当下，人工智能技术普及和应用正深刻改变着媒体生态。其中，人工智能生成内容（Artificial Intelligence Generated Content, AIGC）正逐渐应用于传媒产业的各个领域，带来了一系列的重大变革和挑战。聚焦于新闻生产领域，从提高生产效率到内容个性化，再到数据驱动报道，人工智能技术为新闻内容创作提供了新的可能性，但同时也给传统的新闻生产模式和伦理标准带来了挑战。
2022年11月，由Open Al实验室开发的人工智能聊天机器人ChatGPT问世，其作为人工智能技术驱动的自然语言处理工具，拥有庞大的数据库和强大的算力，能够自动生成多种类型的文本内容，引发了全球的广泛关注。本文以财经新闻为例，尝试使用ChatGPT生成新闻内容，并与同题材优质财经媒体稿件进行对比，以探讨现阶段AIGC在财经新闻生产中应用的可能性。
案例一：警惕八大经济风险
来源：《财经》
主题：2022年经济风险（宏观）
体裁：新闻综述/述评
篇幅：约7500字（5个版面）
形式：文字
主要内容：记者通过采访专家以及综合梳理国内外各研究机构和券商报告，提出了2022年中国经济面临的国内和国际风险。
内容与主题
图1 专业财经媒体与 ChatGPT 生成的“经济风险”对比
从内容来看，专业财经媒体稿件对经济形势的研判专业、客观，结合专家观点和既有数据对复杂的经济趋势进行了综合性的分析，提供了全面、深入的洞察。
图2 专业财经媒体稿件内容
图3 ChatGPT生成的稿件内容
ChatGPT生产的三篇稿件内容均提到了一些常规的经济风险，在一定程度上说明了ChatGPT对当前经济环境的敏感度和反应能力。但可以发现，其内容套路化明显，可能由于机器学习模型往往根据大量的历史数据进行学习和判断，导致其输出的内容缺乏对新兴或特定经济事件的深入分析和更具前瞻性的研判。
数据与信源
专业财经媒体
图4 专业财经媒体的引用信源
专业财经媒体稿件的信息资源丰富，将大量不同来源的信息进行聚合，发现其内在逻辑联系，有效服务于报道主题。通过丰富的信源提供深度背景和专业解读，也能够提升信息的客观性、可信性、易懂性，帮助读者充分理解信息的意义。同时，稿件并非对数据进行简单罗列，而是选择了部分典型数据，并进行纵向对比，以突出文章观点。
图5 专业财经媒体稿件引用数据
ChatGPT
图6 ChatGPT稿件的相关引用
若未要求，ChatGPT不会引用任何专家/机构观点或数据，增加“引用适当数量的专家观点和机构观点，引用适当数量的数据”这一指令后，新增内容出现了部分事实错误。
ChatGPT稿件的事实错误
● 引用数据错误。2021年中国宏观杠杆率为272.5%，名义GDP为114.37万亿元，债务规模为311.66万亿元。
● 专家信息错误。赵锡军系中国人民大学财政金融学院教授，国家金融与发展实验室副主任应为曾刚。
● 引用观点无法查到原文。
● 参考文献无法查到原文。
案例二：14亿人用药基本盘
来源：《财经》
体裁：特写
篇幅：约5000字（4个版面）
形式：图文
主要内容：2022年12月，我国退烧药等部分关键药品供需矛在短期内较为突出，文章以此为背景，探讨中国仿制药产业链的现状与发展。
专业财经媒体
图7 专业财经媒体稿件的基本内容
专业财经媒体的报道逻辑链条清晰，结构安排合理，小标题设置简明扼要接地气，运用排比和呼应的写作手法形成读者记忆点。
图8 专业财经媒体稿件的引用数据
图9 专业财经媒体稿件的引用信源
报道多次巧妙使用数据落差设置矛盾和重点，引发读者阅读兴趣，并引用多信源信息进行深入论证分析，反映了记者高度的专业性。
ChatGPT
总体来看，ChatGPT生成的稿件能够基本完成命题新闻的写作，按照既定主题进行结构化叙述，但其内容缺乏深度，并出现了较多明显的数据和事实错误。
图10 ChatGPT稿件内容（一）
ChatGPT稿件的事实错误
● 根据2021年企业年度报告数据，目前中国布洛芬的有效文号共446个，其中2021年在产104个，并非只有30余种。
● 布洛芬的原研药企业并非拜耳集团。
●“布洛芬在中国市场知名度相对较低”和“布洛芬在市场上的销量一般”的表述不准确。
图11 ChatGPT稿件内容（二）
ChatGPT稿件的事实错误
● 不存在“江苏华虹医药股份有限公司”。
●《国家组织药品集中采购和使用试点方案》于2019年印发，并非2010年。
图12 ChatGPT稿件内容（三）
ChatGPT稿件的事实错误
● 龙头制药企业信息不实。
● 对仿制药市场的竞争格局缺乏系统深入的描述。
案例三：俄乌生死对决
来源：《财经》
体裁：深度报道
篇幅：约7500字（8个版面）
形式：图文（7张配图）
主要内容：主要探讨了2022年俄乌战争的背景、局势、影响和可能的后果，特别是其对金融市场的影响。
内容与主题
专业财经媒体首先对俄乌冲突的始末进行了清晰的梳理，为后文的深入分析做了良好的铺垫。从内容来看，专业财经媒体稿件偏重于经济向的报道，主要从经济影响的角度切入，重点明确，具有重要信息价值。
ChatGPT的文章则内容全面，没有明确的主题，属于模板化的军事战争报道。
信源与数据
图13 专业财经媒体稿件的引用信源
图14 专业财经媒体稿件的引用信源
专业财经媒体的报道以结合论据的深入分析为主，ChatGPT生成的报道则以描述性阐述为主，若未要求不会引用任何专家/机构观点或数据。要求ChatGPT加入数据和权威观点后，分析了俄乌冲突对全球金融市场的影响，但部分引用数据和信源存疑，无法求证。
从现阶段来看，ChatGPT已经初步具备进行财经新闻写作的基本能力，特别是在命题新闻的写作中，ChatGPT能够快速获取信息，按照给定主题进行结构化叙述，具备较为明显的速度优势。
但同时，ChatGPT在财经新闻生产的应用中也存在诸多有待完善和不符合新闻价值标准的问题：
●报道题材：ChatGPT生成的新闻报道结构较为简单，不适用于强调逻辑性和分析深度、要求信息组织能力的深度财经报道的写作。
● 叙事结构：ChatGPT组织段落结构连接不够顺畅，事实与观点的呈现较为生硬，难以适用于故事性和矛盾冲突较强的财经新闻写作，这类新闻往往需要人类记者敏锐的洞察力、出色的调查能力和叙事技巧。
●语言特点：ChatGPT在语言表达上追求的是准确性、清晰性和逻辑性，从而导致其表达缺乏个性化和生动性，难以触动读者的情感和共鸣。
● 信息来源：ChatGPT所引用的信息多来自于公开数据与报告，部分数据有待更新。尤其需要注意的是，ChatGPT会通过编造信息，或为了总结内容而引入原文本中没有的“事实”，其生成的报道中有较多明显的事实和数据错误，需要人工进行二次核实，大大降低了新闻写作的效率，影响了新闻生产的真实性准则，使生成式AI难以成为可信赖的信息来源。
● 数据解读：ChatGPT具有一定的数据解读能力，能够初步对经济现象背后蕴含的因果关系、矛盾演变进行把握，但仍然缺乏结合多因素进行深度分析的能力。
总体而言，财经新闻的独特价值是对经济现象的未来发展趋势进行研判和预期管理，具有前瞻性和指导性，而以ChatGPT为代表的AIGC作为新闻生产的辅助工具，虽然可以在一定程度上提高经济新闻的生产效率，但财经新闻所需要的深度分析和洞察往往来自财经记者的经验、调研和批判性思维，这些是目前阶段机器学习模型难以完全模仿的。
未来，财经新闻或将采取人机写作的生产模式，结合两者的优势，为公众提供更高质量、更有深度的财经报道。
