如何将AI融入新闻工作流程？来自《印度教徒报》的经验

近几个月来，《印度教徒报》（The Hindu）的记者解析了印度三个邦近2200万条选民记录，在无需手动编写任何代码的情况下搭建了选举结果展示界面，并自行组装了低成本热量传感器，用于记录不同职业工人在极端高温下的体感差异。

据该报高级编辑拉马尼（Srinivasan Ramani）介绍，上述工作的推进在很大程度上得益于大型语言模型（LLM）的协助——这些模型并非用于生成文章，而是用于处理文件、编写代码、辅助调查报道，他在2026年班加罗尔举办的“AI与媒体论坛”上分享了上述实践经验。他关注的重点并非写作自动化，而是低代码开发与AI辅助开发如何重塑这家老牌媒体内部的数据新闻工作流程。

“AI就像一个极其得力的实习生。你告诉它该做什么，它就去做。但主导权始终在你手中。”他说。

用 AI 解析2200万条选民记录

拉马尼介绍的最具代表性的项目之一，是针对印度“特别密集修订”（Special Intensive Revision, SIR）的调查报道。这是选举委员会定期开展的选民名册更新工作，最新一轮修订中，当局公布了被删除选民的记录及注销原因。

然而，这批数据并不适合直接分析——它们以图片版PDF的形式呈现，实质上是表格照片，且均为印地语。

仅比哈尔邦一地，团队就处理了约9万份文件、650万条记录；泰米尔纳德邦涉及约7.8万份文件、970万条记录；西孟加拉邦约8万份文件、580万条记录。三邦合计，记录总量约达2200万条。

团队首先利用光学字符识别（OCR）技术将图片文件转化为可供机器读取的文本，翻译成英文后存入数据库。拉马尼则通过自然语言提示，借助大语言模型生成SQL查询语句，全程无需手动编写数据库指令。

分析结果揭示了若干规律性现象，进而引发了更深入的后续报道。例如，在比哈尔邦，尽管男性外出务工现象更为普遍，被从选民名册中删除的女性人数却多于男性；多个投票站中，大量被删除的选民被标注为“已故”，而其中许多人年龄不足50岁。

随着印度最高法院下令选举委员会公开完整删除记录，调查范围进一步扩大。《印度教徒报》随即建立了可供检索的被删除选民数据库，并发布了分邦深度调查报道。

“这些结论并非由AI得出，”拉马尼说，“假设是我们提出的，政治和社会背景是我们把握的，AI只是帮助我们处理了这一大规模的数据。”

相关报道引发了议会讨论和司法关注，比哈尔邦也在舆论压力和实地报道的推动下，对选民名册进行了部分更正。

零代码构建选举交互界面

AI的应用不止于文件处理。在印度2019年和2024年两届全国大选期间，团队构建了交互式地图，允许用户按地区、邦、城乡分类及城市聚落进行筛选。

整个应用使用了JavaScript、HTML和D3，但拉马尼全程未手动编写一行代码。“每一行代码都不是我自己写的，”他说，“整个应用在两周内完成，全部通过在ChatGPT、Gemini和Claude中输入提示词实现。“

团队收集公开的选举数据，将界面拆解为若干组件——筛选器、地图、列表视图——再用模型为每个组件生成带注释的代码，便于后续核验。

印度全国大选涉及近10亿名合格选民，在截稿压力下构建能够实现选区级别筛选的工具，在技术上极具挑战性。

过去，这类项目需要内部工程师或外部志愿者的支持，AI辅助开发大幅压缩了这一周期。“截止日期在新闻业中是神圣的，”他说，“现在我们不必再因为等待技术支持而延期交稿了。”

AI 在街头调查中的应用

并非所有项目都是纯数字化的。在夏季酷热难耐的金奈，团队调查了高温压力在不同体力劳动职业间的差异。

在AI的辅助指导下，编辑团队自行组装了基于Arduino的低成本传感器设备，每隔10秒记录一次温度和湿度数据，所有零部件均在当地采购，项目总成本约为1.5万至2万卢比（约合180至240美元）。

I图片来自《印度教徒报》

四台设备分别交给一名厨师、一名渔民、一名工厂工人和一名电动三轮车司机，由他们在24小时内采集真实环境数据。综合温度与湿度的体感热指数，各职业之间差异悬殊，峰值最高达69°C。数据以时间轴形式呈现，直观揭示出不同群体所承受的高温暴露程度。

报道发布后，泰米尔纳德邦政府宣布推出热浪管理计划，并探讨将类似设备用于后续研究。拉马尼将这一项目描述为硬件实验与数据叙事相结合的典范，AI在设计与问题排查环节发挥了关键的辅助作用。

AI融入工作流，人类掌控全局

拉马尼强调，AI工具嵌入的是一套成熟的数据新闻工作流程：提出假设、采集数据、清洗整理、分析、可视化，最终发布。他将团队的工作分为五类：简单趋势分析、相关性研究、因素分析、因果调查，以及深度问责报道。

目前，AI已在多个环节发挥作用：生成网络抓取脚本、处理非结构化文档、提供数据库查询建议、构建前端界面。但他强调，人工审核始终是核心所在。

他举了一个例子：有一次，AI生成的脚本以顺序方式处理文件，导致分析效率低下，直到一位技术人员提出引入多线程并行处理的建议，模型才输出了更高效的版本。“你需要人类的洞察力来告诉它该优化什么。”

他同时提醒，不应让AI主导编辑判断。在结构化任务中——提取数据、生成代码——“幻觉”风险相对较低，因为输出结果可以直接验证；但新闻判断的边界，必须由人类来守护。

从图表到深度调查

拉马尼回顾了《印度教徒报》数据新闻过去十年的演进历程：从作为传统报道点缀的可视化图表，逐步成长为由数据记者、设计师和编辑型程序员共同参与、独立运作的专业部门，承担应用开发与深度调查工作。

其重要项目之一，是新冠疫情期间的超额死亡分析。该团队通过民事登记数据估算，官方公布的新冠死亡人数被低估了五到六倍。

这一结论在当时遭到质疑，但世界卫生组织后来的分析及随后官方数据的修订，均印证了死亡人数存在大幅低报。

“如今，数据驱动的报道已全面融入纸质版和数字版的运营，而非作为专业小组单独运作。许多此类调查以付费内容形式发布，”拉马尼说，并表示此类报道为编辑部带来了更高的订阅量和读者参与度。

“我们希望培养一个更有判断力的受众群体，这类报道帮助我们朝这个方向前进。纵观所有项目，AI并不取代新闻判断，它拓展的是新闻判断所能触及到的规模。”他说。

本文最初由世界新闻出版协会（WAN-IFRA）发表，全球深度报道网经授权翻译转载。

Neha Gupta 是世界新闻出版协会（WAN-IFRA）的研究编辑，专注于分析新闻业发展趋势，并报道新闻领域的商业与技术动态。