Ars Technica 公布 AI 使用政策，媒體業找到平衡點了嗎

> Meta Shift

Ken Fisher 坐在辦公室裡，面前攤著一疊內部討論的文件。作為 Ars Technica 的主編，他知道這份 AI 使用政策將會成為科技媒體圈的指標。從去年開始，編輯部就在激烈討論：要讓記者用 ChatGPT 寫稿嗎？要用 AI 生成配圖嗎？每個決定都可能影響這個 25 年老牌科技媒體的聲譽。

經過幾個月的內部辯論，Fisher 最終做出決定：公開透明化整個 AI 使用標準。2026 年 4 月，Ars Technica 正式發布「Our newsroom AI policy」，明確告訴讀者他們如何使用、以及如何不使用 generative AI。

這不是第一間媒體面對 AI 工具，但可能是第一間把內部政策完全透明化的主流科技媒體。背後反映的是整個新聞業正在經歷的轉型壓力：在追求效率和維持品質之間，該怎麼找到平衡點？

25 年老店的數位轉型壓力

Ars Technica 成立於 1998 年，專攻科技新聞和深度分析，是少數能在網路泡沫、社交媒體革命中存活至今的獨立科技媒體。2008 年被 Condé Nast 收購後，仍保持編輯獨立性，以深度技術報導和專業分析著稱。

但近兩年的產業環境讓所有媒體都感受到壓力。根據 Reuters Institute 2023 年的報告，全球有 40% 的新聞機構正在試驗 AI 工具，主要用於內容產製和資料分析。同時間，BuzzFeed 宣布用 AI 取代部分編輯工作、CNET 被發現用 AI 寫理財建議（後來因為錯誤率太高而叫停），整個新聞業對 AI 的態度充滿矛盾。

傳統媒體面臨的是三重壓力：廣告營收持續下滑、讀者注意力被社交媒體分散、以及新興的 AI 原生內容平台競爭。根據 Pew Research 的數據，美國報業廣告營收從 2000 年的 486 億美金降到 2022 年的 86 億美金，降幅超過 80%（來源：Pew Research Center）。

在這種環境下，AI 工具看起來像是降低成本、提升效率的救命稻草。但對於 Ars Technica 這種以專業分析為核心競爭力的媒體來說，過度依賴 AI 可能會稀釋品牌價值。Fisher 和編輯團隊必須在兩個極端之間找到平衡。

劃出明確的使用界線

Ars Technica 的政策核心可以總結成一句話：「AI 不會成為作者、插畫師或攝影師。」這個立場背後有兩個基本信念：AI 無法取代人類的洞察力、創意和專業判斷；但這些工具如果用得好，可以幫助專業人士做出更好的工作。

具體的使用界線非常清楚：

完全禁止的範圍：

• AI 不能寫報導、分析或評論
• AI 不能生成新聞圖片或影片
• AI 不能代替記者做決定

允許使用的範圍：

• 文法檢查和風格建議（但只能建議，不能自動修改）
• 研究輔助工具，幫忙處理大量資料
• 在報導 AI 系統本身時，展示 AI 輸出作為範例

這個政策最聰明的地方是「透明化」策略。不像很多媒體偷偷用 AI 然後被抓到，Ars Technica 直接把規則攤在陽光下。Fisher 在文章中提到：「你們值得看到我們對自己設下的規則，而不只是相信這些規則存在。」

從產品策略角度來看，這是個很好的 positioning。Ars Technica 把自己定位成「人類原創內容的保證者」，在 AI 內容氾濫的時代，這反而成了差異化優勢。

行業標竿效應開始發酵

Ars Technica 的政策發布後，在科技媒體圈引起不少討論。一些編輯私下透露，他們正在參考這份政策制定自己的 AI 使用規範。這種「先行者效應」在媒體業很常見 — 當一個有聲望的品牌做出某種決定，其他品牌往往會跟進。

從商業角度分析，這個政策其實很務實。Ars Technica 的核心讀者群是軟體工程師、技術主管和科技業從業者 — 正好是最了解 AI 限制的一群人。對這個讀者群來說，「AI 寫稿」不是賣點，反而是扣分項目。

相比之下，一些大眾媒體可能會走不同路線。據報導，Associated Press 已經用 AI 自動生成企業財報新聞好幾年，效果不錯。Bloomberg 也在測試用 AI 寫市場快訊。不同媒體、不同讀者群，最適策略確實不同。

但 Ars Technica 的做法有個隱藏價值：建立讀者信任。在 fake news 和 AI 生成內容氾濫的時代，「人類保證」可能會變成重要的品牌資產。這讓我想到精品咖啡店強調「手沖」的邏輯 — 不是因為機器做不好，而是因為手工代表某種品質承諾。

Meta 判讀：這是產業格局的分水嶺

從 meta 分析角度來看，Ars Technica 的 AI 政策代表的是 Meta Shift — 不是技術層面的突破，而是商業模式和競爭策略的重新洗牌。

這件事讓我想到 2000 年代初期的搜尋引擎大戰。當時 Google 靠「不賣搜尋結果排名」的策略，在一票靠廣告操縱排名的競爭者中脫穎而出。Ars Technica 現在做的事情類似：在大家都在試探 AI 界限的時候，他們選擇劃出清楚的防線，把「人類原創」當成差異化武器。

這個策略的風險是：如果 AI 工具真的能大幅提升內容產製效率，堅持「純人工」的媒體可能會在成本競爭中落後。但優勢是：建立了清楚的品牌 identity，在讀者心中形成「專業」和「可信」的印象。

從產業整體來看，我預期會出現分化：大眾媒體會更積極採用 AI 工具降低成本，專業媒體會強調人類專業判斷的價值。這不是對錯問題，而是不同的市場 positioning。

軟體工程師該注意什麼

對我們這些做技術的人來說，Ars Technica 的政策其實很有參考價值。不是因為我們要做媒體，而是因為這套思考框架可以套用到任何需要「人機協作」的工作上。

如果是我在團隊裡制定 AI 工具使用規範，我會參考他們的幾個原則：

1. 明確劃分 AI 可以做什麼、不能做什麼 — 不要讓每個人自己判斷
2. 保持透明 — 讓團隊成員知道誰在用什麼工具做什麼
3. 人類始終要做最終決定 — AI 可以建議，但不能自動執行關鍵決策

我覺得值得注意的是，這個政策的核心不是「反 AI」，而是「AI 定位」。他們把 AI 定位成輔助工具，不是替代方案。這對軟體開發也適用：用 Copilot 寫 code 沒問題，但 code review、架構決策、商業邏輯判斷，這些還是要人來做。

長期來看，我認為會出現兩種工程師：一種是善用 AI 工具提升效率的，一種是完全依賴 AI 的。前者會越來越值錢，後者可能會被 AI 取代。Ars Technica 的策略其實就是在培養前者：用工具，但保持專業判斷力。

這種平衡不好拿捏，但確實是未來幾年每個技術工作者都要面對的課題。

延伸閱讀

• VS Code 強制標記 Copilot — 微軟這步棋下得有點急
• ChatGPT 開始賣廣告了 — OpenAI 的變現新策略能走多遠？
• AI-Native 公司的定義：把 AI 拿掉，公司會死的那種