Skip to content
Članak WAN-IFRA mar 2026.

WAN-IFRA: kako je The Hindu primenio AI u novinarstvu podataka o izborima i toplotnom stresu

O čemu je članak

Ovaj WAN-IFRA slučaj korišćenja bavi se iskustvom The Hindu-a u primeni AI alata za novinarstvo zasnovano na podacima. Glavni glas je Srinivasan Ramani, zamenik nacionalnog urednika za podatke novina, koji opisuje kako je tim koristio velike jezičke modele za obavljanje strukturiranih, proverljivih zadataka u okviru dva značajna reportažna projekta.

Kontekst: projekti

Prvi projekat je uključivao indijske izborne podatke u velikom obimu: 22 miliona zapisa birača u tri savezne države. Tim je koristio AI za optičko prepoznavanje znakova (OCR) na skeniranim dokumentima, za generisanje SQL upita za analizu skupa podataka i za pisanje koda potrebnog za pravljenje interaktivne veb aplikacije za čitaoce. Ramani opisuje rezultat kao interaktivni alat o izborima sastavljen bez tradicionalnog ručnog kodiranja — AI je generisao funkcionalni kod na osnovu opisa na prirodnom jeziku šta aplikacija treba da radi.

Drugi projekat je bio istraživanje toplotnog stresa. Tim je primenio slične metode — AI-potpomognuto ekstrakciju i analizu podataka — na klimatske i zdravstvene podatke, fokusirajući se na zadatke gde se rezultati AI mogu proveriti prema poznatim vrednostima ili strukturiranim izvorima.

Ključni zaključak

Ramanijev okvir je precizan: opisuje LLM kao “iskusnog pripravnika” — sposobnog da obavlja diskretne, ograničene zadatke uz jasne instrukcije, ali zahtevajući uredničku proveru svakog rezultata pre objavljivanja. Slučajevi koje opisuje su oni gde je rad AI proverljiv: SQL upit ili vraća ispravne zapise ili ne, a rezultati OCR-a mogu se proveriti prema izvornim dokumentima. Ne opisuje korišćenje AI za interpretativno ili analitičko pisanje.

Za koga je korisno

Novinarima za podatke i uredničkim timovima u redakcijama koje razmatraju AI za strukturirane, proverljive zadatke: digitalizacija dokumenata, upiti baza podataka, razvoj interaktivnih aplikacija. Slučaj je takođe koristan za urednike i tehničke rukovodioce koji razvijaju AI politike: uslovni okvir — AI za proverljivi sloj, novinari za urednički sud — pruža konkretan model za ograničavanje primene AI bez potpunog odustajanja od nje.