Poynter: Šta su naučili novinari koji su prestali da govore o AI-u i počeli da ga grade
Alekov članak za Poynter izveštava o AI x Journalism Day sesiji na SXSW, gde je organizaciona tema bila jaz između razgovora o AI-u i stvarnog građenja s njim. Govornici su već prešli fazu diskusije i delili su rezultate.
Primeri sa sesije
U Pew Research Centeru, urednik za publiku primetio je da tim troši većinu vremena na pisanje rutinskih postova na društvenim mrežama. Sadržaj je pratio jasnu strukturu — isti formati, različiti podaci — pa su napravili WordPress plugin koji automatski generiše nacrte. Urednik pregleda i objavljuje; ručni posao pisanja nacrta više nije usko grlo.
KQED je koristio AI za identifikovanje zapaženih trenutaka u radio emisijama. To rešava problem obima: radio arhive su velike, a zanimljivi isečci vredni ponovnog korišćenja prolaze neprimećeno kada je kapacitet osoblja ograničavajući faktor. Sistem označava trenutke za ljudski pregled, a ne donosi uredničke odluke sam.
Texas Tribune napravio je chatbota treniranog na svom izveštavanju o školskim vaučerima za direktno odgovaranje na čitaočeva pitanja. To je AI za publiku, a ne za uređivački radni tok, ali je sesija tretirala oba slučaja kao povezana — oba postavljaju isto pitanje o tome gde AI izlazni rezultati zahtevaju ljudski nadzor pre nego što stignu do nekoga izvan organizacije.
Na SWR-u, nemačkom javnom emiteru, urednici zajednice sada pregledaju komentare koje je AI označio umesto da skeniraju svaki pristigli komentar. Sistem se bavi sortiranjem; ljudi donose odluke o sadržaju koji zahteva odgovor ili akciju.
U čemu su se saglasili govornici
Nekoliko praktičara razlikovalo je korišćenje AI-a za istraživanje, brainstorming i prvu verziju strukturiranog sadržaja od korišćenja za originalne uredničke materijale. Konsenzus nije bio da AI treba držati van uredničkog rada, već da tačka ljudskog nadzora mora biti eksplicitno naznačena u svakom radnom toku — ko pregleda šta i kada, pre nego što nešto bude objavljeno.
Ponavljajuće praktično zapažanje: pojedinačni novinari sada mogu da prototipiraju funkcionalne AI alate bez posebnog inženjerskog tima. Barijera za izgradnju jednostavnog automatizovanog radnog toka dovoljno je niska da neko s osnovnom radoznalošću za kodiranje i pristupom LLM API-ju može da testira ideju. Testiranje nečeg malog pre predlaganja organizaciji kao celini predstavljeno je kao efikasniji put od čekanja da se pojavi sveobuhvatna AI strategija.
Korisno za novinare i urednike koji žele da počnu da primenjuju AI u specifičnim delovima svog radnog toka umesto da ga usvajaju sveobuhvatno, i za rukovodioce redakcija koji razmišljaju o tome kako da strukturiraju nadzor kada AI ulazi u produkcijski proces.