Poynter: Чему нас научил провальный эксперимент Nota News

Nota запустила одиннадцать гиперлокальных новостных сайтов с использованием AI-инструментов для преобразования публичной информации и правительственных данных в местные новости. Модель компании строилась на подрядчиках, которые должны были работать в рамках определённых руководящих принципов по источникам, а AI-инструменты помогали структурировать и публиковать материалы. Эксперимент закончился публичным провалом: Axios Richmond и Poynter обнаружили более семидесяти материалов, скопированных у местных изданий без атрибуции.

Джош Брандо, CEO Nota, написал этот разбор для Poynter в апреле 2026 года. Материал примечателен тем, что конкретно описывает, что именно пошло не так, а не даёт общую защиту AI-журналистики. Корень проблемы не в технологии: подрядчики отклонились от утверждённого рабочего процесса с источниками и копировали контент у конкурирующих изданий. Брандо признаёт это прямо — провал стал следствием недостаточного надзора и слабого контроля исполнения, а не ошибок AI.

Выводы, которые он делает, носят операционный характер. Рабочие процессы должны делать правильное поведение простым, а неправильное — сложным. Контроль цитирования нужно встраивать в производственную систему, а не обеспечивать через постфактум-проверки. Когда подрядчики не понимают, зачем существуют правила, они склонны воспринимать их как необязательные. В статье описывается разрыв в институциональной памяти, который возникает, когда редакционные стандарты не документируются в форме, доступной людям за пределами основной команды.

Брандо также затрагивает структуру ответственности. Человеческое суждение — это не гарантия, которая обеспечивается автоматически: под неё нужно проектировать. Конкретные нормы допустимой работы с источниками должны быть чётко прописаны и проверяемы, а не отданы на усмотрение исполнителей в условиях производственного давления.

Материал наиболее полезен редакторам и директорам редакций в цифровых изданиях, которые выстраивают или масштабируют AI-поддержанное производство. Он описывает режим отказа, характерный именно для ситуации, когда объём производства растёт, а надзор не масштабируется вместе с ним. Сценарий — подрядчики под давлением дедлайна прибегают к сокращениям, которые рабочий процесс не предотвращает — не уникален для AI-журналистики и применим к любой контент-операции с распределёнными исполнителями без достаточных механизмов контроля.