ETC Journal: Šta agentna automatizacija znači za novinarstvo u 2026. godini

Aprilska analiza Džima Šimabukura u Educational Technology and Change Journal (2026) prati kako AI transformiše novinarstvo u šest oblasti: integracija u infrastrukturu, automatizacija specifičnih zadataka, verifikacija, AI-posredovana distribucija, nove hibridne uloge i personalizacija. Članak kombinuje podatke o praksi radnih redakcija i univerzitetskih programa da bi prikazao šta profesija postaje kako agentna automatizacija prelazi iz eksperimentalne u ugrađenu fazu.

Najjasniji trend: AI je prešao iz opcionalnog dodatka u operativnu infrastrukturu. U Associated Pressu to izgleda kao automatski izveštaji o javnoj bezbednosti, prevodi vremenskih upozorenja i transkripcija videa. To su zadaci koji su ranije oduzimali vreme, ali nisu bili urednički složeni — dobri kandidati za automatizaciju jer ljudska procena malo dodaje tamo gde preciznost određuju struktura i kvalitet podataka, a obim zadataka je visok.

U New York Timesu model je drugačiji. AI se koristi kao istraživački alat: LLM-ovi pomažu novinarima da pretražuju i analiziraju velike skupove dokumenata, transkribuju sate audio zapisa i prate podkaste. Urednički rad ostaje u rukama čoveka, ali AI skraćuje vreme potrebno za pronalaženje relevantnog materijala. Times je napravio interni alat koji prati desetine epizoda podkasta i dostavlja sažetke direktno u email novinara — pretvarajući sate slušanja u nekoliko redova u inbox-u.

Automatizacija komercijalnog sadržaja — sportskih izveštaja, sažetaka finansijskih rezultata, vremenskih prognoza — prisutna je u više medijskih kuća, a obrazac je uvek isti: urednici pregledaju rezultate pre objavljivanja, a novinari se koncentrišu na rad koji zahteva pronalaženje izvora, kontekstualne procene ili originalne istrage.

Javljaju se i nove uloge. Članak identifikuje specijaliste za AI etiku, arhitekte radnih tokova i revizore AI izlaza kao pozicije kojih u većini redakcija pre pet godina nije bilo. Ovo nisu zamenske uloge — nastale su jer prisustvo AI-generisanog sadržaja u redakciji zahteva posebne nadzorne funkcije.

Distribucija se takođe menja. Sve više čitalaca pristupa vestima kroz AI posrednike — agregate sa sažecima, četbotove, pretraživačke motore — a ne direktno sa stranica izdavača. Ovo menja pitanje uredničkog glasa: tekst sada mora da funkcioniše i za živog čitaoca i za AI sistem koji ga može sažeti ili citirati pre nego što ga prosledi dalje.

Univerziteti se prilagođavaju različitim tempom. CUNY, Northeastern i Columbia pominju se kao primeri programa koji kombinuju AI pismenost s tradicionalnim novinarskim veštinama. Osnovna spoznaja je da će novinari koji ulaze u profesiju danas značajan deo vremena provoditi procenjujući mašinski generisan sadržaj, a ne stvarajući sve od početka — a to je drugačija kompetencija od one koju je tradicionalno razvijala novinarska obuka.

Ocena članka o stanju profesije je odmerna: zadaci početnog nivoa koji su najizloženiji automatizaciji ujedno su oni koji su istorijski pružali ulaz u profesiju za mlade novinare. Kako će to preoblikovati razvoj karijere u ranim fazama — pitanje je s kojim se struka tek počinje nositi.