从“灭火”到“防火”：AI时代食品舆情治理的逻辑之变（含视频）

中国食品安全网(梁安)近年来，随着生成式AI技术的普及，信息生成与传播模式发生深刻变革，食品企业的声誉治理正面临前所未有的复合型挑战。一方面，AI极大地降低了造谣门槛，今年6月，一段AI伪造的某品牌饮料创始人“平时不喝这个”的视频在网络传播，导致该企业一周内市值蒸发约70亿元；另一方面，舆情的发酵速度、变数和风险传导链条都在急剧扩张。面对这种结构性变化，企业若仍停留在事后“灭火”的传统处置模式，显然已难以适应。

10月25日至27日，由中宣部宣传舆情研究中心指导，“学习强国”学习平台与《中国食品安全报》社联合主办的“人工智能”时代全国食品行业网络舆情风险应对与智慧治理策略高级研修班在河南漯河举行。近200名来自漯河市宣传教育部门、经济开发区龙头食品企业及相关产业链、漯河食品工程职业大学、漯河市新闻单位的学员，在两天半里围绕政策解读、技术演示、案例复盘和实战演练等环节展开集中学习。

大会现场

大会现场

中宣部宣传舆情研究中心党委书记、主任，“学习强国”学习平台总编辑农涛在开班致辞中表示，面对AI时代的全新挑战，要把舆情素养作为企业治理能力的重要组成部分，把诚信经营作为最好的声誉管理。

中宣部宣传舆情研究中心党委书记、主任，“学习强国”学习平台总编辑农涛致辞

中国食品工业协会党委委员、副会长，《中国食品安全报》社社长朱长学在致辞中介绍，今年7月，报社与中宣部宣传舆情研究中心、“学习强国”学习平台签署协议，正式启动了全国食品行业舆情治理赋能行动。本次研修班正是该行动落地的首场关键实战培训。

中国食品工业协会党委委员、副会长，《中国食品安全报》社社长朱长学致辞

活动围绕AI时代食品舆情的结构性变化展开，把“灭火”与“防火”的关系摆上台面，探讨在AI既是风险源又是治理工具的背景下，企业、监管与行业组织如何重构舆情治理的逻辑，推动治理重心从“事后灭火”向“事前防火”前移。

AI改变的是事实生产方式，治理窗口正在前移

在这次研修班上，与会者形成了一个共识，传统的舆论应对经验正在加速过时。以往舆情应对讲究“黄金4小时”，后来压缩到1小时、半小时，现在重大食品安全舆情留给企业的处置窗口往往以分钟计。

授课专家

中宣部宣传舆情研究中心声誉治理特邀专家燕志华在开班第一课中指出，2018年以后中国网民的情绪结构发生深刻变化，爱国情感与群体情绪大量涌入舆论场，食品、教育等民生领域的舆情频度和烈度显著上升。中国应急管理学会舆情专委会副主任委员单学刚则借用“可燃物、点火源、助燃剂”的模型指出，在AI时代，这三个引发舆情的变量正在同时发生质变。

首先，传播媒介这个“点火源”在指数级增加。清华大学新闻与传播学院人工智能学院沈阳教授技术团队的黄丽媛博士在复盘推演中指出，不同新媒体平台在舆情生命周期中扮演着截然不同的角色。过去首发报道往往来自属地媒体，现在首发权分散在无数账号手中，短视频平台门槛低、现场感强，往往是事件的首发地；微博凭借热搜机制成为引爆点；而小红书等平台则通过搜索塑造消费判断，异地监督、跨平台搬运成为常态。

其次，作为“助燃剂”的AI本身，正在把原本需要专业能力的造谣行为变成近乎流水线的操作。黄丽媛提到，今年上半年由AIGC直接导致的舆情，在企业舆情中占比已经跃升，AI可以在极低成本下批量生产“眼见为实”的伪证。

更值得警惕的是，AI伪造的侵害对象正在从“事实”扩展到“人格”与“意图”。前述饮料品牌的案例之所以刺痛行业，原因在于它精准嵌入了一个公众本就存疑的叙事框架，即一个品牌的创始人在私下场合拒绝喝自己的产品。视频是假的，“他是不是真的这么想”这个疑问一旦被种下，辟谣所能做的就只剩下恢复事实，却难以恢复信任的初始状态。

网络舆情专家宋丹在拆解AI造谣特征时点出一个关键判断：AI时代的声誉治理，难点在于找到造谣者的时候伤害已经完成了。造谣者被追责，虚假文章被处置，那些看到过“霉变”“二氧化硫残留”标题的消费者，却未必会再点开后续的辟谣通报。

这正是“防火”逻辑的起点。舆情治理如果仍然停留在“发现、辟谣”的事后链条上，企业投入再多资源，也只是在伤害已经形成之后做减法。此次研修班把“风险前置”放在突出位置，原因就在这里。

企业真正的困境在于认知没有对齐

研修班最后一天的实战演练环节，中宣部宣传舆情研究中心特邀声誉治理专家芦珊设置了一个营销翻车案例，涉及某月饼品牌在中秋节点推出“别团圆了”的争议广告。演练中，年轻学员与年长学员对同一创意的感受出现明显分化，年轻一方有人觉得“有意思、会看”，年长一方则直接判定“对传统文化不敬畏”。这个细节值得认真对待，因为它揭示了食品企业舆情应对中一个比“技术不会用”更深层的困境，那就是许多企业的决策者依然在用一套基于经验、关系和管控的逻辑来理解今天的舆论场。

现场实战演练

现场实战演练

中国人民大学吴玉章特聘教授、博士生导师，教育部重点研究基地中国人民大学新闻与社会发展研究中心情绪传播与社会心理研究所所长赵云泽从心理学维度剖析了这一现象。他指出，情绪和理性并非对立，而是统一的。在网络事件中，强势的情绪表达往往会唤起网民的嫉妒和仇富心理，从而招致攻击。舆情的传播本质上是情绪的传播，恐慌来源于不确定性，愤怒来源于媒介的简化与刻板化，而化解这些情绪，靠传统的“发通稿、讲道理”往往收效甚微。

研修班课程中反复提及的几个企业案例，共同指向这种错位。无论是餐饮品牌在预制菜争议中以强硬姿态回应，把一次产品讨论升级为对品牌定价逻辑和经营者态度的全面审视，还是连锁品牌在门店违规事件中用一句“深感震惊”把自己逼进“对下面一无所知”的被动位置，在科信食品与健康信息交流中心主任钟凯看来，话术失误只是表象，更深层的问题在于企业没有真正搞清楚受众是谁、他们想听到什么，以及声明中哪些潜台词会被读出。

这些案例提醒企业，背下几句正确的话术远远不够，它们共同指向一个结构性错位，即舆情应对的核心正在从“自证清白”转向“认知对齐”。标准可以证明合规，标准证明不了“你理解一个家长的恐惧”；声明可以陈述事实，却未必能回应公众真正在意的那个问题。

正如芦珊在演练中反复追问的那样，企业需要先接住情绪，再澄清事实，才谈得上改变结局。从“灭火”到“防火”，这一转向要求企业把舆情风险意识嵌入产品设计、广告创意、标签定稿等日常环节，仅靠写好声明远远不够。研修班上展示的实战演练，正是要通过还原真实场景，促使参与者真正认识到，很多舆情的起点可能就是企业内部的一个未被审视的决策。

治理的转向需要制度、技术与行业协同

纵观两天半的研修课程，AI时代食品企业声誉治理是一项复杂的系统工程，但最重要的一点已经十分清晰，那就是必须把重心前移到“防火”，仅靠“灭火”难以治本。

上海市食品安全工作联合会会长陈祖尧结合多年监管与应急处置经验指出，必须将应急性的救火转化为常态化的防火。他提出危机处置的速度第一、真诚沟通、权威证实等原则，并强调企业平时要做好“日管控、周排查、月调度”，自身管理没有漏洞，才不会给舆情留下可乘之机。

从近期的政策与监管动向来看，外部刚性约束也正在加强。研修班上，燕志华提到中央政法委印发《关于依法从严查处危害食品安全违法犯罪的意见》；国家市场监督管理总局食品生产安全监督管理司原司长马纯良在26日上午的课程中，不仅提到中央政法委牵头召开打击食品安全违法行为专题会议，肉制品被列为重点，更通过大量真实案例，拆解了食品标签合规中极易被职业打假人和AI造谣者切入的裂缝。

政策在收紧，技术也在提供新的抓手。研修班上，学习强国舆情工作室首席运营专家李聪演示了AI舆情系统批量识别、自动生成投诉函、多平台同步投递等功能，并介绍了“舆情发酵六级跳”的分析框架，从源头爆料、平台助推、大V解读、媒体介入、央媒定调，到监管介入。他判断，AI的高价值区间在第一跳和第二跳，负责完成重复性、批量化的工作，而判断、表态、口径确认等还是要由人完成。

江南大学商学院教授、博士生导师，教育部食品安全与国家战略治理实验室副主任洪巍则分享了由其实验室研发的“AI+食品安全舆情监控预警研判平台”，展示了通过全网、全模态的7×24小时监测，帮助企业和监管部门实现信息灵、反应快。

学习强国舆情工作室GEO专家庞文英还从生成式引擎优化切入，指出AI正在成为品牌决策的新入口，品牌若不在AI答案中，或者答案失真，本身就可能构成一种舆情。也就是说，AI时代的舆情治理，要更加重视经营好AI空间里的品牌信息生态。

“食品安全事关民生福祉，天然是舆论高敏感领域。迈入人工智能时代，信息生成、传播模式发生深刻变革，涉食舆情发酵更快，变数更多，风险传导链条更复杂。提升食品行业舆情预警研判、风险处置、智慧治理能力已经成为全行业迫在眉睫的现实刚需。”《中国食品安全报》社总编辑李涛在开班式上的这段判断，不仅点明了研修班的初衷，也呼应了行业的共识。

中宣部宣传舆情研究中心“学习强国”学习平台舆情工作室总监曾涛表示，未来将依托“全国食品行业舆情治理赋能行动”，持续为食品企业提供资源支撑，把课堂延伸为长期互助交流平台，以专业舆情治理能力推动构建清朗有序的食品行业网络舆论生态，推动舆情风险防控嵌入企业生产经营、品牌宣传、风险排查各环节，护航食品产业高质量发展。

面对复杂的舆论场，无论是将治理重心前移至“防火”，还是将应对思路从“自证清白”拉回“认知对齐”，抑或是打破“单打独斗”寻求政企协同，这些理念在两天半的课程里被不同专家反复提及。但理念的共识仍只是第一步。它们能否真正融入企业的日常运转，在每一款新品上市、每一条广告发布、甚至每一个标签定稿之前发挥作用，才是检验这次研修成效的标尺。归根结底，食品行业最好的声誉防线，其实是建在平时严格的生产线管控里，建在每一次审慎的经营决策中。只有把功夫下在事前，才能少在热搜上被动救火。

花絮回顾