在法国马赛举行的第77届世界新闻媒体大会（WNMC）上，最让我感受到的不是技术差距，而是提问的差距。 作为亚洲媒体集团英文通讯社AJP的负责人，我在此次大会上介绍了韩国在人工智能（AI）应用方面的案例。韩国是全球吸收AI速度最快的国家之一。新闻编辑室也积极引入AI来提升翻译、自动化和内容生产力。亚洲经济也在准备基于代理的服务、流动内容和预测型用户体验。 然而，在大会现场，世界各地媒体所面临的困惑却在于其他方面。 当韩国媒体仍在问“AI能自动化什么”时，世界顶尖媒体却在问“在AI时代，媒体应该成为什么”。 在为期三天的演讲和讨论中，人们不再讨论提示工程、文章摘要和翻译自动化。他们谈论的是用户体验、个性化、代理、信息结构、信任以及独特报道的价值。 AI仍然是中心话题，但讨论的核心却不是技术，而是新闻业。 最令人印象深刻的变化是对以文章为中心思维的解构。 印度《印度教徒》正在将一篇文章重构为多种形式。读者可以通过200字的摘要阅读同一篇文章，也可以以问答形式阅读，或通过音频说明来听。重要的不是文章本身，而是读者所希望的方式。 瑞典博尼尔新闻（Bonnier News）正在将数十年来积累的文章档案转变为互动服务。读者不再在搜索框中输入单词，而是提出问题。然后，媒体的文章会给出答案。 搜索正在转变为对话。 印度《Scroll.in》更为有趣。他们并不将文章视为简单的阅读材料，而是利用AI构建一个研究平台，提供时间线、知识图谱、人物关系图、事件集群和自动生成的问答，旨在为学者和研究者提供深入探讨特定议题的工作空间。 德国伊彭数字（Ippen Digital）展示了在地方选举期间自动生产超过4000篇文章的案例。但关键不在于生产量，而在于按地区、社区，最终按个人定制新闻。 全球媒体不再在进行文章生产的竞争。 他们在进行读者体验的竞争。 此次大会上最令人印象深刻的案例是德国通讯社dpa。 dpa的战略总监阿斯特里特·迈尔表示：“新闻成果不是结束，而是开始。” 他们公开的dpa IQ与传统新闻服务完全不同。 传统新闻通讯社提供文章，但dpa则将文章中的事实、背景、关系和数据结构化，以便AI可以直接利用。 AI代理可以访问dpa IQ，请求特定事件的时间线，并实时获取相关人物、过去的文章和最新更新。 这是基于事实的单位，而非文章单位。 许多媒体在思考如何利用AI生产内容时，dpa则在思考在AI时代媒体应该成为什么。 值得信赖的信息基础设施。 或许这就是AI时代新闻产业未来最接近的样子。 奥地利地方报纸《克莱纳·蔡通》（Kleine Zeitung）更进一步。 数字总监塞巴斯蒂安·克劳泽主张，应该将AI视为新的读者。 在过去15年中，媒体为谷歌优化内容，专注于搜索引擎优化（SEO），并为点击竞争。 但现在，ChatGPT、Perplexity、Copilot和谷歌AI模式正在阅读、总结和重构文章。 AI已经成为读者。 按照他的说法，未来可能会存在为人类和为代理人分别设计的网站。 他们所讨论的超越SEO的，是答案引擎优化（AEO）和再生成引擎优化（GEO）。 不再以搜索结果的高排名为目标。 AI将引用哪些信息，信任哪些媒体，成为新的竞争。 与此同时，随着AI的发展，反而更加突显了新闻业的本质。 在此次大会上，获得最大掌声的演讲来自《纽约时报》的A.G.苏尔茨伯格。 苏尔茨伯格并不反对AI，反而表示应该积极利用它。 然而，他提醒人们，AI公司最终是基于媒体生产的报道而成长的。 他说：“我们所知道的大多数事实都是从某人的独特报道开始的。” 现场直接接触到的人证言。 记者获得的文件。 在现场亲自确认的事实。 AI可以对这些进行总结。 也可以重新排列。 但无法生产。 大会各处反复传达的信息也是相同的。 AI不是为了取代记者的技术。 而是使记者能够进行更多报道的技术。 随着AI的泛滥，事实变得愈加重要。 合成内容增加，现场报道变得更加重要。 信息泛滥，信任变得更加珍贵。 从马赛归来，我得到的结论出乎意料地简单。 韩国仍然是全球接受技术最快的国家之一。然而，快速的引入并不意味着领先。 全球媒体已经在讨论自动化的下一个阶段。 从文章到体验。 从搜索到对话。 从内容到知识。 从读者到代理。 再从自动化回到新闻业。 正如埃兹拉·艾曼所说，现在没有人拥有地图。 但至少，全球媒体的方向是显而易见的。 这个方向不是AI，而是人。 是重新询问读者想要什么、如何体验新闻，以及新闻业为何仍然必要的方向。 或许韩国媒体现在需要提出的问题也是相同的。 不是要用AI自动化什么，而是要借助AI进行更多的报道。※ 本报道经人工智能（AI）系统翻译与编辑。

阿尔巴蒙招聘平台基于人工智能（AI）的个性化推荐功能和移动端用户体验（UX）改进，用户指标显著增长。该平台正逐步从单纯的公告搜索结构转型为AI推荐型招聘平台，招聘平台竞争正向数据和个性化方向重塑。 韦克斯皮尔于11日公布了应用程序主界面改版后最近三个月的主要服务指标。根据韦克斯皮尔的数据，通过应用程序主界面提交的招聘申请数量较改版前增加了约350%，新主界面公告的点击率（CTR）上升了170%，实际申请转化率（CVR）也增长了110%。 此次改版是韦克斯皮尔集团体制转型后，招聘韩国和阿尔巴蒙平台改版的一部分。核心在于将原有的搜索中心招聘结构转变为基于AI的个性化推荐方式，用户不再直接搜索公告，而是由AI分析用户的倾向和兴趣领域，优先推荐定制化的工作机会。 阿尔巴蒙利用自身的AI解决方案，无论用户是否登录，均可推荐个性化公告。韦克斯皮尔表示，考虑到10至20岁用户占比较高，专注于简化从应用程序安装到公告搜索和申请的步骤。 特别是新用户注册和简历填写流程的简化对用户增长产生了积极影响。原本需要6个步骤的移动简历必填项被缩减为3个步骤，减轻了填写过程的负担，移动简历的平均填写时间减少了约57%。因此，填写完成率增加了60%以上。 近期，招聘平台市场的移动端超个性化竞争迅速扩大。与其单纯展示大量公告，不如快速推荐用户所需的工作并实现实际申请，成为了核心竞争力。 阿尔巴蒙在此次改版中还引入了AI匹配过滤功能。根据用户希望的工作形式、地区和条件等，推荐优化的搜索条件，并允许用户保存常用过滤条件。地图基础的搜索功能也得到了增强，用户可以选择在1公里到7公里的范围内查看公告。 韦克斯皮尔计划未来与招聘韩国共同持续增强AI推荐的准确性和个性化功能。将整个过程从注册、搜索、简历填写到公告申请重新设计为以移动端为中心，专注于改善求职者的入职体验。 韦克斯皮尔首席技术官（CTO）金耀燮表示：“此次成果不仅仅是界面构成的改变，而是求职者寻找和申请工作的方式本身向AI个性化中心的转变。未来，我们将继续提升基于AI的推荐准确性和服务UX，提供优化的移动求职体验，使搜索到申请的过程更加快速和直观。”※ 本报道经人工智能（AI）系统翻译与编辑。

SK电信在ICLR 2026国际学会上发布了一项新AI推荐模型，旨在改善推荐服务与用户真实偏好不符的问题。该模型通过区分用户的重复行为和短暂反应，提高推荐的准确性。SK电信表示，这项研究的核心是“冲突偏好优化（C-APO）”，通过分析用户行为数据，识别长期重复的模式和短暂反应。持续使用某内容或服务被视为“一致偏好”，而偶尔的点击或浏览则被视为“表面偏好”。当两种偏好一致时，模型会提高学习权重；若冲突，则视为噪音，降低其影响。此方法帮助模型基于用户长期偏好提供推荐，识别用户的“真实偏好”。传统推荐系统常将短期行为视为同等偏好信号，导致用户短期消费某类内容后，推荐偏向该领域。SK电信的新模型通过考虑重复性和上下文，减少此类偏差。该技术还增强了推荐结果的可解释性，不仅提供结果，还能结构性地解释推荐依据的用户模式。这将提高个性化推荐服务的可信度和透明度。SK电信计划将此技术应用于三阶段推荐系统，分别为用户上下文解析、推荐候选生成和结果验证调整。各阶段通过代理方式有机结合，提升个性化推荐的精度。AI推荐技术已成为内容、商业和平台领域的核心竞争要素。随着用户停留时间和消费转化率对推荐准确性的影响扩大，企业正加大对数据解析和算法优化的投资。SK电信AI/DT数据负责人石志焕表示：“这项技术为更准确理解客户真实偏好提供了基础，将提升个性化推荐的可信度。ICLR 2026论文的发布是SK电信AI转型的重要里程碑，我们将继续发展客户可感知的AI技术。”※ 本报道经人工智能（AI）系统翻译与编辑。