2026年2月3日《富比士》發布一篇專題報導，指出Penguin Random House、Macmillan、Sourcebooks與Wiley等美國大型出版業者正在招募AI工程師，報導認為這些出版業者的目的並不是利用AI來寫書或編輯，而是用於優化工作流程，進行數據分析與行銷，以提升營運效率。不過報導也提出警告，認為使用AI恐引起作家的反彈，即使只用於行政流程，作家仍會擔憂AI侵蝕人類創作空間，導致合約糾紛與侵權行為，因此如何安撫作者並避免引發抗議或抵制是出版業者導入AI最大的挑戰。
但為何出版業者非得要聘請AI工程師，大費周章將AI導入工作流程呢？業者考慮的層面可能不只是如何保護版權與提升營運效率而已。
當AI搜尋成為常態
自從Google推出AI摘要（AI Overviews）、AI模式（AI Mode）後，全球網站的自然搜尋流量（Organic Traffic）旋即面臨零點擊搜尋（Zero-Click Search）危機，其中以新聞媒體與工具資訊類網站等數位出版業者的災情最為慘重。AI摘要在搜尋結果最上方直接生成解答，立即滿足了使用者的資訊需求，卻也降低使用者點擊進入來源網站的動機，而AI模式則不顯示搜尋結果清單，僅附上少數被AI引用的網站連結，這都大幅截斷了內容平台原本的廣告獲利空間。
皮尤研究中心（Pew Research Center）1透過實際追蹤900名美國成年人2025年3月的Google搜尋紀錄（68,879次獨立的Google搜尋，約有12,593次搜尋產生了AI摘要），發現在無AI摘要的傳統頁面上，點擊搜尋結果連結的機率為15%，但在有AI摘要的頁面，點擊的機率驟降至8%，減少將近一半。網路數據分析服務公司Authoritas2則進一步指出，網路搜尋頁面排名第一的網站連結，在AI摘要欄位壓縮下，其流量更是暴跌了79%，成為重度受災戶。
英國數位媒體集團DMG Media在2025年7月提交給英國市場監管機構的數據也具體顯示，AI摘要推出後，旗下新聞媒體Daily Mail網站在個人電腦的點擊率出現了89%的下滑，行動裝置則下跌87%。美國華盛頓大學Mehrzad Khosravi與Hema Yoganarasimhan於2026年2月發布的研究論文4，發現一旦某個搜尋主題觸發AI摘要，該主題對應的英文維基百科頁面每日流量會直接下滑約15%，推估每年將流失42.1億次潛在點擊。
延伸閱讀：AI摘要導致新聞網站流量斷崖暴跌，業者將採取法律行動
<span class="g-head">Google AI摘要服務對維基百科頁面每日流量影響</span>
<span class="caption">資料來源：<Impact of AI Search Summaries on Website Traffic: Evidence from Google AI Overviews and Wikipedia>，本文翻譯重繪。</span>
<span class="caption">Y軸數據已平均值中心化處理，0代表等於平均值。大於0代表高於平均值。小於0代表低於平均值。平均值為Google AI摘要測試上線前每日平均閱覽量，平均值計算範圍為2023/10/28到2024/03/21期間的每日閱覽量。</span>
另外Similarweb發布的全球網站追蹤數據5顯示，自Google在全球各國大規模推出AI摘要服務以來，全球前500大最受歡迎的網站，其整體自然搜尋流量較前一年暴跌27%。這些網站平均每個月流失了高達6,400萬次的流量，如商業新聞媒體CNBC的網站流量就大幅下滑20.92%。然而全球所有AI聊天機器人為網站帶來的外部引導點擊，每個月卻僅增加550萬次。
點擊率驟降導致網頁瀏覽量與曝光量暴跌，網站來自於廣告的收益跟著出現斷崖式下滑。流量流失也使銷售分潤／聯盟行銷（Affiliate Marketing）的轉換率變差，且因無法將讀者導流至自家網站，更難以將訪客轉化為付費會員或長期訂閱戶，數位出版網站傳統獲利管道頓時面臨乾涸危機。
從SEO到AEO、GEO
當「搜尋引擎導流、內容網站獲利」模式不再有效，業者對AEO（Answer Engine Optimization）與GEO（Generative Engine Optimization）的重視程度開始超過SEO（Search Engine Optimization）。問題不再只是如何迎合搜尋引擎演算法，而是如何讓AI搜索引擎「正確」讀取與引用網站內容。網站內容能否與如何被AI引用，比單純搜尋網頁上的排名更重要。
由於AI搜尋引擎偏好直接、精準的答案，AEO就是網站捨棄冗長鋪陳內容，直接採用問答標題，並在段落開頭給出簡潔明白的結論，利用精準的結構化資料標記、FAQ條列式清單與結構化表格，方便AI爬蟲抓取並理解數據。
{{r19a-2="/style-guide"}}
GEO則是讓AI在回答問題時，能主動引用、提及並推薦網站內容，因此網站如建立特定專業領域（如醫療、財經、法律、文學）的主題群集，當AI搜尋發現該網站在某一領域的內容極具深度，並具有結構化，就會在生成式回答中主動提及該網站內容，而網站上文章提供清晰的作者介紹、專家背書與外部可信文獻引用，則會加深AI對該網站的信任，後續其他用戶詢問該一領域資訊時，更會優先引用該網站內容。
{{r19a-1="/style-guide"}}
<span class="g-head">SEO、AEO、GEO的差異比較</span>
{{r19a-3="/style-guide"}}
雖然企鵝藍燈書屋（Penguin Random House，PRH）2024年底起全球同步修改了書籍版權頁，明文禁止將書籍的任何部分用於AI學習訓練。在其官方網站與數位資料庫中，部署了反AI爬蟲程式，防止AI爬蟲免費抓取其網站內容。不過PRH在工作流程則積極優化後設資料，讓書籍在AI對話或搜尋引擎中更容易被讀者發現。
PRH在2025年底發布網站後設資料優化指南，包括建議文章不要使用空泛、競爭激烈的短詞（如將「簡易食譜」改為更具體的「簡易全素湯麵食譜」）；關鍵字應出現在標題、首段、URL，以利AI爬蟲直接判讀網頁主題資訊；每頁僅能有一個主標題（H1），使用副標題（H2、H3）建立清晰架構，方便AI讀取；避免關鍵字堆砌，建議使用同義詞與相關詞自然撰寫內容；建立內部連結幫助AI理解網站架構，外部串連高度可信與權威來源；利用PRH的Splash平台產出符合數位無障礙規範（如Alt text圖片說明、正確HTML結構、清楚標題階層）的內容，以利AI解析網站內容。
時代雜誌於2026年3月推出針對品牌客戶的GEO服務，協助管理品牌在AI摘要的呈現方式，依據AI廣告科技公司Mobian的調查分析，17%的AI搜尋引用內容與品牌定位不符或含有事實錯誤，如某大型車廠的AI搜尋結果曾被訂閱數極低的YouTube影片所主導；另一家藥廠的過敏藥則被AI錯誤地引用在關於新冠疫苗的警告文章。
由於時代雜誌每月被AI引用的次數高達3,000萬至5,000萬次，已證明AI對時代雜誌的高度信任，故時代雜誌試圖將AI的信任轉化為新的付費服務 ，時代雜誌透過TollBit、ScalePost與Mobian等工具，針對品牌生成大量提示詞，藉此評估品牌商預期傳達的訊息與AI實際產出內容之間的落差，一旦找出資訊落差，時代雜誌會製作專屬的品牌文章與影音內容（透過其網站及YouTube發布），並持續追蹤這些內容是否成功出現在AI生成的答案中。
當人們越來越習慣閱覽AI直接生成的內容，而不再去點擊搜尋網站連結時，數位出版的經營策略也跟著改變，從追求點擊流量轉向建立AI搜尋信任權威，如何成為AI模型最信任、最常引用的內容來源就成為新的經營策略核心。
AI如何提升營運績效
雖然PRH堅持不使用AI代替人類創作，但卻積極將AI部署在需要處理龐大數據、自動跨系統執行、優化銷售預測的行政營運作業流程中。
PRH所建構的AI系統6，能自動分析當前熱門搜尋趨勢，優化書籍的後設數據與簡介，更能預測何種語義組合能讓書籍在Amazon等電商平台購物助手或搜尋列表中獲得較高曝光。同時，AI系統串接了過往數十萬本書籍的歷史銷售曲線、社群熱度監測與即時通路庫存，能自主產出首刷與再刷建議量供決策參考；而當通路庫存低於安全水位時，系統將自動觸發物流補貨警示。
PRH對於AI的應用顯示了大型出版業者已從被動回應（Prompt-Response）的生成式AI使用演進到執行特定工作任務的AI代理（AI Agent），甚至到能自主規劃、決策、調用工具與執行複雜任務的代理式AI（Agentic AI）。
由於代理式AI具備自主推理與執行複雜任務的能力，所以能主動協助出版業者將海量的內容自動化轉譯成有用情報或資產，並進行自主推理分析，規劃執行多步驟工作，協調整合跨部門工作流程，大幅減少人工投入與作業時間，這些優點促使業務橫跨多元出版範疇的大型出版集團開始在內部流程布局代理式AI系統。
如旗下包含多本時尚雜誌、報紙及電視台的Hearst集團，在全球擁有大量客戶，其業務人員在拜訪客戶或提案前，往往必須花費大量時間進行前置調查研究與資料準備。Hearst集團為業務人員提供具有自主規劃流程並推理分析的AI系統，銷售人員只需輸入研究某品牌客戶最新營運情形，並產出一份下季度的媒體企劃建議，下完指令後，AI會開始像人類員工一樣進行思考與行動，自主調用API在公網爬取該品牌的最新動態；同時主動登入公司內部CRM系統，比對歷史定價與受眾表現數據。若AI在某一資料庫找不到數據，它會自我修正路線，改到其他到系統搜尋，直到彙整出完整的客戶情報與企劃草案，最後直接寄到銷售人員的信箱。原本可能要耗費相當多時間的跨系統調查研究工作，AI系統在幾分鐘內即可完成。
Hearst雜誌部門進一步於2026年6月正式推出AURA IQ的AI代理平台，以自有第一方數據系統為基礎，導入了自主代理架構，可以將客戶的提案需求在幾分鐘內自動轉化為客製化受眾與媒體企劃。經過Hearst內部橫跨汽車、零售、美妝、快消品與時尚等五大產業的測試，AI系統生成的媒體企劃能讓廣告點閱率提升2倍。
營運範疇橫跨報紙、雜誌、電視台與Podcast的歐洲跨國媒體集團DPG Media，自行開發了內部使用的ChatDPG系統。該AI系統與集團的訂單管理系統和廣告伺服器深度整合，能自主追蹤廣告營收與投遞進度的落差，不需人工手動督促即能跨系統抓取數據，並自動為業務團隊生成向廣告客戶回報進度與優化建議的郵件。
導入ChatDPG後，營運團隊從過去人工查核、手動撈取數據、撰寫工作進度信件的繁瑣行政流程中解脫，跨系統溝通時間大幅縮短。因為AI代理能做到即時的自主反省與發現問題，大幅減少了廣告因漏投而需要退款給客戶的財務損失，有效降低營收流失率。
<span class="g-head">積極推動AI轉型的數位出版業者</span>
{{r19a-4="/style-guide"}}
<span class="caption">圖片來源：各出版業者官網。</span>
學術專業出版社積極擁抱AI應用
目前將AI整合進工作流程的出版業者，以學術與專業出版類最為全面與深入。全球大型學術專業出版社如Elsevier、Springer Nature、Thomson Reuters等皆已深度導入AI。這主要是因為學術與專業內容具備高度標準的結構化特徵。在這套高度標準化的知識生產線中，從投稿初篩、合規與抄襲檢核、同儕審查的專家媒合與催稿、到版權風險控制，整套行政技術流程多可由AI代理協助執行，大幅提升了出版效率。
為應對論文工廠與生成式AI帶來的學術造假問題，Elsevier推出學術誠信檢核AI系統Check Integrity，對旗下近數千本期刊進行嚴格的誠信查核。該系統利用自然語言處理與行為預測技術，可每小時掃描7,500篇稿件，精準捕捉包含論文工廠舞弊、撰稿者利益衝突及AI文本幻覺在內的百種異常信號。同時，整合的AI視覺工具能深度分析實驗圖表，快速揪出影像修改或偽造痕跡，最後交由真人專家進行確認，大幅有效過濾品質低劣與造假之投稿論文。
另外，Elsevier針對研究人員撰寫論文，開發學術文獻智慧檢索工具Scopus AI，支援研究人員以自然語言進行提問，能在數秒內將數十年的研究文獻綜合成附帶精準引用來源的結構化摘要，同時提供視覺化主題網絡圖、新興趨勢分析與跨領域專家意見。
同樣擁有數千種學術期刊的Springer Nature，旗下團隊也針對學術論文的撰寫、編輯與翻譯打造了AI學術寫作助理Rubriq（前身為Curie）。該工具專門協助母語非英語的研究人員撰寫與修改投稿論文，並提供適合投稿的期刊建議清單，大幅簡化編輯檢核校稿負擔並降低退件率。依據Springer Nature在試用階段發布的統計數據，使用該工具優化後的論文，後續順利進入同儕審查的比例高達90%，最終在期刊發表的接受率也提升了約14%。
法律與稅務專業出版商Thomson Reuters（TR）在收購了AI新創公司Casetext與Materia後，將其核心資料庫（如Westlaw法律資料庫）與AI代理架構進行深度融合，以自動化執行繁瑣的案例研究與文獻分析，協助專業團隊處理複雜的法務與稅務案件。譬如律師只要輸入「為打贏某場官司，請提供所有相關案例分析，找出最有利的辯護論點，並起草訴狀」，AI就會開始自主拆解思維鏈7（Chain-of-Thought，CoT），在不同的法規資料庫、法律出版品與最新司法解釋資料之間自行切換，自動抓取、篩選分析並提煉核心資訊，最後生成一份符合格式、法律條文引用沒有矛盾的訴狀與引用文獻摘要分析給律師。
新的商業模式
當TR成功將其擁有的大量內容資產與AI代理架構整合後，就不再是單純的資料庫與圖書出版業者，更進一步升級為決策支援系統，客戶不再是為了找到所需的資料付費，而是因AI協助完成推理、查核、撰寫訴狀、給予決策建議而付費。這讓TR得以在傳統訂閱費外，還可收取高昂的專業AI助理報酬。而原本資料庫檢索服務按使用人數支付固定訂閱費方式，也逐漸轉型為按產出結果與AI工作流程價值8計費。
2026年6月2日TR在「Snowflake Summit 2026」大會上，宣佈與雲端資料服務廠商Snowflake合作推出My Data Space，將TR數十年來累積海量，孤立分散在超過350個資料庫的全球法律、稅務、會計與合規資料整合統一進My Data Space，Snowflake的企業客戶可以在自有的Snowflake安全雲端空間中，利用隱私數據共享技術與治理架構，讓AI代理同時橫跨企業內部私有敏感性檔案與TR資料庫進行交叉比對推理，滿足法律、稅務等高度受監管行業對資料隱私與準確性的嚴格要求。
AI技術的深化應用雖然侵蝕了數位出版傳統獲利來源，但也促成新的商業模式出現，由於AI科技公司需要無版權爭議、正確可信的事實數據來訓練特定領域大型語言模型（Domain-Specific LLMs），這使得出版業者有機會將其擁有的大量版權內容轉換為珍貴的有價資產，業者可以將資料授權科技公司或一般企業使用並取得相應報酬，如HarperCollins在2024年與微軟簽訂協議，有償授權旗下精選的非虛構類長銷書進行一項AI模型訓練專案，由作者主動選擇加入，每本圖書支付授權費5,000美元。
延伸閱讀：出版業的內容資產化之戰（上）、出版業的內容資產化之戰（下）
John Wiley & Sons學術出版社則推出AI Knowledge Nexus方案，明確將其科學與醫學論文庫內容結構化成機器可讀的XML數據聚集，透過AI專用API串流，直接注入科技公司或一般企業的AI Agent與檢索增強生成10（Retrieval-Augmented Generation，RAG）架構中，並提供多年度的商業授權使用方案。Wiley僅在單一季度內就能獲得高達1,600至2,900萬美元的AI授權費。
Elsevier雖然明確禁止任何外部AI工具免費抓取或處理其旗下的資料庫內容，但同時提供私有雲與客製化AI授權服務，若科技公司或大型企業需要將其數據用於封閉式、安全的私有AI模型或進行內部AI訓練，可以向Elsevier申請獨立的單獨授權協議。
時代雜誌、華爾街日報、大西洋雜誌等新聞出版業者則與各大AI科技公司簽署價值數百萬至數億美元的授權協議，將自家高品質、具公信力的食譜、產品評測或深度報導結構化，授權給AI公司作為AI訓練與即時檢索的乾淨資料來源。未來AI代理如每調用一次媒體的獨家報導來回答用戶問題時，AI公司可能就需支付微額的版權費用。
除了將內容資產有償授權給AI公司，一些出版業者也針對本身出版內容屬性打造自有AI產品，業者不再只是賣內容或提供訂閱，而是可以轉型成專精特定領域知識的AI專家系統，如華盛頓郵報推出專職回答氣候問題的AI聊天工具Climate Answers；彭博社打造的BloombergGPT，可提供精準的財經數據與市場分析；Pearson教育出版集團則將龐大的教材資料庫轉化為AI學習助手，提供學生一對一的家教服務，依據學生弱點提供互動式解題。
這些出版社打造的AI專家模型，可以解決通用大型語言模型常出現的AI幻覺問題 ，因為出版社有長期積累且具高度可信的基礎事實資料來訓練自家AI模型，讀者也不再需要大海撈針閱覽大量文章來找尋答案，而是直接與出版社的AI專家模型對話，獲得精準且具備權威性的答案。
然而網站與資料庫內容要與AI直接串接，如有一套標準供依循將可大幅減少資料串接溝通成本。Anthropic於2024年底推出開放的模型上下文協議（Model Context Protocol，MCP），便提供了一種公開標準化方式，讓AI模型能安全地串接外部網路資料來源與工具。這使得出版業者可自建MCP伺服器，將自家內容進行結構化處理；當AI公司希望檢索乾淨、經過人工查核的高品質語料時，出版業者便可結合第三方AI支付閘道與合約規範，要求AI在回答時保留品牌連結，並採用按查詢使用量計費的全新獲利模式。
對於無法單獨與科技公司談判授權協議的中小型數位出版業者，TollBit、Cloudflare等網路技術服務商也推出相應解決方案。如TollBit將零散的中小型出版社打包成一個大型版權聯盟，統一與AI公司進行議價。中小型出版社無需更改網站架構，只需將其網站的AI爬蟲流量重新導向到TollBit的機器人付費牆（Bot Paywall）。 當AI要抓取資訊時，必須先通過TollBit的驗證通道，如果AI公司與TollBit有簽授權合約，就能直接通過並抓取乾淨的JSON格式資料或透過MCP進行精準檢索，TollBit等於扮演了AI時代的版權集體管理組織。截至2026年6月已有約7,000家數位出版與新聞網站加入TollBit方案，其中絕大多數屬於中長尾的中小型與利基型出版業者，如英國專營女性與育兒議題的網路論壇Mumsnet、美國區域地方報紙《費城詢問報》、法國的《巴黎人報》等。
<span class="g-head">整理：數位出版／新聞業者的AI應用及商業模式</span>
從吸引眼球到迎合AI
當網站為了迎合AI而重新改寫網站內容，意味著這些內容不再是寫給真實人類看的，而是寫給AI看的。人類不再是內容的直接消費者，AI才是。原本內容提供者或數位出版業者撰寫優美華麗或聳動驚人的內容以吸引人類的注意力，現在則是為了讓AI優先檢索並方便被引用與推薦，將內容改造成機器優先理解的結構化資料，並大量鋪設Schema結構化標記、JSON-LD格式資料，提供乾淨、清楚、事實密度高的重點摘要，形成一種機器人對機器人經濟（Bot-to-Bot Economy）或代理經濟（Agentic Economy）網路內容生態。
人類不再直接閱讀網站上人類撰寫的文章，而是閱讀AI萃取網站生成的內容，網站的目標客群變成AI，數位出版平台轉而開始打造各種可以從AI客群獲利的商模。網路數位出版生態正在發生改變，AI成為真實人類與內容的中介，AI先是改變了消費者網路上的搜尋閱覽行為，進而迫使業者不得不跟著改變營運思維。最後，原本由人類的注意力決定我們會看到什麼，現在變成AI模型的數據需求限定我們能看到什麼。
<div class="footnotes"><ul>
<li class="footnote" id="fn-19a-1">
<p>Google users are less likely to click on links when an AI summary appears in the results</p></li>
<li class="footnote" id="fn-19a-2">
<p>AI summaries cause ‘devastating’ drop in audiences, online news media told</p></li>
<li class="footnote" id="fn-19a-4">
<p>Impact of AI Search Summaries on Website Traffic: Evidence from Google AI Overviews and Wikipedia</p></li>
<li class="footnote" id="fn-19a-5">
<p>AI overviews: How are publishers adapting to the rise of clickless search?</p></li>
<li class="footnote" id="fn-19a-6">
<p>Penguin Random House: Can it beat Amazon at its own game?</p></li>
<li class="footnote" id="fn-19a-7">
<p>依據NVIDIA官方定義，思維鍊是一種提示工程技術，它能幫助大型語言模型（LLM）更準確地進行推理，就像引導人類一樣，透過要求模型來展示其推理過程。其工作原理是：首先提出一個問題並提供一個答案作為輸入。當提出第二個問題時，LLM會利用從第一個問題和答案建立的模式來產生第二個問題的答案。</p></li>
<li class="footnote" id="fn-19a-8">
<p>AI工作流程價值（AI Workflow Value）係指組織將人工智慧技術嵌入工作流程或業務流程中，透過流程自動化、智慧決策與持續優化，所產生之效率提升、成本降低、品質改善與創新價值等綜合效益。</p></li>
<li class="footnote" id="fn-19a-10">
<p>檢索增強生成是一種AI架構與優化技術，透過在大型語言模型生成回應前，動態檢索外部權威知識庫的即時資訊，來增強模型的準確性並消除幻覺，從而實現無需重新訓練模型即可提供動態、領域特定知識的能力。</p></li>
</ul></div>
