Civic Journalism Lab: AI-инструменты для журналистов с Крисом Стокел-Уокером

Крис Стокел-Уокер пишет о технологиях для The Guardian, Wired, New Scientist и BBC и опубликовал три книги, включая How AI Ate the World. Это сочетание предметного знания и аналитики в формате нон-фикшн делает его полезным проводником для журналистов, осваивающих AI-инструменты: он понимает, как работает технология и почему она склонна давать сбои именно так, как даёт, — и не завышает ожидания от практического применения.

Двухчасовой мастер-класс, записанный вживую и опубликованный 5 февраля 2026 года Civic Journalism Lab Ньюкаслского университета, охватывает инструменты, с которыми рабочий журналист, скорее всего, столкнётся, и конкретные редакционные задачи, с которыми каждый из них справляется хорошо.

Что охватывает видео

1. Транскрипция и резюмирование. Сессия открывается темой транскрипции, потому что это AI-процесс с наиболее очевидной производительностью для большинства репортёров. Стокел-Уокер рассматривает несколько инструментов, объясняет, чем они отличаются по точности и защите источников, и отвечает на практический вопрос: когда транскрипт достаточно надёжен для цитирования, а когда нужна ручная проверка. Разбор архитектуры защиты источников Good Tape особенно детален для журналистов, работающих с чувствительными темами.

2. Поиск историй. AI-инструменты для обнаружения emerging-нарративов — мониторинг конкретных источников, выявление паттернов в больших массивах документов, отслеживание изменений на определённых веб-страницах со временем — получают значительное экранное время. Visualping, NotebookLM и Google Pinpoint демонстрируются в работе. Сессия чётко разграничивает инструменты, генерирующие лиды (которые по-прежнему требуют журналистского расследования), и инструменты, генерирующие текст (к которым Стокел-Уокер относится со значительным скептицизмом).

3. Исследовательские процессы. Perplexity и NotebookLM рассматриваются как инструменты исследования — с внимательным разбором надёжности цитирований и склонности к галлюцинациям. Позиция Стокел-Уокера здесь последовательна на протяжении всей сессии: AI как отправная точка, ускоряющая выход на первый полезный источник, но не замена верификации источников.

4. Визуальные и редакционные задачи. Сессия кратко касается помощи с инфографикой и написанием заголовков, хотя эти разделы менее развиты, чем предыдущие.

Ключевые выводы

Сильнейшая нить через всю сессию — об интеграции, а не о замене. Стокел-Уокер не утверждает, что AI каким-то образом трансформирует журналистику в абстрактном смысле; он утверждает, что конкретные инструменты, применяемые для конкретных задач на конкретных этапах редакционного процесса, экономят значимое время, не компрометируя человеческое суждение, которое делает журналистику достоверной. Транскрипция — наиболее наглядный пример: AI берёт на себя механическую задачу, репортёр сохраняет ответственность за смысл транскрипта.

Сессия также напрямую обращается к этике: раскрытие информации, что считается AI-сгенерированным контентом в отличие от AI-ассистированного, и ответственность журналистов перед источниками, чьи слова обрабатываются AI-системами.

Стоит смотреть, если вы работающий журналист, слышавший об AI-инструментах, но не нашедший структурированного введения в то, какие из них стоит попробовать, — или если вы занимаетесь подготовкой начинающих репортёров и ищете один ресурс, охватывающий практическую картину без завышенных обещаний.