作者：龚程 庄营 赵永宝 王瑾
来源：《全媒体探索》2025年3月号
AI既能成为舆情信息监测、数据搜集、分析研判、应对处置的“快捷键”，也是虚假信息、算法偏见、伦理争议、舆论操控等的“催化剂”。舆情工作场景中如何将AI这把“双刃剑”用得恰到好处？本文以半岛都市报清渠AI在舆情产业中的应用实践为例，探讨AI在舆情治理中的应用与挑战。
探索：清渠AI赋能舆情治理的技术人才支撑
近年来，大语言模型、AIGC（人工智能生成内容）、智能体等技术已广泛应用到舆情行业，在信息监测、事件分析、舆论引导等环节为舆情治理赋能。
半岛都市报清渠舆情态势感知系统2024年9月上线AI模块——清渠AI，打造出可交互的“智搜”“瞬析”“秒看”“智报”等特色模块。DeepSeek出现后，清渠又通过本地化部署和知识库建设，快速将其应用在舆情全链路实践中。围绕场景适配化、实操便利化、分析全景化、交互智能化、研判精准化的原则，清渠AI初步实现了“生成即结果、模型即服务”的应用效果。
(一)智能研发：大模型+小模型+多模态
清渠舆情态势感知系统融合了大数据与AI、跨模态检索、通用大模型、专业小模型、语音交互、自然语义识别和深度学习等多类型先进技术，在业内领先性地利用“大模型+小模型+多模态”打造AI舆情助手。经过一段时间的探索，已实现舆情信息智能搜索、舆情事件全貌智能呈现、舆情报告智能生产、场景化语音交互等功能，可深度辅助各级各类舆情信息的集成、分析、研判和应对决策。
(二)团队配置：打造专业化团队，形成工作闭环
为深度开发AI生产力，半岛都市报立足于舆情业务的现实需求，组建了逾50人的专业团队，形成了由资深舆情分析师、大数据架构师、资深新闻采编人员、传播渠道运营人员等组成的协同战队。团队紧跟技术进路，重视知识更新，通过“监测—研判—响应—复盘”的闭环工作机制深度参与各级舆情监测、研判和应对处置过程，提供及时有效的信息支持和决策参考。
参与：舆情深度全链路的AI实践
(一)在舆情监测环节中的应用
作为舆情治理的起点和基础，高效精准地监测、及时发起预警，对于把握舆情处置的黄金期十分重要。AI在此环节可节省工作人员大量时间和精力。
以清渠AI“智搜”和“秒看”模块为例。在信息广度和交互方面，“智搜”模块不但打破了不同搜索引擎之间的壁垒，实现了跨平台、跨模态搜索，还能通过个性化设置对数据进行排序、筛选、过滤，如按时间/粉丝数/相似文章数排序、按内容类型和涉及方式筛选、定向信源设置等。在网民观点和情绪识别方面，清渠AI通过机器学习可对信息属性、谣言和疑似AI内容进行识别，及时发现风险信息，辅助舆情监测及研判工作。还可通过“专项监测”从全网大数据中精准筛选出与事件相关度高的有效信息，洞察数据整体态势，知悉媒体、“自媒体”及网民的观点动态。
在热榜追踪方面，清渠AI“秒看”模块可全天候监测和分析全网各大热榜数据，对微博、抖音、头条、快手、百度、知乎、网易、豆瓣、B站等平台热搜热榜情况进行实时监测，及时预警“破圈”传播风险。
此外，在视频解析方面，清渠AI还集成了视频逐帧联合分析引擎，有效解决了视频画面识别准确率不足这一行业痛点。
(二）在分析研判中的应用
在对海量数据进行实时分析时，传统方法耗时较长、效率较低，难以兼顾各方观点。清渠AI“瞬析”事件全景功能，依托海量数据与事件在各平台的传播规律，可从事件概况、传播走势、传播渠道、情感分析、平台分布、媒体报道、网民评论、地域分布、活跃作者等维度呈现事件传播的整体情况。
快报、专报等报告的写作在舆情研判分析中是重要一环，以往基本靠人工。由于基础数据和相关法规，通用语言大模型并不能直接通过语料库生成可用、可靠的报告。因此，需要通过小模型训练或语言模型的本地化部署，以建立语料库、知识库为手段，逐步训练出可用好用的AI应用工具。目前，“瞬析”的“智报”模块，依托智能分析小模型可一键生成覆盖七大维度的报告，支持民生、金融、汽车等六大行业场景，用户通过语音或文字与系统交流，只需简单设置，1—3分钟便能可视化、可交互地生成分析报告，内容可用度达到或超过70%，分析师只需对数据和研判内容稍做核实校正即可达到交付标准。
在多起热点舆情事件中，半岛舆情团队以直播跟踪、快报速览、专报研判等多种形式，紧密配合舆情应对工作节奏。例如，在2025年全国两会期间，准确监测涉两会舆情、全国重点舆情以及涉鲁舆情，智能生成多期高质量两会信息专报。清渠AI接入DeepSeek后，智能研判分析的效率、准确率、可靠性有望进一步提升。
(三）在舆情处置中的应用
实践证明，在舆情应对处置过程中，“机器预演—人工校准—动态优化”的闭环机制可显著提升舆情引导功效。
一是可通过情感分析技术从大量用户生成的内容中识别出正面、负面、中性的情绪态度，并对媒体、大V、网民观点进行分类聚合和概括总结；二是可识别出舆论场中的主流观点，制定针对性引导策略，提供引导口径参考；三是清渠AI能够利用自然语言处理技术，根据收集到的数据和信息，基于对历史舆情案例的分析，生成逻辑清晰的回应初稿；四是可模拟舆论引导效果进行风险评估，从法律合规、伦理道德、文化适配等维度对回应内容进行风险预判，在此基础上优化回应，通过人机协同的方式达成及时、高效的战略决策。
未来：“治理AI”与“AI治理”任重道远
当前，舆情治理虽已实现了AI的全链路赋能，但在应用层面仍有众多瓶颈待突破。
(一)复杂语义背后的情绪判定痛点
舆情数据来源中，非结构化内容占比高，AI模型易被噪声干扰。而且在不同文化背景下，相同词汇可能传达出不同的情感意义，当前AI在情感分析上还存在较明显短板。加上文化差异、诸如俚语、反讽等现象，语言的多义性与情感的复杂性让AI难以做出准确判定，降低了机器分析、研判的可靠度。
(二)“AI污染”导致的数字“罗生门”
机器水军、深度伪造、AI幻觉、换脸拟声、虚假信息等给舆情治理带来了巨大挑战。2025年初，西藏日喀则地震中牵动无数网友心的照片——被压在废墟下的小孩，却是“自媒体”盗用AI生成素材强行与地震关联的。当数据池被AI批量化生产的虚假内容污染，“何为真实”成为受众与舆情从业人员必须直面的难题，“以AI制衡AI”的可行性研究成为未来系统研发的重点之一。
(三)非结构化内容生成时的“黑箱效应”
在报告生产方面，AI生成内容的质量仍参差不齐。较明显的短板在于报告生成水平很大程度上依赖数据的清洗质量，而AI存在数据滞后问题，在信息筛选、研判上的准确度也有待提升。在系统优化建设上，智能体训练与高质量的数据学习尚需时间沉淀与技术探索。为优化AI报告生成质量而进行的小模型训练中，如何有效喂料、优化语料结构、保障数据安全等问题仍待探索。
并且，AI是基于对训练数据的学习生成思考逻辑的，存在价值观偏差的隐患，生成过程中的幻觉率难以避免。因此在人机协同的各环节中，人始终是一锤定音的最关键因素。
结语
面对AI技术滥用乱象，还需从制度和技术层面持续探索数字化治理路径。在法律层面，应明确依据、划定边界，引导技术向善；在监管层面，应落实多元主体责任、发挥协同治理功效，通过“治理AI”为“AI治理”培育良好的环境土壤。
(作者：龚程、庄营、赵永宝、王瑾，单位：半岛都市报)
本文刊于《全媒体探索》2025年3月号，原标题为《AI在网络舆情治理中的应用与挑战》。