这可能在技术上令人印象深刻，但对我们来说实际上毫无用处：新闻业中围绕AI进行跨职能协作的动机、实践、挑战和机会

研究背景与问题

• 作者发现了哪些问题或挑战？ 本研究发现了新闻行业中，由于人工智能（AI）技术的复杂性与广泛应用，跨角色的合作面临多个关键问题，包括沟通障碍、权力失衡，以及数据工作者在合作中的边缘化。此外，新闻行业传统上新闻决策主导的权力架构造成工程师和数据工作者的角色边缘化，进一步阻碍了跨学科的创新。

• 为什么这个问题很重要？ AI技术正在深刻改变新闻生产和分发流程。然而，新闻行业的职业文化（优先编辑权）与技术团队的实践逻辑（技术导向）之间存在严重的不匹配。如果不能解决这些跨角色协作的问题，不仅会阻碍新闻行业的创新发展，还可能导致损害媒体的独立性及机构的自我主导能力。

• 研究动机与相关工作 此前的研究揭示了新闻行业对AI技术的采用越来越频繁，但并未深入探讨新闻工作者与AI技术人员之间内部协作的具体流程和挑战。这项研究填补了这一空白，提出改善跨学科协作的方法，并探讨新闻价值与技术要求之间的融合途径。

解决方案

• 作者提出了哪些方法或解决方案？ 作者通过采访与工作坊提出了一系列解决方案，包括培养共同语言、引入协同设计与原型开发机制，以及实现更包容的协作流程。此外，还强调了边缘化群体（如数据标注人员）的重要性，并倡导在新闻室权力结构中更加公平地分配参与权和责任。

• 该解决方案的创新之处是什么？ 创新的核心在于：

  1. 将抽象的新闻价值（如“公正性”或“新闻价值”）转化为技术可操作的具体参数。
  2. 通过协同设计及快速原型开发增强跨角色间的理解与沟通。
  3. 主张改造传统新闻室的权力结构，使技术人员和数据工作者在新闻创新中有更多的参与及贡献。

• 实施步骤是什么？使用了哪些关键技术？ 实施分为以下几步：

  1. 创建共享语言工具（如术语表）： 将新闻概念与技术术语在团队内标准化。
  2. 协同设计与快速原型开发： 在新闻工作者与技术团队间实施迭代式的原型测试与反馈。
  3. 数据过程透明化： 确保所有参与者知晓数据工作的重要性，并以共享工作流的方式联合工作。
  4. 重新定义新闻室权力架构： 通过导师计划和公平的职业发展渠道，让AI工作者获得更多可见性和职业支持。

研究成果

• 取得了哪些具体成果？ 本研究揭示了跨功能协作的主要流程和挑战，并提出了一系列具体可实施的建议，例如用工具支持原型开发和共享工作流，构建更包容的团队文化。

• 与现有解决方案相比，它有哪些优势？ 本研究相比于传统的只关注技术效率的研究，更注重新闻价值与AI技术能力的融合，强调了协作的公平性及跨团队的动态反馈机制。这为解决新闻行业现存的权力失衡问题提供了新思路。

• 实验或评估结果是什么？ 通过深入的采访与工作坊，作者发现协同设计、构建共享语言以及迭代反馈能够显著改善新闻室中AI引入的协作效率与工具的实际应用匹配性。

• 局限性与未来方向 局限性包括：

  1. 本研究主要集中在中国的特定新闻环境，可能缺乏全球适用性。
  2. 调查样本局限于大型新闻机构，未能涵盖中小型新闻组织的情况。
  3. 数据工作者角色中的多样性（如内容监管人员）未被探索。

  未来研究可以考察不同地缘政治环境下的协作模式，扩展至小型新闻组织和其他职业群体，并增添外部技术公司的合作研究。同时，结合组织行为理论与混合研究方法，将提供更全面的洞察。