生成式人工智能大模型賦能傳統(tǒng)出版企業(yè)轉(zhuǎn)型升級路徑研究

[摘 要] 基于質(zhì)性研究方法，通過扎根理論提煉歸納出“智能內(nèi)容生成提質(zhì)優(yōu)化、產(chǎn)業(yè)生產(chǎn)效率提速升級、個性定制內(nèi)容交付傳播、融合發(fā)布渠道策略制定、商業(yè)市場數(shù)據(jù)分析洞察、新型商業(yè)模式開發(fā)創(chuàng)新、組織架構流程變革重組、品牌核心價值維護創(chuàng)造、法律法規(guī)倫理風險考量”九大主范疇和“傳統(tǒng)出版企業(yè)轉(zhuǎn)型升級”一大核心范疇。在對主范疇與核心范疇的典型關系結構以及范疇間邏輯關系分析的基礎上，構建生成式人工智能大模型賦能傳統(tǒng)出版企業(yè)轉(zhuǎn)型升級有效路徑的理論模型。模型揭示了如何更好地將生成式人工智能大模型賦能企業(yè)后端的生產(chǎn)力提升和前端的新價值創(chuàng)造是傳統(tǒng)出版企業(yè)實現(xiàn)轉(zhuǎn)型升級的關鍵。

[關鍵詞] 生成式人工智能 企業(yè)轉(zhuǎn)型升級 傳統(tǒng)出版業(yè) 大模型 扎根理論

[中圖分類號] G230 [文獻標識碼] A [文章編號] 1009-5853 （2024） 04-0037-10

Research on the Transformation and Upgrading Path of Traditional Publishing Enterprises Empowered by Generative Artificial Intelligence Large Models：Qualitative research Based on Grounded Theory

Dong Hua Zhang Haoyue Gao Aiyu

（College of Economics and Management， Qingdao University of Science and Technology， Qingdao， 266061）（College of Economics and Management， Qingdao University of Science and Technology， Qingdao， 266061）（College of Journalism and Communication， Shaanxi Normal University， Xi’ an， 710062）

[Abstract] Based on the qualitative research method and grounded theory， nine main categories have been extracted and summarized， including “the improvement and optimization of intelligent content generation， the acceleration and upgrading of industrial production efficiency， the delivery and dissemination of personalized customized content， the formulation of integrated publishing channel strategies， the analysis and insight of commercial market data， the development and innovation of new business models， the transformation and reorganization of organizational structure and processes， the maintenance and creation of brand core values， and the consideration of legal and regulatory ethical risks”， as well as one core category of “transformation and upgrading of traditional publishing enterprises”. Based on the analysis of the typical relationship structure between the main categories and the core category， as well as the logical relationship between categories， a theoretical model of generative artificial intelligence is constructed to empower traditional publishing enterprises to transform and upgrade effectively. The model reveals that how to better empower the productivity improvement of the backend and the creation of new value in the frontend with generative artificial intelligence models is the key to the transformation and upgrading of traditional publishing enterprises.

[Key words] Generative artificial intelligence Enterprise transformation and upgrading Traditional publishing industry Foundation models Grounded theor

[基金項目] 本文系國家社會科學基金“大數(shù)據(jù)驅(qū)動制造企業(yè)服務化組織創(chuàng)新的路徑與模式研究”（17BJY073）研究成果之一。

[作者簡介] 董華，經(jīng)濟學博士，青島科技大學經(jīng)濟與管理學院教授、博士生導師；張皓越，青島科技大學經(jīng)濟與管理學院2023級碩士生；高愛宇，陜西師范大學新聞與傳播學院2024級碩士生。

1 引 言

在AI迅速發(fā)展的智能化浪潮時代，生成式人工智能作為一種利用人工智能技術來自動生成文本、圖像、視頻、音頻等多模態(tài)數(shù)據(jù)的消費級內(nèi)容創(chuàng)作工具，已逐漸成為賦能各行業(yè)發(fā)展革新的重要力量。傳統(tǒng)出版業(yè)一直以來主導著以專業(yè)生產(chǎn)內(nèi)容（PGC）為主的知識傳播和信息分享渠道。然而，隨著數(shù)字媒體的崛起和讀者行為的轉(zhuǎn)變，專業(yè)生產(chǎn)內(nèi)容向在線平臺遷移，同時，伴隨著自媒體和自出版的發(fā)展也帶來了用戶生產(chǎn)內(nèi)容（UGC）的融合，集聚了來自互聯(lián)網(wǎng)上的文字、圖片、音頻、視頻等內(nèi)容。近兩年，隨著生成式人工智能的迭代成熟和應用加速，傳統(tǒng)出版企業(yè)面臨更多的機遇與挑戰(zhàn)。一方面，自然語言生成模型和內(nèi)容自動生成算法帶來的內(nèi)容生產(chǎn)模式的徹底變革，催動出版業(yè)生產(chǎn)力的突破革新，使其能夠低成本、高質(zhì)量地生成大量優(yōu)質(zhì)內(nèi)容，從而在各大流量、社交、視頻平臺占據(jù)主導地位；另一方面，生成式人工智能大模型的應用也在重塑內(nèi)容寫作流程模式、深化人機協(xié)同工作、重構編輯出版?zhèn)惱硪?guī)范等方面給傳統(tǒng)出版企業(yè)帶來了新的挑戰(zhàn)，同時還帶來了剽竊行為隱蔽、主體責任不清、作品署名爭議、信息安全風險等新問題[1]。探討如何充分發(fā)揮生成式人工智能大模型的潛力，創(chuàng)新業(yè)態(tài)模式實現(xiàn)新的價值創(chuàng)造，對傳統(tǒng)出版企業(yè)抓住時代機遇順利實現(xiàn)轉(zhuǎn)型升級至關重要。

2 文獻回顧

目前，關于生成式人工智能大模型如何賦能傳統(tǒng)出版企業(yè)轉(zhuǎn)型升級的相關研究主要集中在四個方面：一是對傳統(tǒng)出版業(yè)未來發(fā)展模式與實現(xiàn)基礎的探索。如宋婷[2]提出傳統(tǒng)出版業(yè)健康可持續(xù)發(fā)展的新思路是實現(xiàn)傳統(tǒng)出版與新興媒體的深度融合；胡易容[3]認為生成式人工智能大模型的能力正在成為出版業(yè)不可或缺的基礎性構成，出版業(yè)正在走向更為廣闊的立體型、開放型和智能型的出版之路。在內(nèi)容生成的持續(xù)迭代中，一個全程、全域、全產(chǎn)業(yè)鏈的全新智能出版時代正在到來。二是對生成式人工智能大模型與傳統(tǒng)出版企業(yè)融合路徑與條件的探索。如劉廣東[4]認為厘清ChatGPT的技術原理及其可供性，辨析生成式人工智能中的人機互動關系，是理解這場內(nèi)容生產(chǎn)范式轉(zhuǎn)換的前提；靳建國[5]認為AI技術可以促進出版內(nèi)容個性化，通過分析用戶需求，定制化推出出版內(nèi)容，提供更具有針對性的內(nèi)容服務；程可伊[6]認為互動這一關鍵屬性使得互動出版從某種意義上來說，是一種碎片式出版，即經(jīng)過組合、整理、加工而形成的非系統(tǒng)甚至非原創(chuàng)的出版物。在互聯(lián)網(wǎng)時代，互動出版呈現(xiàn)出強大的生命力，與ChatGPT有著天然的融合條件。三是對生成式人工智能大模型賦能出版企業(yè)轉(zhuǎn)型的實現(xiàn)路徑的研究。如黃國斌等[7]研究面對AI技術在應用過程中產(chǎn)生的問題，提出出版產(chǎn)業(yè)可從樹立人機協(xié)同的戰(zhàn)略思維、加強科技倫理以確保人工智能規(guī)范應用、加快實現(xiàn)出版資源的數(shù)字化與數(shù)據(jù)化、加強數(shù)字資產(chǎn)的保全與應用、加快出版人才隊伍建設等方面形成破局對策；蔡喆等[8]的研究建議與AI企業(yè)合作、引入AI人才，整合現(xiàn)有流程管理系統(tǒng)和輔助編輯系統(tǒng)，加速實現(xiàn)全流程人工智能化。四是對出版業(yè)特定領域的轉(zhuǎn)型策略的研究。如張琦等[9]在“出版+直播、短視頻”領域中提出結合新科技、發(fā)掘新技術來優(yōu)化用戶體驗應是接下來的著力點。

通過文獻梳理可以看出，生成式人工智能大模型賦能傳統(tǒng)出版企業(yè)轉(zhuǎn)型升級的研究剛剛興起，相關成果主要集中在近兩年。研究視角主要集中于如何將AI工具深度融合到傳統(tǒng)出版企業(yè)的生產(chǎn)流程中，以加速內(nèi)容產(chǎn)出并提高產(chǎn)出質(zhì)量，當前尚缺少對于生成式人工智能大模型賦能傳統(tǒng)出版企業(yè)轉(zhuǎn)型升級的成功案例和具體有效路徑的探索研究。

3 研究設計

3.1 研究方法選擇

鑒于生成式人工智能大模型賦能傳統(tǒng)出版企業(yè)轉(zhuǎn)型升級具有突出的實踐性，以及本文旨在從整體層面歸納提煉生成式人工智能賦能傳統(tǒng)出版企業(yè)轉(zhuǎn)型升級的有效路徑，因此選擇適合路徑模型搭建的扎根理論作為研究方法。

扎根理論是葛拉瑟（Glaser）和史特勞斯（Strauss）共同提出的質(zhì)性研究方法，該方法不會依據(jù)特定的理論事先提出具體的研究概念與架構，而是強調(diào)隨著數(shù)據(jù)資料的收集與編碼過程，逐漸擴充、發(fā)展新的概念，具有足夠的解釋力以及情境性、本土性、深度性、可靠性等多種優(yōu)點[10]。由于我國出版業(yè)規(guī)模龐大，且生成式人工智能大模型賦能出版業(yè)數(shù)據(jù)獲取存在低時效性等缺陷，相較于定量研究，定性研究更具備優(yōu)勢。此外，作為一項極具前瞻性的技術，AI與傳統(tǒng)出版業(yè)的結合尚處在探索階段，缺乏一定的理論框架，適合利用扎根理論進行探索性研究。本研究按照程序化扎根理論的一般流程，在嚴謹?shù)臄?shù)據(jù)收集和分析的基礎上，通過開放性編碼、主軸性編碼和選擇性編碼探索生成式人工智能大模型賦能傳統(tǒng)出版企業(yè)轉(zhuǎn)型升級的具體路徑和策略。本研究不僅可為出版企業(yè)的戰(zhàn)略制定提供參考借鑒，也可為AI時代相關產(chǎn)業(yè)政策的制定提供理論依據(jù)。

3.2 研究對象及數(shù)據(jù)來源

研究對象特征及其選擇。傳統(tǒng)出版業(yè)作為以內(nèi)容生產(chǎn)為核心價值的行業(yè)，能夠迅速察覺到生成式人工智能大模型對傳統(tǒng)生產(chǎn)工具的替代和對業(yè)務模式流程的沖擊。艾瑞咨詢數(shù)據(jù)顯示，生成式人工智能大模型主要影響內(nèi)容創(chuàng)作與人機交互，因此價值鏈線上化程度越高，內(nèi)容主導部分在價值鏈中占比越高，大模型對其顛覆效應就越明顯。當前，生成式人工智能大模型賦能傳統(tǒng)出版業(yè)轉(zhuǎn)型升級的典型特征主要表現(xiàn)在創(chuàng)新驅(qū)動、數(shù)據(jù)賦能、閱讀場景與個性化閱讀、提升效率、拓展業(yè)務邊界等方面。由于參與生成式人工智能大模型賦能傳統(tǒng)出版業(yè)價值鏈的主體具有多元性，因此研究對象不僅包括傳統(tǒng)紙媒出版單位、音像制品出版企業(yè)、人工智能科技研發(fā)企業(yè)等，還會涉及包括中介機構和政府等其他輔助性機構。

研究數(shù)據(jù)來源及收集方式。依據(jù)三角驗證原則，多樣化的資料來源可以構建更加堅實有效的扎根研究基礎。本研究的原始數(shù)據(jù)資料主要通過行業(yè)調(diào)研報告、文獻數(shù)據(jù)庫、企業(yè)財報及政府機構官網(wǎng)等渠道獲得。同時，為了豐富數(shù)據(jù)資源并緊密結合出版企業(yè)的現(xiàn)實實踐，將國內(nèi)的人民教育出版社、果麥文化、中信出版集團和國外的企鵝蘭登、牛津大學出版社等業(yè)內(nèi)領先的出版機構大模型實際應用案例作為補充資料，確保資料能夠相互補充與驗證，為研究結果的可靠性和準確性提供保障[11]。本研究整理分析2020年1月到2024年6月間所收集資料共計138份。

4 資料及數(shù)據(jù)分析

通過三級編碼對原始資料語句（初始概念）等樣本數(shù)據(jù)進行分析，以獲取生成式人工智能大模型賦能傳統(tǒng)出版企業(yè)轉(zhuǎn)型升級的有效路徑要素。

4.1 開放性編碼

通過對收集的資料進行初步的處理和分類，將原始資料語句及初始概念數(shù)據(jù)進行概念化、抽象化，并不斷比較形成子范疇。由于原始資料語句和初始概念的層次較低，且存在大量的交叉或重復，因此對它們進行進一步的分析和概括，最終精簡歸納出原始資料語句和初始概念共73條，進而抽象出41條子范疇，見表1。

4.2 主軸性編碼

主軸性編碼是將所分析現(xiàn)象的條件、脈絡、行動策略和結果各范疇間聯(lián)系起來，實現(xiàn)資料重新組合的過程。在此聚類開放性編碼的子范疇并找尋其不同范疇間內(nèi)部關系，從而進一步構建圍繞子范疇之間的關系網(wǎng)絡?；陂_放性編碼中呈現(xiàn)的41種不同子范疇，將其歸納得到9大主范疇：（1）智能內(nèi)容生成提質(zhì)優(yōu)化；（2）產(chǎn)業(yè)生產(chǎn)效率提速升級；（3）個性定制內(nèi)容交付傳播；（4）融合發(fā)布渠道策略制定；（5）商業(yè)市場數(shù)據(jù)分析洞察；（6）新型商業(yè)模式開發(fā)創(chuàng)新；（7）組織架構流程變革重組；（8）品牌核心價值維護創(chuàng)造；（9）法律法規(guī)倫理風險考量。

4.3 選擇性編碼

選擇性編碼要求從主范疇中提取核心范疇，建立系統(tǒng)性核心范疇和其他主范疇之間的聯(lián)系，并以“故事線”的方式進一步發(fā)展出實質(zhì)理論構架。本研究通過對9個主范疇進行深入分析和比較研究，確定“傳統(tǒng)出版企業(yè)轉(zhuǎn)型升級”這一核心范疇，并構建典型關系結構與內(nèi)涵，如圖1所示。通過分析原始語句中的初始概念關系，發(fā)現(xiàn)這一核心范疇確實能統(tǒng)領9大主范疇，且各主范疇之間也有相互關聯(lián)。

4.4 理論飽和度檢驗

理論飽和度（theoretical saturation）是指通過采集額外數(shù)據(jù)也不能再發(fā)展出新范疇、不再產(chǎn)生新理論[12]。本文采用預留原始資料的形式進行理論飽和度檢驗，通過對預留的16份原始資料再次進行開放性編碼、主軸性編碼和選擇性編碼，沒有新的范疇出現(xiàn)，可判定本有效路徑理論通過理論飽和度檢驗。

5 生成式人工智能大模型賦能傳統(tǒng)出版企業(yè)轉(zhuǎn)型升級路徑模型構建

5.1 九大主范疇間的邏輯關系與相關性分析

基于三級連續(xù)編碼的循環(huán)往復及前述理論推導，可以揭示傳統(tǒng)出版企業(yè)轉(zhuǎn)型升級受到生成式人工智能大模型賦能的“智能內(nèi)容生成提質(zhì)優(yōu)化”等九大主范疇的共同驅(qū)動，且這些主范疇理論皆對核心范疇“傳統(tǒng)出版企業(yè)轉(zhuǎn)型升級”起直接或間接的正向促進作用。在理論模型構建過程中，發(fā)現(xiàn)各主范疇之間不僅存在一定的邏輯關系，還存在基于促進性、互補性等相互影響的相關關系。其中，生成式人工智能大模型賦能下的“智能內(nèi)容生成提質(zhì)優(yōu)化”“個性定制內(nèi)容交付傳播”和“產(chǎn)業(yè)生產(chǎn)效率提速升級”將在內(nèi)容生成的速度、質(zhì)量、個性化和效率方面全方位促進出版企業(yè)的生產(chǎn)力提升，生成式人工智能大模型賦能下“新型商業(yè)模式開發(fā)創(chuàng)新”“融合發(fā)布渠道策略制定”和“品牌核心價值維護創(chuàng)造”則會在模式、渠道和品牌等方面促進出版企業(yè)實現(xiàn)全新的價值創(chuàng)造。生產(chǎn)力提升和新價值創(chuàng)造是推動傳統(tǒng)出版企業(yè)實現(xiàn)轉(zhuǎn)型升級的核心和關鍵，“商業(yè)市場數(shù)據(jù)分析洞察”是生產(chǎn)力提升和新價值創(chuàng)造的基礎，“組織架構流程變革重組”和“法律法規(guī)倫理風險考量”是實現(xiàn)轉(zhuǎn)型升級的內(nèi)外部條件與保障。

5.2 生產(chǎn)力提升

生成式人工智能大模型賦能智能內(nèi)容生成和個性化定制內(nèi)容交付等均可以使傳統(tǒng)出版企業(yè)的生產(chǎn)力得到極大提升。例如通過大模型的文本、語音、圖像、視頻等多模態(tài)優(yōu)質(zhì)內(nèi)容的智能生成，結合自然語言處理和圖像識別技術，實現(xiàn)對出版物內(nèi)容的智能編輯和自動校對，識別和糾正文本中的錯誤，優(yōu)化版面設計，提升出版物的整體質(zhì)量和讀者體驗。大模型智能生成出版物內(nèi)容質(zhì)量的高低決定著傳統(tǒng)出版企業(yè)轉(zhuǎn)型升級的成敗。在商業(yè)市場上，通過AI系統(tǒng)分析讀者行為和市場數(shù)據(jù)，可以指導出版商進行精準的內(nèi)容編輯，還可以基于目標讀者分析實現(xiàn)個性化定制內(nèi)容的智能推送和精準的市場推廣，從而提高讀者滿意度、增加出版量，提升出版企業(yè)盈利能力。除了提供更優(yōu)質(zhì)的內(nèi)容，大模型賦能下快速的內(nèi)容生成和高效內(nèi)容處理也會縮短出版周期，提高響應市場的速度，使出版產(chǎn)業(yè)生產(chǎn)效率獲得極大提高，并最終構建起更高質(zhì)量更高效率服務讀者的智能知識服務生態(tài)體系，加快出版企業(yè)創(chuàng)新發(fā)展實現(xiàn)轉(zhuǎn)型升級。

5.3 新價值創(chuàng)造

生成式人工智能大模型賦能另一個重要體現(xiàn)是助力傳統(tǒng)出版企業(yè)實現(xiàn)新的價值創(chuàng)造。基于生成式大模型，出版企業(yè)不僅可以推出智能客服、一鍵式智能數(shù)字出版、推出對話式寫作的出版平臺和競品分析等新的商業(yè)模式，從而為客戶讀者創(chuàng)造更多新的產(chǎn)品服務價值，還可以通過AI輔助內(nèi)容審核處理、智能協(xié)同編校等進一步優(yōu)化出版企業(yè)價值創(chuàng)造的流程與模式。例如，酷狗作為國內(nèi)領先的數(shù)字音樂交互服務平臺，借助AI大模型的多模態(tài)能力，既賦能音樂人創(chuàng)作出更豐富優(yōu)質(zhì)的音樂內(nèi)容，又能反向輸入音樂，利用AI技術輸出更全面的描述，為用戶生成個性化歌單。通過云端協(xié)同部署AI大模型，可以賦能音樂的創(chuàng)作、分類、推薦以及風格轉(zhuǎn)換等，這將產(chǎn)生出全新的業(yè)務形態(tài)和與之匹配商業(yè)模式，實現(xiàn)音樂產(chǎn)業(yè)的升級。此外，多語種傳播、沉浸式產(chǎn)品體驗、多模態(tài)融合的全媒體傳播、融合出版等新的融合發(fā)布渠道策略也為出版企業(yè)拓展了更多的受眾，從而開拓出更多新的價值創(chuàng)造途徑，成為轉(zhuǎn)型升級的新引擎。生成式人工智能大模型所帶來的新型商業(yè)模式和各類發(fā)布渠道策略，不僅能夠更好地維護出版企業(yè)原有的品牌核心價值，還能夠通過產(chǎn)品服務創(chuàng)新增強讀者的品牌認知度和忠誠度，提升品牌形象，創(chuàng)造新的品牌價值，打造新的競爭力，實現(xiàn)從傳統(tǒng)出版到現(xiàn)代出版的升級。

5.4 內(nèi)部變革與外部保障

內(nèi)部變革與外部保障是生成式人工智能大模型賦能出版企業(yè)生產(chǎn)力提升和新價值創(chuàng)造的必要條件。生成式人工智能大模型的應用不僅創(chuàng)造出新的商業(yè)模式，也改變了出版企業(yè)價值創(chuàng)造的流程與模式，出版企業(yè)要想順利實現(xiàn)轉(zhuǎn)型升級，其自身的組織架構與流程必須向著全面適應AI化變革發(fā)展。新業(yè)務流程和組織架構可以優(yōu)化信息的傳遞共享，提升資源配置整合效率。例如，彭博社成立了專門的數(shù)據(jù)科學和AI部門與新聞編輯部緊密合作，推動AI技術在新聞生成和數(shù)據(jù)分析中的應用。其開發(fā)的賽博格（Cyborg）AI編輯系統(tǒng)能夠快速分析大量的財務數(shù)據(jù)并自動生成金融新聞和報告，極大地提高了新聞發(fā)布的速度和準確性。組織架構流程變革重組本質(zhì)上是企業(yè)內(nèi)部各種錯綜復雜的關系基于AI內(nèi)容生產(chǎn)與價值創(chuàng)造的新特征進行重新優(yōu)化組合和調(diào)整協(xié)調(diào)的過程。組織內(nèi)部變革的滯后往往會使出版企業(yè)難以釋放生成式人工智能大模型帶來的新生產(chǎn)力和新價值創(chuàng)造的潛力。此外，出版企業(yè)必須認真考量AI所帶來的著作權歸屬、隱私保護、剽竊盜版等法律法規(guī)倫理風險問題，并將其作為策略選擇和是非對錯的重要衡量因素，才能保證企業(yè)轉(zhuǎn)型路徑的正確方向。同時，生成式人工智能大模型大規(guī)模應用帶來的一系列問題也將會推動出版行業(yè)相關法律法規(guī)的完善，從而為出版企業(yè)轉(zhuǎn)型升級提供有力保障。

基于以上故事線的分析及歸納，本文構建基于核心范疇—主范疇的生成式人工智能大模型賦能傳統(tǒng)出版企業(yè)轉(zhuǎn)型升級有效路徑的理論模型，如圖2所示。該路徑表明，在大模型的賦能下，以商業(yè)市場數(shù)據(jù)分析洞察為基礎和起點，以企業(yè)后端的內(nèi)容生產(chǎn)力的提升到面向市場前端的新價值創(chuàng)造為主動力軸，配合組織架構流程內(nèi)部變革重組和法律法規(guī)倫理的外部風險考量的內(nèi)外部力量，共同推動傳統(tǒng)出版企業(yè)實現(xiàn)轉(zhuǎn)型升級。

6 研究結論與展望

6.1 研究結論

本文基于程序化扎根理論構建了生成式人工智能大模型賦能傳統(tǒng)出版企業(yè)轉(zhuǎn)型升級路徑模型。主要工作與發(fā)現(xiàn)包括：第一，在歸納梳理73條原始資料語句和初始概念的基礎上，通過開放性編碼抽象出41條子范疇；第二，在41個子范疇基礎上，通過主軸性編碼歸納出9大主范疇，并通過選擇性編碼確定“傳統(tǒng)出版企業(yè)轉(zhuǎn)型升級”的核心范疇，構建典型關系結構。這9大主范疇清晰展示了基于生成式人工智能的大模型賦能傳統(tǒng)出版企業(yè)轉(zhuǎn)型升級的影響因素和發(fā)展過程；第三，各主范疇之間存在邏輯關系和相互影響，前向階段的主范疇會對后續(xù)階段的主范疇產(chǎn)生直接或間接影響，同階段內(nèi)各主范疇間互為正向影響，涵蓋了從后端的生產(chǎn)力提升到前端的新價值創(chuàng)造的全方位變革；第四，在主范疇邏輯關系和相互影響分析的基礎上，勾勒出傳統(tǒng)出版企業(yè)轉(zhuǎn)型升級路徑的全景圖，構建生成式人工智能大模型賦能傳統(tǒng)出版企業(yè)轉(zhuǎn)型升級路徑的理論模型。其中，智能內(nèi)容生成提質(zhì)優(yōu)化、產(chǎn)業(yè)生產(chǎn)效率提速升級、個性定制內(nèi)容交付傳播作為賦能企業(yè)轉(zhuǎn)型升級的后端要素，通過直接提升生產(chǎn)力相互影響；融合發(fā)布渠道策略制定、新型商業(yè)模式開發(fā)創(chuàng)新、品牌核心價值維護創(chuàng)造作為賦能企業(yè)轉(zhuǎn)型升級的前端要素，通過實現(xiàn)新價值創(chuàng)造相互影響；商業(yè)市場數(shù)據(jù)分析洞察是提升生產(chǎn)力和實現(xiàn)新價值創(chuàng)造的前置要素；組織架構流程變革重組是保證企業(yè)順利實現(xiàn)轉(zhuǎn)型升級的內(nèi)部基礎；法律法規(guī)倫理風險考量是企業(yè)順利實現(xiàn)轉(zhuǎn)型升級的外部保障。通過模型構建發(fā)現(xiàn)，如何更好地將生成式人工智能作用于企業(yè)后端的生產(chǎn)力提升和前端的新價值創(chuàng)造是傳統(tǒng)出版企業(yè)實現(xiàn)轉(zhuǎn)型升級的關鍵所在。

6.2 前景展望

在人工智能大模型賦能傳統(tǒng)出版企業(yè)轉(zhuǎn)型升級過程中，必須格外關注新商業(yè)模式的可持續(xù)性。如果盲目跟風，新模式可能面臨市場飽和、競爭加劇和難以取得競爭優(yōu)勢的風險，同時易導致企業(yè)開展與其能力和資源不匹配的活動，或忽略潛在客戶的真實需求，從而導致轉(zhuǎn)型失敗。業(yè)務模式和出版模式的開發(fā)創(chuàng)新應與企業(yè)自身獨特定位和資源相匹配，通過深入的市場分析，不斷挖掘用戶潛在需求，評估自身核心能力，注意商業(yè)性與公共性的平衡，并確保符合相關法律法規(guī)以規(guī)避風險，才能保證轉(zhuǎn)型升級的正確方向。此外，盡管生成式人工智能在提高內(nèi)容生成質(zhì)量和效率方面具有顯著優(yōu)勢，但過度依賴生成式人工智能大模型可能會使出版企業(yè)忽視傳統(tǒng)人工的價值，導致失去靈感創(chuàng)意和編輯的質(zhì)量控制，從而損害內(nèi)容的質(zhì)量和原創(chuàng)性。因此，企業(yè)在利用生成式人工智能的同時，應充分認識到人力資源在內(nèi)容質(zhì)量控制方面的價值。隨著讀者需求、競爭格局和技術趨勢的不斷演進，出版企業(yè)應該積極迅速適應這些變化，主動把握生成式人工智能發(fā)展規(guī)律，承擔其在生成式人工智能環(huán)境下的主體責任，通過優(yōu)化組織流程和管理制度、定期評估和調(diào)整策略來確保生成式人工智能大模型助力企業(yè)順利轉(zhuǎn)型升級。

注 釋

[1]匡文波，姜澤瑋. ChatGPT在編輯出版中的應用、風險與規(guī)制[J].中國編輯，2024（1）：72-77

[2]宋婷.出版融合視角下傳統(tǒng)出版行業(yè)發(fā)展新途徑[J].文化產(chǎn)業(yè)，2022（20）：16-18

[3]胡易容.技術創(chuàng)新驅(qū)動下的出版系統(tǒng)迭代機制：兼談人工智能生成內(nèi)容對出版行業(yè)的沖擊[J].中國編輯，2023（7）：61-65+75

[4]劉廣東.出版再想象：AI與內(nèi)容生產(chǎn)變革[J].數(shù)字出版研究，2023，2（2）：15-20

[5]靳建國.AI時代傳統(tǒng)出版單位融合出版路徑探析[J].名作欣賞，2023（21）：94-96

[6]程可伊.ChatGPT與出版業(yè)變革：應用場景、風險挑戰(zhàn)及應對措施探析[J].商訊，2023（12）：115-118

[7]黃國斌，蔣海鷗.AI賦能出版產(chǎn)業(yè)的思路和對策[J].出版廣角，2023（12）：39-43

[8]蔡喆，王梅，趙延永.生成式AI為助力出版發(fā)展提供新引擎[J].全媒體探索，2023（5）：119-121

[9]張琦，謝思慧.融合發(fā)展背景下直播、短視頻在傳統(tǒng)出版行業(yè)中的應用研究[J].出版科學，2020，28（6）：72-78

[10]王念祖，林至康.我國臺灣地區(qū)《數(shù)字出版產(chǎn)業(yè)發(fā)展策略與行動計劃》誤區(qū)分析：基于扎根理論的探討[J].出版科學，2020，28（1）：87-94

[11]陳宇，孫梟坤.內(nèi)生與外壓的耦合：社會治理創(chuàng)新的生成邏輯：基于扎根理論的質(zhì)性分析[J].云南行政學院學報，2022，24（2）：52-62

[12]蔣永康，梅強.基于扎根理論的知識轉(zhuǎn)移粘滯過程機制研究：以在孵企業(yè)為例[J].科技進步與對策，2023（23）：1-9

（收稿日期：2024-03-19；修回日期：2024-06-26）