Poynter: Чему научились журналисты, которые перестали говорить об AI и начали его строить
Статья Алекса Маадеавана для Poynter посвящена сессии AI x Journalism Day на SXSW, где главной темой стал разрыв между разговорами об AI и его реальным внедрением. Выступавшие уже прошли стадию дискуссий и делились результатами.
Примеры из сессии
В Pew Research Center редактор по аудитории заметила, что команда тратит большую часть времени на написание однотипных постов в социальных сетях. Контент следовал чёткой структуре — одни и те же форматы, разные данные, — поэтому они создали плагин для WordPress, который автоматически генерирует черновики. Редактор проверяет и публикует; ручная работа по созданию черновиков больше не является узким местом.
KQED использовала AI для выявления примечательных моментов в радиопередачах. Это решает проблему объёма: архивы радио велики, и интересные фрагменты, достойные повторного использования, остаются незамеченными, когда ресурс сотрудников ограничен. Система отмечает моменты для проверки человеком, а не принимает редакционные решения самостоятельно.
Texas Tribune создал чат-бота, обученного на материалах издания о школьных ваучерах, для прямых ответов на вопросы читателей. Это AI для работы с аудиторией, а не для редакционного рабочего процесса, но сессия рассматривала их как связанные явления: в обоих случаях стоит один и тот же вопрос — где AI-результаты требуют проверки человеком до того, как достигнут кого-то за пределами организации.
На SWR, немецком общественном вещателе, редакторы сообщества теперь проверяют комментарии, отмеченные AI, а не просматривают каждый присланный комментарий. Система занимается сортировкой; люди принимают решения по контенту, требующему реакции или действий.
В чём сошлись выступавшие
Несколько практиков разграничили использование AI для исследований, мозгового штурма и первой версии структурированного контента — и использование его для оригинальных редакционных материалов. Консенсус состоял не в том, чтобы исключить AI из редакционной работы, а в том, что точка человеческого контроля должна быть явно обозначена в любом рабочем процессе: кто проверяет что именно и когда, прежде чем что-либо выходит в публикацию.
Повторяющееся практическое наблюдение: отдельные журналисты теперь могут прототипировать рабочие AI-инструменты без выделенной команды разработчиков. Барьер для создания простого автоматизированного рабочего процесса снизился настолько, что человек с базовым интересом к коду и доступом к API LLM может протестировать идею. Тестирование чего-то небольшого до того, как предлагать его организации в целом, было представлено как более эффективный путь, чем ожидание появления общеорганизационной AI-стратегии.
Полезно для журналистов и редакторов, которые хотят внедрить AI в конкретные части рабочего процесса, а не осваивать его целиком, и для руководителей редакций, думающих о том, как выстроить контроль, когда AI входит в производственный процесс.