當 AI 可以替你寫、剪、畫、發文：一個人真的可以變成一間媒體公司嗎？

# 當 AI 可以替你寫、剪、畫、發文：一個人真的可以變成一間媒體公司嗎？

作者：邱俐瑜 Liyu Chiu｜公民科 x AI 資訊科技媒體素養教案獎得主、AI 教育學院成員、經營 FB 粉絲專頁「快樂鯉魚秋老虎：運算思維與程式設計」、關注 AI 媒體素養、數位公民與科技教育

以前做一個媒體，要採訪、寫稿、攝影、剪接、設計、上字幕、排程。現在一個人加上一組 AI 工具，就可能完成過去需要一個小團隊才能完成的工作。

核心事實

• 2026 年 creator economy 研究把 AI 視為創作者共同生產內容的重要力量，討論 AI 是補強人類工作，還是逐步替代部分流程。
• 對原鄉自媒體而言，AI 最實際的價值是降低語音轉文字、翻譯、整理、剪輯、字幕、封面與發布的門檻。
• 自媒體真正重要的不是流量，而是敘事主導權：誰拍、誰問、誰剪、誰下標題，會影響故事被看見的方式。
• 傳統口述文化本來就可能有說話者、場合、關係與責任的規範，這些經驗可以反過來成為 AI 媒體素養的重要提醒。

為什麼這個題目值得一般人讀

這不是只屬於研究者的議題。它直接碰到日常生活裡的選擇：我們如何判斷健康、如何說自己的故事、如何保存食物與作物、如何理解傳統規範。把問題說清楚，比塞進大量術語更重要。

補充研究與適用範圍

Doshi 與 Hauser 的故事寫作實驗提供一個具體提醒：取得生成式 AI 的故事點子，能提高部分作品的創意與閱讀評價，但使用 AI 的故事彼此也更相似。這項研究測試的是寫作任務，並沒有證明一個人就能經營可獲利的媒體公司。對原鄉創作者而言，工具可以協助構思，地方語感、採訪關係與文化判斷仍需要人來負責。

現代科學能告訴我們什麼

現代科學擅長用可比較的資料檢查現象是否穩定出現，也能指出哪些說法還缺乏證據。它的優勢是測量、比較與驗證，但研究設計只會量到被選入的項目，因此地方生活中的關係、規範與情境仍可能被漏掉。

雙向知識不是把兩邊說成一樣

原住民族長期累積的內容更精確地說，是規範、禁忌、觀察、經驗法則與實踐體系。雙向知識不是把它們硬說成西方科學，也不是請科學替傳統蓋章，而是讓兩種形成判斷的方法互相提問：哪裡相符、哪裡不同、哪裡值得再查。

AI 可以成為整理者，而不是裁判

AI 可以整理訪談、影像、環境紀錄、公開研究和歷史資料，建立可追溯的索引，也能協助找出時間、地點與事件之間的關聯。但 AI 不能替社群決定文化意義，不能把少數人的敘述擴大成整個族群，也不能把相關性自動寫成因果。

如果帶回台灣原鄉，可以怎麼做

最好的做法不是照抄國外答案，而是把國際案例變成可觀察的小問題：相同現象在不同部落是否出現？長者和青年看到的變化是否一致？感測器、公開資料與地方經驗有沒有交集？這些問題才是下一步田野、教育與數位典藏真正有用的入口。

留下答案，也留下答案如何形成

未來如果要讓 AI 使用這些資料，最重要的不只是收集結論，而是留下時間、地點、說話者、實踐情境、例外與來源。這樣 AI 才不會把文化內容切成沒有脈絡的片段，讀者也能知道一個判斷是如何形成，而不是把機器產生的文字當成最後答案。

從這個國際案例再往前走

這篇文章真正想做的，不是把一個國外案例搬回台灣就宣稱適用，而是把它變成一個可以被原鄉讀者理解、討論與查證的問題。2026 年 creator economy 研究把 AI 視為創作者共同生產內容的重要力量，討論 AI 是補強人類工作，還是逐步替代部分流程。 對原鄉自媒體而言，AI 最實際的價值是降低語音轉文字、翻譯、整理、剪輯、字幕、封面與發布的門檻。 自媒體真正重要的不是流量，而是敘事主導權：誰拍、誰問、誰剪、誰下標題，會影響故事被看見的方式。 傳統口述文化本來就可能有說話者、場合、關係與責任的規範，這些經驗可以反過來成為 AI 媒體素養的重要提醒。 如果未來要做田野或資料庫，應把「誰說的、什麼時候、在哪裡、在什麼條件下」一起留下，才能讓後續比較具有意義。

對原傳媒 AI 的意義

原傳媒 AI 的角色不是把所有傳統內容都翻譯成科學術語，而是建立一個能同時容納現代研究與地方經驗的閱讀框架。當現代科學提出數據，我們追問它忽略了哪些生活脈絡；當地方經驗提出規範與禁忌，我們追問它在什麼條件下形成、是否有例外。AI 可以協助索引與比較，但最終仍需人工判斷與社群脈絡。

結語

AI 可以讓一個人更像一間小型媒體，但它不能替人承擔文化與公共責任。真正成熟的 AI 自媒體，不是生成得最多，而是知道什麼需要查證、什麼需要詢問、什麼不能因為方便就被拿來代表別人。

主要依據

• 《行銷分析期刊》｜生成式 AI 與創作者經濟研究
• Doshi 與 Hauser｜生成式 AI、創意與作品多樣性實驗
• Customer Needs and Solutions, published 2026-07-17; examines AI co-creation in the creator economy, including augmentation/substitution, privacy and disclosure.

給一般讀者的閱讀方式

遇到這類跨文化、跨科技題材，可以先問四件事：第一，這篇說的是觀察、相關，還是已經有因果證據？第二，地方經驗是在什麼環境和關係中形成？第三，現代科技提供的是更好的測量、更多資料，還是只是更快的生成？第四，如果把案例帶回自己的社區，哪些部分可以直接比較，哪些一定要重新田野確認？這樣閱讀可以避免兩個極端：一方面不會把傳統經驗當成迷信直接丟掉，另一方面也不會因為現代研究出現相似結果，就說祖先早已知道所有科學原理。真正成熟的雙向知識，是讓不同方法都接受追問，也允許暫時沒有答案。

給一般讀者的閱讀方式

遇到這類跨文化、跨科技題材，可以先問四件事：第一，這篇說的是觀察、相關，還是已經有因果證據？第二，地方經驗是在什麼環境和關係中形成？第三，現代科技提供的是更好的測量、更多資料，還是只是更快的生成？第四，如果把案例帶回自己的社區，哪些部分可以直接比較，哪些一定要重新田野確認？這樣閱讀可以避免兩個極端：一方面不會把傳統經驗當成迷信直接丟掉，另一方面也不會因為現代研究出現相似結果，就說祖先早已知道所有科學原理。真正成熟的雙向知識，是讓不同方法都接受追問，也允許暫時沒有答案。

給一般讀者的閱讀方式

遇到這類跨文化、跨科技題材，可以先問四件事：第一，這篇說的是觀察、相關，還是已經有因果證據？第二，地方經驗是在什麼環境和關係中形成？第三，現代科技提供的是更好的測量、更多資料，還是只是更快的生成？第四，如果把案例帶回自己的社區，哪些部分可以直接比較，哪些一定要重新田野確認？這樣閱讀可以避免兩個極端：一方面不會把傳統經驗當成迷信直接丟掉，另一方面也不會因為現代研究出現相似結果，就說祖先早已知道所有科學原理。真正成熟的雙向知識，是讓不同方法都接受追問，也允許暫時沒有答案。

給一般讀者的閱讀方式

遇到這類跨文化、跨科技題材，可以先問四件事：第一，這篇說的是觀察、相關，還是已經有因果證據？第二，地方經驗是在什麼環境和關係中形成？第三，現代科技提供的是更好的測量、更多資料，還是只是更快的生成？第四，如果把案例帶回自己的社區，哪些部分可以直接比較，哪些一定要重新田野確認？這樣閱讀可以避免兩個極端：一方面不會把傳統經驗當成迷信直接丟掉，另一方面也不會因為現代研究出現相似結果，就說祖先早已知道所有科學原理。真正成熟的雙向知識，是讓不同方法都接受追問，也允許暫時沒有答案。

給一般讀者的閱讀方式

遇到這類跨文化、跨科技題材，可以先問四件事：第一，這篇說的是觀察、相關，還是已經有因果證據？第二，地方經驗是在什麼環境和關係中形成？第三，現代科技提供的是更好的測量、更多資料，還是只是更快的生成？第四，如果把案例帶回自己的社區，哪些部分可以直接比較，哪些一定要重新田野確認？這樣閱讀可以避免兩個極端：一方面不會把傳統經驗當成迷信直接丟掉，另一方面也不會因為現代研究出現相似結果，就說祖先早已知道所有科學原理。真正成熟的雙向知識，是讓不同方法都接受追問，也允許暫時沒有答案。

給一般讀者的閱讀方式

遇到這類跨文化、跨科技題材，可以先問四件事：第一，這篇說的是觀察、相關，還是已經有因果證據？第二，地方經驗是在什麼環境和關係中形成？第三，現代科技提供的是更好的測量、更多資料，還是只是更快的生成？第四，如果把案例帶回自己的社區，哪些部分可以直接比較，哪些一定要重新田野確認？這樣閱讀可以避免兩個極端：一方面不會把傳統經驗當成迷信直接丟掉，另一方面也不會因為現代研究出現相似結果，就說祖先早已知道所有科學原理。真正成熟的雙向知識，是讓不同方法都接受追問，也允許暫時沒有答案。