关于人工智能对新闻业影响的最普遍解读之一，基于一个看似简单的前提：如果机器越来越能够生产信息内容，那么记者的作用注定会下降。然而，这种解读存在着从错误视角看待这一现象的风险。它假定新闻业的价值主要体现在新闻的生产上，而新闻业自身的历史表明，其最重要的贡献始终在于其他方面：赋予事件意义、构建解读语境以及在公共领域建立信任的能力。人工智能的出现并非仅仅改变了新闻工作的工具，它正在挑战一种在20世纪逐渐形成的工业化信息观念，这种观念将价值等同于大规模收集、处理和传播新闻的能力。长期以来，这种模式得益于资源稀缺的条件：信息来源有限、传播渠道有限以及处理能力有限。新闻机构之所以能够蓬勃发展，是因为它们掌握着难以复制的资源。
如今这些情况已经消失了。
信息可以实时获取，传播几乎免费，而且处理过程可以由能够在几秒钟内合成海量数据的系统实现自动化。新闻作为信息的基本单元，其经济稀缺性正在逐渐消失。这种转变可以用赫伯特·西蒙在20世纪70年代提出的观点来解释。西蒙观察到，在信息丰富的社会中，注意力成为真正稀缺的资源。 “信息过载并不会自动带来更深刻的理解；相反，它会导致信息碎片化、决策过载，以及难以确定哪些信息真正相关。”
人工智能进一步放大了这种动态变化。
如果说过去的问题在于获取信息，那么如今的问题在于如何选择、解读信息并理解其含义。机器内容生产能力的不断提升并未消除对人工干预的需要，而是改变了干预的本质。这恰恰凸显了当代辩论中常被忽视的一种理论批判性。许多分析都隐含地假设新闻工作可以分解为一系列技术操作：研究、核实、综合、写作——并且一旦这些操作实现自动化，新闻的专业价值必然会降低。这种观点将新闻业简化为生产过程，低估了其认知、关系和文化维度。新闻并非自主获得意义，而是通过解读而产生相关性。经济事件、地缘政治危机、技术变革或政治决策，其社会影响不仅体现在其物质存在上，更体现在它们在社群中的报道方式、语境化和理解方式上。从这个意义上讲，新闻业属于知识型职业，其价值主要并非来源于信息的生产，而是来源于意义的建构。
当代关于媒体和组织的文献表明，新闻编辑室最重要的资本并非其技术传承或生产能力，而是通过经验、声誉、解读能力和背景知识积累的人力资本。这种资本由难以量化的要素构成：直觉、文化敏感性、历史记忆、提出切中要害问题的能力，以及对社会动态和权力关系的理解。这些维度属于学者定义的隐性知识。与易于形式化和转移的显性知识不同，隐性知识通过经验发展，存在于人而非流程之中。它是多年观察、比较和沉浸于其所描述的背景之中的结果。当内容生产变得经济实惠且易于获取时，那些难以复制的要素便会更加清晰地显现出来：判断力、可信度、责任感和解读能力。关键不在于机器无法生成文本。恰恰相反，它们在这方面正变得越来越高效。关键在于，新闻业的社会价值不仅仅在于文本的生成。它指的是塑造人们对现实的集体理解的能力。这种区分至关重要，因为它要求我们重新定义用于评估新闻工作的指标。在以速度和数量为主导的环境中，成功往往以产量、流量、浏览量和发布频率来衡量。然而，这些指标描述的是信息的传播，而非信息的解读质量。
人工智能经济向其他价值形式转型
人工智能经济正逐渐将重心转向另一种价值形式：在不简化复杂性的前提下，区分重要信息与无关信息，并在日益不确定的环境中建立信任。因此，新闻业的未来或许不再仅仅取决于生产更多内容的能力，而是更多地取决于培养人力资本的能力。这不仅仅意味着培养只会写作的记者，而是培养能够理解、解读和关联看似无关的现象的专业人士，帮助受众应对日益复杂的现实。
从这个角度来看，人工智能并非终结新闻业。相反，它挑战了新闻业中最具工业化和标准化的组成部分，并将长期以来被忽视的东西——人的价值——重新置于聚光灯下。未来真正稀缺的资源并非新闻本身，而是理解新闻所需的判断力。而这种判断力，首先也是一种人力资本。
