BuzzFeed开发的“Buzzbot”，旨在让“每个人的口袋里都有一个记者，每个人都可以向‘Buzzbot’讲述正在发生的事情。”当用户打开对话框，“Buzzbot”会进行提问，比如，向用户提出有关民主党大会和选举的问题，根据用户的回答，将用户的选举态度记录下来，以此帮助记者和编辑分析选民的政治倾向和意见，完成采访及民意调查任务。
眼见着，当机器越来越智能化，这一天似乎正在加速到来。由此，一个新问题浮现出来：在我们生活的世界里，哪部分你愿意被机器接管？
由此来看，在信息科学经典的DIKW（数据、信息、知识及智慧）金字塔体系里，新闻这一产品中，凡是基于数据、信息而产生的事实描述和可通过统计、逻辑作出判断的观点，将有望让机器接管。而更高阶的知识、智慧，涉及具体情境中的方法论和思维、思想、价值观，则仍是人类的属地。
在某种程度上说，百年以来的新闻业也努力在最基础的层面上把记者训练得如同不得稍有差池的写作机器一般，并尽可能精细分工。媒体的其中一个任务是传递准确信息、陈述基本事实，比如股票信息、体育比赛结果甚至“会议新闻”，由于过去记者的报道追求就是如机器一般的准确、快速，那么，干脆就由机器来完成它吧。
技术推动了工具的进步（如果“进步”这个词是正确的），却从提高工作能力的简单工具进化为限制人类的复杂机器。我们越来越需要思考的，不是利用机器可以做什么，而是机器会对我们做什么。
Narrative Science 联合创始人、西北大学计算机科学家克里斯蒂安·哈蒙德（Kristian Hammond）相信，到2030年，90%的新闻都可以由机器人撰写。因为机器人是可以通过学习丰富“写作能力”的，背后支持的数据库越大，机器人能够参考的模板就越多。
在国内，则有腾讯的新闻写作机器人“Dreamwriter”和今日头条研发的“Xiaomingbot”。
*此消息来自美国地质勘探局的地震通报服务。本条内容是由作者所写的算法自动产生的。
美国时间2014年3月17日早上6时25分，洛杉矶遭遇了一次地震冲击。《洛杉矶时报》在地震发生3分钟后就最先在网站上发布了这条新闻——一条由机器撰写的新闻：
在讨论我们的私愿之前，首先来看看，这一强制接管将在哪部分不可避免地发生，以及在我们获取信息这件事上，新闻业是否也会被“沃森”侵入并主导。
而据称Automated Insights拥有超过3亿模板可供不同的新闻题材使用。
流水线上的工人、飞机驾驶员已经是这样了，就连医生也可能很快会发现，自己越来越像是一种传感器的角色，收集信息，帮助电脑做出决策。记者和编辑也可能很快是这样：负责部分原始数据和信息的录入，然后假装“质检”一下成稿就发布。
1930年，经济学家约翰·梅纳德·凯恩斯（John Maynard Keynes）首次提出了“技术性失业”这一概念：“我们正受着一种新疾病的折磨。这种病的名字，一些读者或许还没有听说过，但在未来岁月，他们会反复听到——这就是，技术性失业。也就是说，因为我们新发现了大量减少使用劳动力的手段，而又尚未及时给劳动力找到新的用途，因此导致了失业。”
根据美国地质勘探局的消息，星期一早上，在距加州韦斯特伍德约5英里地区，发生了震级为4.7级的浅表地震。地震发生时间是太平洋时间早上6时25分，震中约深5英里。
据地质勘探局的数据，本次地震震中距离加州贝弗利山庄约 6 英里，距离加州环球影城约7英里，距离加州Santa Monica约7英里，距离加州Sacramento约348英里。在过去10天，在该地区附近，并无监测到任何震级达到或超过3.0级的地震。
“自动化”一词最早出现在1946年，福特汽车的工程师们认为需要创造一个新术语，描述安装在公司流水线上的新机器。而在此之前，大规模的工业生产一直在努力做到一件事，也是从弗雷德里克·泰勒（F.W.Taylor）到爱德华兹·戴明（W.Edwards Deming），再到大野耐一（Taiichi Ohno）所孜孜以求的管理之道，这就是把人训练得如同流水线上机器的一部分。
能够把人训练得如同机器一般的地方，一定是因为其规范化、流程化和标准化达到了相当高的程度，也因此，人得以脱手由机器接管这一切。这在工业生产领域非常常见，也在慢慢侵入服务业。比如，我们越来越习惯于从ATM机上取款或转账，相信它一定不会出错；我们越来越信赖飞机驾驶舱内的各种仪表盘和数据，相信它能够对周遭环境做出更准确、更快的分析和预警。
另一家名为Narrative Science的公司则开发了一款球赛报道的软件，它能够将信息源简化并填入格式里，最后再加上一些形容词增加可读性。
2000多年前，亚里士多德在《政治学》一书中写道：“如果每个机器都能制造其各自的零件，服从人类的指令和计划……如果梭子会自己来回飞动，如果弦拨会自己弹奏竖琴，完全不需人手操控，工头将不再需要领导工人，奴隶主也不再需要指挥奴隶了。”
机器能够比人更快速地获取信息和处理信息，但要生成新闻，则需要依赖模板。而模板，正是百年以来新闻业所严格打磨的成果：近乎标准化的文体格式和写作手册。
自从人类学会直立行走、使用工具以来，似乎劳作的目的，就是为了有一天可以不再劳作。
这里的“作者”，指的是《洛杉矶时报》的记者兼程序员肯·施文克（Ken Schwencke），他创建了一个名为Quakebot（地震机器人）的算法程序。当天早上，他被震醒时，Quakebot 已经自动根据其所收集到的信息写好了上面的这条新闻。肯·施文克大致审阅后，按下了“出版”按钮。于是，这条新闻就在地震发生后的3分钟内发布了。
正如管理大师加里·哈默尔（Gary Hamel）所言，150多年来，管理的精神都是与人性相悖的。得益于泰勒们的科学管理哲学，在工业领域内，工人的技能退化就已经非常明显。泰勒认为，传统工作方式最大的缺点在于赋予个人太多主动性和空间。只有遵照“规则、定律和惯例”，实现工作流程的标准化，才能达到最优效率，而机器的设计恰恰体现了这一点。
机器越来越优胜的原因，不仅在于在某一种工作方面替换了人，而是它带动和刺激了其他互补性发明，以让整个组织流程和价值链都能赶上这种进步。结果是，整个商业面貌焕然一新。所以，机器能够生产和分发新闻，并不单是让记者和送报人失业，而是会让整个新闻机构和新闻市场都产生了突兀的不适感，以至于必须在其他环节甚至整个流程做出改进或颠覆。由是，我们得学会和机器一起工作。
原因是，在追求效率、准确性和可控性的系统中，人类看起来成为唯一的薄弱环节。操作员的偶然失误成为机器需要进一步获得控制权的证据，反过来又再次把人从系统中推离。由于人越来越不胜任这一工作，反过来又导致犯错的概率增加。如此反复循环证明的结果，就是将人从这一系统中彻底清除。
2016年，路透社对外公开了一款名为“Reuters News Tracer”的新闻追踪器产品，它原本只在内部使用，帮助记者编辑在 Twitter 上监测随时出现的各类新闻事件，检测社交媒体信息的真实性。其工作流程为：搜集所有可能是新闻的信息，找到原始出处；找到第一转发者；进行可信度检测，通过交叉比对，对真实性进行标注，根据验证结果从0%～100%进行“打分”。
1983年，诺贝尔经济学奖得主西里·列昂季耶夫（Wassily Leontief）进一步提出了“工作终结”论，“马匹曾在农业生产中扮演过重要角色，可一旦出现拖拉机，马匹就日趋减少，最后彻底消失。人类如今是生产里最重要的因素，但这个角色，注定会像马匹一样走向没落。”
成功的机器生产的新闻的标准应该就是，它看起来好像是纯粹由人类之手所写就。
更令人瞩目的机器新闻写作实验来自美联社与 Automated Insights公司的合作。从2014年7月开始，美联社使用后者开发的Wordsmith平台，在关于公司季度财报的新闻报道方面全面采用机器新闻写作，其报道量从原来的每季度300篇上升到4400篇。Automated Insights公司CEO罗比·艾伦（Robbie Allen）说：“其实就是让机器人把数据转化成故事，真正的难点在于怎么让它看起来像人写的，因为只有数据不是好故事。”
当机器有能力接管越来越多的工作，它给人类带来的一个不易觉察的变化是：我们正从执行者顺从地变为观察者，从生产者默默地变为数据输入者。
Narrative Science就邀请各个专业记者根据各自领域的报道逻辑为其量身定做各种叙事模板（这些记者又称“元作者”），如一项体育赛事的报道角度可能是“拉锯战”、“英雄式个人表演”、“强大的团队合作”或者“咸鱼翻身”等。算法还会按照重要性对各种可能的角度进行排序，并由此形成文章的整体结构。
《华盛顿邮报》也不甘落后。2016 年，其开发的新闻撰写机器人“Heliograf”正式上线，这款机器人不仅能完成基本的消息写作，还被认为具备了该报记者的文风。在整个 2016 年，“Heliograf”完成并发表了850篇像模像样的文章，并应用到里约奥运会的报道工作中。
自动化，几乎是机器进化的终极宿命，目的是消除一切人为的不确定、不可控因素，它展示的是机器智能的成果，而又在更高意义上被理解为人类智慧的完胜。
另一个原因是，大规模生产协作，使得对技能的专门化要求越来越高，人越来越无法理解和掌控系统在做的事。如亚当·斯密所说：“他们一辈子都在重复一些简单的操作，这些操作功能通常是相同或非常类似的，工人没有机会理解自己的工作，也没有机会锻炼创造力，在面对前所未有的困难时寻找应争策略”，“因此，他们自然而然地就丧失了这些能力，并且大多数人会变得极其愚笨、无知。”斯密认为，技能退化是不幸的，但这也是工厂生产效率提高不可避免的副产品。
该产品的功能亮点是：能够实时监测社交媒体上的新闻；用算法去问记者平时可能会问的问题，倒推新闻的真实性；通过算法和机器学习挑选出哪些是新闻，哪些是广告、谣言或一般性对话，并摘出要点，同时把相同类别的新闻相叠，组成数据；给记者和编辑提供可靠的素材和资源。
基本上，凡是过去把人训练得如机器的地方，将不可避免地发生机器替代人力的现象。
《华盛顿邮报》为了打造“Heliograf”，邀请记者和编辑们制作了叙事模板，其中包括各种潜在结果的关键词句，比如，“共和党人对众议院的控制权”、“民主党重新控制了众议院”。之后，将“Heliograf”与结构性数据源联系起来，当大选到来时，它与数据交换网站VoteSmart.org相连，由“Heliograf”进行数据识别，与模板中的词句匹配、整合，保证在各平台上发布不同版本的报道。《华盛顿邮报》数字产品开发副总裁、首席信息官赛利希·普拉卡什说：“‘Heliograf’并不是为了淘汰记者，而是让新闻编辑室的效率更高。”
