將更多心力和資源集中在核心產品開發。

更重要的是,博弘雲端不只提供技術支援,還能從 Berry AI 實際用量與成長需求出發,客製化設計最適合的節費方案,這對 Berry AI 降低營運成本有很大的幫助。宋青雲說明,博弘雲端根據 Berry AI 既有的 AWS 用量,推估未來 1-3 年內的使用需求,並以此為基礎規劃合適的長期雲端資源用量;同時考量 Berry AI 所屬飛捷集團旗下還有 3 家子公司同樣使用 AWS,進一步整合集團需求進行評估,放大整體採購規模,爭取更大的節費空間。

宋青雲強調,雲端採取隨需即付的計價模式,雖然具備彈性優勢,但若缺乏持續管理,仍可能出現資源配置不符商務規劃,或費用超出預期等情況。而博弘雲端不只能從使用現況出發、建議適合的節費方案,也會從效能、資安與成本等面向進行架構健檢,提出相應的優化建議;同時還會提供相關管理介面,讓企業隨時查看帳戶使用狀況、預估未來用量,在業務規模持續成長的同時,也能兼顧雲端架構的效能、安全與成本效益。

而架構健檢與成本優化,只是博弘雲端服務的一環。從企業準備上雲開始,博弘雲端便能協助將應用程式與資料從地端搬遷至雲端,或直接在雲端完成部署;進一步還能協助建置數據平台、數據中台,進行資料分析及導入 AI 應用,讓企業資料發揮更大價值。當服務正式上線後,博弘雲端也能接續提供維運服務。換言之,從前期 PoC、雲端建置到後續維運,博弘雲端都能依據企業需求,提供相應的服務與支援。

對 Berry AI 來說,藉由與博弘雲端合作,深化 AWS 雲端資源使用,不只是突破規模化挑戰,更重要的是能把有限的資源集中在核心業務,持續優化解決方案、開發更多貼近餐飲營運需求的應用,進一步爭取更多品牌合作,擴大北美市場版圖。目前,Berry AI 正全力拓展北美市場,也持續尋找對 AI 技術與餐飲產業應用充滿好奇心、重視團隊協作的人才加入。徵才方向涵蓋機器學習與電腦視覺、Platform & System(DevOps、Infrastructure),以及 Full Stack 軟體開發。從門市邊緣裝置上運行的 AI 模型、串連雲端與數千家門市的系統平台,到協助餐飲品牌提升營運效率的分析產品,每個環節都還有發揮的空間。 期待匯聚更多優秀夥伴,一起用 AI 解決真實的營運問題,讓來自台灣的技術走進更多全球 QSR 門市。

職缺詳情:https://www.cake.me/companies/berryai/jobs

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
一次搞懂工業AI
© 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