WAN-IFRA: как выглядят 168 000 AI-действий в 18 редакциях
О чём статья
WAN-IFRA опубликовала данные об использовании Xalok Assistant — AI-инструмента, развёрнутого в 18 цифровых редакциях. С января по апрель 2026 года журналисты совершили 168 363 AI-действия. На основе этого датасета статья утверждает: публичная дискуссия об AI в журналистике сосредоточена не на тех задачах — и реальное распределение AI-применений рассказывает более конкретную историю о том, где в редакционной работе живёт настоящее трение.
Контекст
Редакции в датасете охватывают около 1 200 пользователей, из которых примерно каждый пятый использует инструмент от пяти до восьми раз в день. Вместо того чтобы опрашивать журналистов о том, что они думают, что делают с AI, статья сообщает, что они реально делали в масштабе за четыре месяца — это делает выводы более обоснованными, чем большинство материалов об AI в редакционной работе.
Ключевые выводы
Использование распределяется примерно так: 21% — создание контента, 48% — редактирование, 31% — дистрибуционные задачи, включая SEO, теггирование и перевод. Наиболее часто используемые отдельные функции: форматирование жирным (~23 000 использований), транскрипция (~20 500), теггирование (~19 000), проверка орфографии (~18 500) и генерация SEO-метаданных (~10 500). Генерация заголовков, одно из наиболее обсуждаемых AI-применений в журналистике, заняла значительно более скромное место — около 4 000 использований.
Статья формулирует это как модель «редакция в петле»: AI устраняет трение в повторяющихся вспомогательных задачах, а журналисты сохраняют полномочия по принятию решений в тех частях работы, которые требуют редакционного суждения. Степень вовлечённости неравномерна — активные пользователи генерируют 55% всех действий, что указывает на паттерн, при котором меньшинство журналистов вырабатывает глубокие привычки, тогда как большинство остаётся случайными пользователями. Некоторые редакции в датасете сообщают о росте цифрового выпуска до 30% и об AI-ассистированном контенте, достигающем до 40% цифровой аудитории.
Кому читать
Редакционным командам, оценивающим AI-инструменты и ищущим реалистичные ориентиры вместо вендорских проекций. Также полезно редакторам, принимающим решения о том, где вводить AI-поддержку: данные показывают, что рост производительности достигается прежде всего в инфраструктуре вокруг статей (форматирование, метаданные, транскрипция), а не в черновиках или генерации заголовков.