從大學撤系到媒體裁員 誰在重寫新聞產業？
【記者 張啟敏／綜合報導】
當GoogleAI摘要與生成式AI重塑資訊入口，新聞流量與內容生產被改寫，產業正經歷結構性轉變。從媒體裁員到校園撤系，AI改變寫稿方式，更重新定義記者價值。在資訊可大量生成的時代，真正難以被取代的，是走進現場、建立信任與發現問題的能力。
AI摘要重塑新聞流量與生產
從某一天開始，只要輸入關鍵字搜尋，Google最上方多了一段AI（生成式人工智慧）整理好的摘要答案。閱讀完，獲得資訊後，就能關上手機。沒有任何一家新聞網站，在這個過程中獲得一次點擊。
生成式AI正同時從兩個面向衝擊新聞產業：一方面，Google AI摘要讓讀者「看過就走」，流量在搜尋頁面就已蒸發；另一方面，翻譯、寫稿、影像等工作正逐步被機器取代，人力縮減成為結構性現象。這波浪潮，不只衝擊了新聞編輯室，也影響了培育新聞人才的大學課堂。
根據美國皮尤研究中心在2025年3月的資料顯示，在900名使用者的研究中，沒有AI摘要的情況下，有15%使用者會點擊搜尋結果頁的新聞連結；一旦出現AI摘要，這個比率跌至8%。國際流量分析公司Similarweb的數據顯示，Google導入AI摘要後一年，全球新聞網站流量下滑26%。媒體產業面對的，不只是一個工具的出現，而是生產與分配資訊方式的改寫。
Google AI摘要功能，讓搜尋結果最上方直接顯示整合答案，此功能大幅轉變使用者行為。【記者 張啟敏／AI製圖】
教育端轉向：被取消的專業
2026年初，中國傳媒大學宣布撤銷翻譯、攝影、漫畫等16個學士班科系，引發外界關注。校方表示，這並非單純停辦，而是因應「人機分工時代」重新調整人才培育方向，未來課程將更強調AI技術與跨域整合能力。
被取消的科系中，不少正是過去新聞媒體高度仰賴的相關基礎技術職能。消息曝光後，也讓不少傳播相關學生開始思考：當AI已能生成影像、撰寫文字，傳統技能是否仍具有價值？
不過，國立政治大學新聞學系教授兼系主任王淑美認為，中國案例未必能直接對照台灣的傳播教育環境。「中國沒有自由的新聞媒體環境，其新聞科系多半以宣傳為目的，與台灣脈絡不同。」她指出，雖然AI確實正改變內容產業，但中國傳媒大學的撤系，更像是一種極端訊號。然而，即便無法直接類比，這場撤系風波仍反映出未來將遇到的教育問題：當AI開始重塑內容產製流程，教育體系也不得不開始重新思考，未來究竟該培養什麼樣的新聞人才。
當AI浪潮逐漸進入台灣傳播教育現場，從攝影、剪輯到新聞寫作，學生未來所需的能力也正在被重新定義。 【記者 張啟敏／攝影】
AI放大能力 而非創造能力
在台灣的新聞傳播課堂中，AI帶來的改變也正悄然發生。AI進入課堂後，讓部分學生逐漸依賴工具本身，而跳過了思考的階段。曾擔任學生實習媒體主編的潘林同學觀察，不少學生從發想議題、生成提報、撰寫訪綱到整理稿件，幾乎全程交由AI完成，「整個過程裡面，其實沒有太多自己的思考。」天主教輔仁大學新聞傳播學系三年級的謝同學表示擔憂，如果學生在尚未建立基礎能力前就過度依賴AI，可能反而削弱判斷能力。「就像寫程式一樣，AI可以直接生成程式碼，但如果它出錯了，那你就會不知道那個錯誤在哪裡，寫稿也是同樣的概念。」
但在AI快速發展的同時，謝同學也觀察到，AI更像是一種「能力放大的工具」，真正能被放大的，是使用者原本的基礎能力。她分享，老師曾發現：「原本很會寫稿的同學，用AI之後可能會從80分變成90分；但原本只會寫40分稿件的人，那他用了AI他還是40分。」她認為，學生必須先具備寫作與思考能力，才知道如何透過指令讓AI真正協助內容優化。
媒體結構轉型：資深記者也難逃縮編
AI除了改變新聞教育現場，也更直接地衝擊新聞編輯部門。當內容產製速度被重新定義，新聞媒體產業的人力配置與運作模式也開始出現劇烈變化。
2025年3月，成立逾30年的電視台——TVBS展開第一波裁員，2026年2月春節後再裁45人，資遣名單涵蓋攝影、SNG工程師＜註一＞及駐地記者，其中不乏資歷超過20年的資深員工。公司回應，此舉是因應未來發展方向，將資源轉向數位新聞、AI應用及大型活動轉播。從這波裁員事件可以看見在「一天需要產出無數篇新聞」的即時新聞環境中，AI的介入不只更快，也更全面。
這波裁員不只是單一媒體的組織調整，更反映出新聞產業近年持續面臨的人力縮減與數位轉型壓力。隨著廣告收益下滑、閱聽習慣改變，以及即時新聞競爭加劇，不少媒體開始以更少的人力維持相同甚至更高的產出量。曾在聯合報擔任嘉義特派、如今已退休的記者柯永輝，則從地方媒體現場感受到人力縮減帶來的壓力。他回憶：「假設以前嘉義縣可能有六個記者或八個記者，那現在嘉義縣應該是兩個記者，當其中一個人休假，另外一個負擔就會很重，現在又有即時新聞的壓力，那怎麼辦。」在人力有限、新聞產出需求卻持續增加的情況下，生成式AI也逐漸被視為協助內容生產與資訊整理的工具。
然而，在第一線新聞工作者眼中，媒體縮編的原因並非全然來自AI。高雄慶聯有線電視記者劉瑋婷認為：「真正的轉變，其實從網路時代就開始了，AI比較像是一個加速這件事發生的觸媒。」 她指出，過去民眾習慣守在電視機前收看晚間新聞，但隨著智慧型手機與社群平台普及，越來越多人透過手機即時獲取資訊，新聞消費模式已經徹底改變。面對閱聽眾流向網路平台，傳統媒體的廣告收入與經營模式也受到衝擊，進而促使媒體組織調整與人力縮編。
曾任網路新聞媒體新聞中心主管的張力天，則描述了現今AI如何進一步改變即時新聞生產模式：「現在真的可以完全自動化，自動去網路上挑選到自動釋出。之前我們的工作的極限在於每天還是要有人去挑選稿件，然後有人去上稿，做一些標題的調整，這些工作都還是侷限在人，所以速度再快大概一天二十篇，但今天完全自動化後，你可以讓它五分鐘產出一篇，一天就可以產無數篇。」而曾在網路新聞媒體工讀、現就讀國立政治大學傳播科系碩士班的王宇葳在工讀期間，也親身經歷了媒體內部此轉變：「一開始進去網路新聞中心寫稿的時候，是沒有使用AI，完全就是自己重新寫出一篇新聞。那時候一個小時就要寫出一篇，到後來開始有AI進來產製，就越來越多繁瑣且重複性的工作交給AI產製。」對於在新聞媒體工作中使用AI，她更提出質疑：「如果全部任由AI去製作新聞的話，也可能會讓閱聽眾的媒體識讀能力下降，各家媒體的報導也會變得越來越沒有辨識度。」她認為，當大量新聞內容由AI依據既有資料快速生成時，報導形式與觀點可能趨於一致，讀者接觸到的資訊來源也會變得更加同質化。當不同媒體之間的差異逐漸縮小，閱聽眾便較難透過比較不同報導角度來培養判讀資訊與辨識立場的能力。
流量崩解：媒體失去分發入口
《天下雜誌》顧問黃哲斌觀察媒體產業逾20年，他指出這場危機其實並非從AI才開始。「從Facebook興起開始，媒體就已經慢慢把自己的發行權外包給平台。」他指出，在AI摘要尚未出現的時代，媒體流量主要來自Google搜尋、Facebook等社群平台，以及近年興起的短影音平台。為了爭取曝光機會，許多媒體必須透過SEO（搜尋引擎優化）策略提升搜尋排名，或配合社群演算法調整內容形式。黃哲斌認為， 當媒體過度依賴外部平台流量，也逐漸犧牲了品質，他說：「大家就喜歡用釣魚標題，弄一些比較聳動的東西，產出可以短期創造流量的SEO文，或者說去抄社群媒體、抄PTT等等之類的話題文章。」無論是社群演算法、SEO規則還是短影音平台，媒體長期都在配合平台需求調整內容策略。
然而，如果說社群平台改變的是新聞的傳播方式，那Google AI摘要改變的，則是新聞被看見的方式。 風傳媒AI生活中心前主管周育信指出，過去Google搜尋的邏輯，是將使用者導向新聞網站，媒體再透過廣告、會員與品牌影響力變現；但AI摘要出現後，Google開始直接在搜尋頁面完成資訊整理，讀者在搜尋頁就能取得背景、重點與比較，「需求可能在搜尋頁面就結束了。」她認為，真正的衝擊不只是流量下降，而是讀者逐漸不再養成「點進網站閱讀完整新聞」的習慣。這也代表，媒體過去仰賴的流量入口，正在被平台重新改寫。
如今，當Google AI摘要進一步攔截搜尋流量，SEO模式也開始失去效果。但周育信也認為，SEO不會完全消失，但整體平台邏輯正在改變。「未來SEO更像是建立可信訊號，而不只是搶流量。」她指出，當AI能快速整理網路上已有的資訊後，單純依靠關鍵字操作或整理型內容的媒體將越來越難維持優勢。相較之下，獨家採訪、深度分析、在地觀察，以及具有公信力的專業解讀，將成為媒體吸引讀者的重要價值。
曾任網路新聞媒體新聞中心主管的張力天，則更直接說出他的判斷：「有一種媒體其實已經到頭了，就我的視野跟我的認知來看，我看不到它更多的可能性。」他坦言，這也是自己最後選擇離開新聞媒體產業的重要原因。
新聞產業困境：AEO不是解藥
面對流量崩解，媒體業開始談論AEO（答案引擎最佳化）<註三>，想辦法讓自家內容被AI引用，成為AI「回答問題的來源」。黃哲斌表示：「我覺得你再怎麼樣做，你都比不過那些AI農場。AI農場一天就可以透過自動機制生出一千、兩千篇的文章，專門去蒐集大家正在熱門搜尋的關鍵字，然後就生成一些垃圾內容。讓新聞媒體不得不開始研究什麼叫做AEO或GEO（生成式引擎最佳化）<註四>。」
然而，AI轉型也不必然等於解方。 風傳媒AI生活中心前主管周育信指出，許多媒體導入AI的第一階段，確實是為了降低成本、提高產量；但若AI只被用來取代基礎人力，最後可能產出大量相似、廉價、缺乏判斷的內容。她認為，真正有價值的AI轉型，應該是讓人把時間移回高價值工作，包括查證、採訪、議題判讀、資料分析、現場觀察、深度解釋與跨平台策展。「沒有編輯判斷的AI導入，只會讓內容變多，不一定讓內容變好。」
對於媒體導入AI的策略，黃哲斌更觀察到，媒體使用AI大致可分成兩種路線：一種是讓AI處理整理逐字稿、社群貼文、資料查找等重複性工作，把人力釋放到更需要判斷的地方；另一種則是直接縮減人力，改以AI大量生成特定主題文章。而在他現任的天下雜誌，採取的是前一種策略，他說：「天下比較偏向於讓AI來提升生產力，而不是刻意的去減少人力。」周育信也進一步指出，未來媒體不會只需要「會寫稿的人」，更需要的是能判斷內容價值、理解平台語言、建立讀者信任的人。AI協作能力會成為基本能力，但真正重要的不是會不會下指令，而是知道哪些內容可以交給AI、哪些不能交，並能設計流程避免錯誤與幻覺。
當平台逐漸掌握內容入口後，媒體也不得不重新思考與讀者的關係。黃哲斌指出，可以透過建立「直接連結」的方法，是讓讀者主動找上門，而不是等待平台分配：「原則上你越可以繞過所有的平台演算法，越能夠將地方資料掌握在你手裡。」因此，近年許多媒體開始透過Podcast、電子報（Newsletter）、APP、YouTube影片及IG短影音等多元管道經營內容，希望讓讀者主動接觸媒體品牌，而不只是讓新聞被動地在平台上被看見。周育信也認為，未來真正重要的，是媒體能否建立直接觸及讀者的能力，像是建立記者IP與會員制，「如果讀者只有透過演算法才看見你，那媒體的主導權其實非常有限。」
王淑美則從更宏觀的角度看待新聞的出路：「新聞未必要依賴機構媒體。現在大眾近用資訊的管道許多已轉向社群媒體，未必機構記者才是新聞系畢業生的正途。但是新聞專業的能力仍是社會迫切需要的，包括統整資訊、掌握真實、倡議價值、推動社會變革，可以更寬廣地實踐新聞系培養的專業能力，非僅在機構媒體。」
AI能寫稿 但不能走進現場
在所有關於AI能否取代記者的討論裡，有一個觀點反覆被提起： AI可以寫稿，但記者的核心工作，從來不只是寫稿。王淑美教授強調：「相較於廣告或廣電等非紀實資訊的傳播技能，新聞被AI取代的部分是非核心的。因為新聞強調真實，現場採訪，建立關係，分頭查證等傳統新聞專業的技藝更是AI無法取代。寫稿其實是新聞報導的最後一段，AI不能做的部分更重要。」
而柯永輝也以多年來跑新聞的經驗做出同樣的判斷：「第一手採訪的人還是需要，我覺得這還是最根本的。」他也指出，在資訊碎片化的年代，記者的人脈更顯關鍵：「如果說一個好的記者他要跑出一個好的新聞，人脈絕對是佔了可能有一半以上。」
「採訪現場的東西，是資料給不了的」。劉瑋婷從第一線工作現場，說出了AI最大的侷限。她指出，AI雖然能整理大量資料與資訊，但它無法真正進入現場，也無法感受採訪時的情緒張力與畫面衝擊。「記者跟AI最大的不同，是記者到了現場之後，可以透過文字或影像，把在現場觀看到、感受到的一些情緒張力、畫面的衝擊性呈現出來，但AI做不到這件事情。」
潘林同學也觀察到，採訪能力是AI最難複製的核心，「如果只是照著AI生成的訪綱逐題提問，最後得到的內容往往非常單薄；真正有價值的採訪，來自記者在現場的即時反應與延伸追問。 」
黃哲斌則從認知層面區分了人與AI的根本差異：「AI它基本上很擅長回應問題與整理資料，可是它不太擅長發現問題。所以一個好的新聞記者會很敏銳的從小地方，找到問題的癥結點，然後一路追索。」他指出，AI的知識來源大多建立在既有網路資料上，「對於還沒有發生或剛剛發生的事情，它是沒有解釋能力的。」 他舉了一個例子說明AI感知物理世界的侷限：有人問各大AI「我想要去洗車，可是我家距離洗車場只有50公尺，請問你覺得我應該開車去還是走路去」，結果幾乎所有AI都說走路就好，只有一家回答說：「你當然是要開車去，不然你怎麼能洗車。」因此，黃哲斌認為「AI對於語言世界的理解能力很強，可是它對於物理世界的理解能力很差，它的感知能力是沒有辦法跟生活在現實世界的人相提並論。」
然而，比起技能是否被取代，更讓部分新聞工作者擔憂的，是AI正在逐漸改變人的思考方式。 劉瑋婷認為，AI某種程度上正在打破人原本的思考與規劃邏輯。「現在很多時候，你甚至不需要有完整邏輯，AI就會直接告訴你邏輯是什麼。」她擔心，當新聞工作者越來越習慣依賴AI完成內容架構，長久下來，可能反而削弱人原本的判斷與思考能力。 她也提醒，真正值得警惕的是當媒體逐漸依賴AI整理資訊、生成內容，究竟是人類在使用AI，還是AI正在反過來主導新聞框架，「誰決定了報導的框架，那誰就可以決定這個報導。 」
AI時代下 新聞還剩下什麼？
為了因應科技時代的快速變化，黃哲斌對下一代提出的建議是保持彈性的適應能力：「在AI時代最重要的能力是適應變化的能力，跟學習新事物的能力，這個在你們這一代身上更加的重要。」面對未來更高的不確定性，每個人必須保持好奇與柔軟的姿態，才能不斷調整自己與時代相處的方式。 劉瑋婷則用一句話，說出她對媒體人存在意義的理解：「你是人類，你寫出來的是溫度，你寫出來的是一篇有血有肉的報導。」
而關於AI時代下記者的存在意義，張力天則從「責任」的角度重新定義記者的存在價值。他認為，新聞工作與醫師、法官相似，都需要有人對資訊與判斷負責。「記者要為資訊的真實度負責，所以不可能完全被AI取代。」然而，他也坦言，當前大量依賴即時改寫與流量堆疊的內容模式，正是最容易被AI取代的一群。「以目前來說，譬如說十家裡頭大概有九家都是以即時新聞，使用網路新聞的方式，大量的傳輸報導去累積它們的觀看次數跟聲量，這種媒體來說，AI第一個就是把它們打趴，因為它們也只是改寫人家報導，內容是沒有價值的。」
當內容可以被快速生成、流量入口逐漸被平台掌控，新聞產業真正面臨的，或許早已不只是「AI會不會取代記者」，而是媒體究竟還能留下什麼無法被複製的價值。
AI能整理資訊、生成文字，也能在幾秒內產出大量內容；但它無法真正走進現場、建立信任，也無法像記者一樣，在混亂與片段之中發現問題、追問真相。當資訊越來越容易被生產與取得，真正稀缺的已不再是資訊本身，而是新聞工作者對事件的判斷、對現場的觀察，以及為內容把關的責任。
新聞業並非正在消失，而是正在被重新分化。那些依賴流量堆疊與即時改寫的內容，可能會被AI快速取代；但真正仍願意走進現場、理解人、追索問題的新聞工作者，透過持續挖掘議題，並產製深度溫度兼具的報導，或許這才是AI時代下，新聞仍然存在的理由。
＜註一＞SNG工程師（Satellite News Gathering Engineer）：負責新聞現場轉播設備與訊號傳輸的技術人員，工作內容包括架設轉播車、連接網路或衛星訊號，讓現場畫面能即時傳回新聞台。
<註二>SEO（搜尋引擎優化）：透過設定熱門關鍵字、優化標題與內容結構，提高新聞在Google搜尋結果中的曝光機會，進而吸引讀者點閱，是新聞媒體常用的數位策略。
<註三>AEO（Answer Engine Optimization，答案引擎最佳化）：指「答案引擎最佳化」，是因應生成式AI搜尋（如Google AI Overview、ChatGPT等）而生的新興內容策略。其核心在於調整網頁內容結構與問答邏輯，使其更容易被AI語意分析系統檢索、理解並引用為回答問題的「核心來源」，與過去針對關鍵字排序的SEO（搜尋引擎最佳化）有所區隔。
<註四>GEO（Generative Engine Optimization）：指「生成式引擎最佳化」，與AEO概念相似，泛指優化網站內容以提高其在各種生成式AI搜尋引擎中被引述與推薦機率的技術與策略。
回應文章建議規則：