记者和我们其他人一样，都讨厌人工智能生成的公关稿

引言

记者在撰写文章时需要消息来源。寻找能够就某个话题发表评论的消息来源——例如医疗领域的专家或受某项政策决定影响的企业主——往往非常耗时。

这时，“帮助记者”（Help a Reporter Out，简称HARO）等平台就派上用场了。 其运作方式如下：假设一位记者正在撰写一篇关于新健康趋势的文章，并希望在文中引用一位医生的专家观点。该记者会向HARO提交请求，其中包含希望得到解答的问题，以及对信息来源所需的资质或背景要求。随后，HARO会将记者的请求分发给潜在信息来源名单中的成员，如果这些来源符合条件，他们可以针对该问题提交一份提案作为回应。

HARO成立于2008年，并迅速发展成为同类平台中规模最大的论坛之一。然而，到了2023年，HARO开始面临一个问题：人们利用人工智能生成对记者请求的回复，希望借此在新闻报道中获得高曝光度的专题报道，从而提升品牌知名度。 面对大量低质量信息源的涌入，记者们纷纷放弃该平台，转而使用设有审核机制的平台，HARO最终于2024年正式停运。

2025年，当Featured收购并重振HARO时，它需要一种方法来确保在海量AI生成公关内容的时代，来源回复的质量。为此，它将Pangram整合到了其平台中，而我们现在已经掌握了一年来的相关数据，可以评估这一举措的效果。

为什么人们会提交由人工智能生成的提案？

在其三大平台（Featured、HARO 和Connectively）上，Featured 在 2025 年 6 月至 2026 年 7 月期间，针对 42,392 条记者请求共收到 1,394,740 条新闻提案。其中，Pangram 标记了 292,895 条（约占 21%）为完全由人工智能生成的内容。

与通过发布新闻稿等方式获得的付费媒体报道不同，如果记者采纳了您的提案，HARO 会通过提供受众曝光机会，为信息提供者赢得信誉和品牌知名度。另一方面，记者们也不必花费太多时间去寻找信息来源。HARO 依靠广告支持运营，且不会向提供提案的信息提供者支付报酬。

这就是利用人工智能回应采访请求的动机：如果个人或企业希望最大限度地扩大其获得的媒体曝光度，一种策略就是使用人工智能公关服务，该服务能在HARO等平台上自动回应记者的请求，以此争取获得尽可能多的媒体报道。

在其他平台上，这种策略有时确实有效，例如所谓的艺术治疗师埃莱尼·尼古拉乌（Dr Eleni Nicolaou）的案例：她那些完全由人工智能生成的引语曾30多次出现在《Vice》、《福布斯》和《Glamour》等刊物上——而她本人很可能根本不存在。

记者们不愿引用完全由人工智能生成的“专家”言论

至少在Featured平台上，这种用AI生成的选题提案淹没记者的策略并未奏效。Featured的数据表明，许多在HARO上的记者更希望完全不接收AI生成的选题提案：在超过2500名记者中，有35%选择了不接收Pangram标记为完全由AI生成的选题提案，尽管默认情况下筛选选题提案的选项是关闭的。

即使记者没有选择不接收AI生成的选题提案，这些提案的表现也远逊于人类撰写的提案。在“精选”栏目中，每10条AI生成的选题提案中，只有1条会被记者选中发表；相比之下，大约每3条人类撰写的选题提案中，就有1条会被选中作为文章的重点内容。

由人工智能生成的推销信息通常是异常或自动化行为的迹象。被封禁的账户出现被AI标记的推销信息的概率大约是活跃账户的3.6倍：24.7%的被封禁账户至少有一条被标记为100%由AI生成的推销信息，而活跃账户中这一比例为6.8%。

HARO 不会仅因来源账号提交了由人工智能生成的提案就将其封禁，但由人工智能生成的提案是可能触发内部监控的一个警示信号。通过筛除那些提交大量低质量人工智能生成回复的 账号，HARO 得以维持平台正常运转所需的信任。

方法论

为了进行此次分析，Featured 向我们提供了其平台收到的新闻选题的汇总数据。在 2025 年 6 月至 2026 年 7 月期间，Featured 利用Pangram对 1,394,740 条新闻选题进行了评分，这些选题是针对 Featured、HARO 和 Connectively 上 42,392 条记者请求作出的回应。混合分类和 AI 辅助分类均未纳入本次比较范围。

结论

记者需要HARO和Connectively这样的平台来寻找专家和拥有第一手经验的人士。数据显示，提交完全由人工智能生成的选题提案的人未能达到这一标准，因为记者更倾向于选择由人类撰写的提案，而非人工智能生成的，甚至会直接过滤掉人工智能生成的提案。Featured正利用Pangram来帮助维护那种使新闻业具有价值的信任感和人类专业知识。